如何有效地兼顾移动用户的参与度和变现收益? (上篇)

2019 年 12 月 19 日 谷歌开发者
为了帮助大家更好地优化应用,为用户设计出更有意义的参与体验,进而收获可持续收入,我们推出了系列专栏以及网络课程。每一篇文章的灵感均来自于开发者故事或资深专家的分享。本文将从游戏开发者的角度出发,聚焦用户参与和变现两大问题,并辅以 Google Play 数据,希望大家可以灵学活用,把理论知识实践到自己的日常开发工作中。


请订阅线上课程: Bridging the gap webinar: Games best practices for app developers,了解更多内容。


  • 课程链接
    https://eventsonair.withgoogle.com/events/googleplay

在 Google Play 取得长期商业成功的关键在于设计出有意义的参与活动。本文将从以下两个方面入手,看一看游戏开发者是如何应对用户参与和变现这两大挑战的:

  • 设计: 以常见的游戏类别为例,探讨如何在用户参与和变现之间建构有效联系。
  • 用户漏斗: 通过分析 Google Play 中的游戏与应用数据,探索参与度、留存率与变现之间的关系。


希望大家读完文章后,能够收获一些实用洞见,掌握合适的方法提升玩家参与度,改善游戏的变现能力。这些内容可以帮助您找到合适的突破口,拉近自己与产品的距离,与此同时,在日常工作中活用所学知识。


四大移动变现模型,用户参与哪家强?


众所周知,移动业务一般可以通过四种方法把产品价值转化为实际收入。鉴于下文许多内容都会涉及到这四种变现模型,所以让我们先简单回顾一下这四个模型,以及它们各自在用户参与方面的一些特征与特点。


付费或高级应用

对于付费应用 (又名高级应用) 来说,用户只需在最初购买时,付费一次即可。因此,参与行为和收入并不挂钩,所有交易在参与行为发生之前就已完成。开发者必须在商品详情页面向用户传递清晰的应用价值,才能有效拉动应用营收。


订阅应用

在订阅模型中,用户每隔一段时间发生一次购买行为,消费频率为每周、每月、每季度、每年或季节性。关键的参与行为与变现行为有关。一般情况下,开发者可以依据以下两类用户对参与行为进行划分:

  • 早期或免费用户 : 关键参与行为和订阅转化率有关。这些行为表明用户正在从应用中获取价值。典型指标包括,视频应用中的播放量,新闻或内容应用中的阅读文章量及阅读时间。
  • 订阅用户 : 开发者期望参与行为与续订相关。这些行为表明用户持续从应用中获取价值。一旦将这些行为量化成具体指标后,订阅用户和早期用户会呈现一定的相似性,但是如果从整个订阅期来看,您会发现订阅用户的参与程度更加稳定,甚至呈上升趋势。

应用内购 (IAP) 和广告变现

在 IAP 应用中,应用本身并不收费,但是用户可以通过消费来改善体验,买的越多,体验越好;广告变现应用则不同,用户需要耗费一定的时间与精力来观看广告,这些广告可能是用户主动点开的,也可能是自动弹出的。对使用这两种变现模型的应用或游戏而言,仅有部分参与行为与变现相关。

长久以来,IAP 和广告变现模型一直深受游戏开发者的喜爱,不过我们发现越来越多的应用开发者也紧随他们的脚步,在自己产品中集成这两种模型。那么,如何在设计环节确保用户参与和变现直接挂钩呢?以文字手游举例说明,这类游戏通常会在 “休息” 时间插入广告——即玩家已经出好招,等待对手反击的这段时间内——此时弹出广告显得更加自然,而且不会对参与体验造成不良影响。

下文将围绕 IAP 游戏展开深度讨论,观察游戏开发者如何在用户参与和变现之间构建高效通道。



让用户激励与游戏设计和变现挂钩


接着,让我们探索一下游戏开发者们是如何把用户参与融合到内容设计和变现策略中的吧?

先从一个简单的问题开始: 什么是游戏?游戏是一款娱乐产品,人们玩游戏无非是为了开心,或者是想从日常生活里稍微休息一下。在设计游戏的时候,开发者首先会思考这两个问题: 为什么人们会喜欢自己的产品? 产品应该如何为用户提供价值? 接着,开发者便会把思索后的结果整合到游戏内容和变现策略中,试图将价值变现成为收入。换句话说就是,用户激励既影响游戏设计,也影响变现策略的制定,而且更重要的是,游戏内容与变现设计也会相互影响。

总的来说,这些内容也同样适用于应用设计。应用的价值可能是娱乐性的,如收看综艺或者电影,也可以是功能性的,如租车服务或购物。不论在哪种使用场景下,您总是希望确保用户能够体验到这些价值;与此同时,您也需要在内容设计和变现策略中加入激励性因素,以此鼓励用户继续使用您的应用。


核心闭环


核心体验闭环是优秀游戏设计的根基所在。 体验闭环由玩家的重复性行为构成。游戏开发者利用闭环加强关键行为,从而吸引玩家继续游戏。为了帮助大家了解核心闭环背后的原理,我们将以热门游戏 Match 3 为例,一同学习益智类游戏核心闭环的构成元素,并判定用户的激励因素。

