咱們中的許多人都夢想構建下一代現象級遊戲,這款遊戲將以其獨特的視覺效果和創新的玩法被將來幾代人所銘記。所以,咱們一般會花費大量時間思考可持續業務背後的一些基本業務問題。例如:我能爲獲取一個新玩家花費多少?一個用戶對另外一個用戶的潛在價值是什麼?我該如何量化人們分享個人遊戲和引入新玩家所帶來的社會效應?個人用戶什麼時候會感到厭煩,我該如何預防這樣的事情發生?前端
遊戲玩法產生的數據廣度和以用戶層面爲目標的能力使客戶分析成爲遊戲業務的核心部分。手遊貨幣化和行業競爭的複雜性意味着,從數據中找到更多的創新方法來採起行動,以便爲你的業務帶來優點,會有壓力。一種方法是創建模型來幫助預測遊戲玩家的終身價值(LTV)。本文提供了關於頂級遊戲開發商如何計算終身價值的分析。若是你想了解更多關於該主題的信息,請閱讀完整的白皮書。android
顧名思義,LTV 是對一個特定玩家在其一輩子的總貨幣價值的評估。ios
儘管終身價值是一種比較泛化的指標,它可讓遊戲開發商瞭解遊戲玩家的價值,但至今尚未標準的計算方法。大多數開發商要麼使用自定義方法來計算 LTV,要麼在使用第三方工具。不管何種計算方法,開發商在使用 LTV 時都會犯三個主要錯誤。git
許多開發商犯的第一個錯誤就是在計算 LTV 時沒有包含全部的收入來源。對於開發商來講很廣泛的作法是:僅爲 IAP(譯者注:In-App Purchase ,是一種智能移動終端應用程序付費的模式)計算 LTV,最後在其基礎上增長一個百分比做爲其餘收入來源(例如廣告)。LTV 應儘量包括全部貨幣化業務模式,例如 IAP ,廣告收入等,不然咱們可能由於沒有包含合法收入,而錯失增加機會。github
一些開發商犯的第二個錯誤是在評估不太明顯因素的影響,好比:競爭對手發佈新遊戲,公司所處的階段,匯率變化等。這些可能致使遊戲在沒有作任何改變的狀況下,LTV 卻出現顯著偏離。總的來講,咱們須要將 LTV 視爲一個隨着遊戲的不斷髮展而變化的動態指標:a)內部變化 - 新內容或新功能,遊戲內經濟,玩家行爲。b)外部變化 - 遊戲趨勢,競爭,貨幣波動,平臺變化。後端
最後,一些開發商將 LTV 視爲競爭優點。可是,LTV 僅僅是一個指標,所以它不表明對其餘開發商的競爭優點。此外,它不是一個確切的值,所以它也應該被視爲一個範圍(例如 LTV 介於 1 和 1.2 之間)或在必定的準確度內(例如 85% 的置信度)。最終目的是避免因過於樂觀/悲觀的終身預測出現的不良行爲。機器學習
LTV 一般用於玩家的獲取,但它也能夠用於許多其餘目的:如總體業務盈利能力,優化在線運營以及管理新特性發行。在 LTV 的常見用法中,咱們發現:工具
如上所述,目前尚未標準的 LTV 計算方法。然而開發商一般認爲 LTV 至少基於兩個變量:生命週期(查看用戶參與度和留存率)和貨幣化(平均交易次數,貨幣價值,轉換率)。post
雖然你們都贊成這兩個變量必須是計算時要考慮的,但在計算它們的確切方法上仍存在爭議。學習
生命期一般以留存率來衡量。爭議也是從這裏開始的,對如何計算留存率有下面三種不一樣的見解:
經典的日留存率計算方法僅觀測在安裝日期後的特定日期上線的玩家,而範圍留存率則查看在一段時間內(例如周)玩家的迴歸狀況。起伏留存率則關注在一段時間後玩家的迴歸狀況。
