下载单机麻将免费
當前位置:白鯨出海 > 資訊 > 正文

次留73% 3留40% 休閑游戲爆款是如何調優與發行的

羅斯基  ? 

原創:愛寫稿的羅斯基  (ID:tvsiji)

白鯨出海注:本文是愛寫稿的羅斯基發布在白鯨出海的專欄文章,轉載須保留本段文字,并注明作者和來源。商業轉載/使用請前往愛寫稿的羅斯基主頁聯系,尋求作者授權。

Green Panda Games 成立于 2013 年,是一家專注于超休閑游戲,并以放置類游戲為主的發行,目前規模已經超 30 人。自成立迄今,其共發布超過 55 款游戲,全球累計下載量超 8500 萬次,包括《Sushi Bar》、《Terrarium》、《Bee Factory》、《Golf Orbit》等熱門產品。今年 8 月,媒體報道了育碧收購Green Panda Games 70% 股權的消息,不過在公司運營上,Green Panda Games 依舊保持獨立性。

1_meitu_1.jpg

Green Panda Games COO

在 Green Panda Games 拜訪期間,羅斯基一行受到了熱情的招待。Green Panda Games COO接待并為我們講解了 Green Panda Games 公司歷史及發行產品相關的內容,而其后的商務負責人、數據分析負責人分別帶了更為細致且深度的分享。包括 Green Panda Games 的發行流程、以代理中國廈門很穩網絡的產品《過山車大亨》為例,進行了整個調優過程與發行實戰案例的講解、數據驅動型的決策的“中臺”機制等等。

為了方便閱讀,Green Panda Games以下皆簡稱“GPG” 。

以下為相關內容整理:

GPG 最早的業務就是游戲研發,主做經典游戲玩法的紙牌等產品。在 2018 年轉型為超休閑游戲發行。并在隨后發行上線的《Golf Orbit》等幾款產品中獲得了成功。

2_meitu_3.jpg

GPG 在 2018 年中期開始關注放置游戲。發現與其他品類的超休閑游戲相比,放置游戲的游戲生命周期會更長,并且留存數據更好。通常一款休閑游戲的壽命只有 45 天,而放置游戲的用戶可以留存到一年甚至更長。其發行《Bee Factory》與一款植物類游戲就是很好的體現,《Bee Factory》在上線一年后,還保持在美國排行榜 200 名左右的位置。

在 2018 年 9 月,GPG 開始專注于放置類游戲,并接連發行了《Sushi Bar》等幾款產品。可以說《Sushi Bar》是目前發行最成功的游戲,游戲的數據非常好,在用戶進入游戲的前兩天中,平均會看 30 個廣告,而觀看這 30 個激勵視頻大約需要 15 分鐘,可以想象一下游戲的 LTV 會多么驚人。

3.jpg

Green Panda Games發行的游戲矩陣

雖然 GPG 已經沒有自研團隊,但是有研發技術人員做支撐。雖然曾經也研發過游戲,但現在這些人已經成為游戲的設計師,幫助 CP 進行游戲的優化,有時候會直接幫他們設計 UI、場景等。GPG 所做的決策都是來源于數據驅動,數據部門是公司的中臺。這恰恰也是 GPG 厲害之處。

在發行與研發合作,如何打造休閑游戲爆款的話題。GPG亞太區商務負責人楊陽以《過山車大亨》的合作調優案例進行了分享。

一、GPG發行的基本流程與存留測試標準

首先在合作上,GPG 會全程與研發保持緊密的合作關系。在產品的游戲的創意階段,包括頭腦風暴階段都會與之交流,并針對性的提供一些意見及經驗參考。

在初期,研發通常會分享一個非常簡單的草圖,只是展現出來游戲的概念,一個基本的玩法和框架是什么。GPG 基于此給予相應的反饋。幫助他們去提升玩法以及更好的用戶體驗。并加入一些美術的設計,包括簡單的 UI、廣告設計等。

