如何有效地兼顾移动用户的参与度和变现收益? (下篇)

2020 年 3 月 27 日 谷歌开发者
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。


如何优化用户参与?


上一篇连载 中,我们已经介绍了首日参与、应用收入和留存率之间的关系。现在,让我们扩大观察范围,看看这三个指标对于整体用户群的影响。本文旨向您介绍优化参与体验所具备的双重增益效果: 既有助于拉动未来收入,又可协助您在今后为用户创造更好的互动体验。

第一步,让我们一起看一下整体用户的每周参与情况。

先选择用户某一周的参与数据,然后按照活跃天数分成若干组,设为 X 轴,之后再与下面两项数据 (即 y 轴) 进行比较:
  • 接下来 7 天的参与情况
  • 接下来 7 天内,每个用户的变现情况

图表对比了活跃度最低与最高的用户在这段时间内参与和购买的整体趋势。这将有助于我们了解优化用户本周的参与度 (日活人数/周活人数) 是如何影响未来的变现和参与情况的。


我们选取了两个 Google Play 游戏作为例子进行说明。

左图为两个游戏的参与情况对比,两者存在如下共性: 如果玩家上一周的活跃天数为 5 天,那么,他/她在下一周内的平均活跃天数则为 4 天。


在右图中,您可以看到上一周的参与情况对下一周的平均每用户支出的影响: 与只登陆 6 天的用户相比,日活用户的消费金额达到了 2 倍以上。而且,两款游戏的变现表现差距很大,游戏 1 在为用户展示价值方面做得更好,因而,成功激励更多用户进行消费。

概括而言,如果玩家在上一周的参与度越高,那么,他们在下一周就会更愿意花钱,而且也更加活跃。


看看多邻国是怎么做的


多邻国是一款语言学习应用,目前支持的语言已超过 35 种。用户通过课程学习和随堂练习,由浅入深,逐步掌握语言知识。

  • 多邻国

    https://play.google.com/store/apps/details?id=com.duolingo&hl=en_US&source=post_page


"每天学习新单词" 是多邻国的关键信息。 为了鼓励用户每天登录应用学习课程,多邻国推出了 "连胜统计" (Daily Streak) 打卡机制: 用户每天完成打卡训练,获得升级条 (Streak) 作为凭证。 即使用户间断一天不练习也没关系,多邻国为他们提供了 "补打卡" 服务。 不难发现,多邻国希望用户可以坚持每日学习,因为它相信每日练习是学习语言的最佳方式。


那么多邻国是如何通过强化用户互动,在增加营收的同时,提高用户的活跃度呢?分析多邻国几周的数据后,我们发现多邻国的变现趋势与游戏十分相似。

观察参与关系图后,我们发现在如果用户上一周有 6 天是活跃日,那么下一周的活跃期很有可能会达到 4 天。在消费购买方面,我们则发现如果用户上周的活跃天数不少于 2 天,强劲的参与体验将会促使他们在接下来 7 天进行消费。


那么,这和用户激励又有什么关系呢?为什么学习者会选择多邻国?人们想借助应用学习新语言,督促自己进步,而多邻国正是抓住了这种用户心态,利用晋级系统和课程打卡来强化这些激励行为。


数据显示,如果用户参与不足两日,那么,参与度和消费行为之间的关系就会相对较弱,很有可能是因为用户每周只登陆 1 到 2 次,没有深入地学习一门语言,致使他们无法看到应用价值。不过,随着与应用的互动逐渐加深,参与度和变现之前的关系便会逐渐明朗,呈现出一种更强的正相关关系,这有可能是因为用户定期登录应用打卡学习,让自己的语言能力持续进步。


从多邻国的故事中我们了解到,可持续的且优化后的参与体验能够为开发者创造价值。



对应用而言,参与和变现之间有什么关系?


