次留73% 3留40% 休闲游戏爆款是如何调优与发行的

Green Panda Games成立于2013年，是一家专注于超休闲游戏，并以放置类游戏为主的发行，目前规模已经超30人。自成立迄今，其共发布超过55款游戏，全球累计下载量超8500万次，包括 《Sushi Bar》、《Terrarium》、《Bee Factory》、《Golf Orbit》等热门产品。今年8月，媒体报道了育碧收购Green Panda Games 70%股权的消息，不过在公司运营上，Green Panda Games依旧保持独立性。

10月16日，由罗斯基组织的游戏公司商务团在法国巴黎拜访了Green Panda Games，并进行了深度交流。

在Green Panda Games拜访期间，罗斯基一行受到了热情的招待。Green Panda Games COO接待并为我们讲解了Green Panda Games公司历史及发行产品相关的内容，而其后的商务负责人、数据分析负责人分别带了更为细致且深度的分享。包括Green Panda Games的发行流程、以代理中国厦门很稳网络的产品《过山车大亨》为例，进行了整个调优过程与发行实战案例的讲解、数据驱动型的决策的“中台”机制等等。

为了方便阅读，Green Panda Games以下皆简称“GPG” 。

 

以下为相关内容整理：

GPG最早的业务就是游戏研发，主做经典游戏玩法的纸牌等产品。在2018年转型为超休闲游戏发行。并在随后发行上线的《Golf Orbit》等几款产品中获得了成功。

GPG在2018年中期开始关注放置游戏。发现与其他品类的超休闲游戏相比，放置游戏的游戏生命周期会更长，并且留存数据更好。通常一款休闲游戏的寿命只有45天，而放置游戏的用户可以留存到一年甚至更长。其发行《Bee Factory》与一款植物类游戏就是很好的体现，《Bee Factory》在上线一年后，还保持在美国排行榜200名左右的位置。

在2018年9月，GPG开始专注于放置类游戏，并接连发行了《Sushi Bar》等几款产品。可以说《Sushi Bar》是目前发行最成功的游戏，游戏的数据非常好，在用户进入游戏的前两天中，平均会看30个广告，而观看这30个激励视频大约需要15分钟，可以想象一下游戏的LTV会多么惊人。

Green Panda Games发行的游戏矩阵

虽然GPG已经没有自研团队，但是有研发技术人员做支撑。虽然曾经也研发过游戏，但现在这些人已经成为游戏的设计师，帮助CP进行游戏的优化，有时候会直接帮他们设计UI、场景等。GPG所做的决策都是来源于数据驱动，数据部门是公司的中台。这恰恰也是GPG厉害之处。

在发行与研发合作，如何打造休闲游戏爆款的话题。GPG亚太区商务负责人杨阳以《过山车大亨》的合作调优案例进行了分享。

 

一、GPG发行的基本流程与存留测试标准

首先在合作上，GPG会全程与研发保持紧密的合作关系。在产品的游戏的创意阶段，包括头脑风暴阶段都会与之交流，并针对性的提供一些意见及经验参考。

在初期，研发通常会分享一个非常简单的草图，只是展现出来游戏的概念，一个基本的玩法和框架是什么。GPG基于此给予相应的反馈。帮助他们去提升玩法以及更好的用户体验。并加入一些美术的设计，包括简单的UI、广告设计等。

当收到了一个游戏的原型，GPG会在整个公司安排不同的团队去试玩，包括买量团队，制作人团队以及设计团队，都会基于他们不同的专业经验和知识，给到相应的建议，帮助游戏在不同的角度，比如说怎么样题材风格在买量视频上更吸引人，怎样让玩家在游戏过程中获得更好的游戏体验，也包括一些UI重新设计上，做到一些更好的效果。

当这款游戏足够好就会安排去测试。具体来说就是在怎么Facebook上买量，怎么获取原型用户，GPG在测试阶段制定一些kpi目标，如美国iOS榜CPI 0.2美金；次留55%，3留25%这样的标准。一款游戏的吸量程度、留存以及广告展示次数的数据，能够帮助我们更好的衡量，这款游戏是否值得继续做下去。