Match 3 的游戏规则十分简单,玩家点击屏幕,交换宝石 (或糖果、食物) 的位置,排列在同一条线上的 3 个相同元素会自动消除,横、竖、斜均可。玩家必须完成关卡挑战,才能顺利进入下一关。在 Match 3 的游戏闭环中,玩家要么顺利过关,要么闯关失败。若完成关卡挑战则晋级,反之,则消耗一条生命,或选择等待一段时间,然后再次发起挑战。


尽管 Match 3 只是一款简单的消消乐游戏,但是它依靠以下两个激励元素收获一大批铁杆玩家: 
  • 升级: 游戏内含丰富多彩的地图、节点和等级供玩家解锁
  • 社交或比赛: 紧张刺激的分数/等级比拼制度,邀请朋友们一决高下

在 Match 3 中,“闯关” 是玩家重复次数最多的行为: 如果玩家闯关意愿低,就意味着他们没有参与到游戏里。此外,游戏开发者还需要思考哪些行为可以刺激玩家重回游戏。晋级是 Match 3 的关键激励因素之一,因此,能否成功解锁下一关对玩家的参与感和留存率影响很大。开发者需要在这里仔细平衡游戏的设计,具体点说,就是设置合理的游戏难度: 不能难到玩家过不了关,也不能过于简单,不然玩家就会觉得无聊,而且游戏收入也会受到影响。

最后一个问题就是: 究竟该怎么设计核心闭环,才能让玩家乐意掏腰包呢?这一点与上文提到的变现模型与用户参与之间的关系十分类似,游戏开发者想知道,哪些参与行为更有利于拉动游戏营收。许多游戏都具备完整的经济体系和对应的道具资产,因此稍微换个角度,这个问题就变成: 哪些参与行为能够促使玩家消耗资产,进而刺激购买需求。对于 Match 3 等益智类游戏而言,游戏内购买一般发生在以下三个时间点:

  1. 玩家闯关失败,选择继续游戏时
  2. 玩家在闯关过程中,购买加强道具时
  3. 玩家购买生命,尝试重新攻关时

因此,闯关 (关键的参与行为) 是提高收入的机会所在。不过,闯关失败或许意味着更大的收入机会,因为,它直接与 “晋级” 和 “社交竞赛” 这两项关键激励因素挂钩。

不难发现,在益智游戏当中,变现表现与用户参与息息相关。尽管上文只提供了一个例子,但是绝大部分手游的情况也相差无几。核心游戏闭环不仅让各个激励因素相互之间构成有机联系,而且还能够将这些激励因素转换成为真实收入。



向游戏取经: 普通应用如何玩好设计这关


我们从游戏那里收获的关键知识点是,用户体验和变现能力密不可分。但是每个应用的参与内容,特别是核心内容部分,各不相同,即便是同类应用也会有所差别。因此,如果您想为自己的应用设计出最优内容与变现策略,请首先需要思考以下几个问题:

  • 应用的主要价值是什么?用户的关键激励点在哪里?哪些人正在使用您的应用?
  • 您的核心闭环是什么?如何把它与关键参与指标对应起来?
  • 如何把关键的参与行为与应用变现联系到一起?
  • 如何尽可能地鼓励用户发生这些参与行为?

下面,让我介绍几类不同应用的核心闭环,看一看它们各自的参与用例有何不同。

首先是交友应用,此类应用的激励用户的方式主要有两种: 帮他们找到一个喜欢的人,或者促成至少一次约会。所以,我们所期望的用户行为包括注册,浏览简介,滑动 (表示感兴趣或没有兴趣), 发送消息,浏览下一个简介,然后依次循环往复。

第二类是健身应用。用户的主要目标可能是减重、增肌或者改善健康水平,而这些目标通常都需要一定时间才能达成。以热量追踪应用为例,其核心闭环包括: 记录每餐热量 (早餐、中餐和晚餐),查看全天的卡路里摄入。使用应用一段时间后,用户可能会发现应用的价值,然后继续重复核心闭环内的行为,并定期检查自己是否达到预设目标。

用户生命周期: 留存率与变现

能否及早展现应用价值是长期留存率的关键。观察 Google Play 顶级游戏的数据后,我们发现用户的首日参与体验十分重要。据下图数据所示,新玩家在第一天游戏时间越长,他/她在第七天留下来的几率越大。

玩家在第一天游戏的时间越长,越有可能重回游戏。不过,相似的游戏并不一定具备相同的留存率增量。

不同的参与体验,尤其是产品初体验与核心闭环设计,会对用户留存率会产生不同的影响。下图展示了两款同类型游戏的数据表现: 在两个游戏中,首日使用时间与留存率均存在明显的正相关关系。不过,与游戏 1 相比,游戏 2 在产品初体验和参与感这两方面的表现更佳,因此,用户留存率在早期便呈现上扬势头。

现在,让我们来看看在 Google Play 顶级游戏中,玩家的首日游戏时间 (分钟) 与首周营收之间存在何种关系。观察下图,我们发现玩家在第一天的游戏时间越长,他们就越有可能在接下来的 7 天内转换成为买家,相应地,他们的终生价值 (LTV) 也就更高。

对比两个游戏后,我们看到用户的首日参与程度会对买家转换率和 LTV 产生影响。这种差异通常与变现设计 (能否挖掘用户的消费潜力) 以及参与行为 (核心闭环内的变现行为是否与用户参与挂钩) 有关。


首日参与如何影响应用的 D7 留存率?


