冰与火之歌 解读游戏生命周期曲线模型 1533787618767

2020-03-01 167浏览

  • 1.冰与火之歌 解读游戏生命周期曲线模型 1
  • 2.游戏上线后的市场走势， 通常是开发者和运营商关注的焦点 游戏自上线起，运营即已开始。那么，在未来的时间里， 游戏生命周期将沿着怎样的曲线发展？ ？ 新游戏趋势线 第1天 第11天 第21天 第31天 第41天 第51天 第61天 第71天 第81天 第91天 第101天 第111天 第121天 2
  • 3.做好移动游戏运营是业界普遍共识 从几种主流常见的游戏生命周期曲线看， 强运营M曲线占比42.9%，表明运营的重要性对于游戏产品不言而喻。 强运营M曲线 42.9% 人形(丘陵)曲线 轻运营M曲线 22.0% 14.3% 人形(泡沫)曲线 13.2% 主流游戏生命周期曲线模型分布 3
  • 4.强运营M曲线模型 持续运营对于维持游戏生命周期及其用户基础起到重要作用 曲线达到峰顶 用时≤10个月 第1天 第201天 冲榜期 (≤4个月) 市场推广关键 节点，对外树 立产品及企业 品牌 成长期 (≈6个月) 精准定位用户人群 进行多次营销，扩 大用户基础和知名 度 第401天 第601天 第801天 流失期 稳定期 通过产品迭代、后续优化和运营活动，稳定 存量用户的活跃性和留存度 挖掘稳定用户和忠诚用户价值，为其提供优质产 品体验和客户服务，保证游戏稳健运转，最大化 游戏产品生命周期 (≈11个月) (≥12个月) 4
  • 5.强运营M曲线模型 中重度游戏较为符合强运营M曲线模型规律，角色扮演、武侠和中国风是重点领域 优势领域 弱势领域 强运营M曲线模型强调运营取向，在角色成 长、PK对战、英雄情怀等特性的领域具有优 势。 游戏类型 游戏题材 角色扮演 武侠 健康度TGI 健康度TGI 108 111 美术风格 健康度TGI指数高于100 的领域 强运营模式对于弱联网游戏所起到的作用相对 有限，不能保证在活跃、留存方面发挥效果。 游戏类型 VS 跑酷游戏 健康度TGI指数低于100 的领域 健康度TGI 99 游戏题材 美术风格 音乐舞蹈 欧美动漫 健康度TGI 健康度TGI 健康度TGI 106 96 85 中国风 5
  • 6.轻运营M曲线模型 适时玩家唤醒有助于扩大忠诚用户规模，维持游戏稳定状态 曲线达到峰顶 用时≤7个月 第1天 第201天 第401天 第601天 第801天 上升期 流失期 唤醒期 媒体曝光、用户口碑和渠 道展示助推游戏快速升温 用户开始对游戏产生选择情绪，活跃 呈现自然回落趋势，用户群体出现自 然流失现象 利用版本迭代、资料片更新以及服务体 验调优等方式，对沉睡玩家和流失玩家 进行唤醒 (≤7个月) (≈11个月) (≈11个月) 稳定期 (≥12个月) 维持用户黏 性，减少用户 流失 6
  • 7.轻运营M曲线模型 轻运营M曲线模型迎合轻度游戏人群，相对低频的运营有利于降低用户反感情绪 优势领域 弱势领域 轻运营M曲线模型需要适时介入运营，通过奖 励、赛事、迭代等因素维持游戏稳定性。 游戏类型 游戏题材 卡牌 棋牌/麻将 健康度TGI 健康度TGI 105 108 美术风格 健康度TGI指数高于100 的领域 轻运营模式由于运营力度轻，难以精准挖掘用 户诉求，导致对年轻人群相对缺乏吸引力。 游戏类型 VS 模拟养成 健康度TGI指数低于100 的领域 健康度TGI 97 游戏题材 美术风格 动物/宠物 日韩风 健康度TGI 健康度TGI 健康度TGI 104 92 99 简约 7
  • 8.人形（丘陵）曲线模型 稳定用户基础和高度市场评价有助于增强游戏变现能力 曲线达到峰顶 用时≤25个月 第1天 第201天 第401天 第601天 第801天 第1201天 第1401天 培育期 成长期 凭借游戏产品魅力和用户口碑 在市场推广等营销策略 游戏活跃持续保持在高 游戏用户活跃度逐渐出现松动，呈现自 传播，游戏品牌力稳定攀升 下，游戏产品加速成长 位，成为游戏盈利的黄金 然回落之势，下滑轨迹相对稳定 (≤13个月) 黄金期 第1001天 (≈9个月) (≈9个月) 流失期 (≥16个月) 节点 8
