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

專注遊戲資料的發表於2021-08-30
遊戲優化
遊戲經歷重重考驗上線後，都期望著能夠進入穩定的長線運營階段。驗證遊戲長線運營成功與否的一大關鍵指標則是遊戲流水。

不知從何時開始，不僅遊戲廠商，連遊戲玩家都十分在意流水，這一現象在卡牌遊戲中表現得也更加明顯。當前週期的流水，對玩家而言是投入遊戲前的資料參考。流水高接下來遊戲活動的頻率很可能較高，流水低則說明遊戲很有可能存在跑路的風險。

遊戲上線運營一段時間後，流水有可能會進入短暫的疲軟期。為了讓遊戲形成持續正向的運轉，遊戲會推出一些新的活動，提升玩家在遊戲中的新鮮感與專注度。

上線新活動後，如何運用資料判斷遊戲活動的效果？本文將拆解實現遊戲活動效果分析的層層步驟，及通過具體例項來詳解如何運用資料分析活動效果。

一、玩家行為分析需要科學的資料分析體系

不積跬步無以至千里。一款遊戲中，每天登陸上線的玩家數量眾多，自使用者在遊戲中產生行為開始，不同玩家在遊戲中的選擇不一，行為路徑極其複雜。因此，要實現科學深入的玩家行為分析，需要完整的資料分析體系。從資料接入與採集-資料查詢-資料分析-資料二次開發，4 大模組真正實現資料流通，形成可用於業務指導的資料分析結論。

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

二、遊戲活動效果分析實戰大 R 玩家付費提升至 43%

基礎資料分析體系搭建完成後，則需要根據遊戲目標形成具體的資料分析方法。

以 M 遊戲為例，遊戲產品上線公測期，已接入了 TA 系統（Thinking Analytics，簡稱“TA 系統”），並沉澱了產品上線後的多年運營資料。通過 TA 系統的大盤資料可以看到，產品的留存表現不錯，專案組已達成了遊戲進入長線穩定運營期的共識。

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

但在近期資料監測過程中，專案組發現，與過去的基線資料對比，最近一個月內，遊戲整體的月流水變緩，其中老玩家（非首日新增玩家）的月流水下降最明顯。

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

基於這一現象，專案組決定在深入分析原因，並上線一次活動。

// 對比評估發現問題，制定活動目標

對遊戲廠商而言，每次活動執行前，都需要立項確定活動目標、活動預算及具體的活動形式等。引入資料分析思維後，通過與遊戲歷史運營資料對比、行業/競品同型別活動資料對比及專案預期資料對比，專案組找到了現階段遊戲運營中的首要問題。

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

專案組利用 TA 系統對已有玩家進行使用者分層，將遊戲中的使用者按照不同的月充金額劃分為大 R 使用者、中 R 使用者、小 R 使用者及 0 充使用者，以完成更精細的遊戲玩家分析。


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

使用者分層過程中，專案組發現，中小 R 使用者的活躍與付費率相對穩定，資料並未產生較大波動，而大 R 使用者的付費率下降較多，因此，活動的重點放在了有效提升大 R 使用者的付費率。

// 根據活動目標拆解資料分析指標與策略

遊戲上線活動時，通常有四大類目標，針對不同的活動目標，延伸出豐富多彩的活動形式。

1. 提升新增使用者數量。針對拉新的活動形式多樣，但主要都集中在使用者註冊的前七日，如新增 7 天累登福利、新手大禮包及限時首充福利等。專案組在遊戲內上線活動的同時，也會配合遊戲的市場宣傳活動與買量等。

2.提升活躍度。提升玩家在遊戲中的活躍度是長線運營期將會面臨的常規問題，為了提升活躍，通常會上線一些累積登陸禮包、結伴任務等活動。這類活動大多設定了參與門檻與規則，以提升活動參與人群的精準性。

3.提升付費。ARPU、ARPPU 等關鍵付費指標的波動，是遊戲專案組關注的重要資料。當遊戲內的付費金額出現波動時，專案組可上線部分福利禮包、限時抽獎活動、限定道具活動等。

4.提升留存。七天後仍留在遊戲中的玩家，無論是充值潛力還是遊戲喜好，都具備了較高的使用者價值。當留存曲線進入平臺期後，遊戲專案組將會設定簽到福利、雙倍經驗及短期任務線等活動進行刺激，提升玩家在遊戲中的新鮮感。

5.促進迴流。針對部分已經流失的玩家，可採用簡訊召回、老玩家 7 日累登、好友結伴任務等不同的活動形式。

在 M 遊戲中，針對大 R 玩家的付費率下降，專案組決定策劃一次新活動，以提升已有玩家的活躍度與付費意願。因此，專案組策劃上線了特定卡池抽卡的新活動。

// 在 TA 系統中定位目標使用者

遊戲運營設計活動時，活動內的排行榜哪個有用，抽卡型別與設定哪種真正有效，參與人數多少等問題，都需要資料來驗證。

在活動過程中，一般情況下游戲運營無法直接操作來檢視資料，就會傳送很多資料需求郵件給資料分析團隊。點狀的資料需求似機關槍般掃射而來，快速響應所有資料需求，對資料團隊工作挑戰大。

引入 TA 系統後，能覆蓋到的玩家行為分析功能增多了，實時資料需求實現了秒級響應。而對於特定卡池抽卡這一複雜活動場景中的玩家行為分析，也通過維度表功能實現了類似抽卡活動中的卡牌型別與效果分析，從而得到了活動優化方向。

在過去幾年中，M 遊戲上線過類似的抽卡活動，並將卡牌的型別主要分為強力英雄、卡面設計與 IP 聯動三大類。下表中展示了 M 遊戲往年的活動名稱與抽卡型別。

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
（圖為 M 遊戲過往的抽卡活動與抽卡型別彙總表）

在 TA 系統中，專案組利用維度表功能，拉取了抽卡活動期間，各型別卡牌的參與抽卡使用者流水佔據遊戲總流水的比例。從下圖中能發現，參與抽卡使用者中強力英雄類卡池的流水佔比高。

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

除此以外，為了準確定位目標使用者大 R 玩家，專案組還從 TA 系統中拉取了大 R 玩家流水在總流水中的佔比。如下圖顯示，大 R 玩家在強力英雄卡牌型別中的佔比最高。

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

從這些資料中，專案組最終得出了結論，強力英雄是過往類似活動中，針對大 R 玩家最有效的方式之一。基於這一結論，專案組很快確定並上線了以強力英雄為主的特定卡池抽卡活動。

// 活動上線後，資料驗證活動效果

活動上線前，專案組通過 TA 系統已拉取了不同使用者的付費資料，這些資料是判斷活動是否有效的關鍵對比資料。

活動上線一週後，專案組再次拉取了大中小 R 使用者的付費資料，與一週前進行對比，大 R 使用者的付費率提升至 43.72%，資料證明這次活動獲得了成功。

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

小結

在一款長線運營的遊戲中，建立基線資料非常關鍵。通過基線資料與當前資料的對比，能更準確地發現遊戲運營中出現的問題，快速定位問題點。

越早引入資料分析系統，就能越準確地監測整個遊戲的現狀。而傳統基線資料建立的過程十分漫長，TA 系統做到了在遊戲上線初期甚至內測期，高效採集遊戲運營所需的完整資料。

解決問題的過程中， TA 系統幫助遊戲實現了使用者分層，從資料的實時變化中驗證遊戲活動效果，及時優化遊戲活動，達成活動目標。

來源：數數科技
原文：https://mp.weixin.qq.com/s/jwuKrR0jrtGSzhFF383Rng

相關文章