如何利用資料優化遊戲中的抽獎活動

抽獎類活動是目前網遊中最常見的運營拉收模式，用最終大獎吸引玩家參與，以概率+保底的形式進行投放。抽獎類活動做得好不好，往往可以直接影響到專案的最終流水呈現。

客觀資料是玩家用錢投票的結果，可以最直接的體現玩家對這個活動的看法。所以，以資料分析主導的抽獎類活動調優是遊戲運營的重要課題。

01、建立活動預期

在設定運營活動前，我們會給使用者分類。抽獎類活動主要目標是拉收，主要針對的玩家群體考慮分割為以下兩類：

• 中小R：追求高價效比
• 大R：追求頭部商品
  

針對前者，主要手段為設定梯度獎勵，儘可能拉動付費率；針對後者，主要手段為保證頭部商品的吸引力與稀缺性。

從最基本的箱子開始，我們對標頭部遊戲在裡面塞滿了從白色品質到金色品質的皮膚共計幾十個。這個箱子的觀測資料主要有以下幾點：

• 活動付費人數：消耗點券購買該箱子鑰匙的玩家數
• 擊穿人數：獲得頭部獎勵的玩家數
• 總收入：整個箱子的總流水
• 活躍滲透率=活動付費人數/該週期內的活躍玩家數
• 付費滲透率=活動付費人數/該週期內的付費玩家數
  

由於付費人數變化與DAU變動相關，為了擯除這部分影響，我們還需要加入一個新的觀測資料：付費滲透率與活躍滲透率，用於更直觀的觀察每個箱子在當期付費使用者與活躍使用者中的滲透率。

02、初次調優：實際問題主導

首次上架的活動可以稱為基準資料。這個資料主要作用是作為基準參考，便於我們對後續活動進行資料觀測。在這個階段我們進行活動調優的主要手段還是來源於玩家主觀反饋和研發實際情況。

在這個階段我們發現主要問題有以下兩點：

• 由於在箱子裡塞滿了皮膚，美術資源消耗飛快，製作成本太高；
• 對追求終極獎勵的大R而言，重複抽到的填充物過多，分解填充物得到的貨幣嚴重過剩難以回收。
  

針對這兩個問題，我們進行首次調優，將各種品質的填充皮膚換成各類遊戲貨幣與數值碎片，上架第二種箱子。

03、二次調優：資料主導流水最優化

第二種箱子上架後，我們得到一個基本的資料對比：付費人數大幅下降、擊穿人數輕微上漲、總收入上漲。符合流水上漲的預期。

所以我們以同樣的思路保持節奏持續上架。接著我們發現，在後續箱子的資料表現並不如意。總收入振幅、基礎按使用者比例、付費滲透率持續下滑。可見，第二種投放也是有問題的。


從幾個資料分別對比第一版開箱的資料變化，我們可以得到一些基本的推論：

• 付費人數大幅下降，擊穿人數輕微上漲，這說明收入的上漲的部分來自於大R的付費提升。
• 中小R在第一次改動後放棄了開箱，這個形式的開箱收入完全取決於大R的付費行為。
• 除了首次改動資料尚可，後續開箱資料迅速跌落，說明大R的後續付費意願也在持續下滑。
  

對於以上表現，我們給出以下兩個推論：

• 推論1：對於沒有能力擊穿開箱的中小R而言，他們直接放棄了開箱。
• 推論2：填充物溢位始終會影響大R體驗，從而導致後續開箱大R不願意再次付費。
  

為了驗證推論1，我們拉取了4次開箱參與的玩家群體與他們的付費分佈，篩選出參與抽獎的玩家，檢視玩家群體的點券消耗分佈，得到如下資料：


通過資料可以看出：擊穿佔比先上升後下降，中大R開箱佔比降低，得到的結果基本與推論相符。資料反推使用者消費心理，改動後的箱子專注於照顧大R，缺乏前、中期的里程碑，缺乏價效比，造成中小R的流失。

1~5抽佔比上漲而後續比例降低，說明原本可以轉化的使用者停止在了第一個里程碑。而擊穿比例看似上漲，其實落到實際使用者數上也沒有增長太多。

也就是說，假如一個箱子的定價是6塊錢，他們原本6塊錢就能買到的皮膚沒有了，花幾千塊錢買一個終極皮膚又不符合訴求與消費水平，於是淺嘗輒止，就放棄了這個活動。

為了驗證推論2，我們拉取了開箱內填充數值貨幣的相關資料，發現與推論相符：


擊穿玩家的數值貨幣獲取數量過快，超出了經濟系統可健康回收的範疇，造成了3個開箱週期後，大R數值貨幣溢位明顯而中小R數值貨幣不足的情況。對此，我們進行了以下改動：

• 增加兌換商店；
• 箱子內不產出難以回收的溢位產出，改為產出不同數量的兌換貨幣，用活動本身回收活動產出；
• 通過兌換商店、累開的方式，設定層級獎勵，照顧中小R玩家的前、中期體驗。
  

這次改版後，較前一次開箱，觸發使用者數上漲118%，流水上漲151%，擊穿率上漲72%。最終我們得到了一個滿足目標群體（大R）需求，同時照顧中小R體驗的活動，相對而言各項資料較為理想，達成區域性最優解。

04、結語

總而言之，在一款遊戲的開箱活動設計中，我們可以參考如下步驟。

1.  根據活動目的，錨定需要關注的資料節點包含:

a. 流水情況
b. 參與情況：參活人數、活躍滲透率、付費滲透率、獎勵獲得分佈、抽獎次數分佈
c. 回收系統：貨幣產出量分佈、剩餘貨幣分佈

2.  活動設計：開箱設計主要需要關注好以下兩個關鍵模組：

a. 階梯式獎勵體驗
b. 冗餘產出的回收

3.  迭代思路：可以從以下幾個方面來對活動進行復盤迭代：

a. 轉化率：活動的滲透率、獎勵梯度轉化率
b. 各付費梯度閾值
c. 貨幣回收難度

資料是玩家在用真金白銀向我們表達的客觀體驗，遊戲運營必須學會通過資料分析進行快速迭代，達成付費活動的區域性最優解。


來源：數數科技
原文：https://mp.weixin.qq.com/s/RtTRF_j1tEsokfyCr3bJPw