不同遊戲型別的市場生存空間與其他趨勢——基於Steam評論數的分析
作為獨立遊戲從業者,我一直在思考不同型別遊戲的市場生存問題。 我有個聽起來有點奇怪的愛好:瀏覽Steam商店,試著分析遊戲,估算銷量,並推測遊戲成功或不成功的原因。
直到有一天,我靈光一現: 是不是可以做一個 steam 遊戲列表,裡面的資訊包括遊戲標籤、型別、發行日期和大概的收入? 我覺得從這些資料(尤其是標籤)中發現一些規律會很有意思。於是,我開始收集資料。
注意: 這篇文章的標題裡寫著“型別”,但在技術層面上,本文研究的是標籤,比型別更細分,我覺得也更有用。在文中,這兩個詞我都會使用,因為在我看來標籤就是狹義上的型別。
估算遊戲收入
這是個給獨立遊戲開發者的最簡單的估算方法。先估算一款遊戲有多少人購買:將評論數乘以50(根據Jake Birkett的研究,區間在30到100之間,而50是折衷的數字),有了購買人數,將它乘以美區定價再乘以0.38即可估算淨收入。
為什麼乘以0.38:
購買人數*美區定價*0.93(VAT)*0.92(退款)*0.8(地區差價平均)*0.8(折扣平均)*0.7(平臺抽成)
這當然又是估算,因為一款遊戲的實際淨收入會因其折扣幅度和銷售區域(影響平均地區價格和繳納增值稅的比例)的不同而有很大差異。 此外,隨著遊戲在週期中折扣力度加大,平均折扣乘數會逐漸減小。 0.8是我們的遊戲(Eastshade)發售8個月後的平均折扣,目前為止最大的折扣是40% 。
推算遊戲最終收入的另一個重要因素是遊戲在其銷售曲線中的位置。 最近釋出的遊戲只是第一階段的收入。 要推測終身收入,以下是一些有用的資料:
平均而言,一個遊戲在其生命週期內的收入(累計)的百分比如下:
- 一週後13%
- 3個月後33%
- 一年後58%
- 兩年後75%
- 三年後87%
- 四年後95%
- 方便起見,就假設遊戲的終身收入在發售5年後 100% (到了這個時候銷售量會很低)
這些資料和本文中的許多資料一樣,都是估值。 一些遊戲有一個更大的長尾,收入遠遠超過5年,而另一些賣不到五年。 我根據從其他遊戲(包括我們自己的遊戲)收集的銷售資料,以及在 steam 上檢視各種遊戲的評論圖表,觀察評論數隨時間推移減少的趨勢,以確定這些資料。只要知道一個遊戲當前的大致收入,就可以使用這些資料來預測它的生命週期收入(我們可以使用前面提到的評論數)和遊戲釋出日期。
計算公式:
當前估算收入 * (1/當前生命週期百分比)
假設一款遊戲已經發布7個月,可以用我們的圖表來看,從統計學上看,可能目前已經達到了最終收入的40% 左右,所以我們可以把這個數字放到“當前生命週期百分比”中,得到2.5的乘數。
備註:如果有開發者的專案已經發行了很多年,請告訴我,我的估算銷售曲線是否與你們的實際資料吻合,不勝感激!
多虧了 Jake Birkett的文章,我對發售第一年資料的準確性非常有信心,但是這個曲線越往後越難收集資料,因此我還不太確信。
這就是我的資料中估計和預測收入的方法。 一定要注意,這個方法簡單粗暴,容易出現一些問題。 例如,如果遊戲當前的售價比最初發行時低,那我的公式的結果會偏低。 另一個大問題是,平均折扣率變化很大,我沒有折扣歷史的資料來糾正這一點。 當然,公式中的每個數字都有一定的可變範圍,所以估算結果和實際數字的差異率在50% 到300% 。
備註:如果各位開發者願意與我分享我的公式和你們的實際資料之間的差距,就太好了。
此表格涵蓋了Steam上幾乎全部遊戲。
注意: EA階段的遊戲沒有算好,因為指令碼提取的是1.0版本釋出的日期。 然後那些我有年齡限制的遊戲也拉不出資料。
做遊戲越來越難賺錢?