  • 9.人形（丘陵）曲线模型 轻松休闲游戏成长成熟过程自然，人形（丘陵）曲线模型核心基础来自游戏产品力 优势领域 弱势领域 人形（丘陵）曲线模型着重培养用户忠诚度， 利用游戏产品魅力和口碑自然提升吸引力。 游戏类型 游戏题材 休闲 二次元 健康度TGI 健康度TGI 107 102 美术风格 健康度TGI指数高于100 的领域 主要借助用户自发扩散及成长的人形（丘陵） 曲线模型，缺乏大型多人在线运营能力。 游戏类型 VS 射击 健康度TGI指数低于100 的领域 健康度TGI 98 游戏题材 美术风格 军事战争 写实 健康度TGI 健康度TGI 健康度TGI 106 96 97 卡通Q版 9
  • 10.人形（泡沫）曲线模型 用户生命周期短暂导致游戏创收压力相对集中于收割期 曲线达到峰顶 用时≤4个月 第1天 第201天 萌芽期 (≤2个月) 社交网络和媒 体平台对游戏 进行轻度曝光 第401天 爆发期 收割期 衰退期 游戏被广泛曝 光，安装和激 活急剧上升 游戏产品承担短期变现压力，结果导致游戏 互动体验难以得到有效保证，加以产品本身 热度迅速下滑，游戏创收时间窗口比较狭窄 活跃用户基础日渐消退，产品地位顺势下降并走向衰退 (≈2个月) (≈6个月) (≥7个月) 10
  • 11.人形（泡沫）曲线模型 人形（泡沫）曲线模型未能准确把握用户诉求，致使游戏作品陷入昙花一现窘境 弱势领域 人形（泡沫）曲线模型存在“割韭菜”现象，利用正版、 IP、品牌、情怀等概念或者资源获取短线收益，忽视了游 戏作品本身理应带给用户的互动体验，加以游戏缺乏平 游戏版权 游戏题材 正版IP 武侠 健康度TGI 健康度TGI 95 97 衡性、付费机制不合理或者研发品质粗糙等，多种因素 导致游戏生命周期较为短暂，在经历短期爆发后即走向 衰退过程。 健康度TGI指数低于100 的领域 美术风格 中国风 健康度TGI 9 11
  • 12.Day1 Day201 Day4011 Day801 Day1001 Day1201 Day1401 强运营M曲线模型 曲线达到峰顶 用时≤10个月 轻运营M曲线模型 曲线达到峰顶 用时≤7个月 4种曲线模型对比 人形（泡沫）曲线模型的生命周期 明显短于其他3种曲线，其大起大 人形（丘陵）曲线模型 曲线达到峰顶 用时≤25个月 落的游戏生命取向，导致游戏作品 难以在市场中长久立足，几乎不能 赢得用户长期认可。 人形（泡沫）曲线模型 曲线达到峰顶 用时≤4个月 Day1 Day201 Day4011 Day801 Day1001 Day1201 Day1401 12
  • 13.4种曲线模型健康度对比 通过游戏运营（强运营M曲线和轻运营M曲线）以及用户自然培育 和扩散【人形（丘陵）曲线】的方式能够获得相对较高的健康度， 而以“短平快”等作品为代表的【人形（泡沫）曲线】则健康度较 低。 N y= Wk Mk k=1 m1 ：社区活跃度 m2 ：网络舆情友好度 m3 ：玩家口碑评价 m4 ：TD游戏活跃指数 其中，Wk 为第K个权重因素，Mk 为第K个因素取值。 4种主流游戏生命周期曲线健康度（%） 强运营M 轻运营M 人形（丘陵） 人形（泡 曲线模型 曲线模型 曲线模型 沫）曲线模 77.5% 76.0% 76.2% 型 70.2% 13
  • 14.不同类型游戏健康度 排名 游戏类型 健康度 棋牌游戏需要坚持文化导向，在对弈和休闲中为用户创造乐趣。 1 竞速游戏 81.7% 棋牌文化须跟随主流价值观，应坚持为玩家创造乐趣 2 益智游戏 79.9% 3 MOBA游戏 78.6% 4 策略游戏 77.9% 5 模拟养成游戏 77.9% 6 动作游戏 77.2% 7 休闲游戏 76.4% 8 射击游戏 75.6% 9 卡牌游戏 75.5% 10 体育游戏 73.5% 11 跑酷游戏 73.4% 12 角色扮演 72.3% 13 棋牌游戏 69.6% 84% 82% 1 2 80% 78% 76% 74% 3 4 5 6 7 8 9 10 11 12 72% 70% 68% 66% 13 64% 62% 14