當收到了一個游戲的原型,GPG 會在整個公司安排不同的團隊去試玩,包括買量團隊,制作人團隊以及設計團隊,都會基于他們不同的專業經驗和知識,給到相應的建議,幫助游戲在不同的角度,比如說怎么樣題材風格在買量視頻上更吸引人,怎樣讓玩家在游戲過程中獲得更好的游戲體驗,也包括一些 UI 重新設計上,做到一些更好的效果。

當這款游戲足夠好就會安排去測試。具體來說就是在怎么 Facebook 上買量,怎么獲取原型用戶,GPG 在測試階段制定一些 kpi 目標,如美國 iOS 榜 CPI 0.2 美金;次留 55%,3 留 25% 這樣的標準。一款游戲的吸量程度、留存以及廣告展示次數的數據,能夠幫助我們更好的衡量,這款游戲是否值得繼續做下去。

4.jpg

如圖所展示的數據,對大家來說可能有些震驚,但是對于 GPG 來說,放置類游戲在超休閑領域中是一個非常特別的細分品類。用戶粘性不僅強,而且在買量上的潛力的也大的多。

當然對于不同類型的游戲,比如 CPI 高但同時 LTV 也高的時候,會用不同的標準去衡量這些數據。

進入產品調優階段后,CPG 會根據不同游戲給出相應的建議。比如說怎樣提高他的用戶體驗,怎樣在各方面提升一些數據。當游戲能夠達到發行標準后,就會開始大規模推廣。

5_meitu_6.jpg

二、休閑游戲產品調優及《過山車大亨》發行案例分享

接下來,具體以 GPG 與廈門很穩制作的《過山車大亨》發行合作案例,講解發行細節及GPG 如何幫助 CP 調優產品。

如下圖是游戲設計的第一張概念圖,當他們想到這個概念的時候分享給 GPG。從這個圖中可以看到,過山車是一個非常常見的主題,不無論性別、年齡,國別,所有人都知道。當玩家看到這個游戲,或者聽到這個概念之后,他就知道這個游戲怎么去玩。簡單的游戲概念,奠定的基礎就是買量的時候 CPI 處于非常低的標準。

6.jpg

《過山車大亨》在攝像機視角、鏡頭等方面做了非常多的創新。這些創新在游戲在買量的時候也會更加吸引用戶的眼球。

當然作為第一張設計圖,還有很多需要提升的地方。比如說游戲的玩法不夠明確,如果只有過山車在里邊轉的話,并不是那么的有趣,并不是那么的吸引人。其次的話,游戲的升級系統也不是特別明確。如果仔細看,會發現游戲的升級按鈕都是從其他游戲拿過來的。只是為了展示這個概念是什么樣子的。當然這些我們都不是特別的在乎,因為 GPG 會幫助他們改進這些地方。

然后在這個時候 GPG 開始和研發團隊合作,并給了一些反饋。之后他們發過來了第二張設計圖。

7_meitu_8.jpg

在這個圖當中,添加了一個非常小的功能,就是一個排隊的系統,這個系統改變了整個游戲的流程。相比之前的版本只有過山車在里邊運轉,現在是有顧客來到這個公園,然后顧客走到車站排隊,之后進到過山車,過山車開始在里邊運轉。雖然這是一個非常非常小的功能,可能很多人都不會覺得這個功能在游戲里邊有什么作用,但是他給玩家的感覺,會把這個游戲變成了非常貼近現實生活中主題樂園的感覺,而且會給玩家更多的代入感和參與感。玩家能感受到自己在管理自己的主題樂園,在管理自己的過山車,這樣一種更真實的游戲體驗。

接下來游戲重新設計了不同的升級系統,因為在加入排隊系統會后,游戲中可以升級票價、升級顧客來的速度、升級一些例如過山車的數量,每輛車可以承載的人數等。這些功能雖然增加了一些游戲的難度,帶給玩家一點挑戰,但是同樣也會增加玩家的代入感和參與感。也為我們后續游戲的優化,奠定了非常良好的基礎。并且包括每個升級系統,包括車輛的升級、軌道的升級,都會伴隨視覺上的反饋。這個功能沒有圖去展示,但是大家可以想象一下,每升級幾次,會獲得一個新的軌道、新的配色,可以給予玩家非常強烈的滿足感。

