GameRes游资网|如何有效预测移动游戏首发周的安装量

本文来自特约撰稿人Abhimanyu和Victoria 。 文中所述的测试是他们在Flaregames工作期间完成的 。
更多游戏出海资讯尽在“FB出海”专栏
GameRes游资网|如何有效预测移动游戏首发周的安装量
文章图片
新款游戏马上就要发布了?应用平台有没有承诺在商城中给你提供曝光度?想要预测平台提供的曝光度能带来多少安装量?如果你想要精准的数字 , 那得去问问魔力水晶球 。 如果你想做个大概的估算 , 请继续看下文!
许多游戏开发者都明显意识到 , 通过平台主推获得的安装量已不复当年之多(iOS平台更是如此) 。 但在商城的显要位置曝光依然能带来可观的流量 , 这些位置是游戏公司的必争之地 。 令人遗憾的是 , 预测主推周/主推月的安装量让很多团队都感到扎心 。 不足为奇的是 , 在对项目营收进行合理预估时 , 预测安装量也是项目经理和高管们最重要和最头疼的工作 。 每家公司都会通过不同的方法来解决这个问题 , 大多数公司会根据同类游戏的安装量进行预测 。 但这类方法的准确率往往很低 , 而且解读会收到个人观点的影响 。
GameRes游资网|如何有效预测移动游戏首发周的安装量
文章图片
我们认识到这个问题的困难性且没有关于这一话题的公开分析 , 于是打算采用一些科学的方法来解决这个看似很抽象的预测问题 。 经过认真分析影响潜在客户安装决定的关键因素后 , 我们决定测试以下这种假设:游戏首发周的安装量与游戏的主推版位、类型和艺术风格之间存在关系 。 下面的分析证实了这种假设是正确的 。 我们希望通过本文为游戏公司介绍一种能够付诸实践的方法 , 并提供一些相关的研究发现来助力行业获得进一步发展 。
分析方法
与任何同类研究一样 , 这套分析方法包含了建立数据集、开展统计测试和创建模型3个阶段 。
具体如下:
1.分析了在2018年4月2日至9月27日间主推的150多款游戏
2.每款游戏都按主推版位、类型和艺术风格进行分类
3.采用Kruskal-Wallis(KW)(1)假设测试来检验假设
4.我们建立了一个线性回归模型 , 将假设游戏的3种变量分类作为输入 , 并输出游戏在首发周/首发月的预测安装量范围
在建立基础数据集时 , 我们使用了AppAnnie提供的优质服务来收集相关游戏的iOS自然安装量估值和主推日期 。 我们假设游戏的全球iOS主推日期与iOS美国主推日期一致 。 因此 , 这次分析仅限于iOS数据 。
拥有大型IP的付费游戏和精选游戏未纳入基础数据集考量 。 大型IP游戏包括(但不限于)基于大型电影、电视剧和名人开发的游戏 , 以及原创爆款游戏的续作 。 值得一提的是 , 我们在第一轮分析中确实试图纳入大型IP游戏 , 但逐渐意识到这是一个非常棘手的难题 。 我们最终得出的结论是 , 影响大型IP游戏首发周/首发月安装量的因素数量超出了本次分析的范畴 。 但我们机会以后建立一个模型来解决这个问题 。
变量定义
数据集中的每款游戏按3种变量进行分类 , 即主推版位、类型和艺术风格 。 与这些变量相关的赋值例如:
全屏查看
GameRes游资网|如何有效预测移动游戏首发周的安装量
文章图片
我们采用了GameRefinery和MichailKatkoff(2)制定的游戏分类法来划分游戏类型(见下图) 。 例如 , “休闲游戏”是一种游戏类别 , “街机游戏”是一种游戏类型 , “平台游戏”是一种子类型 。 由于基础数据集有限且复杂的分类可能无法带来具有实操性的研究结果 , 因此数据点分类没有考虑使用子类型 。 虽然如此 , 但应注意到子类型显然可以在更大的数据集中使用 。
GameRes游资网|如何有效预测移动游戏首发周的安装量
文章图片
验证假设
我们再提一下初始的假设:游戏首发周的安装量与游戏的主推版位、类型和艺术风格之间存在关系 。
我们已使用Kruskal-Wallis(KW)假设测试证实上述假设是正确的 。 我们进一步利用这个假设验证了首发周的安装量也存在类似的关系 。 下表通过P值概括反映了各项测试的意义 , P值应小于0.10才具有统计学意义 。 整体而言 , 每种变量都在各种优势方面显示出了统计学意义 。 我们的研究结论概括如下:


推荐阅读