用数据分析完成游戏道具差异化销售,提升20%付费率

发表于2020-04-16
评论0 1.7k浏览

想免费获取内部独家PPT资料库?观看行业大牛直播?点击加入腾讯游戏学院游戏策划行业精英群

361498939

公众号:数数科技

案例图示是使用数数的数据分析平台产品进行演示。

 

游戏提升收入的方式有很多种,常规的比如:打折,数值扩级、出新功能等等。

但现在,常规商城的商品罗列模式,对现在习惯个性化、精细化场景的用户来说,已经过于简单粗暴。下面会利用数据分析的思维方式,告诉大家如何建立一个个性化、差异化道具销售模式,最大化地激发用户付费意愿。

 

▍对不同用户进行差异化销售

「考虑产品的数据安全,本文所有数据都进行了模糊化处理」

 

(1) 依据用户价值划分以用户价值作为标签是最常见的划分用户的方法,如下图所示,我们清晰看到大中小 R 的分布情况。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

不同价值的用户,对道具需求是不同的。如下图所示,道具 A 对于中小 R 的需求相对比较稳定。但对于大 R,人均的消耗有一个非常明显的提升。

因此,我们可以根据用户的付费能力,进行差异化销售。例如,道具 A 给小 R 投放 1 个 10元,给大 R 投放 100 个 1000 元。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

(2) 依据游戏进程划分

基于数据分析的支持,加上游戏运营的经验可以分析得出,一些道具对生命不同阶段的用户有明显需求差异。

例如道具 B,生命前期需求量较大,而老玩家养成基本饱和,则相对并不那么需求。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

因此在划分用户时,则需要引入生命标尺(比如玩家等级、注册时间等)来作为划分补充。

 

(3) 根据用户喜好划分

如图所示,不同阶层的用户,使用的武将阵容有明显的倾向性。我们根据用户价值为依据,向玩家销售不同的武将养成材料,可以得到更高的收益。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

(4) 根据用户月度消费金额精细化销售

之前提到基于历史充值划分用户,但如果大 R 最近 1 个月都没有付费,又如何应对呢?可能说明礼包对用户的吸引力不足了。在不打折的前提下,可以尝试降低礼包档位。

 

比如平时给他推荐的 328 元礼包可能太贵了,因此我们改成 128 元礼包,也许就能促进用户的购买了。我们以两期活动进行测试,第一期活动仅投放 328 元礼包,第二期活动仅投放 128 元 礼包。如下图所示,是 2 期活动的测试情况。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

通过对数据的分析,我们可以看到当用户没有进行付费时,对高额的礼包的购买率的下滑非常严重,我们认为是由于用户对游戏的预估消费的下滑,使得他们不愿意购买 328 高价格礼包。

 

因此我们考虑以“用户本月是否付费”作为标准,给他们推荐不同价位的礼包。给本月已付费用户推荐 328 元礼包、给本月无付费用户,推荐 128 元礼包。实际投放的测试结果如下:

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

通过计算最后收益,总消费从95774元,提升至100752元,增长 5% 。因此,合理的对用户的当前付费进行划分,也能够在很大程度上帮助我们创造更多的收入。

 

▍如何对道具需求进行监控

我们不仅要对商品进行差异化销售,还要实时监控用户当前对道具的需求度,来调整销售内容。我们把道具分为两类,短期一次性需求和长期需求,两者有不同的监控方法。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

短期一次性需求,例如卡牌游戏上来就抽武将、抽装备。这些商品是永久性道具,短期内一旦拥有,就会由于沉没成本、数值暂时足够而没有太强烈的替代需求。等过一段时间后,才会因为数值不够等 其他需求而产生需求,这种需求一般是阶段性的。

 

长期需求,例如养成材料、战斗消耗品、硬货币。这些商品无论用户在任何一个时间阶段都有持续的需求。但不同用户在生命的不同阶段会产生不同的倾向性,例如新玩家喜欢强化石,老玩家喜欢精炼石,会存在一定选择上的倾向性。

 