當然在第二張圖中也發現了一些相應的問題,例如在主題樂園當中,唯一的收入來自過山車,過山車每轉一圈,會獲得一定的收入。另外用戶體驗也不是非常明確,包括設計的部分我們在之后也還需持續優化。

這是第三個迭代的版本,過山車第三個迭代的版本。

8_meitu_9.jpg

在這個之前的版本加入了一些像冰激凌車、漢堡店這類的設計。當時只是為了增加一些升級的內容,后續增加了一些真正的功能。當玩家解鎖了過山車周圍這些,可能看上去沒有用的東西之后,會有一些隨機的顧客來到這個地方,去購買商品,產生一些其他的游戲內的收入。這樣一個非常小的功能,甚至大家都不會在意到的功能,但是會讓玩家一直在游戲里感受非常的繁忙,需要升級下這個,需要點下這個,可以讓玩家在游戲里停留的更長,讓玩家停留的更久一些。當然,最終引導向的還是玩家停留的越久,他們看廣告的幾率會越來越大,也是為了整個 LTV 的提升。

同樣在這個版本中,加入了車站排隊系統的指示器功能,玩家可以清楚的知道現在有多少人在排隊,有多少人在等著。玩家會平衡一下,是需要升級加快排隊的系統,還是去增加車的容量和速度。讓整個過山車樂園更加良好的運行。

這是 GPG 在用戶體驗方面做得一些優化。而且從《過山車大亨》之后,可以看到其他的很多 3D 類型的游戲,都加入了這樣一個指示牌,可能他們自己都不知道這個指示牌是干什么的,其實在游戲中我們是有很深遠的考慮的。

當然這個版本,游戲重新設計了美術,例如顏色上的對比,包括新的顏色的設計,能讓用戶一看到就非常的抓眼球,把游戲做出一個視頻或者是只是放一個截圖放到 App Store 里都非常抓眼球。

到了這個版本之后,就是發行測試用的版本,當時的數據是非常非常好的。通過了 GPG 的測試。

在這之后也做了更多優化。例如 UI 的重做以及包括廣告的設計。比如在這版獎勵領取的彈窗,可以看到畫面的顏色,包括各種布局的大小,給人的感覺不是特別休閑。

9_meitu_10.jpg

紫色給人特別沉重,會有看起來特別累的感覺。另外包括廣告的設計,例如當游戲展示這兩個按鈕的時候,大部分玩家是用右手玩,他們會更多的去點擊右邊的 collect 按鈕,反而不是去看廣告。而且大部分玩家其實對廣告雖然不拒絕討厭,但是不會主動去看。那之后面針對這些方面做了一些相應的優化。

10_meitu_11.jpg

首先對于 UI 來說,GPG 的設計團隊重新做了整套的 UI。可以看到,跟之前那張圖做對比,整個 UI 的所有元素都很好的排列,玩家看上去就知道什么時候需要哪個功能,但是看上去也不會特比擁擠。而且在顏色搭配上面也做了新的優化,與游戲整體設計更加融合。同時,在獎勵領取彈窗上面用了新的模式,只展示看激勵視頻的選項,同時也增加了獎勵的倍數,前邊的版本是給獎勵兩倍的收入,這個是給獎勵三倍的收入。這是增加了激勵視頻的價值的。因為激勵視頻的價值對 GPG 來說無所謂,兩倍三倍甚至 5 倍都是無所謂的,但是最重要的如何激勵玩家,讓玩家有更加強烈的欲望去看這個視頻,才是我們最終想要做的。這些都是我們在這一個小的改版中做的事情。

