神策游戏解决方案:赋能游戏产业精品化研运升级

2022年05月14日 阅读数:3
这篇文章主要向大家介绍神策游戏解决方案:赋能游戏产业精品化研运升级,主要内容包括基础应用、实用技巧、原理机制等方面,希望对大家有所帮助。


 神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析神策游戏解决方案:赋能游戏产业精品化研运升级_游戏_02

近些年,游戏行业大环境陆续发生变化:国内文化审核政策收紧,版号发放暂停,新游戏的上线、开发成本持续上升;人口红利消失殆尽,竞价买量成为获客主流;精品游戏的成功以及细分品类的份额逐渐扩大……外部环境深入变化,推进游戏企业往精品化研运升级转型。算法

所谓精品化研运升级,关键在于深刻洞察玩家,产出玩家真正喜欢的内容,这须要创建在数据驱动之上。而数据驱动游戏产业升级,不只仅是完成数据采集与数据可视化,真正发挥数据价值还须要在游戏研发、买量、运营等业务场景中真正以数据指导决策,以数据洞察玩家需求。服务器

神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析_03神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析_04

针对此,神策数据将 SDAF 闭环的数据流与游戏企业内部的业务流融合升级,以数据指导策划与运营的工做模式,帮助企业实现游戏的精品化研运升级。ide

神策游戏解决方案:赋能游戏产业精品化研运升级_数据_05神策游戏解决方案:赋能游戏产业精品化研运升级_数据_06

1、精品化研运下数据驱动的四个阶段

游戏数据驱动,不止是采集数据、看看数据,更要在业务场景中把数据用起来。工具

神策根据深耕数据行业的多年沉淀以及服务游戏客户的丰富经验积累,将数据驱动游戏产业精品化研运升级归纳为四个阶段:分别是描述性分析、诊断性分析、预测性分析和规范性应用。测试

神策游戏解决方案:赋能游戏产业精品化研运升级_神策数据_07神策游戏解决方案:赋能游戏产业精品化研运升级_数据驱动_08

阶段一:描述性分析,包括数据采集与数据可视化,最终造成 BI 看板,可以了解日活、ARPU、留存率等结果性数据。优化

阶段二:诊断性分析,须要业务人员和分析师相互配合,将一些业务假设转变成可分析的数据指标,而且下钻验证,好比新玩家留存降低,是渠道结果变化形成的?仍是玩家圈层变化致使的?所以该阶段须要一套体系化的游戏指标与分析方法论。3d

阶段三:预测性分析,帮助企业进行前瞻性判断。好比预测哪些玩家可能要流失,哪些玩家多是大 R。游戏精品化研运发展趋势下,研发成本和获客成本攀升,为了得到合理的 ROAS 回报,玩家 LTV 也须要持续优化提高。所以,提早洞察游戏将来表现,在玩家流失前作出预测就很是重要,这是游戏长线运营重要的分析与运营工具。blog

阶段四:规范性应用,直接将数据融入到游戏业务运做中。好比游戏营销礼包推荐的千人千面,真正利用数据提高营销效率。在该阶段,数据驱动再也不单纯依赖人工进行分析、决策,而是由系统来作快速、高效的判断。目前,游戏行业内已经有很多头部企业着手建设游戏场景的规范性应用,包括像研发阶段的 ​​A/B 测试​​、买量阶段的智能决策、长线运营的精细化营销。游戏

2、数据分析洞察玩家需求,指导游戏研运升级

场景一:数据洞察 SLG 公会战玩法平衡,提高玩家游戏积极性ci

公会战对 SLG 游戏有着重要的意义,承载着促进活跃与刺激付费两个使命。在该场景中,基于神策数据的游戏行业解决方案,企业能够经过数据分析对公会战的参与状况进行评估,洞察玩家需求变化,寻找调优方向。

某 SLG 游戏运营同窗在大盘月报中发现近几期参战公会数维持稳定,但参战人数持续下降,推测游戏服务器的公会战力生态可能有所变化,好比中层战力公会持续战败,两级分化加重,因而猜想可能跟玩家上期所属公会是否为战败方有关;经过数据分析,运营同窗对比了上期战败公会与胜利公会分别在本期公会战的参战人数,发现前者人数也在逐渐下降;接下来,针对上期属于战败公会且本期未参战的玩家,进行相同战力区间玩家的参战比例对比,发现战力成长越小的玩家,本期参战比例越低。

基于上述分析能够判断,公会战做为战力成长的核心玩法之一,公会战败对于玩家战力的影响过快、过大,影响玩家成长体验与玩法参与度。由此,运营同窗制定了两个方面的优化策略:

一、针对战败公会成员,增长“复仇”机制,下期公会战中能够免费召回 20% 本期阵亡士兵,且召回的士兵只能在公会战中使用。

二、优化公会战奖励。目前奖励更多集中在粮食等物资,物资在平常屯田中较容易得到,可是恢复兵力不只须要物资,还须要时间。所以能够在战败方的奖励中提高加速道具占比,帮助战败方快速恢复兵力;在胜利方的奖励中提高稀有武将道具占比,维护胜利方积极性。

