ゲーム運営データ（ゲーム運営分析：新作ゲーム発売初期段階で洗練された運営を実現するには？）

ゲーム運営分析：新作ゲーム発売初期段階で洗練された運営を実現するには？

今日のモバイル ゲーム市場では、新しいゲームがリリースされるたびに、未知のことや課題に満ちた冒険に乗り出すようなものです。ゲームが初めて起動されると、その操作は、いつ風や波に襲われるかわからない揺れる船のようなものになることがよくあります。この時点で、問題を正確に見つけ、ゲームの健全な運営と持続可能な発展を確保する方法が、すべてのゲーム運営者が直面する主な課題となっています。新しくリリースされるゲームでは、動作の安定性が非常に重要です。しかし、市場環境の複雑性と不安定性、そしてプレイヤーのニーズの多様性により、ゲームは運営の初期段階でさまざまな問題に遭遇することがよくあります。これらの問題は、ゲームデザインの欠陥、市場ポジショニングの逸脱、プロモーション戦略のミスなどによって引き起こされる可能性があります。これらは、ゲーム開発のペースを制限する目に見えない障害のようなものです。

これらの問題を解決するには、データ分析の力を活用する必要があります。ゲームデータを深く掘り下げることで、ゲームの動作状況をより包括的に把握し、データの背後に隠されたパターンや傾向を発見することができます。同時に、データ分析はプレイヤーのニーズや行動習慣をより正確に把握するのにも役立ち、より効果的な運営戦略やプロモーション計画を策定するのに役立ちます。

具体的には、ゲーム運営では以下の点に重点を置く必要があります。

ゲームの現在の動作状況を把握する:

ゲームデータを比較して分析することで、ゲームのパフォーマンスが優れている部分と劣っている部分がわかります。これにより、ゲームの長所と短所をより正確に把握し、その後の最適化作業の強力な基盤を構築できます。

トラフィックをより効率的に増やす方法をご覧ください。

現在のモバイルゲーム市場では、トラフィック獲得コストがますます高くなる一方で、プレイヤーの選択肢はますます多様化しています。したがって、データ分析を通じて潜在的なユーザー グループとチャネル リソースを調査し、より正確で効率的なトラフィック戦略を開発する必要があります。

プレイヤーのアクティビティを向上:

アクティビティは、ゲームの活発さを測る重要な指標の 1 つです。データ分析を通じて、ゲームにおけるプレイヤーの行動パターンや興味の好みを理解し、プレイヤーのニーズにより合った活動を開始することができます。

これらの疑問を提起した後、私たちはこう尋ねずにはいられません。競争が激しく予測不可能なモバイルゲーム市場において、これらの課題にうまく対処し、ゲームの安定した運用を強力にサポートできるツールや方法はあるのでしょうか。

その答えは、BI ビッグデータ分析ツールである FineBI です。 FineBI を使用すると、ゲーム データを簡単に統合し、プレイヤーの行動を調査し、運用戦略を最適化して、効率的なゲーム トラフィックを実現し、アクティビティを改善し、保持と収益を増やすことができます。

FineBI の助けにより、モバイル ゲーム運営者は市場の動向やプレイヤーのニーズをより鋭敏に捉え、ゲーム コンテンツや運営戦略をタイムリーに調整し、ゲームの競争力と魅力を維持することができます。同時に、FineBI はオペレーターの時間と労力を節約し、運用コストを削減し、作業効率を向上させることにも役立ちます。

このデータは、オンラインプラットフォームから取得した「Brutal Age」ゲームプレイヤーの支払いデータです。使用されるデータには、220 万件を超えるレコードと 60 個のフィールドがあります。フィールドの具体的な情報は次のとおりです。

