IAA游戏《Fish Go.io》运营超3年，全球下载量为何能重回TOP10？

白点工作室作为侧重IAA与中度游戏出海的游戏团队，其代表作《Fish Go.io》自2019年上线以来，已持续运营超过3年，累计海外AppStore与GooglePlay的下载量达5000万。去年年底，游戏三周年版本发布后，当月下载量重回全球Top 10，是IAA品类中较少长线稳定运营的产品。

数数科技“数有引力”线上沙龙第四期，白点工作室CEO王修远作为特邀嘉宾，围绕《Fish Go.io》的长线运营思路，分享IAA游戏在2022年经历冲击后，当前市场发生的新变化，探讨休闲游戏出海的新趋势。

以下是现场分享的主要内容整理（文字略有删减和调整）。

01

寻找玩家的内容消耗点

关于IAA游戏的长线运营，其实想先给大家传递一个信心，就是不要低估玩法的持久性。

《Fish Go.io》这款游戏放在今天来看，也许玩法并不算新颖，但能够一直运营到今天，背后除了一些方法外，也与我们本就相信产品可以持续运营有关。我们团队的核心成员过去10年里做的所有项目，其实在同品类中都属长线，而这对我们的启发就是，一款游戏Gameplay的玩法老化并没有想象中的那么快。

经过观察，我们发现大部分产品在稳定推广期，新用户月均LTV下降大概仅在3%到5%，这其实可以通过一些方式来弥补。首先，可以思考怎样把单个用户的生命周期延长；其次，需要思考怎样把一款产品本身的运营做得更长久。最后，就是怎样去持续调优广告变现，这一点也是针对IAA产品独有的内容。

关于延长单个用户生命周期的部分，第一件需要关注事情是长线游戏产品的玩家会持续性地消耗内容。我们作为游戏开发者，也是内容的生产者，所以需要找到玩家进入游戏后，在整个生命周期里最大的内容消耗点，思考开发者怎样去保持内容生产的有效性。

如果以熟悉的卡牌或者MOBA游戏为例，可发现其最大的内容消耗在于角色，因此，怎么样去持续产出打动玩家的角色就是关键。譬如暴雪娱乐的《守望先锋》，其中的每一个角色都不仅仅是依靠设计师的灵光一现产生的，而是有一套生产体系。每一个角色，都大概有7-10个维度的评估体系，涉及这个角色的文化、种族、性别、认知和性格特点等等，以此确保每个角色自身都有充足的特点，比方说《守望先锋》中的辅助英雄安娜，其单个特点中有三项比较高，但除此之外还需考虑雷达图深度的叠加，即上图左侧浅色的部分，需要尽量做到覆盖得尽可能全面，并且深度均匀的。由此，最终游戏呈现出的内容饱满度才会更好。

除了类似的典型硬核游戏，我们还可以分享一个自己做轻中度游戏时的角色考查维度。主要涉及3个点，第一是角色的辨识度，即玩家能否一眼辨认或者记住这个角色；第二是角色的趣味性，即玩家看见角色会不会觉得有意思、或者有梗；第三是这个角色的大众认知度，这其实也能反映出一些新人策划同学经常会有的问题，即角色设计者很喜欢角色本身，但也许自己仅是一个小圈子里面的资深玩家，等角色真的交到玩家手里后，就可能会出现大部分玩家看不太懂其中亮点的情况。

02

设计游戏生命周期的各个阶段

另外，我们还很注重游戏生命周期各阶段的设计。一个通用的阶段设计思路大概可被分为3个阶段，即玩家进入游戏后经历的入坑期、追求期和疲劳期。

入坑期阶段，需要引导玩家去建立目标，在这个过程中，确保玩家体验游戏的爽感，游戏压力则相对较小。当我们引导玩家于此建立目标之后，则进入追求期。在第二个阶段，玩家可能也会去比较自发地追求游戏目标，但同时这个阶段的压力也逐渐上升，难度上也会呈现螺旋上升的趋势。第三阶段是疲劳期，此时玩家可能已经达到目标，或者有一部分玩家达到了个人的极限。因此，这个阶段的重点是需要给登顶玩家一些休息的时间，在玩家冲到满级后，不要马上开放新的难度、新的等级，而是给予玩家片刻的放松缓和，以及站在山顶俯视其他攀登者的优越感，一段时间后再开放新的内容。另外，对于那些已经冲不动的玩家，需要尽可能地去提供支持和帮助，降低玩家继续爬升的难度，或提升爬升的速度。

做好上述前期的设计，在产品上线后还要关注玩家游戏行为的持续变化。以《Fish Go.io》去年的真实数据为例，观察一个新玩家在进入游戏后从第1天到第30天的游戏投入时间，可知在前10天都呈现稳中上涨的趋势，但第10天出现了拐点，针对这个情况，可以进行了更深层的追踪。

上图所示是玩家进入游戏后的每日玩法活跃分布表，可知前几天的情况为玩家在Merge和io对战的部分占了较多时间，但到第10天时，玩家占用最长时间的已经是其他玩法了，可由此进一步分析玩家在第10天后的行为可能会发生转向，更倾向于玩游戏中周赛的模块。这种表现在游戏初期设计的预期之外，但我们发现这个情况之后，也没有去改变玩家的习惯，而是选择去顺应，针对周赛模块去进行优化。在做完了这个周赛版本的优化之后，也有了不错的提升效果。

图表中橙色的部分就是相较原来的时间增长的部分，基本上有一成左右的提升，最终也带来了LTV的提升。

03

延长产品的运营周期

延长游戏产品本身运营的周期，首先要关注DAU健康度指标。游戏的研发有时会经常想到底什么时候要做什么事情，其实启示也往往在DAU数据当中。比如资源饱和度，如果玩家的钻石量普遍是偏多的，就说明需要做系统或做活动增加消耗，如果太少，就比较合适做付费活动去补充资源。

另外，还可关注等级饱和度，当观察到DAU 1%-2%到达满级的时候，可以选择给玩家开放新等级内容，如果开放太早或者太晚，可能效果都不是很好。因此，这个部分也是在依靠数据来驱动游戏业务，研发团队做好数据的基础建设，也非常重要。我们的数据基础建设可分为三个类别，追踪新用户类的数据、版本运营类的数据，以及关于技术指标和报警类的数据。

关于长线产品，数值也是需要重点关注的部分，其实它是一个持续迭代和测试的过程，有关这一部分内容，之前在数数课堂中也有具体的呈现。

另外，也建议大家用好蒙特卡洛模拟方法，在与数值策划或程序协作的情况下，通过蒙特卡洛模拟，可以提前验证很多数值设计中的效果。

其次，是应关注游戏的品质，团队需要具备眼睛里容不得沙子的自我要求、甚至是强迫症，也需要一套可靠的规范品质及科学走查的流程。继而，是关于舆情监控，这里需要关注的是沉默的大多数，很多时候开发者看到个别玩家的反馈意见就马上去改，但其实真实情况是绝大多数玩家是在默默地玩游戏，沉默并不代表他们对个别玩家的反馈持绝对认同的态度。反馈玩家的反馈意见到底是否能真的代表大多数用户，是需要我们到数据中再去验证的，否则也许反而会破坏更多玩家的正常体验。

最后是关于收入的预估。做长线产品，其实一般不用ARPU乘DAU的方法来做收入预估。本身收入预估其实就是为了我们自研自发的团队去预估现金流，因而新用户与老用户的比例在长线游戏里面会对ARPU乘DAU的结果产生严重影响。所以，其实我们通常会运用更严谨的卷积计算。

04

IAA产品的广告变现

IAA产品的广告变现，本身在效果上就会有非常大差异。不同的团队，即使面对同一款产品，也会因不同的广告变现优化方案在收益上产生很大区别。

回到游戏ROI的计算公式，这里其实可从三个角度来讲优化ROI的问题。投放的角度，应该尽可能地去降低CPI；产品的角度，则应尽可能地增加用户生命周期内的广告展示；变现的角度，应该尽可能地去提升eCPM。此处做一个理想的假设——广告市场是透明的，广告平台和应用商店一样抽成30%，那么我们其实可以用公式推导一下，最终的ROI，就如上图所示。如果此时，假设一个产品的CTR是6%，CVR是80%，这是一些头部产品可以达到的数据，那么他们所需要的广告展示数是多少？经计算大概为29.7次。这是一个理论情况，实际的情况下，广告市场其实并不透明，所以在eCPM优化好的情况下，很可能广告展示数达20次时就可以回收，如果优化不好，就可能即便达到40次也无法回收。

以《Fish Go.io》优化的结果为例，上图蓝色部分是2022年的安卓主要地区的eCPM，紫色的部分为我们近期看到行业中给出的报告，显示全球主要地区的平均安卓eCPM，对比之下可以看到我们在主要地区优化的效果。

之后，可以看IAA的优化策略如何展开。IAA的收入等于广告展示数乘以eCPM，所以，优化的就是第一个位置就是广告展示数，第二是eCPM。在广告展示数的部分，我们需要尽可能地提升用户的广告观看情况，其中很重要的一点是，当用户想要观看广告的时候，广告本身是否有准备好？即考虑广告的成功展示率。此次我们的常规优化可分为三个部分。首先，瀑布流的托底优化，是通过一个兜底层来保证广告的填充率；其次，控制瀑布流的层数，需要在一个合理的范围内，我们对于控制它的预期效果是广告成功展示率需要超过9成。最后是首次加载的优化，即优化玩家首次进入游戏时可能弹出的第一个广告点，这个时间非常短暂，还不够去跑完一个常规的瀑布流，所以首次加载时我们一般建议单独做更短的瀑布流。

关于eCPM的部分，可关注两个点，第一是对用户价值的判断，据此给出定制的流量分配策略，具体来说就是采用Bidding加Waterfall的混合瀑布流模式。再来就是去做精细的流量分组。过去常见的美国iOS的瀑布流可能有十几层，乍一看好像已经不错了，但实际并非如此。可能在面对设备老旧、网络差的玩家A时，Bidding没有反馈，瀑布流可能填充30秒才填充到价值不高的广告，也许此时玩家早就放弃了；玩家B作为高价值用户，有较高的Bidding反馈，瀑布流2秒填充了70美元，最后该用户以90美元成交，但实际这个用户的真实价值也许值200美元。

以上两种情况其实都蕴含损失。这里其实可以有一个深入的优化，即流量分组，我们可以在玩家每次打开APP的时候，通过公开、合理的方式去了解玩家的设备、IP、语言、活跃时间和获客渠道等信息。比如玩家使用了价值1000美元的手机，活跃地点在日本东京，活跃时间为晚上19:00，本身来自于Facebook的广告渠道。那么根据历史数据评估，这种玩家的eCPM平均可到30美元，远高于日本的平均水平15美元。那么针对这类用户，我们就会建立单独的分组。因此，这个优化需要建立在长期、大量的用户基础之上，然后去构建用户画像。继而，我们会更了解可能主要地区的玩家特点，以及什么样的玩家适合去匹配高价值流量、什么样的玩家适合匹配平均流量，通过两个不同的瀑布流来优化eCPM的效果。

相关推荐: 报告：苹果在欧盟游说上花费了350多万欧元

据外媒报道，据称，苹果花费了350多万欧元来游说欧盟机构，因为这家公司的各个业务部门现在都受到了一连串的反垄断调查。由Corporate Europe Observatory and LobbyControl发布的一份关于大型科技公司对欧洲政治影响的深度报告估…