steam遊戲的中位和平均收入在不斷下降,這經常被用來引證所謂的“獨立開發末日”(indiepocalypse)之說。 但從另外一個角度看: 獲得可觀收入遊戲的比例。 眾所周知,現在steam上現在的有很多遊戲是粗製濫造的,或者並不追求商業成功。 我個人認為steam的演算法會埋葬低轉化率的遊戲。 所以,舉個例子,如果 Steam有30%的遊戲預計淨收入超過20萬,只要你的遊戲在產品質量和市場營銷方面處於前30% ,就有理由期待你有超過20萬的淨收入機會。 讓我們來看看這些資料:‘
壞訊息是,是的,比例一直在下降。 但似乎已經跌停。 但是平均收入下降的同時,遊戲的數量卻在增加。 其中有多少遊戲是我們要注意的對手? 事實證明,其中許多遊戲評論都不到10條。 冒昧地說,這些遊戲大多與專職的獨立開發者不構成競爭。 正如你在下面看到的,當我們過濾掉10個評論以下的遊戲時,情況看起來有點樂觀。 今年(到目前為止)成功機率和收入中位數甚至都有不錯的上升。
那麼,遊戲業是否越來越艱難? 這很難說,因為自2013年以來,Steam 平均每個遊戲的收入在大多數情況下都在下降,但是開發遊戲卻比以往任何時候都要容易,事實上,把遊戲放到 Steam 上也比以往任何時候都容易。 低成本遊戲的流入降低了平均收入,但是高階遊戲市場實際上更具競爭力嗎?對於一個努力的遊戲開發者來說,創造出優質的產品,並且認真經營,這樣還是很難賺錢? 我的直覺告訴我,是的,在變難,但形勢並沒有直線下滑的平均收入那麼嚴峻。只需要看看推出的遊戲,對照一下自己是否可以做出與之相當的質量,勞而有得。 這就是為什麼要選擇有市場需求的遊戲型別。 steam上不同的標籤有不同的成功機率。 我們將在下一節中討論這一點。
從遊戲標籤看收入
這個想法實際上是在我瀏覽 SteamSpy 上的標籤時突然冒出來的。 我注意到標籤的收入中位數並不符合我對某些型別的直觀感受。 有些標籤的收入中值非常高,但在我看來卻是低需求的型別,而其他一些標籤的收入中值很低,我卻覺得應該是相對熱門的。 我突然想到,中位數並不能說明全部情況。 舉例來說,如果一個型別特別繁榮或蕭條,比如說40%賺了大量的錢,而另60%失敗了——收入少於5000美元,這個中間值會顯得非常低。 但是我覺得這種遊戲型別對於一個專職的獨立開發者來說是非常可行的,因為一個很努力的開發者不會和底層的60% 的人競爭(我想說一個特別努力的開發者實際上只是在和 Steam 上排名前10% 的遊戲競爭,其他的都排不上)。 平均數更沒有參考價值,因為出幾個大作就會造成資料大波動。 我認為這個統計數是比較好的參考:超過X美元收入遊戲所佔百分比——因為它確切地顯示出你必須與之競爭的遊戲的基準。 好了,現在是有趣的部分!
Tag Data All Time
Tag Data Since 2017
可以通過右鍵單擊該列的字母並單擊“ organize a-z / z-a”(這隻會改變工作表的查詢方式)來對行進行排序。 在Revenue by Tag 表裡,每個收入範圍的標籤連結到遊戲的集合,所以你可以點選,看看裡面包含什麼樣的遊戲。
顯然,這篇文章中最有趣的部分是資料本身,你現在可以仔細閱讀這些資料並得出自己的結論,這邊是我的幾點觀察結果:
我忽略低計數(30)的標籤,因為資料不夠。 我忽略高計數(2000)的標籤,因為太模糊,不能作為有用的分類(“ indie”是最極端的例子)。 這些資料讓我瞭解到“獨立”標籤在這一點上是多麼的無用。 我建議根本不要用它來標記你的遊戲。
一些標籤統計資料明顯具有誤導性。 Batman在統計學上是有史以來最好的標籤,但是遊戲卻很少(勉強達到我的最低標準,10個,否則根本不會列出) ,而且所有的遊戲都有IP授權,這個標籤只適用於有充足預算的公司。 有很多這樣的標籤。
根據這些資料,“cat”標籤的市場生存能力中等。 看起來僅僅在遊戲中加入貓並不能帶來好的銷量。 標籤裡有很多小遊戲,然而許多表現更好的標籤的情況也一樣。
Moddable 標籤表現得很好。 一開始我還把這個去掉了,我原以為只有大預算的遊戲才有足夠的體量和社群來支援 mod 套件。 但經過一番研究,情況可能並非如此。 其中有500多個遊戲,並且有很多中小成本的遊戲。 可以留意一下這個標籤。
由於我的指令碼無法提取有年齡限制的遊戲,一些標籤的資料,比如 Horror,可能會不準確。
評測的分數重要嗎?
