實現運營活動收益最大化 從瞭解玩家付費習慣開始
某款MMO遊戲,通過使用者付費習慣分析得出經驗珠的購買人數最多,神力珠的購買人排在第二。
然而,研發人員預想的是玩家主要購買的神力珠,其次才是經驗珠。換句話說,就是希望玩家一上來就把錢砸到神力珠上面。
為什麼玩家的付費習慣和研發設計的思路不符?
我們先來了解兩個道具的差異。經驗珠能快速提升經驗,很直觀;而神力珠是持續升級,緩慢提升經驗,10分鐘沒什麼效果,但10小時的效果非常明顯,不直觀。
分析得出,玩家沒有理解到底哪個價效比更高,他們並不知道哪一個價效比對於他們來講是更好的,那麼只能說這批玩家的付費習慣是追求明白、直接、看得見、快速生效的東西,他們在乎看得到的利益,而次一級的選擇才是這種較為緩慢的利益。
在這個時候,我們要去想辦法去推,將神力珠推送給玩家,讓玩家理解這個道具,理解後才會加大購買率。
推送會影響收入,比如充值送神力珠活動,相當於打折。如果不推送給玩家,會導致遊戲裡面會玩和不會玩的差距太大,因為這一批玩家中有部分是會算的,有部分是不會算的,如果我們引導做的不好,不會算的玩家的錢花錯了地方,在遊戲裡成長會比較慢,玩家之間的差距加大,差距太大會跟不上隊伍,跟不上隊伍就很難繼續玩不下去(遊戲特性決定),從而導致流失。
付費習慣分析還有其他哪些價值?
假設我們有10款MMO和10款卡牌類遊戲,我們將使用者的消費習慣進行分類,將每個系統的出產方式、運營活動都做一個類比,能得到一個卡牌類或MMO類遊戲的使用者的消費習慣曲線,這個曲線對於做下一款遊戲的設計是有幫助的,以後做卡牌或MMO遊戲時就可以用現有這些資料來設計相應的點。
在同型別遊戲的使用者習慣是一致的前提下,各個系統的設計就可以算出來,比如原本按這條曲線,按這個概率,參與率是多少人,比如A概率,按這個曲線,這個模組的付費假設是1000塊,研發人員調了概率以後,在這條消費曲線上,這個模組的付費可能是1500塊錢,那麼,這個資料對於研發人員的參考價值就在於,設計活動總價就按照1500塊去設計。這也符合上一篇提到的收益最大化定價的思路,即如何估算定價,使得道具獲得最高的銷售額。
接下來將分享具體的案例。
一 不同型別玩家付費習慣分析
付費玩家在遊戲裡的主要消耗方式什麼?高中低端玩家的消耗方式有什麼差異?有多少玩家願意將多少金額花費在什麼模式或道具上?有多少付費玩家願意將所有金額花費在一種模式或道具上?
本篇以卡牌遊戲為例,通過不同型別玩家的消耗分佈分析玩家的付費習慣,但大多數的遊戲收入構成和案例所提到的不一樣,卡牌類遊戲的抽卡是玩家付費的一種形式,從共性上說是充值或消耗的佔比。
我們在做不同遊戲的使用者付費習慣分析時,可以抓取佔比較大的模組進行深入分析沉澱,找出收入較低的模組,分析是否還有調優的空間。
01 分析思路
1、為了解不同型別玩家購買遊戲道具的習慣,需要對付費使用者進行定義。現根據玩家在遊戲中充值金額分佈情況,定義玩家型別,分為高階、中端和低端玩家。
2、通過各模組的付費人數和收入分佈,從巨集觀上了解這款遊戲的收入構成。
3、分析玩家付費習慣
對比三類玩家將鑽石全部用在一種模組上的比例差異
對比三類玩家將不同比例的鑽石用在各個模組上的比例差異
02 詳細分析
一、各個付費模組的使用者消耗情況
該遊戲的收入構成主要有五個模組,分別為:1次單抽、11連抽、戰鬥復活、恢復HP、增加卡庫上限。我們先通過各模組的付費人數和收入分佈,從巨集觀上了解這款遊戲的收入構成。
由下面兩張圖可見,1次單抽的消耗人數最多,佔比78%,11次連抽的消耗金額最高,佔比50%。
圖1
圖2
二、不同型別玩家單一消耗分佈
上圖瞭解到1次單抽的消耗人數最多,11次連抽的消耗金額最高,那麼,高、中、低端玩家的消耗習慣有什麼區別,我們進一步來分析,先分析不同型別玩家中有多少使用者願意將所有的金額花費在一種模式上。
