遊戲產品如何做優化（五）：LTV回收拆解

作者：秋（小燒雞），英雄互娛產品運營

前文回顧：

遊戲產品如何做優化（一）：找準目標使用者
遊戲產品如何做優化（二）：用“三玩法”捕獲大小R
遊戲產品如何做優化（三）：遊戲商業化的“三個平衡”
遊戲產品如何做優化（四）：付費點最優搭配套路

在前面的文章說我們敘述過，一個產品在發行過程中，需要評估是否能夠回收，那麼今天就詳細拆解一下不能部分。

如何降低成本&如何達到回收&調優方向

第一部分：降低成本

在產品立項之初，決定一個產品生死的前提就是流量的來源依靠：

一種是依靠自身強大的推廣能力或依託於渠道的評級

一種則是主要依賴於投放推廣

第一種在產品的品質達不到第一梯隊的情況下，在渠道量級逐漸降低的情況下，資源非常有限，且一旦到了中期，倘若出現一點問題。基本拿不到資源就沒有流量；等同於將產品交託給了別人。

因此，在投放推廣的需求上，也就越發重要，而在投放推廣上，成本優化是一件非常重要的事情。

在投放時，則根據遊戲DEMO包的內容製作不同的素材視訊或圖片進行推廣投放，此時我們會得到一個成本值，下載DEMO包的使用者，假設為20人，而投放成本為1000元。此時使用者獲取單價為50元。

此時成本較高，考慮到較難回收，則可能直接PASS掉產品回爐重造。

第二次，整體畫風較小眾的DEMO出來，最終測試投放資料，成本1000元，下載50人，單使用者獲取成本為20元。

想要達到20元的LTV還是太難，即便能做整體的盈利層面也較少，待考慮。

第三次，又一款產品出來，由於整體畫風更容易接受，最終測試投放資料，成本1000元，下載100人，單使用者獲取成本為10元。

到了這一步後，我們則考慮進一步選擇一些不同的側重賣點，嘗試進一步降低成本，通過分層次的篩選測試後，成本降低到7元，認為這個產品的回收基本問題不大；即開始下一步的步驟。

這裡要注意的是，由於國內的渠道屬性偏差，沒有集中性的統一渠道，單次測試覆蓋使用者群體有限，整體測試成本太高；而直接在渠道上測試又極容易影響渠道的評級。

因此故只能選擇拋棄不同平臺的差異化的問題，在資訊流推廣中進行試水嘗試，資料僅作為一定的參考，不能作為主要定論。

第二部分：達到回收

當我們做完了成本預估，或者說內心對整個買量市場有比較深入瞭解大致資料的情況下，我們需要為產品定製一個目標即：LTV的標準是多少。

LTV在計算了渠道分成後依然需要盈利的話，在假設我們期望達成7日回收的情況下，我們需要掌握的資訊是哪些呢？如下圖所示：


首先需要基於自己的產品有一個使用者階層的預估，其次則是需要對留存有一個預估，預估這兩點的方法論，我並沒有一個很好的總結和方法論，目前更多的還是依賴於經驗導向，通過對不同型別產品的理解和了解，來預估一款新的SLG，ARPG，回合卡牌大致是怎樣的的一個付費梯度和留存率；

第二步我們要制定的就是每日使用者的付費拆解，根據我們梳理的使用者型別，這裡寫的是大中小R，但實際上真正拆解的時候，是按照付費結構來劃分的：

例如以限購商業化為核心的內容，拆分不同的限購金額作為不同層次使用者的付費；

例如以缺口商業化為核心的內容，則拆分月卡，136禮包，首充等不同層級的使用者結構。

（預估中，將額外多購買和購買意願下降的使用者平衡，即只考慮所有目標層次的使用者都按照規劃的路線行進）

到了這個時候，我們就能夠將上圖的表格填寫完畢，得到一個7日內每日的LTV預估。


第三部：調優修改

由於預估資料排除了很多變數的干擾，最終一定會有較大的偏差而偏差資料會體現個三個方面：

1、留存偏差

2、付費結構偏差

3、付費金額偏差

我們在前期對產品的調整，首要考慮的除了完善3玩法、3平衡的結構外，解決LTV回收問題也是重點；基於3個方面的資料如何來調整呢？

針對留存方面，這個方面整體上說也是被研究的最多的，根據要調整的留存，如次留核心拉出來新手引導的逐步留存，分等級的滯留；而在2-3留，則拉取在不同天數時候使用者的等級段分佈圖，找到滯留點分析；而4-7留則通過分析使用者的前期目標來考慮。

針對付費結構的偏差，這裡要主要最終梳理的時候，一定不是按照大中小R，而是按照梳理的路徑，比如月卡黨使用者，終身卡使用者，136禮包使用者等等這樣的劃分形式，如果這個結構出現了偏差，則需要思考在這個階梯上的設計上，使用者的認知度和吸引度是否合理或不足。

而針對付費金額的偏差，則是我們對不同梯度的使用者的付費進行不精準的預估，例如136禮包黨，根據遊戲內的成長節奏，預估使用者整體的日均付費是13元，但是實際僅有11元，那麼就需要去考慮基於這部分使用者，成長節奏的預估付費節奏是否存在什麼問題。

