随着国内政策的收紧以及买量成本的增加，越来越多的游戏厂商开启了精细化运营的进程。其中，中重度游戏对精细化运营更为重视。

5 月 18 日，数数科技售前解决方案负责人祝运祯在联合 AppsFlyer、Google 举办的线上直播活动中，同一众游戏人分享了中重度游戏精细化运营下的增长方法论。

以下为分享内容的文字稿整理，有删减和调整。

数据驱动游戏业务增长

在精细化运营之前，我们需要了解游戏的增长和数据的分析。游戏的增长可以分两部分理解：一是用户量的增长；二是用户价值的增长。

用户量的增长可以理解为每天活跃在游戏里面的用户数，这个数值通常来自于游戏里的新增和留存。用户价值的增长，可以理解为传统游戏中的付费，或者 IAA 游戏中的广告收益。所以，游戏的增长最终是为了提升游戏的用户量和用户在游戏中产生的价值。

那么，我们应该如何达到增长的目标？

首先是决策，这里指通过投放端、运营端以及商业化端的各种决策提高数值的增长。决策之下还需要数据分析来支撑决策。而数据分析则是通过数据采集体系来支撑的，游戏当中数据采集方式通常以数据埋点为主。这里的埋点可以是基于客户端的埋点，也可以是服务端的，甚至可以通过导入结构化数据完成。

最后，我们需要注意数据的融合。也就是说，数据分析除了要采集游戏内的玩家数据，还要把游戏外的数据和游戏内数据进行打通串联。如：投放端的成本转化数据、归因侧的用户来源数据、游戏内的广告变现数据等。只有将这些游戏上下游数据打通之后，才能提高数据分析的整体效率和价值。

在游戏中，数据分析主要可以归纳为以下六个环节：

 

• 第一是需要确定分析的主题。当游戏中发现一个问题时，如用户流失了。那为什么用户会流失？这个问题就是需要分析的主题。

• 第二步是提出合理的假设。是「关卡设计得不合理」，还是「游戏当中有 bug」，才导致用户流失。

• 第三步就需要用数据去验证假设，这里就会涉及到留存、漏斗这些统计类分析模型。

• 第四步即可通过数据验证得出相应的结论。

• 第五步可以根据结论制定相应的运营策略。

• 第六步还需要通过数据去验证策略的正确性，或者说验证策略的效果。

通过 1 到 6 的闭环就可以逐个地去解决游戏当中遇到的问题，最终也就能够帮助实现游戏的精细化运营。

中重度游戏常见场景

// 掌握玩家数据表现 快速定位流失玩家

相对于其他类型的游戏而言，中重度游戏的用户生命周期是比较长的，但难免还是会存在一些流失。而且因为每个用户的 ARPU 值都比较高，流失对中重度游戏造成的损失也就会比较大。这就需要我们去分析用户流失的原因，减少这种情况的发生。

在分析之前，需要首先明确流失用户的定义，如传统游戏中流失用户大多指 7 天或 14 天不登录游戏的玩家。但 7 或者 14 这个数字是主观决定的，具体应该是多少天，需要用比较科学的方式来确定，如可以通过回访率曲线加拐点理论的方式来定义游戏的流失。

如下图，横轴是用户流失的期限，纵轴是用户回访的概率，即随着用户流失期限的拉长，用户的回访率会随之下降，并在无限拉长期限之后无限趋近于零。这个曲线中就存在一个拐点，可以定义为流失的临界点。这个拐点之后，用户大概率不会再回到游戏当中。图中的拐点为 5 天，即可以理解为玩家 5 天不登录游戏，就再也不会回到游戏当中。

 

定义好流失用户之后，就需要找到他们。通常我们会通过以下几个角度去寻找流失用户：

• 第一就是漏斗分析模型。通过漏斗分析可以找到两个相临环节流失的用户，如新手引导中的第一步、第二步、第三步到最后的完成。

• 第二可以通过留存模型，找到两个事件之间的流失用户。如通过留存模型确定付费之后没有再登录游戏的用户。

• 第三可以通过分群把常规的流失用户取出来，如通过定义 8 天没有登录过游戏的玩家为流失用户。

找到流失用户之后，需要了解流失的原因和节点，这里可能存在的原因有很多，如：

• 游戏进程有 bug，这就需要去了解所有流失用户的末次行为的分布，查看用户的末次节点是否有差异性。

• 新手期引导影响玩家体验，就需要查看新手引导各个步骤的转化以及转化时长；

• 玩法中的关卡和等级设置不合理，可以去了解流失用户在关卡和等级层面的驻流情况。

• 随着时间拉长游戏的内容不足，导致玩家的自然流失。这里就可以查看所有流失用户的生命周期的分布，确定是否是游戏内容的不足，导致玩家每天在线时长越来越少，最后发生流失。

以上就是可能的一些猜想以及验证的方式。最后就是对流失用户的召回，通常都会采取邮件、游戏站内信、短信这三种方式。

但是有时候我们会思考，只对流失用户进行触达就够了吗？其实流失后的触达是一种比较滞后的方式，我们是否可以做得更超前？

这里就会考虑对日常用户的状态进行监测和预警，通过对用户进行标签分层，如将其划分为八个层级：价值用户、浅用户、亚流失用户等。随着时间的拉长，我们可以掌握不同标签用户在每一天的数据变化和跃迁情况，帮助提早预知用户可能存在的流失风险，并尽早地进行触达。