由下圖可見,高中低三類玩家中均有一定比例成員孤注一擲將所有鑽石用在單一的消耗方式。其中,“單次抽卡”這種消耗方式佔比最高,有8%的低端使用者將全部鑽石放在單抽上。
將全部鑽石放在單抽上的低端型別成員中有37%僅充值一次(此處圖表省略)。
圖3
三、不同型別玩家的消耗分佈
接著,我們來分析高中低三類玩家在各個模組上的消耗金額(鑽石)分佈。
為了能清晰瞭解各類玩家願意將多少鑽石花在不同的模組上,我們需要做一張表格,將鑽石消耗量按10個區間分佈(每個區間增加10%),如下表所示。
下表是高中低三類玩家在各個模組上的消耗金額分佈明細資料。其中,第一行的比例表示鑽石消耗量佔比,從第二行開始至最後一行的比例表示人數佔比。
比如:第2行的第3列62.2%表示:62.2%的低端使用者將鑽石總量的0%-10%消耗在恢復HP上。
明細資料如下。
圖4
定義:
高階玩家:總充值金額>=10000元;中端玩家:10000元>總充值金額>=500元;低端玩家:總充值金額<500元
為了更直觀的比較不同型別玩家在各模組的消耗差異,我們對單個模組的使用者逐一進行比較,分別比較單抽卡、11連抽、恢復HP、戰鬥復活和增加卡庫上線。
- 單抽卡
低端型別在每個比例上的成員數均衡,突出表現在有8.26%(4562個)低端成員將鑽石全下注在單抽,這部分成員37%是隻充一次(6元、12元)。
中端玩家相比低端的冒失,顯得謹慎,不輕易將家當的80%以上放在單抽。
高階玩家不屑於單抽,63%的成員選擇消耗鑽石總量的20%在單抽卡。
如下圖所示。
圖5 註釋:下面圖表涉及到的名詞,比例=(玩家在某一個型別下消耗的鑽石量/玩家消耗鑽石總量)
- 11連抽
高階玩家突出優勢-鑽石多,65%的成員將家當的70%-100%放在11連抽。
低端玩家更多的是停留在10%比例。下圖所示。
圖6
- 恢復HP
62%的低端型別成員為“恢復HP” 消耗的愛心量小於其家當的10% 。僅有0.97%的高階玩家將家當的30%以上消耗在‘恢復HP’。如下圖所示。
圖7
- 戰鬥復活
高、中、低端玩家中均超過99%的成員為“戰鬥復活” 消耗的鑽石小於其家當的10% 。
三種型別的玩家嚴重的輕視“戰鬥復活”。如下圖所示。
圖8
- 增加卡庫上限
高、中、低端玩家中均超過99%的成員為“增加卡庫上限” 消耗的鑽石小於其家當的10% 。
100%的高階玩家為“增加卡庫上限” 消耗的鑽石小於其家當的10% 。
三種型別的玩家嚴重的輕視“增加卡庫上限”。
如下圖所示。
圖9
03 分析結論
通過以上詳細分析,得出結論:
1次單抽的消耗人數最多,佔比78%,11次連抽的消耗金額最高,佔比50%。
‘戰鬥復活’、‘增加卡庫上限’2種型別的鑽石消耗方式不受大眾青睞:三類玩家中各自99%以上的成員在這2個型別上的消耗量小於各成員消耗鑽石總量的10%;
三類玩家各成員在‘恢復HP’型別的消耗量與鑽石消耗總量的比例集中在(0,10%],高階型別成員更輕視“恢復HP”型別,不到1%的成員會將鑽石的30%消耗在此型別;
三類玩家各成員在抽卡上的消耗比例的分佈趨於平緩,不突兀,高中低三類的消耗比例的分佈呈現差異化:
低端玩家傾向於將全部鑽石消耗於單抽卡,其中有8.26%的低端型別成員將所有的鑽石消耗在單抽上;與單抽相反,60%的低端成員對‘11連抽’的投入小於鑽石總消耗量的30%,可能是價效比不滿意。
中端型別成員單抽更為保守,僅13%的中端型別成員願意將70%的鑽石放在在單抽上;11連抽上的消耗比例分佈類似於正態,趨於中間多,2邊較少。
高階玩家更加看重‘11連抽’,對單抽不屑,66%的高階成員會將消耗鑽石總量的70%以上投入到‘11連抽’,甚至有20%以上成員投入超過總量的90%;63%的高階型別成員在單抽上的花費不足總量的20%。
二 打折PK送券,怎麼做收益最大化?
