大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

作者:专注游戏数据的 数数科技 2021-08-30 12.1k
游戏经历重重考验上线后,都期望着能够进入稳定的长线运营阶段。验证游戏长线运营成功与否的一大关键指标则是游戏流水。

不知从何时开始,不仅游戏厂商,连游戏玩家都十分在意流水,这一现象在卡牌游戏中表现得也更加明显。当前周期的流水,对玩家而言是投入游戏前的数据参考。流水高接下来游戏活动的频率很可能较高,流水低则说明游戏很有可能存在跑路的风险。

游戏上线运营一段时间后,流水有可能会进入短暂的疲软期。为了让游戏形成持续正向的运转,游戏会推出一些新的活动,提升玩家在游戏中的新鲜感与专注度。

上线新活动后,如何运用数据判断游戏活动的效果?本文将拆解实现游戏活动效果分析的层层步骤,及通过具体实例来详解如何运用数据分析活动效果。

一、玩家行为分析需要科学的数据分析体系

不积跬步无以至千里。一款游戏中,每天登陆上线的玩家数量众多,自用户在游戏中产生行为开始,不同玩家在游戏中的选择不一,行为路径极其复杂。因此,要实现科学深入的玩家行为分析,需要完整的数据分析体系。从数据接入与采集-数据查询-数据分析-数据二次开发,4 大模块真正实现数据流通,形成可用于业务指导的数据分析结论。


二、游戏活动效果分析实战大 R 玩家付费提升至 43%

基础数据分析体系搭建完成后,则需要根据游戏目标形成具体的数据分析方法。

以 M 游戏为例,游戏产品上线公测期,已接入了 TA 系统(Thinking Analytics,简称“TA 系统”),并沉淀了产品上线后的多年运营数据。通过 TA 系统的大盘数据可以看到,产品的留存表现不错,项目组已达成了游戏进入长线稳定运营期的共识。


但在近期数据监测过程中,项目组发现,与过去的基线数据对比,最近一个月内,游戏整体的月流水变缓,其中老玩家(非首日新增玩家)的月流水下降最明显。


基于这一现象,项目组决定在深入分析原因,并上线一次活动。

// 对比评估发现问题,制定活动目标

对游戏厂商而言,每次活动执行前,都需要立项确定活动目标、活动预算及具体的活动形式等。引入数据分析思维后,通过与游戏历史运营数据对比、行业/竞品同类型活动数据对比及项目预期数据对比,项目组找到了现阶段游戏运营中的首要问题。


项目组利用 TA 系统对已有玩家进行用户分层,将游戏中的用户按照不同的月充金额划分为大 R 用户、中 R 用户、小 R 用户及 0 充用户,以完成更精细的游戏玩家分析。



用户分层过程中,项目组发现,中小 R 用户的活跃与付费率相对稳定,数据并未产生较大波动,而大 R 用户的付费率下降较多,因此,活动的重点放在了有效提升大 R 用户的付费率。

// 根据活动目标拆解数据分析指标与策略

游戏上线活动时,通常有四大类目标,针对不同的活动目标,延伸出丰富多彩的活动形式。

1. 提升新增用户数量。针对拉新的活动形式多样,但主要都集中在用户注册的前七日,如新增 7 天累登福利、新手大礼包及限时首充福利等。项目组在游戏内上线活动的同时,也会配合游戏的市场宣传活动与买量等。

2.提升活跃度。提升玩家在游戏中的活跃度是长线运营期将会面临的常规问题,为了提升活跃,通常会上线一些累积登陆礼包、结伴任务等活动。这类活动大多设定了参与门槛与规则,以提升活动参与人群的精准性。

3.提升付费。ARPU、ARPPU 等关键付费指标的波动,是游戏项目组关注的重要数据。当游戏内的付费金额出现波动时,项目组可上线部分福利礼包、限时抽奖活动、限定道具活动等。

4.提升留存。七天后仍留在游戏中的玩家,无论是充值潜力还是游戏喜好,都具备了较高的用户价值。当留存曲线进入平台期后,游戏项目组将会设置签到福利、双倍经验及短期任务线等活动进行刺激,提升玩家在游戏中的新鲜感。

5.促进回流。针对部分已经流失的玩家,可采用短信召回、老玩家 7 日累登、好友结伴任务等不同的活动形式。

在 M 游戏中,针对大 R 玩家的付费率下降,项目组决定策划一次新活动,以提升已有玩家的活跃度与付费意愿。因此,项目组策划上线了特定卡池抽卡的新活动。

// 在 TA 系统中定位目标用户

游戏运营设计活动时,活动内的排行榜哪个有用,抽卡类型与设定哪种真正有效,参与人数多少等问题,都需要数据来验证。

在活动过程中,一般情况下游戏运营无法直接操作来查看数据,就会发送很多数据需求邮件给数据分析团队。点状的数据需求似机关枪般扫射而来,快速响应所有数据需求,对数据团队工作挑战大。

引入 TA 系统后,能覆盖到的玩家行为分析功能增多了,实时数据需求实现了秒级响应。而对于特定卡池抽卡这一复杂活动场景中的玩家行为分析,也通过维度表功能实现了类似抽卡活动中的卡牌类型与效果分析,从而得到了活动优化方向。

在过去几年中,M 游戏上线过类似的抽卡活动,并将卡牌的类型主要分为强力英雄、卡面设计与 IP 联动三大类。下表中展示了 M 游戏往年的活动名称与抽卡类型。

(图为 M 游戏过往的抽卡活动与抽卡类型汇总表)

在 TA 系统中,项目组利用维度表功能,拉取了抽卡活动期间,各类型卡牌的参与抽卡用户流水占据游戏总流水的比例。从下图中能发现,参与抽卡用户中强力英雄类卡池的流水占比高。


除此以外,为了准确定位目标用户大 R 玩家,项目组还从 TA 系统中拉取了大 R 玩家流水在总流水中的占比。如下图显示,大 R 玩家在强力英雄卡牌类型中的占比最高。


从这些数据中,项目组最终得出了结论,强力英雄是过往类似活动中,针对大 R 玩家最有效的方式之一。基于这一结论,项目组很快确定并上线了以强力英雄为主的特定卡池抽卡活动。

// 活动上线后,数据验证活动效果

活动上线前,项目组通过 TA 系统已拉取了不同用户的付费数据,这些数据是判断活动是否有效的关键对比数据。

活动上线一周后,项目组再次拉取了大中小 R 用户的付费数据,与一周前进行对比,大 R 用户的付费率提升至 43.72%,数据证明这次活动获得了成功。


小结

在一款长线运营的游戏中,建立基线数据非常关键。通过基线数据与当前数据的对比,能更准确地发现游戏运营中出现的问题,快速定位问题点。

越早引入数据分析系统,就能越准确地监测整个游戏的现状。而传统基线数据建立的过程十分漫长,TA 系统做到了在游戏上线初期甚至内测期,高效采集游戏运营所需的完整数据。

解决问题的过程中, TA 系统帮助游戏实现了用户分层,从数据的实时变化中验证游戏活动效果,及时优化游戏活动,达成活动目标。

来源:数数科技
原文:https://mp.weixin.qq.com/s/jwuKrR0jrtGSzhFF383Rng

相关推荐