数据驱动的移动游戏优化

 

 

文/TalkingData COO 徐懿

编者按:本文为TalkingData徐懿应《程序员》杂志之约所撰,文章已刊发在《程序员》杂志2013年8月号,转载请保留出处,谢谢合作。

最近笔者听到很多朋友抱怨现在移动游戏的质量普遍较低,充斥着各种Bug和各种让人抓狂的数值设计。想想现在一窝蜂涌现的各种山寨COC,这个问题的存在其实是必然的。因为所有游戏开发团队都在赶进度、抢市场,而愿意花时间出精品的少之又少。

尽管粗糙的产品也有可能在市场上抢到一席之地,但是如果没有持续的改进,很快就会被市场淘汰掉。毕竟大多数玩家对游戏还是比较挑剔的,而且越来越挑剔。

那么移动游戏的优化应该如何做才有效呢?笔者跟很多做开发的朋友聊过,游戏上线以后优化最主要的途径是基于客服或论坛收到的玩家反馈,此外,也会有部分优化基于策划人员自己的经验。 前者主要能解决游戏的各种Bug。但是很多时候不同玩家对游戏的反馈甚至是矛盾的,你该听谁的呢?基于玩家反馈无法从根本上去优化游戏的玩法、数值设计等等。而后者更多时候是策划拍脑袋,对优化的结果其实他心里也是没底的。之前笔者也听说过某款游戏由于策划修改了一个游戏内很受欢迎的道具的定价,导致整体收入剧降的故事。

其实每个游戏中在客服Q群和论坛里活跃的玩家只是整个玩家群体里的一小部分,大多数的玩家表达自己对游戏的感受和意见只有一种手段,就是用脚投票。从这一点上来说,通过对玩家流失的分析,尤其是付费玩家的流失的分析,是可以比较直接地找到游戏需要优化的方向的。

玩家流失分析实例

那么如何分析玩家流失呢?那就需要有数据的支持。有几个维度的数据是比较重要的:

1. 玩家流失前的等级分布

2. 玩家流失前的关卡/任务

3. 流失玩家的生命周期

4. 流失玩家的付费次数和金额

其实每个游戏的策划心里都会有个预期,预期在哪个关卡或哪个等级会有较多用户流失。但是事实却往往和预期违背。这其中可能的原因很多,例如数值策划的问题,导致某些关卡的难度过高,有些甚至在用户付出真金白银之后还是很难过关,由此带来的挫折感会直接导致大量用户在这些关卡流失。

下面笔者举个例子说明流失分析的作用:

有个朋友的产品(截图是朋友提供给笔者的,并授权可以对外发表的),前10关玩家的失败率如下图所示:

前10关失败率

图一:某游戏前10关玩家的失败率

其中可以看到有个关卡(9-1)的失败率异常高。也就是说有很多用户会被卡在这个关卡。

接下来我们对关卡9-1失败时,玩家的等级分布进行分析,结果如下图所示:

9-1失败玩家等级分布

图二:关卡9-1失败玩家的等级分布

可以看到失败的玩家主要集中在28-35级。也就是说卡在这个关卡的主要是28-35级的玩家。

我们可以和游戏的玩家流失前等级分布进行比较。

玩家流失前级别分布31-40级

图三:玩家在流失前的等级分布(部分)

上图我们看到31~33级的玩家流失相比其它等级是比较明显的。

通过比较,发现被卡的等级和流失的等级基本是相符的。所以得出结论就是目前活跃玩家主要的流失来源于关卡难度的设置。据此,策划可以适当修改关卡的难度,使之和大多数玩家到达该关卡的实力相匹配。这样就能降低该关卡的失败率,使游戏的进度更加顺畅。

如何建立完整的数据指标体系

当然,流失的分析只是游戏数据分析中的一部分。游戏开发商真正需要做的是建立一整套的数据指标体系,随时从最新的数据中发现问题,对游戏进行优化和改善。目前手游行业已经出现了第三方数据统计平台,例如TalkingData Game Analytics,可以帮助游戏开发商迅速建立这样一套数据指标体系。

通常这套数据指标体系会包括以下这些指标大类:

1. 玩家分析,对玩家的新增、活跃、留存、付费转化、流失的各个阶段进行全面的分析,以及对玩家游戏习惯和设备的分析;

2. 等级分析;

3. 任务分析;

4. 收入分析;

5. 虚拟消费分析;

6. 鲸鱼用户分析;

7. 渠道分析;

其中除了渠道分析等部分指标用于运营的优化以外,大部分数据指标都对游戏的产品优化有很强的指导意义。为了说明这一点,笔者再举几个例子。

有一个使用Unity 3D开发的手游,刚上线的时候在玩家的新增上遇到了麻烦。虽然化了不少费用做推广,但是游戏里人气一直不旺,更别提收入了。观察了一下从设备激活到用户注册的转化率,发现这款游戏的注册转化率平均值只有47%,而通常游戏的平均的注册转化率在80%左右(3D游戏的注册转化率普遍比2D游戏要低,但是相差没有那么多)。接着对新增设备的机型分布和活跃用户的机型分布进行了分析,发现两者也有很大差距。活跃用户的机型大多是中高端的,而新增设备里有很多是低端机型。最后发现根源是这款游戏对机型适配做得不好,导致很多低端机型上出现闪退、无法进入游戏。于是,游戏开发商在安卓平台上增强了对低端设备的适配,保证大部分手机都能进入游戏。之后,他们的注册转化率平均值迅速提高到70%左右。

另一个例子是一款卡牌游戏,上线初期发现次日留存率比较低,只有18.2%。但是7日留存率和其它游戏差距不大。通过对最近十日留存率的分析,发现这款游戏在新增日+2日、+3日的留存率仅比次日留存率略低,一直到+7日减少也不多,也就是说玩家上手之后,还是有一定粘性的。但是为什么次日留存这么低呢?

卡牌游戏最近10日留存

图四:某游戏的10日内每日留存率

我们通过任务分析漏斗对这款卡牌游戏的新手教程各步骤进行分析:

新用户转换路径漏斗

图五:某游戏的新手教程转化漏斗

发现有两个地方存在问题,第一个是从加载页面到完成注册,流失了57%的用户。第二个是新手引导完成的步骤,从引导的第2阶段到完成引导,流失了35%的用户(以达成上一个步骤的用户总数为100%)。我们和游戏开发商一起重新检查了每一个步骤,最后发现问题的根源有以下几点:

1. 加载页面出来以后,连接服务器的时候频繁出现超时。原来他们计划同时推海外市场,国内外统一使用了海外机房的服务器;但是从国内访问这个机房的速度比较慢,且不稳定。

2. 新手引导过于冗长。有些没有耐心的玩家在引导2阶段之后就离开了游戏。

3. 在新手引导教程的最后阶段,有一段忽然没有了引导,有些玩家不知道该怎么继续。

针对这些原因,游戏开发商很快就推出新的迭代版本,并且对国内外的用户做了分服处理。次日留存率很快就提升到40%,7日留存率也水涨船高,跟着提升到了20%左右。

数据分析对移动游戏优化的价值

移动游戏的生命周期可以被划分为开发 – 测试 – 分析 – 优化 – 发布这几个环节,每个迭代都会开始一个新的循环。

游戏产品生命周期

图六:移动游戏的生命周期

对于如何用数据驱动移动游戏的优化,笔者有以下几点建议:首先,一款移动游戏在最初的开发阶段,就需要确定它的业务目标,据此设定KPI(关键绩效指标)。通常收入会是最重要的业务目标,但是对有的游戏来说,日活跃用户数会被排在最前面。这里面没有孰对孰错,就看团队是如何衡量一款游戏的成功的。其次,开发团队一定要和数据分析团队全程合作。理想的情况是为开发团队配备一个数据分析师,当然这有点奢侈,但是确实是值得的。数据分析师带给开发团队的不只是优化的建议,还能保证开发团队正确地定义和计算数据。第三,游戏主策应该就是个数据分析师。笔者不是让数据分析师去做主策,而是说主策要有这个觉悟。最后,数据驱动的优化是个长期持续的过程,不是一朝一夕完成的。好游戏都是改出来的,而每个修改如果有数据支撑的话,成功率是会大大提高的。

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注