GPG 對于 idle 類游戲的調優,包括變現、用戶體驗等各個方面的調優, 都有一套非常成熟的系統。這套系統是在 GPD 長期做 idle 類游戲,包括做 A/B TEST 當中積累下來的一些經驗,GPG 知道哪些功能在那個地方去用,效果會比較好。例如加入了新的永久展示 RV 的圖標,讓玩家可以在任何想看 RV 的時候都可以點擊。

11_meitu_12.jpg

同時在用戶看任何一個激勵視頻的時候,不僅是在游戲收入上的加速,同時會在視覺上感到反饋,下面這個是比較明顯的一個例子,當用戶看了一個視頻之后,會得到一個煙火夜景這樣一個公園,這樣玩家不止是在游戲內得到了一些金錢上的獎勵,同時他們在視覺上和心理上都得到了強烈的反饋。這也是為什么這款游戲他能夠在 LTV 上能做到這么高的一個提升。

做完這些所有改動之后,這個版本跟之前測試版本在各項數據上都有提升提升。第一天留存增加了 3%,第三天的留存增加了 5.8%,LTV 翻了 268%。

12_meitu_13.jpg

同時還增加了很多游戲的新內容,比如說針對夏季設計了水上樂園的過山車,之后還有一個宇宙背景的過山車的世界,最后還有一個火山上的過山車。可以看到,不僅是軌道,背景,包括車的設計也都有一些改變。其實這些所有的設計的最終目的,都是為了保持玩家在游戲中的新鮮感,讓玩家一直有新的東西可以去發現,保持他們的一種好奇心,有了這些內容,我們才可以保證游戲的留存可以提升,玩家有更多機會看激勵視頻,最后的 LTV 可以做到很好的標準。同樣 GPG 的買量團隊也可以使用這些新世界的設計去制作買量的素材,對不同的用戶進行有針對性的投放。

13_meitu_14.jpg

接下來是 GPG 在過山車上做到的一些成就,不管是對我們,還是對研發來說,《過山車大亨》都是里程碑式的一款產品。

14_meitu_15.jpg

雖然這些數據看著很漂亮,但其實在這些數據背后 GPG 真正看重的,是與跟研發創造的這種關系,這種協同作用。研發在立項的初期,就非常的信任 GPG,他們把自己的 idea 分享給 GPG,GPG 整個公司所有的團隊,包括買量團隊,制作人團隊,視覺團隊,都會參與到這個項目當中去,提供最大的努力,把游戲做成一個爆款。而且對于 GPG 來說,我們更看重的是游戲的質量而不是數量。所以,我們也希望之后有幸跟更多的中國開發者,一起創造更多成功的故事。

下面是來自研發團隊,對于我們合作過程中給到的一個反饋,其實對于 GPG 來說,也非常開心能夠有機會跟他們合作,而且作為一個中國的研發團隊,他們也給我們整個公司,我們整個管理團隊都做了一個特別好的榜樣。他用自己的實力告訴我們,中國的研發也可以做出這樣好的爆款,這樣好的超休閑游戲。超休閑游戲不僅是國外研發獨大的地方,我們當然也希望,我們會創造更多新的故事。

15.jpg

三、數據驅動的發行是怎么工作的

海外公司在休閑游戲領域能取得非凡的成績,離不開數據的運用與支持。他們會有專門獨立的數據分析組來提供各種決策支持,而在國內,數據分析很多都是身兼多職的運營在做,專業性上要低,同時缺乏各種數據積累及數據模型搭建應用。目前海外公司在這方面上走在前列,非常值得國內公司借鑒學習。

在數據分析運用方面,GPG 采用的是數據驅動發行。

GPG 的數據團隊的構成是由數據工程師,數據分析師,數據科學家組成。數據工程師主要負責數據平臺的建立和維護,以及各種數據流的穩定性和持續性。為后續所有數據相關項目提供扎實的基礎。