场景二:数据洞察玩家每阶段付费需求,寻找玩家付费增加点

每日礼包因折扣力度大且道具实用性高,可以吸引各付费层次的玩家购买,是部分游戏收入的主要来源之一。在该场景中,神策数据经过对某 RPG 手游中每日礼包的售卖进行分析,帮助该手游企业寻找到付费增加点。

该 RPG 手游中每日礼包主要包含武器强化石。武器是玩家战力的重要组成部分,经过强化持续提高战力。在近期月报中,运营同窗发现礼包售卖量有所降低,分析师想要验证是不是由于玩家强化需求降低。经过数据分析,将玩家按武器强化等级分组,发现超过 60% 玩家的武器强化等级在 30 级左右,处于较低等级阶段(满级 90 级),与推测不符。

因为武器每 30 级须要经过武器突破石进行突破后方可继续强化,所以猜想降低可能与突破石不足有关。经过查看此用户群体现存突破石数量分布,发现大部分用户此道具拥有数量少于 10(每次突破消耗 30 个道具),且目前此道具只会在突破石副本产出,因此须要进一步了解这部分玩家是否在经过此副本积极获取突破石。对近期材料副本参与状况分析后,发现突破石副本参与次数明显提高,其余材料副本参与次数逐渐下降。由此定位每日礼包售卖降低与礼包外道具突破石不足有关。

基于此,运营同窗优化了每日礼包推送策略,在近期每日礼包中更多以突破石做为售卖道具。除此之外,运营同窗也但愿道具后台可以更加灵活,根据用户等级或战力判断,实现礼包差别化、自动化推送。

3、案例解读:某 RPG 游戏基于玩家流失与付费预测的精细化运营

神策数据游戏解决方案中的智能预测可以为游戏企业带来的价值有三:第一,基于高质量的玩家行为数据建模;第二,魔法数字洞察,预测结果可解释;第三,打通运营系统,实现 SDAF 闭环。

神策游戏解决方案:赋能游戏产业精品化研运升级_游戏_09神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析_10

接下来,咱们经过一个案例来详细介绍神策数据如何经过 AI 算法帮助某 RPG 游戏企业预测玩家在将来一段时间内的流失几率,并根据可能的缘由选择对应的挽留/改进方式。

玩家洞察:基于玩家行为数据、GBDT 模型预测玩家流失风险

与神策数据合做以后,该游戏企业经过对玩家行为数据分析,基于 GBDT 模型预测圈选出一批高风险玩家(流失几率 ≥ 90%)。这里值得强调的是,神策数据为游戏企业打造的流失预测模型召回率高达 88%,很好地覆盖了真实流失群体,可以最大可能帮助游戏企业及时洞察玩家流失风险。

神策游戏解决方案:赋能游戏产业精品化研运升级_数据_11神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析_12

优化决策:分析玩法及资源产出/消耗因子对各种玩家的影响指数

为了洞察玩家流失缘由,咱们利用预测模型输出的特征影响权重,发现玩家付费价值标签、资源产出消耗、天梯玩法胜率等特征对玩家留存的影响最大,并最终总结出玩家留存的关键要素:中/大 R 玩家更关注 PVP 成就感、免费/低 R 玩家更关注经济产出带来的成长体验。

所以,运营同窗计划经过玩法调整、营销手段刺激等方式加强付费玩家的体验与成就感,增长更多游戏玩法提高免费玩家的兴趣指数。

游戏改版:基于影响指数完成玩家运营策略调优

在长线迭代的改版中,运营同窗规划了差别化的版本策略。对于低 R 玩家,分析现有代币的产出与消耗,提高高消耗、低产出代币对应玩法的参与次数与任务奖励,增长礼包中的资源投放,增强免费/低 R 玩家的成长体验;对于中/大 R 玩家,优化了天梯玩法的战力细分区间以及匹配价值,增强玩法对抗性;除此之外,调研新的对抗性玩法,经过数据圈选出一批核心大 R 玩家,调研后续的吃鸡、自走棋等玩法反馈,提高游戏的玩法丰富度。

神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析_13神策游戏解决方案:赋能游戏产业精品化研运升级_数据分析_14

数据反馈:玩家活跃度与留存率数据反馈

通过一段时间调优与观察,发现玩家活跃度稳步提高,留存率显著提升,以下图所示:

神策游戏解决方案:赋能游戏产业精品化研运升级_神策数据_15神策游戏解决方案:赋能游戏产业精品化研运升级_数据驱动_16

4、游戏数据驱动宝典:SDAF 闭环

从以上分析与预测案例能够看出,游戏精品化研运升级下,数据驱动的应用包含 Sense 玩家需求感知、Decision 游戏优化决策、Action 研发敏捷执行、Feedback 数据快速复盘四个步骤。

神策游戏解决方案:赋能游戏产业精品化研运升级_数据驱动_17神策游戏解决方案:赋能游戏产业精品化研运升级_神策数据_18

在研发阶段的玩法测试、买量阶段的素材渠道优化、长线运营的精细化营销上,利用 SDAF 闭环方法论,在游戏管理者、策划、优化师、运营工做中真正实现数据决策与指导的升级,是神策数据游戏行业解决方案中游戏数据流与业务流双流融合升级的核心理念。