一旦我們有了資料,就會發現這樣一個問題。 下面是評測得分與收入的對比圖。 我按百分點(共100組)對遊戲進行分組,然後計算該組遊戲的預期收入平均值。 我排除了少於50個遊戲的組,因為數量級這麼低的話,一個評分差的高銷量遊戲可能會打破平均成績(如一個口碑很差的3A)。 這就是為什麼圖表從30開始。 只有極少數遊戲的評分低於30,因此資料非常嘈雜。 我還排除了收益5M以上的遊戲,以防止異常值使資料變得更加嘈雜。
我曾確信評分並不太重要。 我看到過很多文章都這麼說,也聽到過一些發行商也這麼說。 而這張圖表是徹底的反例,至少在普遍的總體趨勢中是如此。 評分和收入這種相關性非常明顯,即使資料有點嘈雜。 我不是很確定70% 區域周圍發生了什麼。
總結
我絕不是第一個這麼說的人: 我覺得對於一個遊戲開發者來說,最重要的營銷決策就是選擇遊戲型別。 我相信當前市場對遊戲型別的需求對於遊戲收回成本的可能性至關重要。 當然,有一些遊戲揭示了有未被開發的市場,確實,那些開創性的遊戲,上升到超過他們遊戲型別通常的市場規模。 但總的來說,遊戲的銷量與遊戲型別的市場規模相當。 因此,在選擇你想製作的遊戲型別時,考慮市場生存能力是明智的(如果你以獨立開發為生的話)。
Steam標籤過於簡單,不一致,並不能說明整個圖景。 就標籤收入資料而言,雖然我覺得這些資料在評估市場可行性方面有些用處,但對我來說,主要是看著就覺得很有意思。 需要澄清的是,我收集這些資料主要是因為我對此很著迷,而不是作為決定下一個遊戲的絕對規則。 我覺得個案研究比整體市場研究更為重要,而且我也覺得對個別遊戲進行坦誠而直觀的評估比大而化之的資料更有用。
作者: Danny Weinbaum
來源:Indietavern 翻譯
英文原文來自Gamasutra
原地址:genre_viability_on_steam_and_other_trends__an_analysis_using_review_count
相關文章
- CGDC論壇:七大遊戲趨勢釋出,市場有哪些增量空間?遊戲
- 東南亞的遊戲市場趨勢遊戲
- 不亞於SLG的市場表現!消除品類遊戲的市場趨勢與機會判斷遊戲
- oracle表空間增長趨勢分析Oracle
- 日本遊戲市場廣告趨勢與素材鑑賞遊戲
- 休閒遊戲趨勢分析以及市場立項品類機會分析遊戲
- 2020年,海外移動遊戲市場的趨勢與機遇遊戲
- 不同語言的文化交流,Steam評論區的中國玩家
- 現狀與機遇:海外中輕度遊戲市場趨勢遊戲
- 【6月】IAA遊戲趨勢分析以及市場立項品類機會分析遊戲
- 什麼是Clustered Table,與其他型別的table有何不同型別
- 庚子年遊戲行業市場趨勢、政策導向&市場方向遊戲行業
- IDC:數字化轉型時代 IT市場迎來5大趨勢
- 谷歌:超休閒遊戲市場的未來三大趨勢谷歌遊戲
- 分析2021年私有云市場的發展趨勢
- 龐大的Steam離線版遊戲市場遊戲
- 深度剖析智慧養老裝置市場分析:現狀、趨勢與前景
- 獨立主機相對於其他網站空間的優勢有哪些?網站
- TikTok東南亞市場商品趨勢分析報告
- 專訪 |《中國雲遊戲市場趨勢報告》主筆團隊,全球雲遊戲的異與同遊戲
- 汽車製造業供應鏈市場導向分析,數字化轉型戰略趨勢明顯
- 中國理財市場的規模、結構與發展趨勢
- TECHnalysis:美國和中國市場的遊戲消費趨勢調查報告遊戲
- 對其他團隊的評論
- 東南亞遊戲市場趨勢及遊戲發行商報告 手遊市場規模全球增速最快遊戲
- 軟體SaaS化大勢所趨 資訊化演進背景下潛在市場空間巨大
- 移動遊戲市場併購新趨勢:含通行證模式的遊戲愈發吃香遊戲模式
- 遊戲心理學研究:基於精神分析學與夢論的遊戲敘事研究遊戲
- 分析 JavaScript 的資料型別與變數JavaScript資料型別變數
- Kotlin可空型別與非空型別以及`lateinit` 的作用Kotlin型別
- MGF:預測2016年手機遊戲市場趨勢遊戲
- 趨勢論壇:4000+億市場如何挖掘增量?小遊戲、出海等領域有機會遊戲
- FC 2022 | 基於博弈論分析的非同質化代幣證券化與回購市場
- 當前CRM軟體市場趨勢
- 關於Redis資料型別以及應用場景的分析與總結Redis資料型別
- 市場洞察 – 基於知名 IP 的移動遊戲表現遊戲
- 遊戲開發的最新發展趨勢分析遊戲開發
- 聚合支付的前景如何,市場趨勢將會怎樣?