大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

首页 行业干货 您的位置

 

游戏经历重重考验上线后,都期望着能够进入稳定的长线运营阶段。验证游戏长线运营成功与否的一大关键指标则是游戏流水

不知从何时开始,不仅游戏厂商,连游戏玩家都十分在意流水,这一现象在卡牌游戏中表现得也更加明显。当前周期的流水,对玩家而言是投入游戏前的数据参考。流水高接下来游戏活动的频率很可能较高,流水低则说明游戏很有可能存在跑路的风险。

游戏上线运营一段时间后,流水有可能会进入短暂的疲软期。为了让游戏形成持续正向的运转,游戏会推出一些新的活动,提升玩家在游戏中的新鲜感与专注度。

上线新活动后,如何运用数据判断游戏活动的效果?本文将拆解实现游戏活动效果分析的层层步骤,及通过具体实例来详解如何运用数据分析活动效果。

 

一、玩家行为分析

需要科学的数据分析体系

 

不积跬步无以至千里。一款游戏中,每天登陆上线的玩家数量众多,自用户在游戏中产生行为开始,不同玩家在游戏中的选择不一,行为路径极其复。因此,要实现科学深入的玩家行为分析,需要完整的数据分析体系。从数据接入与采集-数据查询-数据分析-数据二次开发,4 大模块真正实现数据流通,形成可用于业务指导的数据分析结论。

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

二、游戏活动效果分析实战

大 R 玩家付费提升至 43%

基础数据分析体系搭建完成后,则需要根据游戏目标形成具体的数据分析方法。

以 M 游戏为例,游戏产品上线公测期,已接入了 TA 系统(Thinking Analytics,简称“TA 系统”),并沉淀了产品上线后的多年运营数据。通过 TA 系统的大盘数据可以看到,产品的留存表现不错,项目组已达成了游戏进入长线稳定运营期的共识。

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

但在近期数据监测过程中,项目组发现,与过去的基线数据对比,最近一个月内,游戏整体的月流水变缓,其中老玩家(非首日新增玩家)的月流水下降最明显。

 

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

 基于这一现象,项目组决定在深入分析原因,并上线一次活动。

 

/对比评估发现问题,制定活动目标

对游戏厂商而言,每次活动执行前,都需要立项确定活动目标、活动预算及具体的活动形式等。引入数据分析思维后,通过与游戏历史运营数据对比、行业/竞品同类型活动数据对比及项目预期数据对比,项目组找到了现阶段游戏运营中的首要问题。

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

项目组利用 TA 系统对已有玩家进行用户分层,将游戏中的用户按照不同的月充金额划分为大 R 用户、中 R 用户、小 R 用户及 0 充用户,以完成更精细的游戏玩家分析。

 

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

用户分层过程中,项目组发现,中小 R 用户的活跃与付费率相对稳定,数据并未产生较大波动,而大 R 用户的付费率下降较多,因此,活动的重点放在了有效提升大 R 用户的付费率

 

/根据活动目标拆解数据分析指标与策略

游戏上线活动时,通常有四大类目标,针对不同的活动目标,延伸出丰富多彩的活动形式。

1. 提升新增用户数量针对拉新的活动形式多样,但主要都集中在用户注册的前七日,如新增 7 天累登福利、新手大礼包及限时首充福利等。项目组在游戏内上线活动的同时,也会配合游戏的市场宣传活动与买量等。 

2.提升活跃度提升玩家在游戏中的活跃度是长线运营期将会面临的常规问题,为了提升活跃,通常会上线一些累积登陆礼包、结伴任务等活动。这类活动大多设定了参与门槛与规则,以提升活动参与人群的精准性。

3.提升付费ARPU、ARPPU 等关键付费指标的波动,是游戏项目组关注的重要数据。当游戏内的付费金额出现波动时,项目组可上线部分福利礼包、限时抽奖活动、限定道具活动等。

4.提升留存七天后仍留在游戏中的玩家,无论是充值潜力还是游戏喜好,都具备了较高的用户价值。当留存曲线进入平台期后,游戏项目组将会设置签到福利、双倍经验及短期任务线等活动进行刺激,提升玩家在游戏中的新鲜感。

5.促进回流针对部分已经流失的玩家,可采用短信召回、老玩家 7 日累登、好友结伴任务等不同的活动形式。

在 M 游戏中,针对大 R 玩家的付费率下降,项目组决定策划一次新活动,以提升已有玩家的活跃度与付费意愿。因此,项目组策划上线了特定卡池抽卡的新活动。

 

/在 TA 系统中定位目标用户 

游戏运营设计活动时,活动内的排行榜哪个有用,抽卡类型与设定哪种真正有效,参与人数多少等问题,都需要数据来验证。

在活动过程中,一般情况下游戏运营无法直接操作来查看数据,就会发送很多数据需求邮件给数据分析团队。点状的数据需求似机关枪般扫射而来,快速响应所有数据需求,对数据团队工作挑战大。

引入 TA 系统后,能覆盖到的玩家行为分析功能增多了,实时数据需求实现了秒级响应。而对于特定卡池抽卡这一复杂活动场景中的玩家行为分析,也通过维度表功能实现了类似抽卡活动中的卡牌类型与效果分析,从而得到了活动优化方向。

在过去几年中,M 游戏上线过类似的抽卡活动,并将卡牌的类型主要分为强力英雄卡面设计 IP 联动三大类。下表中展示了 M 游戏往年的活动名称与抽卡类型。

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

(图为 M 游戏过往的抽卡活动与抽卡类型汇总表)

在 TA 系统中,项目组利用维度表功能,拉取了抽卡活动期间,各类型卡牌的参与抽卡用户流水占据游戏总流水的比例。从下图中能发现,参与抽卡用户中强力英雄类卡池的流水占比高。

 

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

除此以外,为了准确定位目标用户大 R 玩家,项目组还从 TA 系统中拉取了大 R 玩家流水在总流水中的占比。如下图显示,大 R 玩家在强力英雄卡牌类型中的占比最高。

 

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

从这些数据中,项目组最终得出了结论,强力英雄是过往类似活动中,针对大 R 玩最有效的方式之一。基于这一结论,项目组很快确定并上线了以强力英雄为主的特定卡池抽卡活动。

 

/活动上线后,数据验证活动效果 

活动上线前,项目组通过 TA 系统已拉取了不同用户的付费数据,这些数据是判断活动是否有效的关键对比数据。

活动上线一周后,项目组再次拉取了大中小 R 用户的付费数据,与一周前进行对比,大 R 用户的付费率提升至 43.72%,数据证明这次活动获得了成功。

大 R 玩家付费率提升超15%,数据驱动游戏活动效果优化实战

 

小结

在一款长线运营的游戏中,建立基线数据非常关键。通过基线数据与当前数据的对比,能更准确地发现游戏运营中出现的问题,快速定位问题点

越早引入数据分析系统,就能越准确地监测整个游戏的现状。而传统基线数据建立的过程十分漫长,TA 系统做到了在游戏上线初期甚至内测期,高效采集游戏运营所需的完整数据。

解决问题的过程中, TA 系统帮助游戏实现了用户分层,从数据的实时变化中验证游戏活动效果,及时优化游戏活动,达成活动目标。

热门文章。