  • 15.不同题材游戏健康度 游戏类型 健康度 1 DOTA-LOL 78.5% 武侠题材需要挖掘侠义精髓，提升游戏品质。 2 西游 武侠情怀虽在但健康度不容忽视，文化挖掘需要耐心 78.3% 3 影视 78.3% 4 体育 78.2% 5 僵尸 78.2% 6 音乐与舞蹈 77.9% 7 三国 77.7% 8 动物与宠物 77.2% 9 军事战争 77.2% 10 城镇与都市 76.5% 11 寺庙 75.1% 12 二次元 74.8% 13 航海 74.5% 14 棋、扑克与麻将 73.9% 15 科幻 73.1% 16 魔幻 72.8% 17 武侠 69.5% 80% 78% 76% 74% 1 2 3 4 5 6 7 8 排名 THANKS 9 10 11 12 13 14 15 16 72% 70% 68% 66% 64% 17 15
  • 16.不同美术风格游戏健康度 像素风尽管在部分作品上取得成果，但是总体移动游戏市场环境下其尚未获得主流人群一致认可。 像素风格赢得部分市场，但成为主流尚需要时间验证 排名 82% THANKS 游戏类型 健康度 1 简约 79.8% 2 欧美魔幻 77.1% 3 写实 77.0% 4 暗黑风 76.8% 5 卡通Q版 76.4% 6 日韩风 76.0% 70% 7 欧美动漫 74.8% 68% 8 中国风 73.0% 9 像素 70.7% 80% 78% 76% 74% 72% 66% 1 2 3 4 5 6 7 8 9 16
  • 17.健康发展、稳步前行 精细运营、用户培养、渠道推广 新游戏趋势线 第1天 第11天 第21天 第31天 第41天 第51天 第61天 第71天 第81天 第91天 第101天 第111天 第121天 17
  • 18.80亿 累 计 独 立 设 备 2017 60亿 2016 2015 国际化 40亿 2014 行业标杆客户 2013 地产、零售、航空、酒 店、新媒体多个行业 2012 20亿 银行、证券、互联网金融 行业覆盖 金融行业 移动互联网 App行为数据 移动广告监测数据    SmartDP 市场引领者 App Analytics Game Analytics Ad Tracking App行为数据深度覆盖 线下数据采集 广告监测国际业务 数据能力输出 布局生态融合 国际市场布局 国际技术融合 数据交换 多维度数据 ID映射数据 产品和服务    App Analytics企业版  移动观象台  数据服务 移动观象台 Ad Tracking International  DMP+  TDC数据咨询服务  TDU培训服务    MCE MC DMK    SMCE SMC SDMK 18
  • 19.关 于 Ta l k i n g D a t a TalkingData 成立于2011年，是国内领先的第三方数据智能服务商。借助以SmartDP为核心的数据智能应用生态为企业 赋能，帮助企业逐步实现以数据为驱动力的数字化转型。 我们的愿景 TalkingData 成立以来秉承“数据改变企业决策，数据改善人类生活”的愿景，逐步成长为中国领先的数据智能服务 商。以开放共赢为基础，TalkingData凭借领先的数据智能产品、服务与解决方案，致力于为客户创造价值，成为客户的 “成效合作伙伴”，帮助现代企业实现数据驱动转型，加速各行业的数字化进程，利用数据产生的智能改变人类对世界 以及对自身的认知，并最终实现对人类生活的改善。 企业责任感 TalkingData不仅专注于数据智能应用的研发和实践积累，同时也在积极推动大数据行业的技术演进。早在2011年成立 初始，TalkingData就组建了数据科学团队，将机器学习等人工智能技术引入海量数据的处理、加工流程中。通过几年来 的不断发展，TalkingData已在大数据、人工智能领域拥有多项国家专利。此外，TalkingData还开源了大规模机器学习 算法库Fregata、UI组件库iView、地理信息可视化框架inMap等项目，在海内外得到广泛支持与认可，使用者和贡献者 遍布全球。 目前TalkingData设立了包括硅谷边缘计算实验室、人本实验室在内的多个大数据、人工智能实验室，并与MIT媒体实验 室、斯坦福人工智能实验室、加州理工航天技术实验室等国际顶尖学府、研究机构展开合作，共同加速大数据、人工智 能相关技术的探索和演进，并将国际前沿技术引入高速发展的中国市场，与国内丰富的应用场景相结合，驱动新技术的 落地应用与行业的飞跃发展。 19
  • 20.THANKS THANKS 20