你對於留存資料的看法可能該變一變了
譯/安德魯&海鴿
次日留存、7日留存和30日留存,這是遊戲公司內很常見,也很受關注的資料。這些資料能在早期有效地衡量遊戲表現。但如果想要長期保持競爭力,取得更長久的成功,180日留存這樣的長期留存資料才是關鍵。
幾年前,產品資料管理平臺GoPractice的CEO Oleg Yakubenkov,曾經參與過知名休閒遊戲《神偷》的測試分析。在發售初期《神偷》的表現很糟糕,但在後續的幾個月內,遊戲的一些關鍵資料卻快速上漲。次留從26%增長到了57%,7日留存則從9%漲到了32%。變現資料同樣地也進步明顯:相比最早期的版本,LTV幾乎增長了25倍。
就在同一時期,Friendly Game工作室也分享了一款新遊戲的早期資料。這款遊戲的幾項留存率和LTV曲線全都比《神偷》要差。
Yakubenkov就此斷定,這款遊戲的潛力極其有限,不會成為爆款。但他在這款產品上卻判斷失誤了,他沒能考慮到長期留存的重要性。所以儘管《神偷》發售初期就很成功,而後者卻在接下來的幾年內逐漸成長,成為了品類中最強勢的產品之一。這讓Yakubenkov重新思考了留存資料的代表性,並結合近期的一些手遊案例展開了關於長期留存資料的分析。以下是他發表在DECONSTRUCTOR OF FUN的部落格原文。
幾項不同的留存資料,分別意味著什麼
留存資料有兩個變數:產品自身和來自不同渠道的使用者。這篇文章討論的側重點是產品留存。
次日留存資料能說明遊戲的核心玩法是否吸引人。進入遊戲的第一天,玩家們通常只能體驗玩法,然後他們會以此為依據,來決定是不是要繼續玩下去。
7日留存能表現出遊戲的核心迴圈運作是否有效。這個指標會告訴你元遊戲(metagame)是否足夠有趣。
30日留存則能直接反映出元遊戲的好壞和遊戲的深度。如果一款遊戲的核心迴圈不夠有效,而且社交性不強,那30日留存資料一定不會太好。
有了30日留存資料以後,不少開發者就不再考慮留存了。我在《神偷》和Friendly Game工作室的另一款遊戲上,也犯過相同的錯誤。但事實上,30天以後才是留存最有趣的地方。
那麼,為什麼很多開發者對留存的關注會停留在30天呢?我認為主要原因在於,很多團隊都覺得30天之後的資料應用性不夠強了。遊戲推出數月之後,遊戲內的改動變得很難衡量。
首先,這類留存資料需要很長時間才能收集到。
其次,你需要大量的使用者基數,才能得到有顯著統計的結果——畢竟90%的新使用者在30日以內之前就流失了。
最後一個原因是,運營團隊往往會傾向於關注短期收益。他們想要以周、甚至以天為單位去優化KPI,而不是去等待下個季度的結果。
在我看來,30日以後的留存曲線,往往包含了一款遊戲成為高收入產品的可能性。如果你的遊戲留存在一個合理的時間點開始走低,隨後逐漸跟x軸平行,這就意味著你將一部分新使用者轉化為了基數使用者(base users,指較長的一段時間內,會規律性地回到遊戲中的使用者,比如30日以後還沒有流失的玩家)。這樣你就建立了一個變現的基礎,且能夠通過市場渠道向輻射到更廣的玩家群體。
長期留存資料表現出的遊戲潛力
我們來看這4款遊戲的留存曲線,其中兩款比較平緩,另兩款則比較陡峭。假設每個遊戲每個月都有1000個新增使用者,哪一款在五年後能擁有最大的活躍使用者基數?
