如果要將一款遊戲做到100萬DAU，運營該怎麼辦？

記得好久前寫過一篇文章《當你有“一個億”的小目標時，如何給遊戲做流水預估？》，通過資料預估的方式進行了虛擬專案的虛擬預估。如今行業內做遊戲越來越不在乎收入了，更多在乎活躍。那麼如何做到100W的DAU？


所以這篇文章會先從資料拆分開始，讓大家瞭解，一款遊戲要達到百萬DAU，需要滿足什麼條件。而後會通過一些方案方法來為完成這個目標提供決策建議。也希望這個拙見，可以給一些困在難題裡的人提供一些破局思路。

一、資料篇

談到百萬DAU，我們首先應該要了解DAU的構成。其次是考慮的是時間。

DAU公式：DAU=DNU(新增使用者)+(RU)留存使用者。

有公式就一切好說，我們將公式展開，新增使用者用 N 代替。留存使用者比較麻煩，我們需要製作一個基於DAU與時間 t 之間的關係，你以為我要搞高等數學。不，我停止了思考。

所以我們轉回一個很笨又好理解的方法，我們繼續用18年的Excel來完成資料預估。

為了便於理解我們先從7日表來進行計算，同時也意外這老闆給了你一個七天內滿足百萬DAU的需求。表格如下圖，


感覺是18年的降維？沒錯，就是降維。不過我們要做的是最優解，而不是亂填數。還是要思考下，畢竟首日匯入100W新增，就可以完成百萬DAU了，這麼魔幻的結果我們後面考慮。

不過我們需要考慮一個簡單的概念，新增使用者的構成=廣告使用者+渠道使用者+病毒傳播使用者+其他。這個“其他”佔比不高，很高的話就是另一個魔幻的事情了。如果獲取新增會放到方案篇去講，這裡迴歸主題，七天內如何滿足百萬新增。

這裡通過窮舉方式列下所有結果。

1. 把目標全部交給新增，即首日滿足百萬新增。

①新增中完全是廣告新增，那就是錢和買量平臺量是否足夠的問題，買量成本只會水漲船高。這樣撒幣行為，如無必要（成本低，搞壟斷除外），不要考慮。

②新增中廣告/渠道佔比一定比例。這是一個常見模型，理論上肯定是不花錢可以獲得量是最好的。至於是55還是37佔比，如果是預估的話，可以算其中一個，比如廣告就鎖定能接受的CPA+預算。背靠渠道，就通過渠道全量資源能帶來的最大新增入手。這樣剩下的就用另一個途徑補齊，比如渠道全量push首日可以帶量50W新增，那麼剩下的50W就全是廣告了。

③新增中廣告+渠道量滿足不了100W新增，那麼就要考驗病毒使用者了。所謂病毒傳播，是利用公眾的積極性和人際網路，讓產品像病毒一樣傳播和擴散，由於這種傳播是使用者之間自發進行的，因此是幾乎不需要費用。其實市面上很多產品的成功都離不開病毒傳播，但是極其考驗產品與市場的匹配度。

2. 分攤到多天，彌補新增不足問題。

因為第一天無法滿足新增百萬，所以開始考慮是否可以分期。

這裡迴歸原來的表格，我們需要考慮留存率了，因為每天會存在一定折損，這個折損是必然的，畢竟遊戲再好，也有流失。我們按照一個市面均高值來進行一個“完美留存下的預估”資料採用 60% 次留，35% 七留。


嗯，你需要七天每天新增大概26W就可以了！七天內總新增184W。如果新增是指數下降的話，那麼需要的新增就更多。如果是指數增長的話，只要保證第二天你的新增＞流失使用者即可，比如第二天補滿百萬DAU，那麼就需要：N日新增使用者+N日留存使用者，比如第一天匯入50W，那麼第二天就需要補足100W。也就是70W（100W-50W*60%）。有興趣自己代數就可以了。

當然真正到達百萬DAU理論上都不是一天完成的，這裡只是拿一個範例來為大家提供一個思路。至於如何擴表，我覺得就沒啥說的了。

二、方案篇

我們為什麼要做百萬DAU？話說真的有人會按照上面的推算方式去實現DAU嗎？DAU只是一個虛榮資料，它只能證明你在某個時間點很強。所以這裡我們更應該討論的是虛榮資料下我們的任務是什麼？