应用的情形与游戏相近。我们收集了 Google Play 顶尖应用的相关数据,并在此基础上绘制了下方两张图表。根据图中曲线所示,玩家在第一天的参与程度越高,游戏收入和留存率也就越高。此外,曲线在前 20 分钟非常陡峭,这说明用户在第一天上手不久后就体会到了应用的价值,因此也就更容易被重新吸引回应用。

结合上文的应用核心闭环来看,我们便可以发现首次体验确实会对留存率产生显著影响:
  • 交友应用: 此类应用的注册流程较短,方便用户速进入核心闭环,因此,我们预期可得到一条斜率较大的首日留存率曲线。健身应用的情况则稍有不同: 初次体验好不好,取决于用户第一天的应用使用时间: 用户可能需要花费更多的时间才能看到游戏价值。因此,如果用户每天的使用时间不足 10 分钟,那么,他们的参与度曲线就会更加平缓。不过,等使用一段时间之后,用户便能体会到应用带给他们的价值并从中获益,因此,我们预期在 10 分钟这个关键节点之后,参与曲线会变得更加陡峭。

让我们从 Google Play 商店选取一个应用作例,看看能否从应用的各项数据获取一些洞见。教育应用 Blinkist 提供非文学类书籍的浓缩版文本或音频,让用户在短短 15 分钟内快速获取书籍的精华内容。分析 Blinkist 的数据后,我们发现用户在第一天的参与感决定着他们之后是否会重返应用。


  • Blinkist

    https://play.google.com/store/apps/details?id=com.blinkslabs.blinkist.android&hl=en_US

Blinkist 首周变现曲线的趋势与游戏相似: 用户第一天的参与度越高,接下来 7 天的消费就高。特别需要关注的是,从第 5 分钟开始,变现曲线突然进入了快速增长阶段。我们在这里不方便透露太多 Blinkst 的成功秘诀,不过一般来说,曲线的变化节点往往伴随着软付费墙的出现,当然,这也有可能是因为用户从这个时间点开始对应用的价值有了清晰的了解。


Blinkist 的故事告诉我们,首日参与是提高留存率和收入的关键。不过,每个应用的用户参与用例各不相同,这一点也请您注意。


首日参与的重要性促使许多游戏开发者投入大量时间,专注设计产品的首次用户体验 (FTUE),并着手进行消费者洞察定性研究,以便在软启动期间为设计和定量测试提供信息。因此,请您在设计时认真考虑:
  • 首次用户体验 / 产品初体验: 用户需要花费多久时间,才能参与到那些让他们获取应用价值的行为中。
  • 价值传递和用户界面: 确保信息清晰易懂。
  • 变现设计与定价: 两者均会影响应用和游戏的早期 LTV。


未完待续: 请您继续关注下期内容。


 点击屏末  | 即刻通过 Google Play 开启成功出海之旅

  想了解更多 Google Play 内容?


  • 在公众号首页发送关键词 “Google Play”,获取相关历史技术文章;

  • 还有更多疑惑?欢迎点击菜单 “联系我们” 反馈您在开发过程中遇到的问题。

推荐阅读




登录查看更多
0

相关内容

Google Play(前 Android Market) 是一个由谷歌公司为 Android 系统用户创建的服务,允许安装了 Android 系统的手机和平板电脑用户从 Android Market 浏览和下载一些应用程序。用户可以购买或免费试用这些应用程序。
专知会员服务
145+阅读 · 2020年6月15日
《强化学习》简介小册,24页pdf
专知会员服务
270+阅读 · 2020年4月19日
专知会员服务
123+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
改了3次APP首页后,我的一些认知
从0到1
11+阅读 · 2019年1月13日
DataCanvas周晓凌:如何为用户提供最佳体验的实时推荐系统
DataCanvas大数据云平台
5+阅读 · 2018年11月12日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
【强化学习】如何开启强化学习的大门?
产业智能官
13+阅读 · 2017年9月10日
Arxiv
21+阅读 · 2019年8月21日
Arxiv
5+阅读 · 2019年2月28日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Arxiv
7+阅读 · 2018年6月1日
VIP会员
相关VIP内容
专知会员服务
145+阅读 · 2020年6月15日
《强化学习》简介小册,24页pdf
专知会员服务
270+阅读 · 2020年4月19日
专知会员服务
123+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
相关资讯
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
改了3次APP首页后,我的一些认知
从0到1
11+阅读 · 2019年1月13日
DataCanvas周晓凌:如何为用户提供最佳体验的实时推荐系统
DataCanvas大数据云平台
5+阅读 · 2018年11月12日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
【强化学习】如何开启强化学习的大门?
产业智能官
13+阅读 · 2017年9月10日
Top
微信扫码咨询专知VIP会员