第一款遊戲的留存資料非常差;而第二款雖然短期留存優秀,但是無法長期留住使用者。這就是為什麼這兩款遊戲在活躍使用者達到一定量之後,就都停止增長了。到了這個階段,遊戲的新增使用者數量幾乎等同於流失的使用者。
從長期來看,第三和第四款遊戲有了更多的活躍使用者,是因為它們能夠將新使用者轉化為基數使用者。第四款遊戲更是能將每月新增1000人中的700人,都轉化為基數使用者,在後續很長一段時間內,這些人都會一直玩這款遊戲。
如果我們把第一款遊戲的MAU拆分來看,你會發現每個月的MAU中的大部分,都是本月剛剛加入的新使用者,而上個月的新增使用者只有很少一部分還在遊戲當中。但是第四款遊戲就不一樣了。
而如果拆分第四款遊戲的MAU,則能看到這樣的特點:有穩定且持續的增長,而且單月的MAU,有很大一部分都是由上個月的留存使用者構成。
能將新使用者轉化為基數使用者,對變現來說也有很多好處。LTV資料持續增長,也能讓開發者提升使用者獲取的預算。考慮到當前手遊市場的現狀,LTV隨時間持續增長,不僅僅是成功的關鍵,更是遊戲存活下去的必要前提。
如何發掘長期留存強勢的遊戲
如果一款遊戲的長期留存不夠好,運營團隊會傾向於強化使用者獲取,優化前30天的整體流程和體驗。這樣遊戲能在前期獲得大量新使用者,並且能夠直接地帶來收入。這些遊戲的特點是安裝曲線和收入曲線相當接近。
比如《Sniper 3D Assassin》和狙擊玩法的同類射擊一樣,都沒有太高的長期留存。這也是一個安裝量如何影響收入的例子。長期留存較弱的產品,需要在早期的變現上下更多功夫。
相對應地,有穩定長期留存的遊戲,能持續拓寬活躍使用者。這就意味著老玩家不僅會成為整體使用者的主體,還會佔在總收入上佔很大一大部分。從這個角度來說,在運營層面為這些玩家產出新內容,才是這種遊戲的首要目標。
側重短期變現的遊戲,通常(長期)商業化潛力都比較低,因為長期的留存率較低。開發者們不可能在30天內,把所有的功能和玩法都展現出來。這就造成了惡性迴圈——開發團隊沒有動力去以長期留存為目標來開發遊戲,然後做出的遊戲也因為沒有長期留存而無法高效變現。
矛盾點:長期留存優秀的遊戲產品,往往短期留存較低
很多人都預設,短期留存資料優秀的遊戲也會有不錯的長期留存率。但實際上,不是所有遊戲都這樣。
許多長期留存好的遊戲玩法較為複雜,內容深度較高。這樣的遊戲通常較難上手,所以玩家基數相比休閒遊戲會小很多。當你在測試這樣一款遊戲、為發行做準備的時候,短期留存資料可能不會好看。因為對於Google、Facebook這類大眾渠道獲得的使用者,玩這種遊戲都很難上手。但對一些有經驗的玩家來說,這些有深度的遊戲能夠吸引他們長期遊玩。
一個最好的例子就是自走棋類產品。《雲頂之弈》這類遊戲對大眾玩家來說上手很難。遊戲幾乎沒有核心玩法,而完全聚焦在元遊戲上。這種上手難度會讓大多數人流失。但是對於一些更有經驗的玩家來說,這類產品能提供很有深度的內容,吸引他們產期留駐,同時還能在遊戲內外搭建起社群。
當然也都有例外。比如,三消類遊戲通常能夠藉助核心玩法和逐漸推進的劇情而保有不錯的長期留存(比如《夢幻花園》《Lily's Garden》)。像《部落衝突》《堡壘之夜》這樣的遊戲定義了一個品類。他們對同品類下的玩家來說很好上手,且擁有足夠的深度來支援長期遊玩。但總的來說,這類遊戲還是少數。
用30日留存資料來衡量180日留存
在這方面所有的遊戲都大同小異。如何用30日資料來預測180日留存,並沒有普適的規律。但我們也並不需要知道所謂的普適規律。
你不需要關注180日留存的某些特定數值——你的關注點應該在曲線的形狀上。重要的點在於,留存曲線在某個節點平緩下來,隨後逐漸跟X軸平行。對大多數遊戲而言,重要的節點就是根據30-60日留存資料,推測出曲線什麼時候平緩下來。
另一個重要的問題是,為了能獲得理想的留存曲線,開發者究竟應該做什麼?這個曲線的形狀取決於兩個因素:遊戲品類和遊戲的附加值。
當然,有一些特定品類就是沒法長期留住玩家——超休閒遊戲就是一個有點極端的例子。所以,如果遊戲侷限在一個無法維持長期留存的品類,哪怕你執行的再好,也很有可能也改變不了什麼。
你的遊戲還要通過附加價值來吸引玩家,以此獲得市場份額。想要做到這一點有這麼幾個方法:
如果你知道怎樣更高效地獲取對應使用者,那麼可以嘗試複製一款成功遊戲的使用者獲取策略。但完全複製的市場宣傳策略不太能長期維持,同時這往往也需要更多的資金投入。
對於特定的、已經在市場上成功的手遊品類,你可以使用差異化策略,以求吸引此前沒有接觸過的使用者。比如《State of Survival》是一款SLG遊戲,但其中加入了類RPG的核心玩法。遊戲中玩家可以逐漸提升角色的能力,並與一個自定義的PVE模式產生聯絡。從玩法來看,玩家能夠通過自動派遣的方式,像回合制RPG那樣操控角色。這些設計,直接針對那些可能不喜歡硬核SLG遊戲的玩家,並通過獲取這些使用者來擴充自己的市場份額。