第一种:短期一次性需求道具

我们设定“销售饱和度”指标,来衡量目标用户的购买渗透率是否符合预期。设定“增长率”指标,来衡量销售需求变化情况。因此,道具销售表现一般会 呈现出4种情况,如图所示:

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

道具A:饱和度达标,增长率上升。代表销售饱和度到达预期,但还处于上升趋势,用户需求强烈。一般情况下,我们给的数值有点过大,卖便宜了,而这部分原本可以卖的更贵的数值,就会成为我们的损失;道具B:饱和度达标,增长率下降。

 

说明商品销售稳定,符合我们的预期;道具C:饱和度不达标,增长率上升,这种状态的道具,可能变成任何一种形态,需要根据具体的数字来判定;道具D:饱和度不达标,增长率下降。不仅没有到达销售预期,而且买账的用户越来越少,用户不认可,而这部分我们预期应该收到但没收到的钱,就会成为我们的损失;道具B以外,道具处于其他状态就需要考虑调整,削弱或者增强、搭配礼包售卖等。

 

第二种:长期需求道具

我们设定“产耗比”来衡量用户对道具的需求情况,配合对道具人均存量的监控,来确认后续的投放计划:

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

道具 A:存量提升,而产耗比提升(产出 / 消耗),说明供过于求,产出速度>消耗速度,在这种状态下,可以考虑补充活动,加大用户的消耗,从而才能降低存量产生需求;   道具 B:此时道具正在处于加速消耗,逐渐恢复到正常水平。

 

用户对此道具的需求度不高,此时销售道具 B 不合适;道具 C:道具 A 的前期阶段,道具正在逐步的过量,因此如果早发现早控制,即可尽可能的不让状态1出现;道具 D:可以理解为是道具 B 的后期阶段,道具的存量下降,用户将会明显的感知到缺口,而这也是最合适进行付费投放的阶段。

 

下图为我们拉取某一周活跃用户,对不同道具的产出和消耗比,数据如下:

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

相对来看,很明显的我们发现道具 3 的产耗比过大,也就是说道具 3 的存量将会以非常快的速度堆砌,因此我们拉取一个细分用户的详细数据;

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

我们简单来看看这组数据,这是筛选整体数据中比较有代表性的一组对比数据,我们可以看到在 11~20 级范围的小 R ,他们的产耗比相对老玩家的产耗比更高,我们分析得出可能是由于消耗功能的入口太深,导致了新玩家对于该功能的消耗功能使用率低。

 

新用户的中 R 也印证了这样的猜想,由于付费产出了道具 3,这部分用户并没有找到消耗点,导致了产耗比的进一步提升;而老玩家的小 R,很明显在消耗上已经大幅度的提升,但整体产出依然是多于消耗,且产耗比在呈现上涨的趋势;老玩家的中 R 这部分,产耗比相对更高,主要是由于他们的产出相对更多。

 

综上,我们得出的结论为:可能是由于其中兑换的道具太少,不足以支撑庞大的产出,进一步堆积的话,将会导致该功能失去原有的作用。因此,最终的调整方案则是:入口优化+添加新兑换内容。

 

我们对游戏的道具和用户需要有足够的了解,才能根据不同的投放道具定制出不同的投放人群细分,进行精准销售。通过这一步,我们能够通过对合适的用户投放合适的内容,来挖掘被浪费的收入。

 

同时我们还需要对不同的道具在游戏中的生态有明确了解,知道什么应该投了,什么应该控制产出了。而这一步,则是避免了有的道具明明可以销售更多收入却卖的便宜了导致损失,也避免了一些还能够继续创造收益的道具被遗忘。

  • 允许他人重新传播作品,但他人重新传播时必须在所使用作品的正文开头的显著位置,注明用户的姓名、来源及其采用的知识共享协议,并与该作品在磨坊上的原发地址建立链接
  • 可对作品重新编排、修改、节选或者以作品为基础进行创作和发布
  • 可将作品进行商业性使用

如社区发表内容存在侵权行为,您可以点击这里查看侵权投诉指引

游戏学院公众号二维码
腾讯游戏学院
微信公众号

提供更专业的游戏知识学习平台