如图所展示的数据，对大家来说可能有些震惊，但是对于GPG来说，放置类游戏在超休闲领域中是一个非常特别的细分品类。用户粘性不仅强，而且在买量上的潜力的也大的多。

当然对于不同类型的游戏，比如CPI高但同时LTV也高的时候，会用不同的标准去衡量这些数据。

进入产品调优阶段后，CPG会根据不同游戏给出相应的建议。比如说怎样提高他的用户体验，怎样在各方面提升一些数据。当游戏能够达到发行标准后，就会开始大规模推广。

 

二、休闲游戏产品调优及《过山车大亨》发行案例分享

接下来，具体以GPG与厦门很稳制作的《过山车大亨》发行合作案例，讲解发行细节及GPG如何帮助CP调优产品。

如下图是游戏设计的第一张概念图，当他们想到这个概念的时候分享给GPG。从这个图中可以看到，过山车是一个非常常见的主题，不无论性别、年龄，国别，所有人都知道。当玩家看到这个游戏，或者听到这个概念之后，他就知道这个游戏怎么去玩。简单的游戏概念，奠定的基础就是买量的时候CPI处于非常低的标准。

《过山车大亨》在摄像机视角、镜头等方面做了非常多的创新。这些创新在游戏在买量的时候也会更加吸引用户的眼球。

当然作为第一张设计图，还有很多需要提升的地方。比如说游戏的玩法不够明确，如果只有过山车在里边转的话，并不是那么的有趣，并不是那么的吸引人。其次的话，游戏的升级系统也不是特别明确。如果仔细看，会发现游戏的升级按钮都是从其他游戏拿过来的。只是为了展示这个概念是什么样子的。当然这些我们都不是特别的在乎，因为GPG会帮助他们改进这些地方。

然后在这个时候GPG开始和研发团队合作，并给了一些反馈。之后他们发过来了第二张设计图。

在这个图当中，添加了一个非常小的功能，就是一个排队的系统，这个系统改变了整个游戏的流程。相比之前的版本只有过山车在里边运转，现在是有顾客来到这个公园，然后顾客走到车站排队，之后进到过山车，过山车开始在里边运转。虽然这是一个非常非常小的功能，可能很多人都不会觉得这个功能在游戏里边有什么作用，但是他给玩家的感觉，会把这个游戏变成了非常贴近现实生活中主题乐园的感觉，而且会给玩家更多的代入感和参与感。玩家能感受到自己在管理自己的主题乐园，在管理自己的过山车，这样一种更真实的游戏体验。

接下来游戏重新设计了不同的升级系统，因为在加入排队系统会后，游戏中可以升级票价、升级顾客来的速度、升级一些例如过山车的数量，每辆车可以承载的人数等。这些功能虽然增加了一些游戏的难度，带给玩家一点挑战，但是同样也会增加玩家的代入感和参与感。也为我们后续游戏的优化，奠定了非常良好的基础。并且包括每个升级系统，包括车辆的升级、轨道的升级，都会伴随视觉上的反馈。这个功能没有图去展示，但是大家可以想象一下，每升级几次，会获得一个新的轨道、新的配色，可以给予玩家非常强烈的满足感。

当然在第二张图中也发现了一些相应的问题，例如在主题乐园当中，唯一的收入来自过山车，过山车每转一圈，会获得一定的收入。另外用户体验也不是非常明确，包括设计的部分我们在之后也还需持续优化。

这是第三个迭代的版本，过山车第三个迭代的版本。

在这个之前的版本加入了一些像冰激凌车、汉堡店这类的设计。当时只是为了增加一些升级的内容，后续增加了一些真正的功能。当玩家解锁了过山车周围这些，可能看上去没有用的东西之后，会有一些随机的顾客来到这个地方，去购买商品，产生一些其他的游戏内的收入。这样一个非常小的功能，甚至大家都不会在意到的功能，但是会让玩家一直在游戏里感受非常的繁忙，需要升级下这个，需要点下这个，可以让玩家在游戏里停留的更长，让玩家停留的更久一些。当然，最终引导向的还是玩家停留的越久，他们看广告的几率会越来越大，也是为了整个ltv的提升。

同样在这个版本中，加入了车站排队系统的指示器功能，玩家可以清楚的知道现在有多少人在排队，有多少人在等着。玩家会平衡一下，是需要升级加快排队的系统，还是去增加车的容量和速度。让整个过山车乐园更加良好的运行。

这是GPG在用户体验方面做得一些优化。而且从《过山车大亨》之后，可以看到其他的很多3D类型的游戏，都加入了这样一个指示牌，可能他们自己都不知道这个指示牌是干什么的，其实在游戏中我们是有很深远的考虑的。

当然这个版本，游戏重新设计了美术，例如颜色上的对比，包括新的颜色的设计，能让用户一看到就非常的抓眼球，把游戏做出一个视频或者是只是放一个截图放到App Store里都非常抓眼球。

到了这个版本之后，就是发行测试用的版本，当时的数据是非常非常好的。通过了GPG的测试。

在这之后也做了更多优化。例如UI的重做以及包括广告的设计。比如在这版奖励领取的弹窗，可以看到画面的颜色，包括各种布局的大小，给人的感觉不是特别休闲。

紫色给人特别沉重，会有看起来特别累的感觉。另外包括广告的设计，例如当游戏展示这两个按钮的时候，大部分玩家是用右手玩，他们会更多的去点击右边的collect按钮，反而不是去看广告。而且大部分玩家其实对广告虽然不拒绝讨厌，但是不会主动去看。那之后面针对这些方面做了一些相应的优化。

首先对于UI来说，GPG的设计团队重新做了整套的UI。可以看到，跟之前那张图做对比，整个UI的所有元素都很好的排列，玩家看上去就知道什么时候需要哪个功能，但是看上去也不会特比拥挤。而且在颜色搭配上面也做了新的优化，与游戏整体设计更加融合。同时，在奖励领取弹窗上面用了新的模式，只展示看激励视频的选项，同时也增加了奖励的倍数，前边的版本是给奖励两倍的收入，这个是给奖励三倍的收入。这是增加了激励视频的价值的。因为激励视频的价值对GPG来说无所谓，两倍三倍甚至5倍都是无所谓的，但是最重要的如何激励玩家，让玩家有更加强烈的欲望去看这个视频，才是我们最终想要做的。这些都是我们在这一个小的改版中做的事情。

GPG对于idle类游戏的调优，包括变现、用户体验等各个方面的调优， 都有一套非常成熟的系统。这套系统是在GPD长期做idle类游戏，包括做A/B TEST当中积累下来的一些经验，GPG知道哪些功能在那个地方去用，效果会比较好。例如加入了新的永久展示RV的图标，让玩家可以在任何想看RV的时候都可以点击。

同时在用户看任何一个激励视频的时候，不仅是在游戏收入上的加速，同时会在视觉上感到反馈，下面这个是比较明显的一个例子，当用户看了一个视频之后，会得到一个烟火夜景这样一个公园，这样玩家不止是在游戏内得到了一些金钱上的奖励，同时他们在视觉上和心理上都得到了强烈的反馈。这也是为什么这款游戏他能够在ltv上能做到这么高的一个提升。

做完这些所有改动之后，这个版本跟之前测试版本在各项数据上都有提升提升。第一天留存增加了3%，第三天的留存增加了5.8%，ltv翻了268%。

同时还增加了很多游戏的新内容，比如说针对夏季设计了水上乐园的过山车，之后还有一个宇宙背景的过山车的世界，最后还有一个火山上的过山车。可以看到，不仅是轨道，背景，包括车的设计也都有一些改变。其实这些所有的设计的最终目的，都是为了保持玩家在游戏中的新鲜感，让玩家一直有新的东西可以去发现，保持他们的一种好奇心，有了这些内容，我们才可以保证游戏的留存可以提升，玩家有更多机会看激励视频，最后的ltv可以做到很好的标准。同样GPG的买量团队也可以使用这些新世界的设计去制作买量的素材，对不同的用户进行有针对性的投放。 接下来是GPG在过山车上做到的一些成就，不管是对我们，还是对研发来说，《过山车大亨》都是里程碑式的一款产品。

虽然这些数据看着很漂亮，但其实在这些数据背后GPG真正看重的，是与跟研发创造的这种关系，这种协同作用。研发在立项的初期，就非常的信任GPG，他们把自己的idea分享给GPG，GPG整个公司所有的团队，包括买量团队，制作人团队，视觉团队，都会参与到这个项目当中去，提供最大的努力，把游戏做成一个爆款。而且对于GPG来说， 我们更看重的是游戏的质量而不是数量。所以，我们也希望之后有幸跟更多的中国开发者，一起创造更多成功的故事。

下面是来自研发团队，对于我们合作过程中给到的一个反馈，其实对于GPG来说，也非常开心能够有机会跟他们合作，而且作为一个中国的研发团队，他们也给我们整个公司，我们整个管理团队都做了一个特别好的榜样。他用自己的实力告诉我们，中国的研发也可以做出这样好的爆款，这样好的超休闲游戏。超休闲游戏不仅是国外研发独大的地方，我们当然也希望，我们会创造更多新的故事。

 

三、数据驱动的发行是怎么工作的

海外公司在休闲游戏领域能取得非凡的成绩，离不开数据的运用与支持。他们会有专门独立的数据分析组来提供各种决策支持，而在国内，数据分析很多都是身兼多职的运营在做，专业性上要低，同时缺乏各种数据积累及数据模型搭建应用。目前海外公司在这方面上走在前列，非常值得国内公司借鉴学习。

在数据分析运用方面，GPG采用的是数据驱动发行。

GPG的数据团队的构成是由数据工程师，数据分析师，数据科学家组成。数据工程师主要负责数据平台的建立和维护，以及各种数据流的稳定性和持续性。为后续所有数据相关项目提供扎实的基础。

在此基础之上，数据分析师，主要是起到数据团队和其他团队之间起到桥梁的作用，他们直接面对来自其他团队各种关于数据方面的问题或者是需求，由他们负责解答。同时进行数据可视化，帮助他们更好的理解数据。最后在数据的基础上，做出一个比较有科学依据的决策。

最后是数据科学家。他们主要是用现在比较流行的一些科学方法，比如像机器学习，深度学习等一些算法， 以及和云计算和大数据结合起来，然后进行一些预测和分析之类的数据科学相关的项目。

在GPG里，数据组是处于一个中台的位置，和其他所有的team都有非常紧密的联系。包括商务团队、买量团队、变现团队，以及产品团队。由数据组来负责帮助他们响应他们的问题，提高整个公司对于数据的了解和决策的效率，最终在公司里营造一个由数据驱动型的氛围和文化。

在数据的框架上，主要是由两条数据流组成，第一条数据流主要是来自GPG的产品和发行买量。由实时数据组成的，主要是由自己的SDK收集，用户在游戏里一些实时的信息数据。同时由渠道帮我们收集关于用户下载的数据，然后通过归因这种方式，实时送到我们的数据仓库，这个是我们第一条数据流。

第二条数据流就是所谓的日端数据流。每天去收集前一天的数据， 最后也是同样送到大数据库里。在大数据库里面，会进行数据的一些整理，分析筛选，最后就是转化。最终根据不同的use case形成最终的一些分析表，其中就包括了每天的数据报表，不同的部门每天就可以追踪kpi的变化，其中还包括下载、买量结合起来，会有一些实时的push或者就是一些预警。比如说当看到某一个数据的波动量超过正常范围，就去通知相关的人员采取及时的措施。

最后一块是和数据科学相关。会把所有数据直接输送到GPG使用的云服务，对数据科学模型进行更新。然后得出最新的运算模型。

四、休闲游戏的数据分析与模型预测

1、怎么样进行用户级别的的ltv的预测

大家知道在ltv方面现在大致有3个层级的运算。第一个层级就是基于历史数据的运算，也就是说每天收集到用户过去的信息，计算出过去一段时间的ltv，但是这个是没有任何前瞻性或者预测性的，缺乏对未来的估计。在这个基础之上，GPG会用一些其他数理统计的方法，然后去进行一些投射，譬如说取前30天的ltv平均值，然后来预测未来30天的ltv。在这种情况之下，数据有一定的预测性，但是考虑的变量比较少，有时候会跟实际情况相差的比较远。

最后一个层级是现在相对的比较新的方式。数据学习算法结合起来，然后就是可以用大数据的一些计算，同时可以综合考虑所谓的比较全面的所有的变量，最后得出一个比较科学化的ltv的预测。

那么，GPG怎样运用数据科学来进行ltv的预测。

GPG的ltv预测基本分为6 步。第一步是用户下载，从0天开始会收集用户基本信息，比如说来自于哪个国家，来自于哪个地区，下载用的哪个手机型号，用的是哪个操作系统以及来自哪些广告渠道等基本信息。

同时，当用户开始玩游戏的时候，会实时收集他在游戏里的行为。比如说他做了几个session，他看了几个广告。每个session的时长是多少等等。然后在这个基础之上，会把收集到的信息进行筛选和转化，然后把数据带入到数据科学模型当中去。由此来计算出，第一步的用户ltv。所以说通常在第0天，就会有1-7天ltv的预测。当然这是一个不断动态的过程，因为每一天当用户在不停玩游戏的时候，会有新的数据进来，这样会不断优化预测，让预测接近实际的标准

现阶段，GPG差不多在第三天预测第七天的ltv的准确率差不多90%左右。在第七天预测第十四天ltv的可以到95%的准确率。在这种情况下可以很快的反馈给不同的部门， 比如说ua部门，可以告诉他们实时数据。当制定CPI计划时，可以根据不同渠道ltv，调整不同渠道竞价的价格。然后对于变现部门，他们可以设置拍卖的底价是多少，可以达到最优化的变现。

在变现方面，GPG是对用户进行分类，实现提高变现的效率目标。

GPG会把用户分成3种不同类别，第一种类别称之为明星用户，这一类用户当然也是最优秀的用户，特点就是会进行应用内购买，对于这种用户，策略就是不推送广告，想尽量提高这些用户的留存率。同时提高用户体验。可以在接下来促进这个用户去购买更多的的内购。

第二个类别是所谓的中产阶级。这类用户没有进行应用内购买，但同时他有看过广告，所以他对广告并不排斥，在这种情况下，对这类用户的策略是向他推激励广告，因为激励广告用户是可以选择看或不看的，同时 Ecpm也比较高。在这种情况下，可以在变现以及用户体验上到达比较好的平衡点。

第三类就是所谓的吃白食用户。这类用户不看广告，只玩游戏，对我们而言这类用户并没有给我们带来什么价值。在这种情况下，我们的手法会比较直接一点。会向他推送全屏的弹窗广告，因为这些广告是没有办法选择的，必须要看。这样可以尽量从这些用户身上获取剩余价值。

前边的两个例子都是和数据科学相关，下面给大家介绍怎么样去设计一些内部的工具，帮助其他部门提高数据方面的效率，同时减少他们在数据方面的工作量。

GPG设计的一个自动化A/B test系统，每天都会做很多A/Btest，之前所有A/Btest的结果是需要产品经理手动计算，如果同时在几个国家测试，他的运算量会非常大，这就有两个弊端。第一个就是工作量大，第二个就是人为犯错几率也高。所以最后可能他做出来决策的正确性和质量相对比较低一点。在这种情况，GPG设计了一套A/Btest自动化系统。

图中展示的例子是GPG今年最火的游戏之一，给《Sushi Bar》设计的A/Btest。在这套系统底下，产品经理只要决定A/Btest每个组之间的人数，或者人数百分比。之后所有数据的收集整理以及最后的计算，全部都是靠后台自动完成，所以说产品经理只需要在数据报表上看这些数据就可以了。他就可以看到每个kpi，不同组别之间的数据是多少.

同时也会进行计算，帮他算出每个组的结果，是否显著。同时告诉他改选b还是选a。还是数据不够充分，没有办法做出决策。这样子的adtest，首先第一个他们的工作量可以减少很多，第二他的正确率几乎是100%。这样子我们做出来的决策是比较数据驱动型的决策。

提问环节的部分问题整理：

Q:美国和其他市场比，美国市场的单用户价值或者市场规模是绝对主力？

A:是绝对主力，美国是用户价值最高的地区，虽然买量成本高一些，但是他的用户价值最高。

Q:游戏相关的数据测试，都是以美国为指标？

A:是，包括收到原型之后做的Uatest，我们也是在美国做，如果在美国能成，说明全世界80、90%都能成。假如在巴西印度做ua测试，即使能成，不代表其他国家能成。

Q:在GPG看来，放置类游戏的用户是否偏向小众的用户群？

A:这是大多数人对于放置类游戏的一个错误的认识。对我们来说，所有放置游戏都保持在超休闲领域当中，玩法上不会特别深度，以点点点的玩法为主。所以不应当将放置类与超休闲游戏割裂开来看。而且放置类的吸量程度是非常强的。所有的游戏都会有它的生命周期，如果大家善于观察美国榜单，放置类的生命周期反而会更长。

Q:GPG怎么选择游戏，合作标准是什么？

A:标准很开放，主要还是要新颖的题材与玩法，如果只是换皮我们一般不建议做下去，而且也能预料到不可能达到爆款的标准。然后，最重要的决定是基于测试的结果，市场的反馈。如果市场反馈好就继续做下去。反馈不好尽快放弃。因为在整个沟通的过程当中，从设计到做原型的时间大概是3-4周，包括美术、程序，这种快速试错对我们来说比较重要。

Q:研发合作中什么情况选择继续做，什么情况下会放弃？

A:GPG更专注游戏质量，如果我们觉得游戏有潜力，或者有哪些地方可以提升，我们会给到意见。一开始会基于以往的经验，我们不确定哪个主题能火，但是我们能确定哪个主题不能火。在那个阶段会cut掉很多。CPI是一个比较重要的数据，因为ltv还是比较受限制，即使ltv能提高很多，但是在美国市场做这个东西有一个顶，所以cpi还是重要标准。

Q:有些放置游戏题材不同，内核非常相似。甚至有些团队不断出相同内核不同题材。GPG有一些比较成功的放置的核心，数值内核之后，是否考虑换题材。换多少觉得可以，换多少觉得不可以?

A:这个我们之前尝试过，包括《Sushi Bar》和《Bee Factory》，我们都尝试过换皮换主题。都没有成，所以后续直接不考虑这个事。

因为玩法上完全一样，只是美术包装上的区别，他的受众群体会越来越小。我们觉得做不下去。

Q:是否因为不同题材游戏最终推向的还是同一波受众，导致他认为游戏很像？很多超休闲游戏，互相抄袭非常严重，因为他们认为市场足够大，任何一个游戏洗不掉所有用户，所以他不排斥换皮？

A:这是非常不健康的竞争，对哪家都不是很好。而且同样的题材，玩法多了以后，他们之间会互相蚕食，造成CPI直线上升。换皮的事情曾经内部有测过，相同题材内部做测试，发现实际上最终数据不是特别理想，从数据角度后来就不做了。

Q:GPG是只发行放置类游戏？

A:现在是超休闲放置类为主，接下来会涉猎更加“休闲的”放置类产品。这类产品游戏玩法更深，同时有更强的内购设计。

Q:GPG自己有研发？

A:没有，制作人是接项目帮助调优的。

Q:在数据分析，因为国内投放部分就分两个部门，一个叫素材美术部，一个就叫投放部。所以GPG提到的数据分析，是单独的一块，还是跟投放在一起的。

A:UA负责操作，后面所有数据收集是由我们来做的。专门有数据组，4-5个人。

Q:通过什么办法对休闲游戏用户分层？

A:有一个机器学习的模型，当用户来了之后，他在app里有各种行为， 这个行为我们就会收集送到数据仓库里，然后进行数据清洗，送到用户模型算法里，最后就会得出这个用户他可能是处于哪类。一般是用户第一天进来后，会有一些行为，我们把这个提出来，进行第一次预测。后续会不断迭代，分类在前3天会比较频繁，每日计算2-4次，因为我们的用户数据基本上是实时数据。而在第3天以后ltv和分类的预测比较准，所以3天后每天做一次分析。

本文转自微信公众号罗斯基（ID：tvsiji），未经作者许可，禁止转载。​