如何提升游戏的付费和留存：数据化设计

什么是数据化设计

首先思考 3 个问题：

• 一个大 R 通过引流，进入到游戏中，第一天充了 3000 块，然后流失了，这说明游戏中存在哪些设计缺陷？
• 一款游戏中，大部分小 R 用户，在购买首充后，都没有继续购买续充礼包，要怎么调整付费内容？
• 《哈利波特：魔法觉醒》是一款以战斗为核心的游戏，但它的 DAU 长期不理想，设计上存在哪些可优化的点？
  

以上三个问题，都是数据化设计要解决的问题。那么，什么是游戏的数据化设计？

长久以来，研发和运营都是两个独立的部门，研发通过对运营数据的分析调优产品，运营通过在代码中内置数据埋点，采集游戏数据，再把数据反馈给研发，或者直接分析数据，再与研发讨论游戏的内容调整。

这种方法的特点，是对现有游戏内容的分析和讨论，是游戏数据化设计的内容之一，是项目上线测试后进行的工作。但数据化设计的内容，还包含在游戏设计之初，就对游戏中，哪些内容设计会对游戏数据有影响做出预判，并且通过设计的方式规避掉一些影响数据的问题，这是数据化设计最重要的部分。基于此，在代码中内置数据收集埋点的意义，就变成了验证设计对数据的影响，以及传统的检测数据异常点。这意味着数据化设计更多是研发部门的工作。

数据化设计，与在项目立项之初设定上线数据标准的最大区别在于，后者更可能让项目变成一个换皮游戏，因为设定的数据标准，一定是参考当下某一款游戏的数据设定的，研发部门为了KPI，会大规模的参考，甚至原封不动的照搬，最终的市场机会，大概率只剩下题材不同，以及更便宜，而且没办法发觉可能出圈的创新性产品。但数据化设计挖掘的是具有市场机会的产品创新。

以前做过一个创新型项目，这个项目的月留存大约只有5%，如果按照当时市面上的同品类游戏的月留存数据来看，达不到上线的水平，但这5%有两个很大的特点，一是大部分付费用户都留了下来，二是之后的流失率基本为零，原因是在设计时，考虑到同品类游戏中，社交对游戏用户流失的影响，所以在设计时，有意识的将用户筛选前置，在开放更大规模社交功能之前，将后续可能流失的非付费用户筛选掉，保证后续用户留存的稳定。所以在第二个月，当版本更新出一个活跃付费类养成线时，这个养成线的人均付费非常高，以至于这个游戏只需要2个月就能完成回收。

数据化设计的意义

如果将项目研发期称为 A 阶段，上线后的测试部分称为 B 阶段。那么数据化设计在 A 阶段的意义，就是告诉立项者，以这个项目当前的设计方向、给用户塑造的游戏体验，在最终的产品数据端，赢面儿有多大，这能节省大量的研发投入，并且规避掉很多风险。

曾经的一个卡牌项目，这个项目最初的 demo，是用开宝箱的方式，让玩家获得英雄，但这个做法有一个明显的弊端，在数值设计上，没法持久的让用户保持高频的英雄更换体验，因为任何一款游戏，在设计数值时，为了保证一段时间内的价值平衡和战斗平衡，会设定养成阶段性卡点，这意味着一旦遭遇养成卡点，英雄的更换频率开始下滑，用户英雄获取体验就会急剧下降，而获取英雄的需求，是卡牌用户最大的游戏需求，以上做法会造成大规模的用户流失，所以最终这个项目改了方向，避免了后续的资源浪费。

在古早的 ARPG 游戏中，装备强化时，会有一定的强化失败概率，要么材料销毁，要么装备直接消失，这确实增强了玩家将装备强化到高等级时的兴奋感，但兴奋感并不会对游戏的数据产生什么影响。可是，装备强化失败时的挫败感，会增加玩家流失的风险，并且降低了玩家消费装备强化材料的意愿。所以现在的游戏，很少会看到有装备会强化失败的设定。

游戏行业这几年正在经历一大波洗牌，榜单上游戏排名越来越固定，好像大部分厂商之前在游戏研发上的理念积累，都不管用了，这是市场需求的巨大变化导致的，数据化设计正是可以应对这种巨大市场变化的工具。用数据化设计的思路，去分析每一款现存的游戏，你一定能发现大量的可优化、并且可影响数据的设计内容，或者称之为“痛点”，比如传统卡牌游戏的学习成本很高。

