内容简介:凭借休闲游戏《糖果传奇》大获成功后被动视暴雪收购的知名游戏发行商 King,一直在寻求新的产品灵感,King 实验部产品经理 Ishai Smadja 和 App Annie 分享了他们利用数据发掘游戏灵感的故事。我们分为两部分视角来介绍他的项目。第一部分内容来自 Ishai 发布在 Medium 的文章,第二部分来自 App Annie 对Ishai的访谈。刚加入 King 的时候,Ishai 在一个找物游戏的研发项目组工作。几个月的测试后,团队发现虽然原型很棒,但市场回报不足以支撑项目研发。
凭借休闲游戏《糖果传奇》大获成功后被动视暴雪收购的知名游戏发行商 King,一直在寻求新的产品灵感,King 实验部产品经理 Ishai Smadja 和 App Annie 分享了他们利用数据发掘游戏灵感的故事。
我们分为两部分视角来介绍他的项目。第一部分内容来自 Ishai 发布在 Medium 的文章,第二部分来自 App Annie 对Ishai的访谈。
混合性游戏才是未来? I shai 的模型试图寻求答案
刚加入 King 的时候,Ishai 在一个找物游戏的研发项目组工作。几个月的测试后,团队发现虽然原型很棒,但市场回报不足以支撑项目研发。
图:Ishai 之前所在项目的找物游戏已经做出了原型
团队继续寻找新机会,考虑将其它类型元素融入到休闲游戏中。Ishai 想到了使用 App Annie 数据构建一个模型,来看看不同游戏类型的玩家有什么共性。
这个模型要解决什么问题?
单一风格的游戏不一定能够满足所有玩家的需求。例如,玩家可能希望知识问答游戏能更加生动,或者提高竞速游戏中的 “竞技” 难度 (目标和成就)。而这些需求可以在玩其它类型游戏中得到很好的满足。
由此可见,开发混合玩法的游戏是个可能的方向:在同一款游戏中融合不同风格的游戏玩法和设计元素。但是,要开发一款成功的混合游戏,关键是要了解玩家的偏好以及其他风格游戏的哪些功能能够真正改进游戏体验。
Ishai 的团队通过跨应用使用行为的数据,了解到哪两款游戏的受众重合度更高,甚至超出整个市场中的其它指标。如果两款不同风格游戏的受众重合度比较高,即可预测玩家对这两种风格游戏的功能有所偏好。
模型诞生:利用数据打造的“游戏地图”
如果逐个游戏类型一一分析,很容易顾此失彼。Ishai 团队想到了将数据充分图形化,通过结合MAU(月活跃用户数)和跨应用使用行为 (受众重合度) 等指标,全面了解游戏市场和现有产品组合之外的游戏。
此外还要确保将游戏准确分类为具有相似游戏功能的不同风格 (例如知识问答游戏),因为有时所分配的商店子分类并不能准确反映游戏玩法。这项工作是由 King 团队完成的。
为了模拟不同风格游戏之间的关系,Ishai 和同事们使用了 Gephi 开源网络分析工具。最后还使用 Sigma JavaScript 应用程序将这些分析转换为 King 其他团队可以使用的交互性可视化内容。
于是,下面的一张图诞生了:
上图: 2018 年 8 月 美国 iOS 游戏数据生成的图
模型关键词:Affinity (关系度)
游戏之间的Affinity是指不同游戏玩家之间的人群相似度,即“如果我们知道TA喜欢 A 游戏,TA 还会喜欢哪些B、C、D游戏?” Ishai 用《糖果传奇》来举例。
上图:2018 年 8 月 美国 iOS 游戏数据生成的《糖果传奇》分析图
《糖果传奇》是玩家最多的游戏之一,但上图来看,和其他消除游戏的重合度并不高。就好像爱吃巧克力冰淇淋的人太多了,以此推断他们还喜欢吃什么其他口味就不太可能。《糖果传奇》的玩家年龄跨度大,背景范围太广,因此很难推断他们的具体喜好。
但是,如果有个香菜味冰淇淋——可能不太大众,但肯定有粉丝。这些游戏的人群重合度可能就离中心比较远。
同样的思路看看《堡垒之夜》:
上图:Ishai 根据2018年8月美国 iOS 游戏数据做出的《堡垒之夜》affinity 分析图
可以看到,除了射击游戏,《堡垒之夜》玩家还和竞争性强的游戏(体育游戏、《皇室战争》);快速玩法游戏(只需要 one touch)、年轻人群喜欢的游戏(Roblox类的沙盒游戏、《贪吃蛇大作战》、《细胞吞噬》等IO游戏)以及轻度艺术风格和主题的游戏。这些联系中可以发现哪些现有玩家可能会喜欢哪些类型的游戏。
四大游戏要素
笼统来说,游戏可以由四大主要元素组成:核心玩法(如第一人称射击、生存游戏等);进化机制(如完成人物、完成故事情节等)、主题(如外星人、农场等)以及艺术风格(如写实、卡通等)。这些元素组合形成对游戏的描述,例如“一款卡通风格的僵尸生存游戏,需要玩家之前的紧密协作。”有了这些信息就可以完善出玩家画像。
玩法和机制,哪个更重要?
通过上面的几张图谱,我们能够发现不同要素的重要性。以解谜RPG(Puzzle RPG)为例子,它的用户和RPG游戏用户有更多共性,和其他解谜游戏的共性次之。下图上半部分的蓝点代表了游戏《Best Friends》,是一款轻度解谜RPG,它的玩法更多偏重解谜游戏,而非RPG玩法。
另外一个例子是《梦幻花园》。这是一款热门三消游戏,由简单的装饰升级+故事线支撑。2016年8月游戏已经上架,而下载进入美国前10名则用了一年。这一年的时间里,《梦幻花园》累积起了用户。
上图:2018 年 8 月美国 iOS 商店数据
上图:2017 年 7 月美国 iOS 商店数据
分类上来看,《梦幻花园》属于换位消除类(Switcher genre)游戏,然而它的玩家主要来自于轻度故事线、轻度定制化内容的游戏类型,是大众三消游戏玩家定位,说明游戏的机制在这里起到了更重要的作用。
主题和艺术风格的重要性?
来看一下资源管理游戏,主要玩法是获取资源,用它来升级建筑(飞船、餐厅、医院等),并以此获取更多资源。不同资源管理游戏之间的用户共性并不强,它们分布在图谱的各个角落。但可以很清楚看到,趋势从成熟主题的游戏(《辐射》和《侏罗纪公园》)开始向较为中轻度的资源游戏(《SimCity》、《Hay Day》和《My Hospital》)变化。
上图:2018 年 8 月美国 iOS 商店数据
艺术风格可能比想象的更重要。例如策略RPG游戏《火焰纹章英雄》和变装游戏《奇迹暖暖》看起来应该完全不相关,然而他们的用户关系度分数却相当高——为什么?看看他们的图标。
综合来看,机会在哪儿?
体育游戏(FIFA Soccer、NBA Live等)、RPG(如漫威)和策略游戏(如《皇室战争》)的玩家有重合,说明有类似的玩家群体。
体育游戏很像是RPG或者策略游戏,需要玩家组织团队,展现实力。然而RPG/策略游戏通常有更重度的人物发展体系,不同的人物和组队有能力上更细致的差别。
根据玩家的链接,我们可以得出结论的是,对于体育类游戏,可能可以玩出更“酷炫”的主题,为传统的球类运动增加特殊能量、角色和武器,借助人物创造差异化,持续进化现有 IP 甚至打造新的原创 IP。变现方面,这种综合体育游戏也可以参考集卡、扭蛋、虚拟物品等变现机制。
通过关系度模型学到了:
● 游戏四要素在模型上如何分布。
● 游戏核心玩法和类型可以解释观察到的用户偏好。
● 一些游戏核心玩法更加大众化,使得进化机制的重要性增加。
● 虽然还没有定量分析,但主题和美术风格比想象的可能更重要。
● 伟大的游戏设计师和游戏团队需要将数据转化成执行力,并思考为什么用户会重合。
关系度模型很重要,很多游戏团队无法完全了解用户,特别是当用户范围较大的时候。这一挑战同时也带来了乐趣——如何进行创新打造下一款吸引数百万用户的游戏。
基于玩家偏好的分析如何推动游戏创新?
King 实验部的产品经理 Ishai Smadja在接受采访时,讨论了如何利用亲和度来模拟不同游戏受众的关注点。King 利用此模型来更好地了解玩家偏好,从而指导全新重磅游戏的开发。
King 创意部副总裁 Bill Mooney 说 , “Ishai 的模型提供了通过移动方式了解玩家动机的全新途径。此模型可以指导游戏团队准确了解核心用户体验。”
模型产生了哪些影响?King 如何使用此模型?
Ishai: 原型设计团队充分利用此模型来汲取灵感,开发现有玩家所喜爱的新游戏类型和新游戏功能。
我们还能够使用历史数据来了解移动游戏市场中的重大事件对整个游戏市场的影响。这使我们得以做好准备应对未来市场变化。
我们的绩效营销团队也尝试通过此模型来实现广告投资回报率的最大化。通过定位与 King 游戏不具不明显关联的不同风格游戏的广告,由于这些游戏的玩家用户群亲和度很高,便能够确保广告被受众所接受。
您认为在数据使用方面,整个游戏行业应该考虑却没有考虑的因素是什么?
Ishai: 开发人员应利用数据来了解玩家的真正偏好。我们很容易想当然地认为设计人员 (他们在很大程度上属于同类群体) 的偏好与市场中玩家的偏好相同。但是,事实往往并非完全如此。
整个行业都在有意识地扩大游戏的吸引力,却由于无法充分考虑受众的人口特征而受到限制。例如,“这是一款面向 16-24 岁男性群体的游戏” 或者 “这是面向 45 岁以上女性群体的游戏”,等等。但是,根据我的经验,这些特征并不像预期的那样能够很好地预测玩家偏好。
当前存在种类繁多的玩家偏好组合,包括不同的游戏玩法、不同的艺术风格、不同的游戏体验时段等,而这些通常与指定特征群体并不相符。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 数据挖掘竞赛指南:曾经的数据挖掘少年,如今的阿里算法大佬
- 数据挖掘复习笔记---02.数据
- 数据挖掘建模:如何从数据中“淘金”?
- 大数据产品经理必备的数据挖掘知识概述(一)认识数据之数据可视化
- 大数据产品经理必备的数据挖掘知识概述(一)认识数据
- 数据挖掘复习笔记---03.数据预处理
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。