如何有效預(yù)測移動游戲首發(fā)周的安裝量

本文來自特約撰稿人Abhimanyu和Victoria。文中所述的測試是他們在Flaregames工作期間完成的。

新款游戲馬上就要發(fā)布了？應(yīng)用平臺有沒有承諾在商城中給你提供曝光度？想要預(yù)測平臺提供的曝光度能帶來多少安裝量？如果你想要精準(zhǔn)的數(shù)字，那得去問問魔力水晶球。如果你想做個大概的估算，請繼續(xù)看下文！

許多游戲開發(fā)者都明顯意識到，通過平臺主推獲得的安裝量已不復(fù)當(dāng)年之多（iOS平臺更是如此）。但在商城的顯要位置曝光依然能帶來可觀的流量，這些位置是游戲公司的必爭之地。令人遺憾的是，預(yù)測主推周/主推月的安裝量讓很多團(tuán)隊(duì)都感到扎心。不足為奇的是，在對項(xiàng)目營收進(jìn)行合理預(yù)估時，預(yù)測安裝量也是項(xiàng)目經(jīng)理和高管們最重要和最頭疼的工作。每家公司都會通過不同的方法來解決這個問題，大多數(shù)公司會根據(jù)同類游戲的安裝量進(jìn)行預(yù)測。但這類方法的準(zhǔn)確率往往很低，而且解讀會收到個人觀點(diǎn)的影響。

我們認(rèn)識到這個問題的困難性且沒有關(guān)于這一話題的公開分析，于是打算采用一些科學(xué)的方法來解決這個看似很抽象的預(yù)測問題。經(jīng)過認(rèn)真分析影響潛在客戶安裝決定的關(guān)鍵因素后，我們決定測試以下這種假設(shè)：游戲首發(fā)周的安裝量與游戲的主推版位、類型和藝術(shù)風(fēng)格之間存在關(guān)系。下面的分析證實(shí)了這種假設(shè)是正確的。我們希望通過本文為游戲公司介紹一種能夠付諸實(shí)踐的方法，并提供一些相關(guān)的研究發(fā)現(xiàn)來助力行業(yè)獲得進(jìn)一步發(fā)展。

分析方法

與任何同類研究一樣，這套分析方法包含了建立數(shù)據(jù)集、開展統(tǒng)計測試和創(chuàng)建模型3個階段。

具體如下：

分析了在2018年4月2日至9月27日間主推的150多款游戲

每款游戲都按主推版位、類型和藝術(shù)風(fēng)格進(jìn)行分類

采用Kruskal-Wallis(KW)(1)假設(shè)測試來檢驗(yàn)假設(shè)

我們建立了一個線性回歸模型，將假設(shè)游戲的3種變量分類作為輸入，并輸出游戲在首發(fā)周/首發(fā)月的預(yù)測安裝量范圍

在建立基礎(chǔ)數(shù)據(jù)集時，我們使用了App Annie提供的優(yōu)質(zhì)服務(wù)來收集相關(guān)游戲的iOS自然安裝量估值和主推日期。我們假設(shè)游戲的全球iOS主推日期與iOS美國主推日期一致。因此，這次分析僅限于iOS數(shù)據(jù)。

擁有大型IP的付費(fèi)游戲和精選游戲未納入基礎(chǔ)數(shù)據(jù)集考量。大型IP游戲包括（但不限于）基于大型電影、電視劇和名人開發(fā)的游戲，以及原創(chuàng)爆款游戲的續(xù)作。值得一提的是，我們在第一輪分析中確實(shí)試圖納入大型IP游戲，但逐漸意識到這是一個非常棘手的難題。我們最終得出的結(jié)論是，影響大型IP游戲首發(fā)周/首發(fā)月安裝量的因素數(shù)量超出了本次分析的范疇。但我們機(jī)會以后建立一個模型來解決這個問題。

變量定義

數(shù)據(jù)集中的每款游戲按3種變量進(jìn)行分類，即主推版位、類型和藝術(shù)風(fēng)格。與這些變量相關(guān)的賦值例如：

我們采用了Game Refinery和Michail Katkoff(2)制定的游戲分類法來劃分游戲類型（見下圖）。例如，“休閑游戲”是一種游戲類別，“街機(jī)游戲”是一種游戲類型，“平臺游戲”是一種子類型。由于基礎(chǔ)數(shù)據(jù)集有限且復(fù)雜的分類可能無法帶來具有實(shí)操性的研究結(jié)果，因此數(shù)據(jù)點(diǎn)分類沒有考慮使用子類型。雖然如此，但應(yīng)注意到子類型顯然可以在更大的數(shù)據(jù)集中使用。

驗(yàn)證假設(shè)