// 强化游戏内转化 深度挖掘玩家价值

在一款付费类游戏当中，所有玩家的付费转化会经历一个相似的流程：从未付费到首次付费到重复付费再到最后的不付费或者流失。这个流程就存在三个环节的付费转化，破冰付费、复购和失去认同（此处指对付费和游戏的认同），这是比较传统的付费流程。但是，游戏运营会希望打破这种自然的流向，让玩家的转化朝着更有价值的方向转化。

这就需要我们把上述三个转化点做好，或者通过更多的指标描述出这三个环节的效果。如：

• 在破冰层面，可以查看破冰付费的分布，了解哪种付费点有助于玩家完成破冰付费，在后期就可以针对性地进行优化；

• 在玩家偏好层面，可以查看所有玩家的付费点与代币消耗情况，了解玩家是更偏向于外显类，还是提升战力类道具或商品。

• 在等级层面，可以通过用户等级和付费转化率之间的相关性，了解玩家付费行为是否出现在合适的付费点，从而判断付费点的合理性。

• 在活动层面，可以衡量活动对付费的影响，如通过留存模型可以查看完成某个活动的用户数据，了解其付费率是否存在偏高的情况，从而获取玩家偏好于何种活动。

最后，可以对所有玩家的付费情况进行分层，获取不同付费能力玩家的付费习惯，并据此开展个性化推送或精细化运营。

// 如何衡量正、负向社交对玩家黏性的刺激

通常中重度游戏都会加入一些社交模块，增加玩家的黏性。但如果社交元素融入的不够好，往往也会起到适得其反的效果，所以针对社交模块也可以通过数据指标衡量其质量。游戏中的社交通常会分为正向社交和负向社交，其中负向社交在国外游戏中出现得会比较少。

正向社交就是比较常见的添加好友、进入公会等行为，这里可以通过衡量社交的破冰，如第一次加好友、第一次加入家族等，来衡量游戏内的社交氛围。同时，也可以根据家族之间的战斗合作以及世界聊天窗中的组队邀请成功率等数据来进行评估。

负向社交里面常见的就是黑名单机制、资源抢夺、帮派战争等，如在 MMO 游戏中，玩家被击杀之后可以标记击杀者，并在后续相遇的时候出现相应标示。这里，可以通过衡量负面社交对玩家情绪的影响，进一步改善玩家黏性。

 

通常，我们会从渗透率、转化率和转化周期三个角度入手，分析游戏内的社交氛围。如新增首日的好友渗透率，即在新增第一天玩家完成添加好友这个步骤的渗透率，其中包含人均的聊天次数、人均的添加好友数、人均的聊天好友数等；还可以衡量整个社交关系建立过程中每一个步骤的转化率，如从注册账号到匹配成功，再到关注好友，添加好友，聊天等；以及可以通过玩家添加首个好友/首次聊天的转化周期，来去衡量游戏中所有玩家对社交的需求程度。

案例：新用户付费表现良好但整体付费下降

在某游戏中发现一个状况：新用户的付费比较好，但是整体的付费在下滑。从数据上可以看到较好的首日付费渗透率和首日 ROI，但是流水曲线却是在下降的。针对这个现状可以提出假设：可能是前期资源投放不均衡，导致前期付费好，后期付费不好；或者是中期付费刺激效果差，导致首次付费之后缺乏相应的付费动力。

 

基于这两个假设，可以结合游戏付费数据和生命周期来进行整体的分析。从生命周期来看，所有的付费都集中在前三天，然后出现陡降之后趋于平稳。那为什么他们的付费集中在前期？同时，策划在游戏中期的时候安排了两个付费的关卡点，但从付费的关卡分布可以看出，前几关的付费人数/付费渗透率比较高，但 12 和 24 这两个付费点关卡并未达到预期。

 

这里就可以思考一下，是否是关卡的通过率太高，导致付费点失效。我们会发现这两个付费点关卡的首通率达到了 95% 左右，与其他关卡并没有很明显的区分。这时就可以转变思路，查看是否是升级层面的经验产出的问题，导致这两个关卡虽然难度有提升，但是通过率并没有下降。

如下图是实际经验产出曲线和预期经验产出曲线，通过对比会发现实际的经验产出在一开始就高出预期近一倍，所以应该是前期的经验产出过剩，导致玩家在付费关卡的相对难度降低，从而造成中期的付费点失效。这是初步得到的一个结论。

 

那么前期经验产出过剩的原因是什么？我们会发现在前期付费集中的阶段，新手付费项目中限时礼包占比最大，是 38%；首充礼包却只有 26%。为什么买限时礼包的玩家大于首充礼包？这跟策划预期是不相符。

进一步查看之后会发现限时礼包里的资源包括 1000 个钻石、5 个皮肤体验卡、20 个应用碎片和一张 7 天的双倍经验卡。其中，双倍经验卡有效期达到了 7 天，说明很多玩家利用双倍经验卡的时长，在不断地刷经验。所以，我们对双倍经验卡的有效期进行了调整，从 7 天调整为了 3 天。

另外，我们还发现副本前期的挑战上限也有些高，试炼副本的单日上限为 5 次，为了控制资源产出的过剩，我们将这个上限调整为了 3 次。

通过降低这两个数值后，可以看到实际的经验产出曲线更加的平滑，更加地趋向于预期。这样的话，我们就完成了一个优化。在此之后，我们还需要通过一系列指标进行闭环的验证，这就可以用到上述提到的中重度游戏中的分析场景。

数据分析已经成为游戏厂商实现精细化运营的重要途径之一，未来数数科技也将同更多游戏人一同探索不同品类游戏的增长方法论，并基于深耕行业多年的经验，输出更专业的产品能力和解决方案，用数据的价值赋能游戏业务增长。