16_meitu_17.jpg

在此基礎之上,數據分析師,主要是起到數據團隊和其他團隊之間起到橋梁的作用,他們直接面對來自其他團隊各種關于數據方面的問題或者是需求,由他們負責解答。同時進行數據可視化,幫助他們更好的理解數據。最后在數據的基礎上,做出一個比較有科學依據的決策。

最后是數據科學家。他們主要是用現在比較流行的一些科學方法,比如像機器學習,深度學習等一些算法,以及和云計算和大數據結合起來,然后進行一些預測和分析之類的數據科學相關的項目。

在 GPG 里,數據組是處于一個中臺的位置,和其他所有的 team 都有非常緊密的聯系。包括商務團隊、買量團隊、變現團隊,以及產品團隊。由數據組來負責幫助他們響應他們的問題,提高整個公司對于數據的了解和決策的效率,最終在公司里營造一個由數據驅動型的氛圍和文化。

17.jpg

在數據的框架上,主要是由兩條數據流組成,第一條數據流主要是來自 GPG 的產品和發行買量。由實時數據組成的,主要是由自己的 SDK 收集,用戶在游戲里一些實時的信息數據。同時由渠道幫我們收集關于用戶下載的數據,然后通過歸因這種方式,實時送到我們的數據倉庫,這個是我們第一條數據流。

第二條數據流就是所謂的日端數據流。每天去收集前一天的數據, 最后也是同樣送到大數據庫里。在大數據庫里面,會進行數據的一些整理,分析篩選,最后就是轉化。最終根據不同的 use case 形成最終的一些分析表,其中就包括了每天的數據報表,不同的部門每天就可以追蹤 kpi 的變化,其中還包括下載、買量結合起來,會有一些實時的 push 或者就是一些預警。比如說當看到某一個數據的波動量超過正常范圍,就去通知相關的人員采取及時的措施。

18.jpg

最后一塊是和數據科學相關。會把所有數據直接輸送到GPG使用的云服務,對數據科學模型進行更新。然后得出最新的運算模型。

20_meitu_21.jpg

四、休閑游戲的數據分析與模型預測

怎么樣進行用戶級別的的 LTV 的預測

大家知道在 LTV 方面現在大致有 3 個層級的運算。第一個層級就是基于歷史數據的運算,也就是說每天收集到用戶過去的信息,計算出過去一段時間的 LTV,但是這個是沒有任何前瞻性或者預測性的,缺乏對未來的估計。在這個基礎之上,GPG 會用一些其他數理統計的方法,然后去進行一些投射,譬如說取前 30 天的 LTV 平均值,然后來預測未來 30 天的 LTV。在這種情況之下,數據有一定的預測性,但是考慮的變量比較少,有時候會跟實際情況相差的比較遠。

最后一個層級是現在相對的比較新的方式。數據學習算法結合起來,然后就是可以用大數據的一些計算,同時可以綜合考慮所謂的比較全面的所有的變量,最后得出一個比較科學化的 LTV 的預測。

21_meitu_22.jpg

GPG 怎樣運用數據科學來進行 LTV 的預測

GPG 的 LTV 預測基本分為 6 步。第一步是用戶下載,從 0 天開始會收集用戶基本信息,比如說來自于哪個國家,來自于哪個地區,下載用的哪個手機型號,用的是哪個操作系統以及來自哪些廣告渠道等基本信息。

同時,當用戶開始玩游戲的時候,會實時收集他在游戲里的行為。比如說他做了幾個 session,他看了幾個廣告。每個 session 的時長是多少等等。然后在這個基礎之上,會把收集到的信息進行篩選和轉化,然后把數據帶入到數據科學模型當中去。由此來計算出,第一步的用戶 LTV。所以說通常在第 0 天,就會有 1-7 天 LTV 的預測。當然這是一個不斷動態的過程,因為每一天當用戶在不停玩游戲的時候,會有新的數據進來,這樣會不斷優化預測,讓預測接近實際的標準。