某遊戲之前做過道具打折活動,現在想試試滿額送券活動,並希望對此瞭解哪種活動方式帶來的收入更好,資料分析師通過分析報告來評估回答了上述問題。具體是如何評估的,請見本篇。
01 分析思路
資料分析師根據歷史的道具銷售記錄,作了以下六個步驟的分析,如圖1所示。
- 分析使用者消費特徵
- 確定“滿額”的基數
- 確定“送券”的額度
- 對比“滿額送券”和“道具打8折”活動的道具購買人數
- 對比“滿額送券”和“道具打8折”活動的收入
- 確定活動方案
圖10
02 詳細的分析過程
(1)使用者消費記錄描述性統計
從圖11可以看出,使用者消費能力呈右偏態分佈。
圖11
進一步彙總統計得出,57%的使用者消費次數小於3次,56%的使用者累計消費金額小於300元,使用者屬於低頻低額消費群體。
根據使用者歷史消耗金額,求出1/4分位數128元,1/2分位數256元,3/4分位數584元。
(2)使用者購買頻數&平均購買金額區間分佈
根據圖12所示的使用者累計消費次數分佈,可得出57%的使用者消費次數小於3次,31%的使用者只進行一次消費,累計消費10次以上的使用者佔比15.69%,累計消費15次以上的使用者佔比10.04%。
圖12
細看累計消費次數大於15次的使用者購買的道具型別,TOP3的道具為時裝、功能道具和等級直升,如圖4所示。
[85,95],[125,135]是使用者消費均值的兩個峰值,如圖5所示。
圖13
圖14
(3)暢銷道具TOP30:
目前暢銷的TOP30道具中, 128元、88元和70元的道具數量最多,如圖15所示。
圖15
(4)單個使用者每日平均ARPPU為100元,除了個別的活動時間之外,其餘時間均比較穩定,如圖16所示。
圖16
(5)從歷史資料看,使用者平均每天購買次數的道具金額集中在[90,130]區間,如圖17所示。
圖17
(6)歷史活動效果:
《烈日紛爭》之前做過部分道具打折活動,折扣範圍在7-8折之間,本次滿減送券活動的折扣範圍也希望保持在7-8折之間,因此歷史活動的資料有很好的參考性。
道具打折活動,共有12837名使用者參與了折扣購買行為,圖18是打折活動期間的道具購買數量分佈,表1是打折道具的購買人數情況,此次活動累計創造收入235萬元,活動期間每個使用者平均付費金額(ARPPU)為183元,比未進行滿減活動的單個使用者ARPPU提高47%。
圖18
表1
(7)對比兩種方案
參考之前的8折活動資料,即滿額a,按照歷史的8折得到三個檔次的基數(根據使用者消費能力得出的1/4分位數128元,1/2分位數256元,3/4分位數584元),那麼滿額a=基數/0.8 (分別為160元,320元,730元)。
參考活動時期ARPPU提升47%作為目標,即滿額a,按照現在的基數提升47%,那麼滿額a=基數*1.47(分別為188元,376元,858元)。
應用二八原則,80%的收入來源於20%的高階使用者,累計消耗大於730元的比例為19.8%,大於858元的比例為16.5%,730元相比858元更加合理,因此定730元滿額的第三個檔次。
目前主流道具的金額在128元,88元,70元,如果使用者分別購買了這三個主流必要道具,還需花費的差額實現容易程度,第二個檔次中160元相比188元使用者更容易選擇其他金額的道具來實現滿額,提升幅度分別為20%、18%、4%,如表2所示。
表2
(8)商城經歷的7次歷史活動時間段,按照目前的滿額送券活動效果:
歷史道具商城經歷7次大型活動,第三次活動是分水嶺,前兩次活動中商城道具數量較少,活躍使用者處於較低的水平,從第三次活動開始,道具數量增加,對應期間的活躍和付費人數增加,直到第7次均屬於比較穩定的水平。因此,採用歷史上第三次至第七次的資料為參考資料,來確定不同消耗檔次的使用者比例,第一檔55%,第二檔25%,第三檔20%(儘量取整數原則)。並將5次活動的付費率均值作為本次活動的付費率即為14.34%。
表3為7次活動不同檔次的消耗金額佔比和付費率。
表3
(9)預估活動期間收入:說明:預設本次活動和歷次活動的活動週期接近,均在15天左右。
a.滿額送券活動
根據目前兩週的活躍使用者量,再根據歷史5次活動處於三個檔次消費的人數比例:55%、25%、20%,可以得出購買三個檔次的人數(n1,n2,n3),n1=活躍使用者量*55%;n2=活躍使用者量*25%;n3=活躍使用者量*20%。
計算本次活動的總收入,總收入=160*n1+320*n2+730*n3
b.道具打折活動
若所有的道具均為8折,計算活動期間商城中每種道具的購買人數。
因歷史的商城活動中做過部分道具打折活動,所以先求出8折折扣道具的購買人數佔該道具歷史購買人數的比例,將該比例作為本次活動道具的購買人數。
根據歷史資料得出:道具單價小於160元,購買人數佔比9.98%;單價在[160,320] 的道具購買人數佔比17.10%,單價大於320元的道具購買人數佔比16.29%。
道具購買人數=各道具歷史購買人數*8折活動期間購買佔比
總收入=單價*購買人數*0.8
對比滿額送券和道具打折活動的收入,得出道具打折比滿額送券帶來的收入低128萬元。
03 分析結論
根據《烈日紛爭》使用者購買道具資料分析,建議本月道具銷售滿額送券活動方案為:滿160元送50元券,滿320元送120元券,滿720元送300元券,預計該活動能帶來630萬的收入,比直接打8折的收入高30萬元。分析步驟及結論如下 :
(1)根據歷史道具購買記錄,分析使用者消費特徵:
暢銷top30的道具金額主要為128元,88元,70元。
使用者屬於低頻低額消費群體,31%的使用者只進行一次消費,57%的使用者消費次數小於3次,消費10次以上的使用者累計佔比15.69%,時裝是使用者主要購買的道具型別;85-95元和125-135元是使用者消費均值的兩個峰值。
其消費能力呈右偏態分佈,56%的使用者累計消費金額小於300元,眾數128元。
單個使用者每日產生的價值(道具購買金額)為100元,除了個別的活動時間之外,其餘時間均比較穩定。
說明:使用者消費特徵和道具定價和道具屬性(是否能重複購買)有關。
(2)確定“滿額”的基數:
將歷史消費金額呈現的4分位數,初步劃分三個“滿額”檔次的斷點(滿額a):1/4分位數128元,1/2分位數256元,3/4分位數584元。結合道具單價可以看出,128元為眾數和1/4分位數主要是由於商城道具的單價決定,且128元處於使用者消費均值的峰值區間內,因此作為第一個基數具有合理性。
參考歷史道具8折銷售活動,即滿額a,按照歷史消費情況8折轉換得到三個檔次的基數,那麼滿額a=基數/0.8 (分別為160元,320元,730元,考慮到730是奇數的10倍,因此選擇與之接近的偶數720元)。
將歷史道具銷售活動提升的ARPPU值作為目標(上漲47%),即滿額a,若按照現在的基數提升47%,那麼滿額a=基數*1.47(分別為188元,376元,858元)。
假設使用者分別購買三個主流道具(128元,88元,70元),對比以上第2點和第3點的“滿額”基數,160元相比188元使用者更容易選擇其他暢銷道具來實現滿額,提升幅度分別為20%、18%、4%。
根據二八原則(80%的收入來源於20%的高階使用者),累計消耗大於720元的比例為19.8%,大於858元的比例為16.5%,因此定義720元相比858元更加合理。