数据化设计的核心

在讨论核心之前，让我们先回到文章开始时，提出的第一个问题：

• 一个大 R 通过引流，进入到游戏中，第一天充了 3000 块，然后流失了，这说明游戏中存在哪些设计缺陷？
  

其实这就是一个典型的用户分层问题，并且是在 A 阶段就要关注的问题，尤其是买量游戏。

如果通过引流，引入了一个高质量用户，不管运营在渠道那里是通过什么素材吸引这名用户进入游戏的，这名用户大概率是游戏的核心付费目标群体，他之所以第一天就充了 3000 块，是因为核心付费用户的消费习惯，用户进入到游戏中，以自己以往的游戏经验，对游戏中熟悉的养成线，进行了付费，在付费体验后，发现跟自己以往体验的养成线并不一样，而且没有之前体验的好，所以他流失了。而且这个养成线一定是同品类其他游戏中，核心的养成线。

用户分层，是数据化设计的核心。分层时，至少要回答以下几个问题：

• 你的目标群体需要哪些游戏体验？
• 你想为用户创造哪些额外的游戏体验？
• 目标群体有哪些偏好细分？
• 细分群体之间有哪些关联？
• 如何让不同细分群体之间相互合作、对抗？
• 不同付费能力的群体，有哪些付费偏好？
  

让我们再回到文章开始时，提出的第二个问题：

一款游戏中，大部分小 R 用户，在购买首充后，都没有继续购买续充礼包，要怎么调整付费内容？

这个问题，在数据化设计理论中，被称为“付费用户向上转化不足”，是要在A阶段规划，并要在B阶段通过数据分析，来解决的问题。这个问题只考虑付费内容的调整，这就需要回答用户分层时的最后一个问题“不同付费能力的群体，有哪些付费偏好？”

不考虑游戏类型，这里给出一个经过实践验证的通用解决思路：如果要让小R转化为中R，就要在两者用户之间提供更多的性价比，让小R用户觉得充钱“赚了”。这虽然是简单一句话，但在实践中与游戏内设定密切相关，尤其是战斗的全盘设计。

最后，来看看《哈利波特：魔法觉醒》这个游戏，有相当一部分用户，是照着哈利波特的IP来玩这款游戏的，它的用户中具有“读者”、“角斗士”、“巨龙挑战者”、“刷子”四类用户（很多人喜欢用巴特尔玩家分类法，把用户分成成就、探险、社交、杀手，但因为游戏中融入了越来越多的其他数字产品的内容，这个分类法已经过时了）

读者，最大需求是剧情的还原，他们对游戏中高强度的PVE剧情内容嗤之以鼻，喜欢具有新意的关卡玩法。

角斗士，最大需求是PVP，尤其是对公平竞技，不喜欢把大量时间用在各种养成玩法上。

巨龙挑战者，游戏中最喜欢PVE关卡挑战的那部分用户，喜欢多人合作挑战高难度多人关卡，也喜欢依靠自己的综合实力打过单人关卡。

刷子，只要游戏中有的内容，都会参与，但往往参与深度不深，以做任务的心态接触游戏中的各个模块。

而《哈利波特：魔法觉醒》的游戏设定，基本上把这几个用户，都归在了一个大用户群体中，这就导致了一些问题，角斗士用户每天要花费大量的时间去参与养成玩法；读者用户遇到高难度PVE剧情任务被活活卡主，然后还会遇到一些有违常理的卡牌使用方式，比如某个版本中的最强巫师中，赫敏、教授等一众正派设定带着阿旺达突突突，所有人成了伏地魔在世；卡牌大锅烩，巨龙挑战者用户缺乏一条明确的卡牌养成路线；体验最好的可能就是刷子用户，每天花几个小时做一大堆事情。

最终体验下来，这游戏“又肝又氪”，延续了猪场的游戏风格，为什么大部分玩猪场游戏的玩家都会有这个体验？因为用户没分层，所以它的游戏设定，除了刷子用户和核心付费用户能留下来，剩余其他用户基本流失掉，不可能有大的DAU。

仅从战斗设计角度分析，《哈利波特：魔法觉醒》更像《皇室战争》，在《皇室战争》的基础上，增加了“回响”的设定，以回响为核心构建卡组，根据IP需要设计了更多的魔法卡，在战斗中通过克制关系、换牌、集合核心套路卡组的方式出牌，角色自身相当于《皇室战争》中的主塔，但可移动。

但相比于《皇室战争》，《哈利波特》的学习成本要高很多，从这个角度来说，它的抽卡设计是一个败笔。而且PVP和PVE的培养卡池，没有明显分层，培养资源共用，意味着同时培养PVP和PVE的花费巨大。如果只从PVP上来看，最强巫师里的氪金压制也是非常明显的，这是匹配系统的问题，对于角斗士玩家，想要公平竞技，除了氪金外，还要花费大量时间去搞养成。游戏里设计的最好的奖励系统是“学院宝箱”，但这个系统其实是没走用户分层的路线，而是以大杂烩的奖励获取条件，满足大杂烩的用户分层。游戏的项目组，应该花时间，认真梳理一下游戏的整体战斗设计。

最后留给大家一个问题，如何在Moba游戏运营中后期，让DAU往上增长？


原文：https://zhuanlan.zhihu.com/p/1937927298574680177