你還可以通過創新去改變,甚至創造一個品類,就像《皇室戰爭》《部落衝突》做的那樣。這些遊戲都開創了新的品類,並且在自己的品類中保持絕對統治。
但不論你喜歡哪種方式,都要時刻注意市場的現狀。如果你要進入一個上手難度低的品類,那你絕對不是第一個想這樣做的開發者,而且要做好無法長期留住玩家的準備。
我們用放置類遊戲來舉例。Kolibri的成功,說明如果你的遊戲是品類中的第一款,那麼留存資料會很優秀。但是同時,《Idle Miner Tycoon》這樣的續作則沒法複製前作的成功,因為這一品類的市場已經趨於飽和了。放置類遊戲競爭十分激烈。這也說明在一個飽和品類裡做換皮,完全複製其他遊戲並不是明智的做法。
關注長期留存很重要,但前提是有足夠的預算
製作長期留存率優秀的遊戲,是唯一擁有可持續性的商業模式。但是做這樣的遊戲通常不是大多數手遊廠商的目標。而與此同時,如果沒法聚焦180日留存這樣的長期資料,遊戲的收入水平上限,也會受到極大的限制。
有穩固長期留存率的遊戲幾乎全都是由大中型廠商製作的,原因有二:
首先,長期留存率高的遊戲預算需求更高。為了滿足核心玩家,遊戲內容需要更有深度,有更復雜的核心迴圈,更好的畫質。同時為了滿足休閒的玩家,遊戲需要持續不斷地產出內容。
其次,這些遊戲需求大量的宣傳資金,而週轉期很長——通常需要1~3年才能得到回報。這就限制了工作室的資金,並且要有一個專業的資料團隊去維護LTV曲線。同時還需要產品團隊不停地產出新內容。
超休閒遊戲和放置類遊戲已經證明,它們能夠在短期內創造廣告營收,且幾乎不需要運營支援。但同樣的,這些品類的遊戲通常沒有太強的使用者粘性。
所以,如果你的目標是在短期內變現,且開發技術不夠強,那專注於30日資料是合情合理的。但如果你的目標是創造一個更穩固的遊戲商業模式,那從第一天起就專注於長期留存非常關鍵。
原文連結:
https://www.deconstructoroffun.c ... d180-is-the-new-d30
來源:遊戲葡萄編譯整理
原地址:https://mp.weixin.qq.com/s/AYvH6p6TDlP_bYkMts7R1A
相關文章
- 6 個程式設計範型將改變你對程式設計的看法程式設計
- 陳星漢:我希望改變人們對遊戲的看法遊戲
- 一個資深iOS開發者對於React Native的看法iOSReact Native
- 對於iOS效能優化的一點看法iOS優化
- 大資料改變世界:數字化的你永存於世大資料
- 對於Lumen和Laravel的看法Laravel
- 關於我對c#的一些看法C#
- 大資料帶來了哪些改變大資料
- 你手中的程式碼,可能變成他們的子彈
- 改變的代價:一個開發者對《最後生還者:第二部》的看法
- 核聚變可能應用於汽車 你以為這是個玩笑嗎?
- 關於資料隱私的文化轉變
- 可能輕微捯飭下,IT 男就能變帥了
- Oracle資料庫的版本變遷功能對比Oracle資料庫
- 資料變更通知的一種方案
- 你的APP應用讓我變“胖”了APP
- CSS @property,讓不可能變可能CSS
- AI 臉部美容,一鍵讓你變瘦變美變老變年輕AI
- 有了 ETL 資料神器 dbt,表資料秒變 NebulaGraph 中的圖資料
- 變更OS時間對資料庫的影響資料庫
- 小研帶你學Python(三):關於變數,這些知識你應該要了解一下Python變數
- [譯] 關於 CSS 變數,你需要了解的一切CSS變數
- 對MVP和MVVM的一點看法MVPMVVM
- 對 Guice Interceptor 的一點 自己 的看法GUI
- Python基礎(一)可變與不可變資料型別Python資料型別
- 關於機器學習的一些看法機器學習
- 3.從對變數的理解到資料型別的一種解釋變數資料型別
- 資料庫選型的一些看法(轉)資料庫
- 你可能過於高估了機器學習演算法能力,帶你解讀鮮為人知的資料洩露問題機器學習演算法
- 一次資料變更的稽核過程
- 如何展示主資料的歷史變化(一)
- 一個Python開發者對鴻蒙的看法Python鴻蒙
- 鉅變來了!金融大資料平臺走向何方?大資料
- 關於 NoSQL 資料庫你應該瞭解的 10 件事SQL資料庫
- 當JAVA註解、AOP、SpEL相遇,更多可能變為了現實Java
- 專案經理該如何面對頻繁的需求變更?
- “獲客、留存、變現”:六大視訊平臺深度對比(附下載)
- 5款產品深度體驗報告:划水小遊戲的變現和留存大招都在這了遊戲