結合以上5點,確定“滿額”的基數為:160元,320元,720元。
(3)確定“送券”的額度:
考慮主流道具金額和送券金額不低於道具8折後優惠兩個要素,再按照該演算法取整,確定送券的金額分別為:滿160元送50元券,滿320元送120元券,滿720元送300元券。
(4)“滿額送券”和“道具打8折”活動收入預估:
根據“滿額送券”活動,估算本月活動期間收入1630萬元。
總收入=160*n1+320*n2+730*n3 。其中n是購買道具人數=周活躍*付費率,根據歷史7次活動處於三個檔次消費的人數比例:55%,25%,20%,因此得出n1、n2和n3的值,最終得出總收入。
根據“打8折”活動,估算活動期間收入1500萬元。
總收入=∑道具單價*購買人數*0.8。其中道具購買人數=各道具歷史購買人數*8折活動期間購買佔比
綜上,預計本月本月進行的“滿額送券”活動比“道具打8折”活動帶來的收入高130萬元。
三 “滿額送券”活動效果分析
通過分析可知“滿額送券”方案比“打8折”帶來的收入更高,因而《遊戲A》專案組採用了此“滿額送券”活動方案,即滿720送300,滿320送120,滿160送50,活動持續15天。
該活動上線後帶來了一波收入增長,活動結束後資料分析師對比了實際收入和預估收入的差異,並總結其活動效果,為下一次類似的活動做參考。
01 分析思路
圖19
02 詳細分析過程
(1)整體效果
活動持續15天,累計商城收入1680萬(比預估值高50萬元),參與活動賬戶14萬個,佔活動期間總使用者賬號數28%,累計訂單量29萬。詳情如下:
活動期間商城累計收入1680萬,使用者購買道具的熱情主要體現在前2天,活動前兩天的收入佔據總收入的一半以上。如圖2所示。
活動第1天使用者主要購買的是本次新上的道具1,有69%的使用者購買,貢獻了35%的收入。
圖20
(2)售賣道具TOP30
本次活動銷量最好的是道具1,為本次活動的新道具(見圖21)。活動期間有26.1%的使用者購買,貢獻了25.8%的收入。
圖21
(3)三檔滿額送券活動的參與情況
66%的訂單滿足滿額送券,共產生440萬元優惠券,該類訂單產生了88% 的總商城收入。
20%的使用者消耗沒有達到滿額標準,該類使用者發起的訂單量佔據總訂單的34%。如圖22所示。
圖22
(4)使用優惠券的使用者分析
優惠券刺激使用者的平均消耗金額提升,使用者平均消耗提升,促使商城每日的人均消耗金額大幅上漲。
a)101858個賬號使用了優惠券,佔總購買賬號數的54%;累計產生支付金額1008萬,佔據總支付金額的60%;
b)69%的訂單使用了優惠券;
c)10%的訂單由於使用了優惠券,使得使用者支付金額為0;
d)使用者平均消耗金額在活動前是左偏態,活動中是右偏態分佈,說明優惠券刺激使用者提升了平均消耗金額,活動後使用者平均消耗在(150,300]的比例比活動前高30個百分點;如圖23所示。
e)活動當天的商城人均消耗為365元,同比1月24號、2月14號活動,分別提升幅度為52%、103%。
圖23
(5)與歷史活動對比
與歷史活動相比,高額消耗的使用者數明顯增加,整體付費率明顯提升(見表4)。
表4
03 分析結論
為感謝各使用者對《遊戲A》的支援,在版本更新期間進行了滿額(支付金額)送券活動,活動共分為三個檔次分別是滿720送300,滿320送120,滿160送50。活動持續15天,累計收入1680萬元(比預估值高50萬元),參與活動賬號14萬個,佔活動期間總使用者賬號數28%,累計訂單量29萬,達到送券金額的訂單佔66%,產生優惠券金額440萬元,詳情如下:
(1)活動期間39%的使用者使用了優惠券。