每種計算方法均可以更好地適用於特定類型的遊戲。好比,一個劇情爲主的遊戲在某個時間段發佈新劇情或新季 - 所以玩家只有在新季發佈後纔會迴歸 - 此時經典留存計算方案再也不適用,他們可能對範圍留存和季/劇集完成率更感興趣。一些超級休閒遊戲開發商會考慮每小時而不是幾天的留存率,由於這種狀況的存在,遊戲的成功取決於第一個小時(而不是第一天)。
關於留存率的最後一句提醒:留存率一般被定義爲用戶打開應用程序這個動做。值得注意的是,打開應用程序之間仍然存在顯着差別 - 例如(打開應用後)收集每日獎勵,或者在線多人遊戲中進行一場戰鬥。所以,咱們可能會須要從新定義留存率爲打開應用並執行特定操做的行爲。
在計算 LTV 指標以前,開發商一般會就 LTV 計算的目的肯定一個時間段,例如,評估 LTV 是將來 90 天,180 天,1 年,2 年甚至 5 年的。
請注意,有些人可能會以爲這個概念是矛盾的,由於術語「生命週期」自己理論上是指一我的生命的總持續時間。然而,因爲 LTV 一般是一種平均估算,開發商可能但願保持保守,並計算一段時間內的 LTV。一樣須要注意的是,你對將來的評估時間越遠,準確性就越低。
有幾個因素會影響你對時間段的選擇,開發商一般會考慮許多因素,其中包括:
就留存率而言,關於如何計算貨幣化變量存在爭議。大多數遊戲開發商都會考慮 ARPDAU(每日活躍用戶的平均收入),但有些則考慮ARPU(每個月用戶的平均收入)或ARPPU(每一個付費用戶的平均收入)。正如咱們稍後將看到的,它取決於用來估計 LTV 的模型,咱們將使用其中一個。
不管你選擇哪一種貨幣化變量,重要的是要與你選擇的時間段保持一致,而且要了解平均結果數量的一些限制。例如,若是咱們根據最後一個季度,一個月或一週來估算遊戲的ARPDAU,其可能會大幅波動。
假設隨着複雜性的增長,模型的準確性也會提升,咱們能夠按照如下方式對它們進行聚類:
正如咱們所看到的,終身價值指標有各類用途,並在手遊行業被普遍採用。然而,咱們也看到,目前尚未標準的計算方法,所以可能有多種有效的方式來實施,這取決於幾種內部(遊戲性質,公司資源,可用數據)或外部(觀衆類型,競爭對手)因素。
所以,不管什麼時候計算咱們的玩家的終身價值,咱們都須要作好在準確性和所需資源方面進行權衡的準備,從而充分利用這一寶貴資源。
在把終身價值指標用於用戶獲取或在線運營時,咱們須要試着避免一些常見的錯誤,例如:過於樂觀的計算,遺漏一些收入來源,或將其視爲競爭優點,從而可能致使估計不足或太高估計。咱們也可能要考慮關鍵方面,例如計算淨 LTV,貼現現金流量,或充分分割計算。
但願這篇概述有幫助你更好地瞭解 LTV 在推進更好業務決策方面的潛力。鑑於該主題的複雜性以及關於此主題的更多看法,能夠下載咱們的白皮書以瞭解更多有關計算遊戲 LTV 的最佳實踐。
你對遊戲開發商有沒有其餘關於 LTV 的想法?加入如下評論中的討論或使用標籤 #AskPlayDev 發推特,咱們會經過 @GooglePlayDev 來回復,咱們會按期在上面分享有關如何在Google Play上取得成功的新聞和技巧。
掘金翻譯計劃 是一個翻譯優質互聯網技術文章的社區,文章來源爲 掘金 上的英文分享文章。內容覆蓋 Android、iOS、前端、後端、區塊鏈、產品、設計、人工智能等領域,想要查看更多優質譯文請持續關注 掘金翻譯計劃、官方微博、知乎專欄。