中手游《镇魂街:天生为王》

由喀什奥术研发、中手游与奥飞游戏联合发行的 3D ARPG 手游《镇魂街:天生为王》基于《镇魂街》系列动漫改编,做 demo 时就已经接入了 TE 系统,从核心体验卖点,到项目上线前后的所有阶段、各部分协作模块,TE 系统都对团队起到了重要的助力作用,帮助团队高效率地实现项目落地、迭代。

首页 客户案例 您的位置

《镇魂街:天生为王》基于《镇魂街》系列动漫改编,并得到了动画 CV 原班人马的倾力助阵,游戏在原著基础上采用 ARPG 将灵共战创新玩法,是镇魂街IP改编手游中的唯一一款 3D 动作手游。《镇魂街:天生为王》于 2022 年 12 月 22 日上线,上线首日全渠道新增突破 200 万、首日全平台流水 2200 万、次日冲上 iOS 畅销榜第 4,近期一周内稳定在畅销榜前 6,并取得了首周流水破亿的优异成绩。

公司介绍

《镇魂街:天生为王》基于《镇魂街》系列动漫改编,并得到了动画 CV 原班人马的倾力助阵,游戏在原著基础上采用 ARPG 将灵共战创新玩法,是镇魂街IP改编手游中的唯一一款 3D 动作手游。

《镇魂街:天生为王》于 2022 年 12 月 22 日上线,上线首日全渠道新增突破 200 万、首日全平台流水 2200 万、次日冲上 iOS 畅销榜第 4,近期一周内稳定在畅销榜前 6,并取得了首周流水破亿的优异成绩。

­­

中手游《镇魂街:天生为王》插图
­

­

数据分析调优核心战斗体验­

中手游《镇魂街:天生为王》插图(1)《镇魂街》漫画给许多人的青春留下热血与感动,而手游 3DARPG 的战斗玩法也切实地将这种刺激的战斗感受传递给了玩家,那么对于研发团队而言,在一开始立项时,是如何选择这个方向的?

在漫改游戏的赛道上,最重要的其实就是在充分理解原著的基础上,找到在游戏内可以最大程度还原的玩法体验。对于《镇魂街:天生为王》手游而言,想要让玩家获得“少年热血漫”的认同感,营造真实且刺激的“打击感”便成为了游戏设计的重要目标,那么动作要素是必不可少的,3DARPG 自然是改编的首选玩法。
­
同时,原著中镇魂将与守护灵共同战斗的设定,让我们在立项之初就在思考如何打破常规,设计出与市面上大部分动作手游不一样的以多打少动作游戏战斗模式。通过不断的打磨和优化,我们将寄灵人与守护灵的特殊关系体现在了“将灵共战”特色上——同屏共战。
­
当然,选择 3DARPG 赛道也是因为我们团队在这个赛道拥有非常丰富的研发经验,但是我们一直也在学习其他从业者做的优秀的地方,从而进一步思考未来我们该怎样去做。

中手游《镇魂街:天生为王》插图(1)您刚才所提到的“打击感”,同样也是玩家在体验了本作之后刷屏最多的“爽感”,请问在游戏中是如何实现的?

在游戏里,我们重点一直是强调镇魂将与守护灵两者之间的协同作战关系,所以我们设计了状态力这种机制。比如游戏中的“浮空”,就是战斗状态力中的一种。有这种状态力之后,玩家通过对状态力的追求可以打出更高的伤害。在游戏中,操作比较娴熟的玩家可以通过对状态力的把控获得更高层次的状态,从而获得更高的伤害。
­
这样的设计其实对游戏兼容不同游戏经验的玩家提升了更高的难度,我们想保证有经验的、没有经验的、有非常多经验的三层不同用户都能够在游戏内找到合适的定位,那么如果我们的战斗系统缺少随机性或者缺少搭配性,就很难实现,因为如果战斗系统是固定向的,基本就只能定位到同一类型类的用户。所以我们在设计中,角色的技能、守护灵的技能以及武魂姬都是可以任意组合的。
­
这样的组合之下,即便玩家与玩家手上有同一个角色,在游戏中获得的资源不同,个人的选择搭配不同,角色的 build 也完全不同。即便充值的程度相同,不同的个人搭配选择也会导出完全不同的结果,这样就保证了三种不同分层的用户,通过自己的搭配可以获得完全不同的感受。当然这样一来,我们游戏平衡性的复杂程度也是几何倍数的增长,也就是之前所提到的 3 种组合的幂次方了。

中手游《镇魂街:天生为王》插图(2)面对如此复杂的游戏设计,请问研发团队如何实现战斗体验不断调优的?

作为动作类游戏,我们对于玩家操作时间轴的精度要求非常高。像卡牌类游戏,玩家过 1s 后点击与过 10s 后点击的结果没有不同,而对于动作类游戏而言,0.1s 的差距都会影响操作结果。想要实现如此精准的调优离不开好用的数据分析工具,也就是我们长期一直在使用的数数科技游戏数据分析引擎 TE 系统。
­
我们的项目在做 demo 的时,就已经接入了 TE 系统。在测试期,我们通过 TE 系统对收集的数据反馈进行分析,发现了之前战斗设计中影响玩家体验的误差点。虽然我们在测试前也会通过模拟算法、模拟数据进行预测,但是只靠模拟数值是显然不够的。
­
实际测试中,玩家的行为操作跟我们预期想象仍有较大差距,我们也正是通过数数科技的 TE 系统的多元分析模型发现当时的战斗公式仍存在一些问题,然后进行了修改调优。

中手游《镇魂街:天生为王》插图(2)TE 系统除了对《镇魂街:天生为王》手游最关键的战斗体验起到了重要帮助,在游戏研发的不同阶段,TE 系统还起到了哪些作用?

