神策数据游戏行业解决方案：赋能游戏产业精品化研运升级(2)

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。

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概括为四个阶段:分别是描述性分析、诊断性分析、预测性分析和规范性应用。

阶段一:描述性分析,包括数据采集与数据可视化,最终形成BI看板,能够了解日活、ARPU、留存率等结果性数据。

阶段二:诊断性分析,需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,并且下钻验证,比如新玩家留存下降,是渠道结果变化造成的?还是玩家圈层变化导致的?因此该阶段需要一套体系化的游戏指标与分析方法论。

阶段三:预测性分析,帮助企业进行前瞻性判断。比如预测哪些玩家可能要流失,哪些玩家可能是大R。游戏精品化研运发展趋势下,研发成本和获客成本攀升,为了获得合理的ROAS回报,玩家LTV也需要持续优化提升。因此,提前洞察游戏未来表现,在玩家流失前做出预测就非常重要,这是游戏长线运营重要的分析与运营工具。

阶段四:规范性应用,直接将数据融入到游戏业务运作中。比如游戏营销礼包推荐的千人千面,真正利用数据提升营销效率。在该阶段,数据驱动不再单纯依赖人工进行分析、决策,而是由系统来做快速、高效的判断。目前,游戏行业内已经有不少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。

二、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,提升玩家游戏积极性

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,企业可以通过数据分析对公会战的参与情况进行评估,洞察玩家需求变化,寻找调优方向。

某SLG游戏运营同学在大盘月报中发现近几期参战公会数维持稳定,但参战人数持续降低,推测游戏服务器的公会战力生态可能有所变化,比如中层战力公会持续战败,两级分化加剧,于是猜测可能跟玩家上期所属公会是否为战败方有关;通过数据分析,运营同学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降低;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。

基于上述分析可以判断,公会战作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,运营同学制定了两个方面的优化策略:

1、针对战败公会成员,增加“复仇”机制,下期公会战中可以免费召回20%本期阵亡士兵,且召回的士兵只能在公会战中使用。

2、优化公会战奖励。目前奖励更多集中在粮食等物资,物资在日常屯田中较容易获得,但是恢复兵力不仅需要物资,还需要时间。因此可以在战败方的奖励中提升加速道具占比,帮助战败方快速恢复兵力;在胜利方的奖励中提升稀有武将道具占比,维护胜利方积极性。

场景二:数据洞察玩家每阶段付费需求,寻找玩家付费增长点

每日礼包因折扣力度大且道具实用性高,能够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,神策数据通过对某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长点。

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,通过强化持续提升战力。在近期月报中,运营同学发现礼包售卖量有所下降,分析师想要验证是否是因为玩家强化需求下降。通过数据分析,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。

由于武器每30级需要通过武器突破石进行突破后方可继续强化,因此猜测下降可能与突破石不足有关。通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,所以需要进一步了解这部分玩家是否在通过此副本积极获取突破石。对近期材料副本参与情况分析后,发现突破石副本参与次数明显提升,其他材料副本参与次数逐渐降低。由此定位每日礼包售卖下降与礼包外道具突破石不足有关。

基于此,运营同学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作为售卖道具。除此以外,运营同学也希望道具后台能够更加灵活,根据用户等级或战力判断,实现礼包差异化、自动化推送。

三、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能够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。

接下来,我们通过一个案例来详细介绍神策数据如何通过AI算法帮助某RPG游戏企业预测玩家在未来一段时间内的流失概率,并根据可能的原因选择对应的挽留/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

与神策数据合作之后,该游戏企业通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(流失概率≥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,能够最大可能帮助游戏企业及时洞察玩家流失风险。

优化决策:分析玩法及资源产出/消耗因子对各类玩家的影响指数

相关报道: