Masih Alagheband
Masih Alagheband
خواندن ۷ دقیقه·۴ سال پیش

چطور بفهمیم سیستم درآمدزایی بهینه نیست؟

Source: Adam Carpenter - GooglePlayDev Talk
Source: Adam Carpenter - GooglePlayDev Talk

مقدمه

پرداخت درون برنامه ای (IAP) یکی از مدل های درآمد زایی محبوب برای خیلی از بازی ها و برنامه هاست. با اینکه این مدل درآمدزایی خیلی رایجه و سالهای زیادی مورد استفاده قرار گرفته ولی همیشه سازندگان را به درآمد مطلوبی نمی رساند.
در این مطلب از این میگم که چطور به کمک داده های فروش بفهمیم که اقتصاد بازی بهینه است یا نه و چطور میتوانیم فرصت های رشد را شناسایی کنیم. متریک ها و سیگنال هایی که در ادامه معرفی میکنم بر اساس تجربه من از کار بر روی بازی های شرکت Youda Games به عنوان تحلیل گر داده بازی و همچین گزارش هایی که Google Play برای بازی های سازندگان منتخبش بر اساس عملکردشان ارسال می کند جمع آوری شده اند. در راستای همین گزارش ها و بجای این مطلب، میتوانید این ویدیو از GooglePlayDev-2018 رو هم ببینید:

https://youtu.be/h1EATwCWFko

پی نوشت اول: این مطلب در مورد موضوعات پیشرفته ای است و به کسانی بیشتر کمک خواهد کرد که تجربه کار با دادهای IAP به ویژه در بازی های F2P را داشته باشند. به همین دلیل از توضیح جزئیات ساده تر اجتناب میکنم.

پی نوشت دوم: با داشتن فقط داده های فروش به تفکیک نام کاربر، قیمت بسته فروخته شده و تاریخ خرید (داده هایی که حتی در پنل کافه بازار موجود هستند) میتوانید تمام متریک ها و نمودار های این مطلب را محاسبه کنید و یک داشبورد مانیتورینگ روزانه برای عملکرد سیستم درآمدزایی در سطح بالا ولی عمیق داشته باشید.

پی نوشت سوم: کافه بازار را به این چالش دعوت میکنم که همچین گزارش هایی را مثل Google Play به صورت داخلی هر چند ماه یکبار برای توسعه دهندگان برترش ارسال کند.

درختواره درآمد به تعریف Google Play

این درختواره نشان می دهد که چطور همه متریک های درآمدزایی در هم تنیده شده و اجزای اصلی به یکدیگر متصل هستند و درآمد روزانه محصول را می سازند:

The revenue tree (Source: Google Play internal data)
The revenue tree (Source: Google Play internal data)

تمامی متریک های این درختواره از حاصل ضرب دو متریک پایینی خود ساخته می شوند به غیر از دو متریکی که در مستطیل نقطه چین قرار دارند که باهم جمع می شوند. به طور مثال: ARPPU = ATV x (TX/Buyers)
FTB: First Time Buyer
ATV: Avg. Transaction Value
TX: Transactions

دقت کنید که این متریک ها در مورد درآمد روزانه هستند، پس Buyer% از Conversion Rate کلی بازی متفاوت می باشد.

از متریک Daily Buyer Percentage به عنوان کلیدی ترین متریک درآمدزایی یاد می کنند و به صورت کلی افزایش تعداد خریداران راه مطمئن تری نسبت به وابستگی به کاربران وال است. افزایش ARPPU به معنی افزایش درآمد به کمک کاربرانی است که تصمیم برای انجام خرید درون برنامه ای را از قبل گرفته اند. شما می توانید به راحتی با افزایش قیمت و ارزش پیشنهادات ویژه بازی ARPPU را بالا ببرید ولی این روش به راحتی می تواند موجب کاهش Buyer% شود.

چطور فروش روزانه را بخوانیم

یکی از جریان های اصلی درآمد هر روز، فروش بر اثر LiveOps ها است. LiveOps از دو طریق اصلی درآمد ایجاد می کند: supply side sales و demand side events

منظور از supply side sales حراج ها و بسته های ترکیبی است که بر روی economy assets می آید و در اصل ارزش بیشتری برای خرج یک واحد پولی ارائه می دهد. از طرف دیگر demand side events شامل فعالیت هایی مانند تورنومنت، چالش های هفتگی و رقابتی است که کاربر را وادار به استفاده از asset balances می کند. رابطه بین این دو برای ساخت یک اقتصاد سالم و متوازن که در نهایت منجر به درآمدی پایدار می شود حیاتی است. تصویر زیر در قالب دو مثال نشان می دهد که چطور انواع LiveOps می تواند ترند و الگو های درآمدی متفاوتی ایجاد کند.

Examples of daily revenue trends (Source: Google Play internal data)
Examples of daily revenue trends (Source: Google Play internal data)

هر تیمی با توجه به توانمندی ها، شرایط تولید، زمانبندی LiveOps و واکنش مخاطبانش به اتفاقات بازی تصمیم می گیرد که چه بالانسی از این استراتژی ها بهترین گزینه است، پس نمی توان به طوری کلی گفت که کدام استراتژی برتر است.

رصد کردن درآمد به کمک "ضربان درآمد"

این نمودار بهترین نمودار برای مانیتور کردن عملکرد LiveOps است که توسط Google Play معرفی شده و Revenue Heartbeat نامیده می شود. برای رسم آن، کمترین، بیشترین و متوسط درآمد هر روز را برای یک بازه مشخص (ماه/هفته) محاسبه می کنید. بهتر است این بازه بر بازه های زمانی LiveOps منطبق باشد:

Revenue heartbeat visualizes the month’s minimum, maximum, and average daily revenue (Source: Google Play internal data)
Revenue heartbeat visualizes the month’s minimum, maximum, and average daily revenue (Source: Google Play internal data)


زمانی که خط بیشترین و کمترین، نزدیک به خط متوسط درآمد است و با رشد کلی درآمد، فاصله کمترین و بیشترین خط ثابت مانده است، در ایده آل ترین حالت قرار دارید و این نشان دهنده بالانس سلامت اقتصاد و همین طور ارتباط پیوسته کاربران با بازی است. (به بازه Apr تا Aug توجه کنید)

از طرف دیگر، به طور مثال نمودار زیر بالانسی را نشان میدهد که بهینه نیست:

Revenue heartbeat showing suboptimal behavior
Revenue heartbeat showing suboptimal behavior

در نقاط C و A، در روزهایی حراج های زیادی فعال بودند که باعث ثبت رکورد بیشترین فروش ماه شده اما در ادامه کاهش درآمد متوسط را به همراه داشته است. به این نقاط Hangover می گوییم. هدف این است که حراج و پروموشن هایی داشته باشیم که کمترین Hangover ممکن را بوجود بیاورند. به طور کلی نباید متوسط فروش از دوره قبل از حراج کمتر باشد. اما برعکس نقطه B، زمانی را نشان می دهد که اقتصاد بازی قدرتمند و موثر ظاهر شده است. همین نمودار را می توانید برای تعداد خریداران هم رسم کنید.

میزان وابستگی به کاربران وال

آیا 80 درصد درآمد از 20 درصد کاربران بوجود می آید؟ اگر می خواهید بگویید بله، داده های Google Play در سال 2018 را ببینید:

Revenue contribution from the top 20% of payers in the top 25 games, April 2018 (Source: Google Play internal data)
Revenue contribution from the top 20% of payers in the top 25 games, April 2018 (Source: Google Play internal data)


Games exceeding the 80/20 rule among the top 100 games by revenue on Google Play, April 2018 (Source: Google Play internal data)
Games exceeding the 80/20 rule among the top 100 games by revenue on Google Play, April 2018 (Source: Google Play internal data)


بر اساس این داده ها، فقط 6 بازی از 25 بازی پرفروش Google Play از این قانون طبیعیت میکنند. به طور کلی بازی هایی که عملکرد ضعیف تری در فروش دارند (جایگاه های پایین تر در جدول پرفروش ها) بیشتر از قانون 80/20 پیروی می کنند. پس بازی های خیلی موفق تلاش دارند که کمتر وابسته به وال ها باشند و بجای 80 درصد، بین 60 تا 70 درصد درآمدشان از این گروه ساخته شود. البته این به این معنی نیست که وال های کمتر یا ضعیف تری داشته باشند، بلکه تلاش می کنند کاربرانی که فقط یک یا چند بار خرید کرده اند را دوباره فعال کنند.(افزایش Daily Buyer Percentage) همچنین با توجه به پیچیدگی ها و هزینه های گزاف جذب کاربران وال، متریک میزان وابستگی درآمد به وال ها یکی از مهمترین پارامتر ها برای ارزشگذاری شرکت ها است.

پس نیاز دارید که بفهمید چقدر به وال ها وابسته اید. برای این کار، ARPPU ماهانه و تعداد روزهای منحصر به فردی که کاربران در یک ماه خرید می کنند را حساب کنید. سپس به 10 گروه تقسیمشان کنید به طوری که ده درصد اول کاربران در گروه اول می افتند. (اگر بگوییم ARPPU یک بازی سه دلار است به این معنی نیست که همه خریداران سه دلار هزینه کرده اند، قطعا برخی بیشتر و گروهی کمتر) در ادامه نمودار های زیر الگویی را نشان می دهند که به دفعات در بازی های Action RPG دیده شده است:

Payers by decile - Action RPG genre - (Source: Google Play internal data)
Payers by decile - Action RPG genre - (Source: Google Play internal data)


Unique payer days (Source: Google Play internal data)
Unique payer days (Source: Google Play internal data)

چه فرصتی برای رشد در این تحلیل وجود دارد؟

تمرکز بر روی کاربرانی که فقط یکبار خرید کرده اند! آنها را بر اساس درآمدی که ساخته اند دسته بندی کنید:

Monthly ARPPU for users to spend on only one day (Source: Google Play internal data)
Monthly ARPPU for users to spend on only one day (Source: Google Play internal data)

هدف اول این است که نیمی از این کاربران را متقاعد کنید فقط پنجاه درصد بیشتر هزینه کنند. یعنی خریداری که یک خرید 10 دلاری داشته، یک خرید 5 دلاری دیگر هم داشته باشد. برای این هدف باید برای هر دسته از کاربران پروموشن های خاصی را طراحی کنید. یکی از استراتژی های قالب برای این گروه daily deals ها هستند.
پی نوشت: به طور معمول یک بازی F2P موفق بیش از صد Deal فعال در هر هفته دارد. (این تنوع بالا به علت تفاوت ارزش پیشنهادی برای هر دسته از کاربران با توجه به بالانس و پیشرفت در بازی است.)

بازگشت خریداران

همان طور که می دانید تکرار و افزایش میزان خرید تاثیر مستقیمی بر روی افزایش ARPPU دارند. یکی دیگر از روش های رایج دسته بندی خریداران برای بالانس پیشنهادات ویژه، دسته بندی بر اساس Max.Price به معنی گران ترین بسته خریداری شده، ComfortPrice به معنی قیمتی که بیشترین تکرار خرید را داشته، Avg.Price به معنی متوسط قیمت خرید شده و در آخر LastDatePaid به معنی روزهایی که از آخرین خریدی می گذرد (مثلا یک روز، دو تا هفت روز، هفت تا سی روز و ...) می باشد. به طور مثال می توانید فروش و تعداد خریداران هر روز را به تفکیک LastDatePaid رسم کنید. چه فرصتی برای رشد در نمودار زیر می بینید؟

Source: Google Play Internal Report
Source: Google Play Internal Report

بله درسته! افزایش سهم ستون دیروز.

شما چطور فکر می کنید؟

اگر شما هم ایده هایی در مورد بهینه کردن درآمد دارید، خوشحال میشم در قسمت نظرات به اشتراکشون بذارید و با من از طریق masih.alagheband@gmail.com در ارتباط باشید.








free to playmobile gamesgame dataبازی موبایلپرداخت درون برنامه ای
شاید از این پست‌ها خوشتان بیاید