我們再提一下初始的假設(shè)：游戲首發(fā)周的安裝量與游戲的主推版位、類型和藝術(shù)風(fēng)格之間存在關(guān)系。

我們已使用Kruskal-Wallis(KW)假設(shè)測試證實(shí)上述假設(shè)是正確的。我們進(jìn)一步利用這個假設(shè)驗(yàn)證了首發(fā)周的安裝量也存在類似的關(guān)系。下表通過P值概括反映了各項(xiàng)測試的意義，P值應(yīng)小于0.10才具有統(tǒng)計學(xué)意義。整體而言，每種變量都在各種優(yōu)勢方面顯示出了統(tǒng)計學(xué)意義。我們的研究結(jié)論概括如下：

雖然“藝術(shù)風(fēng)格”變量的表現(xiàn)顯然是最弱的，但隨著數(shù)據(jù)集規(guī)模的增加，它與安裝量的關(guān)系會變得更強(qiáng)?！邦愋汀弊兞恳彩侨绱?。與此同時，我們一定要注意到，顯著的結(jié)果與優(yōu)勢的相關(guān)度很高，無論游戲的優(yōu)勢是什么。

接著，我們開展了以下工作：

針對各個變量值建立安裝量范圍

建立模型利用這些不同強(qiáng)度的變量來提供一個關(guān)于假設(shè)游戲的首發(fā)周/首發(fā)月安裝量的定向預(yù)測

下圖是首發(fā)周安裝量范圍對應(yīng)的一些變量值。藍(lán)色柱條代表平均值，黑色細(xì)線代表敏感度范圍。一個有趣的發(fā)現(xiàn)是，“大型”主推為首發(fā)周帶來的安裝量范圍并不一定會高于“中大型”主推帶來的安裝量范圍，這進(jìn)一步證明了用戶在決定下載一款游戲時存在更多的變量。

我們現(xiàn)在能談?wù)勎磥砹藛幔?/span>

根據(jù)以上分析，下一步顯然是建立模型來對假設(shè)/未發(fā)布的游戲的首發(fā)周/首發(fā)月安裝量范圍進(jìn)行定向預(yù)測。需要指出的是，150多款游戲的基礎(chǔ)數(shù)據(jù)集并不足以創(chuàng)建穩(wěn)定的預(yù)測模型，但我們可以通過一些務(wù)實(shí)的方法來嘗試建立一個預(yù)測模型。

我們主要嘗試使用3種變量作為輸入來創(chuàng)建一個簡單的線性回歸模型，并使用未納入基本數(shù)據(jù)集的主推游戲來進(jìn)行測試。我們希望測試結(jié)果能夠證明建立一個復(fù)雜的統(tǒng)計模型是合理的，并且我們很高興看到一些結(jié)果能夠證明在這方面投入額外的時間是合理的。下圖是我們的模型預(yù)測的首發(fā)周安裝量和App Annie下載預(yù)估提供的實(shí)際安裝量的對比：

從上圖可以看出，我們的預(yù)測有時準(zhǔn)有時不準(zhǔn)，平均誤差范圍為+/-5萬。導(dǎo)致這種情況的原因有兩個：一是我們的模型設(shè)計還比較原始，二是基礎(chǔ)數(shù)據(jù)集規(guī)模較小?？梢钥隙ǖ氖?，通過嘗試不同且可能更復(fù)雜的統(tǒng)計模型，同時擴(kuò)大基本數(shù)據(jù)集的規(guī)模，我們的預(yù)測精度還能進(jìn)一步提高。由于我們很容易在這方面過度投入，因此在模型設(shè)計的復(fù)雜性和時間投入之間找到平衡是關(guān)鍵，并且應(yīng)該由這些定向預(yù)測要達(dá)到的目標(biāo)來驅(qū)動。

有效預(yù)測首發(fā)周安裝量的方法

我們通過上述的測試可以看出，游戲首發(fā)周/首發(fā)月的安裝量與主推版位、類型和藝術(shù)風(fēng)格之間顯然存在關(guān)系。在此基礎(chǔ)上，我們將通過不斷增加數(shù)據(jù)集、嘗試更復(fù)雜的統(tǒng)計模型以及考慮IP、平臺、主題、應(yīng)用大小和首發(fā)市場等關(guān)鍵變量來探尋這些變量之間更緊密的關(guān)系。

我們可以很自信地說，在預(yù)測游戲首發(fā)周/首發(fā)月的安裝量時，應(yīng)該堅持采用定向預(yù)測來估算大概范圍，而不是絞盡腦汁尋找一個準(zhǔn)確的數(shù)字。希望上述方法和研究結(jié)論可以幫助大家更好地制定業(yè)務(wù)計劃！

注釋：

(1)Kruskal-Wallis(KW)假設(shè)測試

https://en.wikipedia.org/wiki/Kruskal%E2%80%93Wallis_one-way_analysis_of_variance

(2)Game Refinery和Michail Katkoff游戲分類法

https://www.gamerefinery.com/new-genre-taxonomy-and-why-we-need-it/

更多Facebook出海指南可訪問Facebook專題