咱们中的许多人都梦想构建下一代现象级游戏,这款游戏将以其独特的视觉效果和创新的玩法被将来几代人所铭记。所以,咱们一般会花费大量时间思考可持续业务背后的一些基本业务问题。例如:我能为获取一个新玩家花费多少?一个用户对另外一个用户的潜在价值是什么?我该如何量化人们分享个人游戏和引入新玩家所带来的社会效应?个人用户什么时候会感到厌烦,我该如何预防这样的事情发生?前端
游戏玩法产生的数据广度和以用户层面为目标的能力使客户分析成为游戏业务的核心部分。手游货币化和行业竞争的复杂性意味着,从数据中找到更多的创新方法来采起行动,以便为你的业务带来优点,会有压力。一种方法是创建模型来帮助预测游戏玩家的终身价值(LTV)。本文提供了关于顶级游戏开发商如何计算终身价值的分析。若是你想了解更多关于该主题的信息,请阅读完整的白皮书。android
顾名思义,LTV 是对一个特定玩家在其一辈子的总货币价值的评估。ios
尽管终身价值是一种比较泛化的指标,它可让游戏开发商了解游戏玩家的价值,但至今尚未标准的计算方法。大多数开发商要么使用自定义方法来计算 LTV,要么在使用第三方工具。不管何种计算方法,开发商在使用 LTV 时都会犯三个主要错误。git
许多开发商犯的第一个错误就是在计算 LTV 时没有包含全部的收入来源。对于开发商来讲很广泛的作法是:仅为 IAP(译者注:In-App Purchase ,是一种智能移动终端应用程序付费的模式)计算 LTV,最后在其基础上增长一个百分比做为其余收入来源(例如广告)。LTV 应尽量包括全部货币化业务模式,例如 IAP ,广告收入等,不然咱们可能由于没有包含合法收入,而错失增加机会。github
一些开发商犯的第二个错误是在评估不太明显因素的影响,好比:竞争对手发布新游戏,公司所处的阶段,汇率变化等。这些可能致使游戏在没有作任何改变的状况下,LTV 却出现显著偏离。总的来讲,咱们须要将 LTV 视为一个随着游戏的不断发展而变化的动态指标:a)内部变化 - 新内容或新功能,游戏内经济,玩家行为。b)外部变化 - 游戏趋势,竞争,货币波动,平台变化。后端
最后,一些开发商将 LTV 视为竞争优点。可是,LTV 仅仅是一个指标,所以它不表明对其余开发商的竞争优点。此外,它不是一个确切的值,所以它也应该被视为一个范围(例如 LTV 介于 1 和 1.2 之间)或在必定的准确度内(例如 85% 的置信度)。最终目的是避免因过于乐观/悲观的终身预测出现的不良行为。机器学习
LTV 一般用于玩家的获取,但它也能够用于许多其余目的:如总体业务盈利能力,优化在线运营以及管理新特性发行。在 LTV 的常见用法中,咱们发现:工具
如上所述,目前尚未标准的 LTV 计算方法。然而开发商一般认为 LTV 至少基于两个变量:生命周期(查看用户参与度和留存率)和货币化(平均交易次数,货币价值,转换率)。post
虽然你们都赞成这两个变量必须是计算时要考虑的,但在计算它们的确切方法上仍存在争议。学习
生命期一般以留存率来衡量。争议也是从这里开始的,对如何计算留存率有下面三种不一样的见解:
经典的日留存率计算方法仅观测在安装日期后的特定日期上线的玩家,而范围留存率则查看在一段时间内(例如周)玩家的回归状况。起伏留存率则关注在一段时间后玩家的回归状况。
每种计算方法均可以更好地适用于特定类型的游戏。好比,一个剧情为主的游戏在某个时间段发布新剧情或新季 - 所以玩家只有在新季发布后才会回归 - 此时经典留存计算方案再也不适用,他们可能对范围留存和季/剧集完成率更感兴趣。一些超级休闲游戏开发商会考虑每小时而不是几天的留存率,由于这种状况的存在,游戏的成功取决于第一个小时(而不是第一天)。
关于留存率的最后一句提醒:留存率一般被定义为用户打开应用程序这个动做。值得注意的是,打开应用程序之间仍然存在显着差别 - 例如(打开应用后)收集每日奖励,或者在线多人游戏中进行一场战斗。所以,咱们可能会须要从新定义留存率为打开应用并执行特定操做的行为。
在计算 LTV 指标以前,开发商一般会就 LTV 计算的目的肯定一个时间段,例如,评估 LTV 是将来 90 天,180 天,1 年,2 年甚至 5 年的。
请注意,有些人可能会以为这个概念是矛盾的,由于术语“生命周期”自己理论上是指一我的生命的总持续时间。然而,因为 LTV 一般是一种平均估算,开发商可能但愿保持保守,并计算一段时间内的 LTV。一样须要注意的是,你对将来的评估时间越远,准确性就越低。
有几个因素会影响你对时间段的选择,开发商一般会考虑许多因素,其中包括:
就留存率而言,关于如何计算货币化变量存在争议。大多数游戏开发商都会考虑 ARPDAU(每日活跃用户的平均收入),但有些则考虑ARPU(每个月用户的平均收入)或ARPPU(每一个付费用户的平均收入)。正如咱们稍后将看到的,它取决于用来估计 LTV 的模型,咱们将使用其中一个。
不管你选择哪一种货币化变量,重要的是要与你选择的时间段保持一致,而且要了解平均结果数量的一些限制。例如,若是咱们根据最后一个季度,一个月或一周来估算游戏的ARPDAU,其可能会大幅波动。
假设随着复杂性的增长,模型的准确性也会提升,咱们能够按照如下方式对它们进行聚类:
正如咱们所看到的,终身价值指标有各类用途,并在手游行业被普遍采用。然而,咱们也看到,目前尚未标准的计算方法,所以可能有多种有效的方式来实施,这取决于几种内部(游戏性质,公司资源,可用数据)或外部(观众类型,竞争对手)因素。
所以,不管什么时候计算咱们的玩家的终身价值,咱们都须要作好在准确性和所需资源方面进行权衡的准备,从而充分利用这一宝贵资源。
在把终身价值指标用于用户获取或在线运营时,咱们须要试着避免一些常见的错误,例如:过于乐观的计算,遗漏一些收入来源,或将其视为竞争优点,从而可能致使估计不足或太高估计。咱们也可能要考虑关键方面,例如计算净 LTV,贴现现金流量,或充分分割计算。
但愿这篇概述有帮助你更好地了解 LTV 在推进更好业务决策方面的潜力。鉴于该主题的复杂性以及关于此主题的更多看法,能够下载咱们的白皮书以了解更多有关计算游戏 LTV 的最佳实践。
你对游戏开发商有没有其余关于 LTV 的想法?加入如下评论中的讨论或使用标签 #AskPlayDev 发推特,咱们会经过 @GooglePlayDev 来回复,咱们会按期在上面分享有关如何在Google Play上取得成功的新闻和技巧。
掘金翻译计划 是一个翻译优质互联网技术文章的社区,文章来源为 掘金 上的英文分享文章。内容覆盖 Android、iOS、前端、后端、区块链、产品、设计、人工智能等领域,想要查看更多优质译文请持续关注 掘金翻译计划、官方微博、知乎专栏。