當我們把這些問題就儘可能對應的優化並取得了相應的成績後，就代表我們已經成功的製作了一款能夠通過推廣穩定回收的產品了。

（當然，具體的修改方案才是關鍵，這些具象的方案，我們會逐步慢慢來聊）

投放成本

上面說到了投放和產品內的架構，那麼接下來就先來說說在進行投放中，可能會遇到的問題。

最重要的一點就是要看回收，那麼回收如何來評估呢？

不單單只是看你的成本，因為你匯入的新增，可能會由於素材的騙量性等等，導致使用者的實際LTV和留存都偏低。

舉個例子，A產品的7日LTV為20元，投放成本為15元，算作是官方包投放不計算分成的情況下，利潤是5元；但是投放者加大了流量的匯入，原本每天10000人，在通過投放者的優化後，變成了20000人，這個時候，利潤真的還是5元麼？

一般來說，次留會隨著新增匯入變多而降低，是由於泛使用者的佔比提升（合適的精準投放可能反而會提升次留）；這裡的重點就在於泛使用者提升的比例是多少呢，以及這個泛使用者如何來體現呢？

我們一般定義次留使用者為篩選後使用者，因此我們可以把歷史資料總結：匯入新增為10000時，次留為40%；匯入新增為15000時，次留為36%；匯入新增為20000時，次留為33%。

這個時候可能就會想到，做一個曲線來表示泛使用者（這裡為流失使用者）的佔比提升；但是這個曲線有很多影響因素是沒有被考慮到的，例如騙量性的素材和起到了精準吸引的素材，可能一個是降低次留，一個是提升次留；那麼我們拿什麼來評估呢？

就像上面說的到，我們假定次留使用者為篩選後使用者；因此，我們只需要算出來我們次留使用者單價即可，因為次留使用者整體在假定篩選後使用者的情況下，和正常的使用者相比，LTV不會差異太大，因此我們只需要對比正常投放情況下的次留單價，和加量投放下的次留單價，即可得到我們是否能夠盈利的答案。

例如以往正常情況下，單價10元，匯入1000新增，次留400人，次留單價就是25元；而當我們替換了騙量素材以後，新增2000，次留550人，次留單價就是36元，這個次留單價遠遠要高出正常情況，在正常情況下盈利有限的基礎下，這波騙量素材就一定是虧損的；

這裡最精準的演算法，一定是單獨看這一批匯入使用者的7日LTV是否能夠回收，之所以不直接去計算使用者7日LTV，而選擇看次留的核心原因，是在於7日LTV需要投放7天……而次留觀察法只需要投放1天即可。

回收調整

上面我們提到了成本的優化，那麼例如說，我們最後優化後，使用者單價是8元，我們要如何來確認產品的回收週期呢？

最常見的情況是通過體驗遊戲，儘可能的根據相關工作人員的經驗，認為在哪裡應該如何來調整；再進一步，則是會拿著一張表，裡面列舉了幾個要點，根據這幾個要點來提出意見。

那麼今天要來聊聊的就是這表，裡面的要點，到底是怎麼來的；如果有人認為是拍腦門想出來的，比如XX遊戲這個付費點好，那個好，都做一起感覺差不多，把調整商業化設計弄成付費點堆砌，那就太錯了。

首先，我們對遊戲內的付費階層有一個設定，例如，基於A遊戲，我們為玩家梳理了幾種成長路徑：

A路徑：首充

B路徑：首充+月卡

C路徑：首充+月卡+終身卡


那麼此時，這是我們為玩家定製的最優付費路徑。

也許因為經驗不足，在這個設計上，從業人員沒有發覺有不妥之處。


經過了一輪測試，發現資料呈現這樣，250元以上的階梯使用者的人數是遠低於預估的；

首先我們的第一步，發現終身卡的購買率較低，說明了這個X%的使用者中，有50%的使用者沒有選擇我們設計的最優付費解，這個極大的概率說明了使用者寧願選擇其他付費點也沒有選擇這個終身卡，此時，這個終身卡是沒有起到他原有效用的。

因此，我們選擇調整終身卡的獎勵；


當我們調整完畢後，發現1000-250元這個階段的使用者確實有明顯的提升，但250-450這個階段沒有明顯的提升，而現有的付費點內容確實已經成為了已付費使用者的最優解。

那麼我們可以繼續加深這三個付費的吸引力度，但這樣的做法，是在進一步的增加6-100這個階段的付費，而當前的資料上，這個階段的使用者的付費路徑是OK的；

因此我們發現，250元以上之所以低於預期，其實是因為沒有匹配的金額供給使用者成長到對應的付費梯隊上，導致了低於預期；

因此，經過思考和市場驗證的內容，我們新增了使用者的付費內容（具體可以加些什麼樣的內容，不同內容的選擇我們後續再聊）


這裡其實就回到了第一步，再次進行驗證時，我們通過又可以得到一個參與度的資料，比如他長成這樣：


同樣的，我們就需要再一次進行分析優化， 在小額禮包和基金兩個付費點的參與度上，明顯不滿足付費最優解的概率。

使用者消耗在其他地方的情況下，一方面是可能由於使用者屬性不同帶來消耗喜好不同產生的資料偏差，因此參與度基本80%以上即可；一方面是可能是由於投放活動，這方面受到投放力度的影響較大；一方面是可能由於最優解和使用者付費內容處於不同養成線，是可能有額外的收益。

因此我們第一步是考慮的進一步優化參與度，在結合產品思考了問題原因後，優化後的整體資料變成了。


如果此時我們發現250元以上使用者很難進一步去優化，那麼就證明我們原本定義的佔比可能存在一些問題，我們需要去考慮調整佔比，即計算，450元檔位的使用者5%的佔比需要多少25元使用者的佔比來抵扣；例如這樣：


這時，我們就需要進一步調整月卡的獎勵，或是新增一份額外的計費點讓25元玩家佔比增多。

最終得到一個基於當前產品能夠較好的達成LTV的商業化模型，模型表大致如下：