(2)優惠券刺激使用者提升了平均消耗金額,在活動期間使用優惠券的使用者平均消耗在(150,300]的比例比活動前高30個百分點。
(3)活動當天商城人均消耗為365元,同比之前的兩期活動,提升幅度分別為52%、103%。
(4)活動期間新增付費使用者16961,其中88%為老使用者,該類使用者購買道具top3 為道具A,道具B,道具C。
(5)不同方案對比:
滿額送券具有滯後消費作用,刺激使用者高額消費,相比歷次活動具有較好的效果。
假設活動為道具均7.3折(滿額送券換算成折扣),則本次活動商城收入比7.3折高74萬,主要原因:
優惠券刺激更多的使用者將道具A加入訂單, 道具A訂單中47%均用了優惠券。
優惠券具有延後性,使用者後期使用不必在活動期間屯貨,具有更高的靈活性。
與最近的一次活動對比,高額消耗的使用者比例增加明顯,其中消耗金額大於730元的比例提升176%。
歡迎關注作者微信公眾號↑↑↑
作者:黎湘豔
來源:微信公眾號“資料驅動遊戲”
原地址:https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzA3NTIyNDMxMQ==&scene=124#wechat_redirect
相關文章
- 付費習慣分析(三):打折PK送券,怎麼做收益最大化?
- 付費習慣分析(四):“滿額送券”活動效果分析
- 付費習慣分析(二)
- TradPlus運營總監:遊戲廣告變現,如何實現收益最大化?遊戲
- 從頭開始瞭解PyTorch的簡單實現PyTorch
- 瞭解運營的本質,內容運營,使用者運營,活動運營,產品運營。。。
- MMO遊戲付費習慣分析(一)遊戲
- 如何用運營活動挽回流失的玩家?
- 從 0 開始瞭解 DockerDocker
- 瞭解【Docker】從這裡開始Docker
- 遊少帥網站運營:從零開始學習網站內容運營學習網站
- 大 R 玩家付費率提升超15%,資料驅動遊戲活動效果優化實戰遊戲優化
- 從零開始學機器學習——瞭解迴歸機器學習
- 《空之旅人》始源測試今日開啟 運營活動福利滿滿
- 活動運營自動化平臺實踐
- 如何從0開始做新媒體運營?
- 【mq】從零開始實現 mq-01-生產者、消費者啟動MQ
- 從@NoArgsConstructor, @RequiredArgsConstructor, @AllArgsConstructor開始瞭解Lombok外掛StructUILombok
- 從零開始學機器學習——瞭解分類演算法機器學習演算法
- 收益最大化定價策略分析_PSM模型運用模型
- IPIDEA助力企業價格監控實現收益最大化Idea
- 社群活動 | SQLE 徵稿活動開始啦!SQL
- 讀《從零開始做運營》,20個金句,讓我更懂運營。
- 遊戲運營活動效果分析(一):活動流程遊戲
- 從零開始學機器學習——瞭解聚類機器學習聚類
- 注重程式碼習慣,Python零基礎從這本書籍開始!Python
- 遊戲運營活動效果分析(六):新人直升活動分析遊戲
- 從 0 開始運營抖音號——做超級網紅
- 從零開始用 proxy 實現 Mobx
- 從零開始實現線上直播
- 當《掃雷》開始運用免費手遊的設計和運營思路
- 國內流量變現如何獲取收益最大化?
- 從零開始瞭解多執行緒知識之開始篇目 -- jvm&volatile執行緒JVM
- 利用大資料做好消費者運營,你該瞭解這些大資料
- 如何實現財務自由?小象幫——助您收入翻番!活動營銷 數字經營 年底活動營銷
- 實現業財一體化,從運用點晴模切ERP開始
- 洞悉高付費行為事件,智慧運營助力高效轉化事件
- 遊戲運營活動效果分析(四):開新服效果分析遊戲