1. 提升新增，壓低新增獲取成本。

這裡我們重新回顧新增公式：新增使用者的構成=廣告使用者+渠道使用者+病毒傳播使用者+其他。

其中廣告使用者和渠道使用者，基本依靠的就是素材和推薦。當然反映到資料上就是廣告轉化率。至於是增加廣告投放範圍，還是增加廣告精度都是為轉化量服務。

而病毒傳播是所有產品（不僅僅是遊戲）都會面臨的問題，下面介紹一些病毒傳播方式：

• 口碑病毒傳播：通過產品品質被大眾認可，通常情況下存在需求競品，比如讓大家推薦一個好用的XXX時。
• 示範性病毒傳播：通過示範或者其他方式讓人產生好奇，產生：“你究竟是如何做到的？這是什麼？東西感覺很有趣。”想法。
• 感染病毒營銷：分享類感染，就是使用者會推薦別人使用，獲得雙贏的局面。比如常見於社交網路中分享圖片或者APP下載連結等邀請。
• 激勵式口碑病毒營銷：通過獎勵激勵的形式獲取使用者，比如拼多多。
• 突發病毒營銷：有些事情如果大家覺得火的沒有道理，死的也特別快。那麼基本就是突發病毒，比如：抖音熱梗視訊，或者太空狼人殺、拼個大西瓜之類的。
  

當然一個遊戲的病毒傳播可能有多種且被動的。並非強制執行就可以搞定的。

至於“其他”，因為常常是短期的，無實際針對遊戲的，這裡不做討論。可以自己在評論區聊。

2. 減少流失，提升使用者迴流。

隨著時間推移，留存使用者並不僅僅是每日正常衰減登入量，同時針對一些產品，還有一批迴流使用者。

關於留存，我肯定不會再去講什麼磨平首日曲線，增加次留/長留的活動之類的。這些利用搜尋引擎可以搜到好多方法，但是一定要知道一點，我們在優化產品提升留存的同時，也應該承認產品自身的不足和市場表現。有時候玩法、畫風等已經鎖死了產品留存，所有網路上提供的優化方案只能是一些原因的補集，所以很多時候我們針對資料決策，優先考慮嚴重性BUG這種可以強論證。至於其他優化，我們只是對當前資料不滿足，想搏一搏罷了。

留存的影響這裡大概做一下引導，前期大概率是使用者篩選，玩家針對畫風、玩法做出一個判斷。中期就是重複可玩度，遊戲是否存在讓他們重複玩下去的動力。長期留存看的就是版本迭代，通過版本迭代不斷挖掘使用者需求。

關於迴流，我們依然從自然迴流和操作召回兩個角度考慮。

自然迴流：就是一些滿足流失條件（比如30天未登入）的使用者重新迴歸產品。比如：節假日常見於一些應用，使用者量激增。再比如版本更新，市場宣發，版本迭代、競品上線等都有可能重新啟用使用者主動迴歸遊戲。

操作召回：通過主動形式召回使用者，這常見於迴流活動設計。這裡也不會具體展開示例，畢竟搜尋引擎真的會告訴你。我們只要記住召回需要“通知-穩定”。既然需要主動，自然需要通過簡訊，郵件、好友關係鏈召回等形式針對使用者進行通知，其次就是要穩住使用者，很多使用者迴流可能存在版本斷層，所以版本迭代一定要考慮新使用者後續的學習門檻和接受程度。也提醒下，流失使用者召回是一系列手段，不要指望一個手段召回所有流失。

三、回顧

雖然我們可以推算出DAU，也可以通過手段優化資料。但是要知道有時候有些資料也證明了遊戲的市場和表現。DAU也會根據留存和新增到達一個穩定值。而期間的轉化率 、留存率、召回率。在產品成型不修改的情況下，它們基本是穩定的，浮動不會太大。而想要提高這些值，無論是花大成本推翻產品還是小成本運營優化，都會可能竹籃打水。所以既然做了，就算是亡羊補牢，也是一種成長。


來源：騰訊GWB遊戲無界
原文：https://mp.weixin.qq.com/s/JxYLfm2b2MJjOXyzG3CIjQ