分析 Google Play 顶级应用的数据后,我们发现了与游戏相似的正相关关系: 用户的每周参与情况越好,未来收入和用户活跃程度越高。

此外,在顶级应用中,用户参与和未来收入之间并不是线性增长关系: 参与度越高,营收增量越大。


导致这一现象的原因是什么呢?从首日参与关系图中,我们了解到变现模型会影响应用的收入表现。因此,为了更好地挖掘用户的消费潜力,顶级游戏往往会采用混合商业策略。如果仅仅使用订阅模型,收入会呈现一种更加线性,也更为平缓的增长趋势。将 IAP 添加至现有的变现模式中后 (例如,多邻国),应用可以更好地激发高参与度用户的消费潜力。


但是,如果用户不是按日或者按周登录应用,而是每个月使用一次呢?


为了更好地回答这个问题,我们选取了若干顶级应用,并按照活跃天数对应用的月活人数 (MAU) 进行细分。我们比较了 TOP 50 应用与 TOP 51-150 应用的数据分布情况,发现在 TOP 50 应用中,产生互动的月活用户比例更高,且互动质量也更高、更稳定。

相比于 TOP 51 - 150 应用,顶级应用更善于创造可持续的参与体验,每月登录超过 6 次的用户的占比也要高的多。


不论预期的用户登录频率是每天、每周还是每月,可持续的参与体验都扮演着重要的角色。



学习小结


相信大家读到这里,已经了解到改善用户参与是拉动营收的关键所在,不论是用户的首日体验,还是全生命周期的整体体验,两者都很重要。


开发者朋友们可能会说,我知道 "优化" 很重要,但问题是我不知道该怎么下手。究竟要怎么做才能改善用户参与,提高产品的未来收入,并在今后为用户创造更好的体验呢?


要点有三:
  1. 了解您的核心参与指标 : 判断哪些参与行为可用于预测用户的 LTV 和消费情况,或与之相关联。在设计用户参与时,请仔细思考它与留存率即买家转换率的联系;
  2. 关注用户的首日参与 : 在第一天就触发核心行为的用户具备更高的留存率和 LTV。因此,请务必向用户清晰地传递应用价值,进而提高他们的留存率和 LTV;
  3. 优化用户参与,创造最大收入: 确保用户在生命周期内享受到优质且一致的参与体验,这能帮助您最大化应用收入。同时,请您继续跟踪并优化用户的参与体验,以便预测应用的未来收入情况以及用户参与水平。


如果您想改变应用的留存率和变现曲线,请思考以下 4 点:

  • 首次用户体验和产品初体验: 了解用户需要花费多长时间才能触发彰显应用价值的关键行为;

  • 应用使用频率: 参与度最高和最低的用户使用应用的频率差距有多大;

  • 变现模型设计与定价: 在管理订阅的各个 SKU 时,认真思考您的付费墙和定价; 

  • 是否可以搭配其它变现模型,从而刺激参与度最高的用户进一步消费。


我希望这篇文章能对您有所帮助,为您在用户参与和游戏变现两方面提供一些指导意见,并找到突破点与产品更近一步。



您的想法


关于用户参与和应用收入您有什么看法呢?您认为上文中来自游戏开发者的方法有用吗?欢迎您在下方评论区与我们分享您的见解与心得。



 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

【ICML2020】对比多视角表示学习
专知会员服务
52+阅读 · 2020年6月28日
专知会员服务
146+阅读 · 2020年6月15日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
61+阅读 · 2020年5月25日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31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
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
大势所趋 | 如何利用大数据做出更好的决策?
今今乐道读书会
4+阅读 · 2018年11月6日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11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
阿里智能对话交互实践及范式思考
人工智能头条
8+阅读 · 2017年7月12日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
VIP会员
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
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
大势所趋 | 如何利用大数据做出更好的决策?
今今乐道读书会
4+阅读 · 2018年11月6日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11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
阿里智能对话交互实践及范式思考
人工智能头条
8+阅读 · 2017年7月12日
Top
微信扫码咨询专知VIP会员