导读:分析手机游戏的标准游戏玩法和IAP参数(KPI、用户留存、活跃的用户基础)。

  在接下来几周时间里,我将发布一些关于游戏玩法优化和用户转换的分析例子。我将使用一个现实游戏作为案例,即《Ancient Blocks》,你能在App Store中找到这款游戏。

分析手机游戏的标准游戏玩法和IAP参数(一)

  acient blocks

  本文的报告是使用Calq,你也可以使用其它服务或自己创造这些参数。这系列文章是致力于分析“测量什么内容”而不是“如何进行测量”。

  常见的关键业绩指标(KPI)

  不管是哪种类型,所有手机游戏的高级KPI都是相类似的。大多数开发者的KPI将包含:

  第一天,第七天以及第三十天的用户留存—-玩家回到游戏中的频率。

  DAU,WAU,MAU—-每日,每周和每月的活跃用户,关于活跃玩家基础的测量

  用户LTV—-玩家的终身价值(注:通常情况下是基于各种龄组,性别,位置,用户获取广告活动等等元素所决定)。

  DARPU—-每用户每日平均收益,也就是每个活跃用户每天所创造的收益。

  ARPPU—-每付费用户平均收益,对于LTV的测量,但它只计算部分用户所花费的钱。

  同时也存在一些特定的KPI。这将帮助你着眼于游戏中一些独立的部分,从而更好地完善它们。你的最终目标将是通过完善更多的游戏子集而更好地完善高级KPI。

  用户留存

  用户留存是指测量玩家在一段时间后回到你的游戏中的频率。第一天的用户留存是指隔天有多少玩家回到游戏中,第七天的用户留存意味着七天后回到游戏中的玩家。用户留存是衡量你的游戏粘性的重要指标。

  衡量用户留存比衡量收益还要重要。如果你的用户终身价值不是很突出,但却拥有很棒的用户留存,那么你便可以在之后做出进一步的完善。但反过来的话情况可能就不是那么乐观了。基于较低用户留存的应用很难获得盈利。

  当游戏在进行迭代时(注:添加/删除某些功能,或调整现有的功能),用户留存便能够用于检查这些改变是否具有积极影响。

  活跃的用户基础

  你可能听说过“每日/每周/每月”活跃用户。这些是呈现出你的活跃用户基础规模的产业标准。例如WAU是指玩了7天游戏的玩家数量。使用DAU/WAU/MAU测量能够帮助你轻松地衡量用户是处于发展,收缩还是平稳状态。

  活跃用户测量需要与用户留存数据一起进行分析。如果你拥有许多新用户,但却失去了同样比例的现有用户,那么你的用户基础便是基于平稳状态。

  游戏特定的KPI

  除了常见的KPI,每一款游戏还带有特定的额外参数。这可能包含了游戏中玩家的进程(如关卡),游戏机制,平衡参数,病毒性传播以及分享循环等等数据。

  你同样也需要衡量大多数用户旅程(用户在游戏中与不同路径的互动,如开始新游戏的菜单),如此你才能够去优化它们。

  就像在《Ancient Blocks》中,游戏的特定参数包括:

  玩家进程:

  完成了哪些关卡。

  玩家是否重玩了一个更复杂的难度。

  关卡难度:

  玩家尝试了几次才完成一个关卡。

  玩家在一个关卡中花了多少时间。

  玩家在完成一个关卡前使用了多少道具。

  游戏内部货币:

  用户什么时候花费游戏内部货币?

  他们使用游戏内部货币购买什么?

  玩家在购买前通常会做些什么?

  游戏内部教程

  当玩家第一次开始游戏时,他们通常会看到一个教授新玩家如何游戏的互动教程。这通常是玩家对于游戏的第一印象,所以你需要好好完善它。糟糕的教程会破坏你的第一天用户留存。

  《Ancient Blocks》拥有一个10个步骤的教程去教会玩家如何游戏(垂直拖动砖块直至它们能够对齐)。

  目标

  关于教程的数据收集需要呈现任何需要完善的领域。通常情况下这些领域都是玩家受困,或花费较长时间的地方。

  识别教程中任何阻塞点(即玩家受困的地方)。

  迭代这些教程步骤以完善转换率(玩家成功走到游戏最后的比例)。

  参数

  为了完善教程,你需要定义一套针对于教程的参数。关于《Ancient Blocks》,我们需要的关键参数是:

  通过每个教程步骤的玩家比例。

  真正完成教程的玩家比例。

  玩家花费在每个步骤的时间。

  在完成教程后继续游戏的玩家比例。

  执行

分析手机游戏的标准游戏玩法和IAP参数(一)

  calq

  追踪教程步骤便是直接使用基于行动的分析平台—-就像我们使用了Calq。《Ancient Blocks》使用了一个名为“教程步骤”的行动。这一行动包含了名为“步骤”的特定属性,以说明玩家处于哪个教程步骤中(0指代第一个步骤)。我们同样也想要追踪用户在每个步骤所花费的时间。为了做到这点我们还添加了名为“持续时间”的属性。

  行动

  教程步骤

  属性

  步骤—-当前的教程步骤(从0开始,1,2,3依此类推)。

  持续时间—-玩家完成步骤的时间(以秒为单位)。

  分析

  分析教程数据其实很简单。我们可以通过创造一个简单的转换漏斗而获得大部分参数,即漏斗的每一步就等于教程的每一个阶段。

  完整的漏斗能够一步步地呈现出整个教程的转换率。在此我们可以轻松地看到哪个步骤“流失”掉最多用户。

  正如你所看到的结果:比起其它步骤的99%转换率,第四步的转换率大约是97%。所以这预示着你需要完善这一步。尽管只有1个百分点的差别,但这可能意味着你每个月在这一步骤上会损失1千美元的收益。如果是一款更受欢迎的游戏,差别将会更大。

  相关阅读:

  CMUNE Ludovic Bodin:竞技类手游需要联网技术支撑http://www.sfw.cn/xinwen/459948.html

  一款优质游戏的音乐是怎么炼成的?http://www.sfw.cn/xinwen/459898.html

  开发者制作一款成功手游续作的3点技巧http://www.sfw.cn/xinwen/459904.html