一方面是测试期间的留存优化和用户构成确认,正如我刚才所说项目在早期就接入了 TE 系统,期间做过多次测试,每次测试在数据分析方面都起到重要作用:
­
  • 测试期间,我们利用 TE 系统的漏斗分析,可以详细的看到前期每一步新手引导驻留情况,将驻留明显偏高的点摘出来,再运用 TE 系统的路径分析功能,详细查看这几个高点前玩家的游戏行为路径,从而推测出玩家在这几个高点流失原因,并对新手引导进行优化。
  • 同时我们也利用了 TE 系统上的留存和交叉分析功能,来看不同条件用户的留存情况,除了普通玩家的留存,还会关注分 R 付费玩家留存,参与核心玩法用户留存,购买月卡用户留存等。例如,我们曾通过 TE 系统发现某个付费段玩家留存数据偏低的情况出现,然后对其进行重点付费体验优化。
几次测试,我们通过数据提早确定了游戏的用户构成,即核心付费用户群体主要是哪些档位用户,核心 ARPU 和流水贡献是哪些用户,从而辅助我们在做商业化策略时候的偏重。
同时,在上线期间,TE 系统也帮助了我们进行数据导入与打通以及复杂数据的快速运算:
­
数据导入功能,TE 系统可以支持便捷的数据导入功能,只要有一个对应字段的数据,就可以成功导入,并且对其进行深度分析,例如实际操作中,我们将玩家填写的问卷内容匹配玩家 ID 导入 TE 系统中,进而可以区分玩家是否 IP 用户,年龄段、性别、地域等数据,将这些数据结合玩家实际的游戏行为,更精准的描绘出游戏用户画像和用户游戏内偏好,例如可以了解游戏男女玩家寄灵人使用区别,主要年龄段和付费能力,用户主要在几线城市以及 IP 用户和非 IP 用户主线剧情玩法推进度的差异。
­
数据互通能力,我们将 TE 系统游戏数据与买量数据打通,通过将不同买量素材打标签,可以区分不同素材带进来的用户在游戏内数据行为,从而及时优化买量素材;方便快捷的用户标签用法,通过设定不同的条件,将用户快捷的打标签,可以方便地看到不同用户标签(用户层级)的游戏行为变化趋势,实践中,我们将玩家按累计付费指标进行用户分层,观察不同付费层级用户的养成情况、重要资源产出和消耗情况、玩法倾向、付费习惯以及留存情况,助力用户精细化运营。
­
将复杂的数据快捷的展示出结果,只要前期埋点做好,TE 系统就可以做到快捷的数据运算分析,不用像以前一样拉取-整理-分析数据,例如当我们想看核心组队玩法的组队时长和 AI 自动加入队伍的时间关系时,可以通过已经上报的数据快速拉取结果,数据显示玩家在等待 N 秒后开始逐渐解散房间,那这个时间段之前正好是让 AI 加入队伍的时机,在做了这个优化后,我们还会继续关注玩家将不同 AI 踢出队伍的概率,来持续优化组队的 AI 设计。

中手游《镇魂街:天生为王》插图(2)在后续的市场营销方面,作为本身就拥有巨大流量的经典 IP,《镇魂街:天生为王》是如何深耕垂直用户渠道的?在这个过程中,数据起到了怎样的作用?

通过数据打点上报,TE 系统可以方便快捷的区分不同渠道用户,从而分析出不同渠道用户游戏内特点,针对这些用户特点对不同渠道制作不同的市场素材和活动设计,例如 ov 渠道女性用户偏多,所以素材方面会选择守护灵李轩辕的时候会比其他渠道多一些;另外,同样基于 TE 系统的区分用户和用户数据查询能力,我们面向市场筛选和优化 KOL 合作,例如我们会将各 KOL 的粉丝做用户分群,观察他们的实际的游戏时长、养成、付费情况,选择出更符合条件的 KOL 进行合作。

中手游《镇魂街:天生为王》插图(2)在后续的长线运营中,研发团队基于过往经验,将如何借力 TE 系统进行长线规划?

­
我们将通过 TE 系统的数据推送功能与重要指标检测辅助及时进行版本调优。比如利用 TE 系统的数据日报、周报、月报推送功能,提前做好各阶段的数据报告,方便每日观测重点数据,结合 TE 系统的数据预警功能,可以及时发现日常运营中的重大问题。
­
同时,我们当下及未来都将会定期分析游戏内的几个重要指标,以数据为基础,及时进行版本调优,做好玩法内容的长线规划。
­
玩法参与率:当某个玩法参与率持续低于预期时,我们会针对这个玩法做活跃向的优化;比如寄灵人养成情况与核心货币存量,当大 R 的养成度很高、剩余核心货币存量也很高的时候,说明游戏内对大 R 的养成吸引力降低,这时候我们就要准备新版本内容的更新;
­
游戏时长变化趋势:当整体游戏时长下降到低于预期的阶段时,我们就要结合玩法参与率来看,具体是那些玩法的时长在减少,从而决定是优化已有玩法,还是新增玩法内容,同时当新版本更新时也要重点观察在线时长是否增长。
­
另外,在商业化方面,我们也将结合版本活动分析不同礼包的售卖情况,例如从分 R 用户来看不同礼包的购买率是否达到预期,如果某个付费层级用户的礼包购买情况不够理想,则在下次活动时要尽快调整,同时也会重点看哪些礼包更受欢迎,结合数据情况来确定礼包内容和返利定价策略等。
93