22_meitu_23.jpg

現階段,GPG 差不多在第三天預測第七天的 LTV 的準確率差不多 90% 左右。在第七天預測第十四天 LTV 的可以到 95% 的準確率。在這種情況下可以很快的反饋給不同的部門,比如說 UA 部門,可以告訴他們實時數據。當制定 CPI 計劃時,可以根據不同渠道 LTV,調整不同渠道競價的價格。然后對于變現部門,他們可以設置拍賣的底價是多少,可以達到最優化的變現。

在變現方面,GPG 是對用戶進行分類,實現提高變現的效率目標

GPG 會把用戶分成 3 種不同類別,第一種類別稱之為明星用戶,這一類用戶當然也是最優秀的用戶,特點就是會進行應用內購買,對于這種用戶,策略就是不推送廣告,想盡量提高這些用戶的留存率。同時提高用戶體驗。可以在接下來促進這個用戶去購買更多的的內購。

第二個類別是所謂的中產階級。這類用戶沒有進行應用內購買,但同時他有看過廣告,所以他對廣告并不排斥,在這種情況下,對這類用戶的策略是向他推激勵廣告,因為激勵廣告用戶是可以選擇看或不看的,同時 Ecpm 也比較高。在這種情況下,可以在變現以及用戶體驗上到達比較好的平衡點。

第三類就是所謂的吃白食用戶。這類用戶不看廣告,只玩游戲,對我們而言這類用戶并沒有給我們帶來什么價值。在這種情況下,我們的手法會比較直接一點。會向他推送全屏的彈窗廣告,因為這些廣告是沒有辦法選擇的,必須要看。這樣可以盡量從這些用戶身上獲取剩余價值。

23.jpg

前邊的兩個例子都是和數據科學相關,下面給大家介紹怎么樣去設計一些內部的工具,幫助其他部門提高數據方面的效率,同時減少他們在數據方面的工作量。

GPG 設計的一個自動化 A/B test 系統,每天都會做很多 A/Btest,之前所有 A/Btest 的結果是需要產品經理手動計算,如果同時在幾個國家測試,他的運算量會非常大,這就有兩個弊端。第一個就是工作量大,第二個就是人為犯錯幾率也高。所以最后可能他做出來決策的正確性和質量相對比較低一點。在這種情況,GPG 設計了一套 A/Btest 自動化系統。

24_meitu_25.jpg

圖中展示的例子是 GPG 今年最火的游戲之一,給《Sushi Bar》設計的 A/Btest。在這套系統底下,產品經理只要決定 A/Btest 每個組之間的人數,或者人數百分比。之后所有數據的收集整理以及最后的計算,全部都是靠后臺自動完成,所以說產品經理只需要在數據報表上看這些數據就可以了。他就可以看到每個 kpi,不同組別之間的數據是多少.

同時也會進行計算,幫他算出每個組的結果,是否顯著。同時告訴他改選 b 還是選 a。還是數據不夠充分,沒有辦法做出決策。這樣子的 adtest,首先第一個他們的工作量可以減少很多,第二他的正確率幾乎是 100%。這樣子我們做出來的決策是比較數據驅動型的決策。

提問環節的部分問題整理:

Q:美國和其他市場比,美國市場的單用戶價值或者市場規模是絕對主力?

A:是絕對主力,美國是用戶價值最高的地區,雖然買量成本高一些,但是他的用戶價值最高。

Q:游戲相關的數據測試,都是以美國為指標?

A:是,包括收到原型之后做的 Uatest,我們也是在美國做,如果在美國能成,說明全世界80、90% 都能成。假如在巴西印度做 UA 測試,即使能成,不代表其他國家能成。

Q:在 GPG 看來,放置類游戲的用戶是否偏向小眾的用戶群?

A:這是大多數人對于放置類游戲的一個錯誤的認識。對我們來說,所有放置游戲都保持在超休閑領域當中,玩法上不會特別深度,以點點點的玩法為主。所以不應當將放置類與超休閑游戲割裂開來看。而且放置類的吸量程度是非常強的。所有的游戲都會有它的生命周期,如果大家善于觀察美國榜單,放置類的生命周期反而會更長。

Q:GPG 怎么選擇游戲,合作標準是什么?

A:標準很開放,主要還是要新穎的題材與玩法,如果只是換皮我們一般不建議做下去,而且也能預料到不可能達到爆款的標準。然后,最重要的決定是基于測試的結果,市場的反饋。如果市場反饋好就繼續做下去。反饋不好盡快放棄。因為在整個溝通的過程當中,從設計到做原型的時間大概是 3-4 周,包括美術、程序,這種快速試錯對我們來說比較重要。、

Q:研發合作中什么情況選擇繼續做,什么情況下會放棄?

A:GPG 更專注游戲質量,如果我們覺得游戲有潛力,或者有哪些地方可以提升,我們會給到意見。一開始會基于以往的經驗,我們不確定哪個主題能火,但是我們能確定哪個主題不能火。在那個階段會 cut 掉很多。CPI 是一個比較重要的數據,因為 LTV 還是比較受限制,即使 LTV 能提高很多,但是在美國市場做這個東西有一個頂,所以 CPI 還是重要標準。

Q:有些放置游戲題材不同,內核非常相似。甚至有些團隊不斷出相同內核不同題材。GPG有一些比較成功的放置的核心,數值內核之后,是否考慮換題材。換多少覺得可以,換多少覺得不可以?

A:這個我們之前嘗試過,包括《Sushi Bar》和《Bee Factory》,我們都嘗試過換皮換主題。都沒有成,所以后續直接不考慮這個事。

因為玩法上完全一樣,只是美術包裝上的區別,他的受眾群體會越來越小。我們覺得做不下去。

Q:是否因為不同題材游戲最終推向的還是同一波受眾,導致他認為游戲很像?很多超休閑游戲,互相抄襲非常嚴重,因為他們認為市場足夠大,任何一個游戲洗不掉所有用戶,所以他不排斥換皮?

A:這是非常不健康的競爭,對哪家都不是很好。而且同樣的題材,玩法多了以后,他們之間會互相蠶食,造成 CPI 直線上升。換皮的事情曾經內部有測過,相同題材內部做測試,發現實際上最終數據不是特別理想,從數據角度后來就不做了。

Q:GPG 是只發行放置類游戲?

A:現在是超休閑放置類為主,接下來會涉獵更加“休閑的”放置類產品。這類產品游戲玩法更深,同時有更強的內購設計。

Q:GPG 自己有研發?

A:沒有,制作人是接項目幫助調優的。

Q:在數據分析,因為國內投放部分就分兩個部門,一個叫素材美術部,一個就叫投放部。所以 GPG 提到的數據分析,是單獨的一塊,還是跟投放在一起的。

A:UA 負責操作,后面所有數據收集是由我們來做的。專門有數據組,4-5 個人。

Q:通過什么辦法對休閑游戲用戶分層?

A:有一個機器學習的模型,當用戶來了之后,他在 app 里有各種行為,這個行為我們就會收集送到數據倉庫里,然后進行數據清洗,送到用戶模型算法里,最后就會得出這個用戶他可能是處于哪類。一般是用戶第一天進來后,會有一些行為,我們把這個提出來,進行第一次預測。后續會不斷迭代,分類在前 3 天會比較頻繁,每日計算 2-4 次,因為我們的用戶數據基本上是實時數據。而在第 3 天以后 LTV 和分類的預測比較準,所以 3 天后每天做一次分析。


掃一掃 在手機閱讀、分享本文

要回復文章請先登錄注冊

白鯨客服微信白鯨客服微信
微信公眾賬號微信公眾賬號
下载单机麻将免费
现在卖机床赚钱吗 教你网络捕鱼怎样打 淘宝快3和值走势 广西十一选五预测 1000捕鱼无限金币版 抖音视频赚钱是真的吗 深圳期货交易 吉林新快3基本走势图360开奖 上海快三历史开奖结果 传播学教授赚钱吗