モバイルゲーム運営分析チャート

• まず、現在のゲームの全体的な動作を理解するために、ファネル モデルを使用して各レベルでのゲームの変換を示します。
• 次に、分析的思考に従ってユーザーアクティビティを分析し、ゲームがアクティブなプレイヤーを引き付けることができるかどうかを判断します。これにより、トラフィックとアクティビティを増やす方法についての推奨事項を作成するためのデータが提供されます。
• その後、支払いコンバージョンと有料プレイヤーの維持について詳細かつ徹底的な分析を実施します。アクティビティと支払いの相関分析を行い、支払いプレイヤーの層別分析を行い、さらにゲーム行動とアクティビティの関係、プレイヤーが支払うかどうかの関係を探り、ゲーム運営方法と支払い変換の関係を深く探ります。
• 最後に、分析結果に基づいて、ゲーム運営に関する総合的な意思決定支援を提供します。

指標の定義

• アクティブ プレイヤー: 過去 7 日間の平均オンライン時間が 10 分を超えるプレイヤーは、アクティブ プレイヤーとして分類されます。
• 7 日間の支払い: 最初の 7 日間の合計支払い金額を表します。
• 45 日間の支払い: 最初の 45 日間の合計支払い額を表します。
• ARPU: プレイヤー 1 人あたりの平均収益を指します。
• ARPPU: 有料プレイヤー 1 人あたりの平均収益を指します。
• 支払い済みプレイヤー: 7 日間の支払いが 0 より大きく、45 日間の支払いが 7 日間の支払いより大きいプレイヤー。
• 有料解約プレイヤー: 7 日間の支払いが 0 より大きく、45 日間の支払いが 7 日間の支払いと等しいプレイヤー。
• 新規支払いプレイヤー: 7 日間の支払いが 0 かつ 45 日間の支払いが 0 を超えるプレイヤー。

7日間の支払い変換率、45日間の支払い変換率、45日間の支払い分布に基づいて、支払い変換率分析を実施しました。また、プレイヤー→アクティブプレイヤー→課金プレイヤー→課金継続プレイヤーの流れに基づいたファネル分析も実施しました。

データ分析を通じて、次のような結論を導き出すことができます。

• 有料コンバージョン率が低い: 7 日間の有料コンバージョン率と 45 日間の有料コンバージョン率はどちらも低いレベルを示しており、45 日間のコンバージョン率の改善は明らかではありません。これは、7 日から 45 日の期間内にゲーム内で新規に有料プレイするプレイヤーの数が比較的少なく、支払いコンバージョン率に改善の余地があることを示しています。
• 不均等な支払い配分: 45 日間の支払い配分によると、約 98% のプレイヤーがゲーム内で支払いを行っていませんでした。さらに、支払額は明らかな二極化傾向を示しており、少数のプレイヤーはより高い金額を支払い、大多数のプレイヤーはより低い金額を支払っています。これは、ゲームの課金層の間に明確な二極化があり、課金グループごとに異なる運営戦略を採用する必要があることを示しています。
• プレイヤー コンバージョン ファネルに問題があります。プレイヤー コンバージョン ファネル チャートによると、トラフィックからアクティビティ、支払いから維持までの 2 つのリンクのパフォーマンスが悪く、ゲームが新規プレイヤーを引き付け、有料プレイヤーを維持することに課題があることを意味します。したがって、これら 2 つのリンクに焦点を当て、コンバージョン率を向上させる効果的な方法を見つける必要があります。

過去 7 日間の平均オンライン時間が 10 分を超えるプレイヤーをアクティブ プレイヤーと定義し、登録日時の分布に基づいて分析します。

データ分析を通じて、次のような結論を導き出すことができます。

• アクティブコンバージョン率が低い:アクティブコンバージョン率はわずか 3.2% です。考えられる理由としては、惹きつけられるプレイヤーの質が低いこと、ゲームの参入障壁が高いこと、初心者に対するインセンティブ政策が不十分であることなどが挙げられます。これらの要因により、新しいプレイヤーがゲームを理解して継続することが難しくなり、アクティブコンバージョン率が低下する可能性があります。
• サーバー立ち上げプロモーションの効果は乏しく、 2月19日に登録ピークがあったにもかかわらず、誘致したプレイヤー数は増加しませんでした。これは、潜在的なプレイヤーをゲームに参加させるために、ターゲット ユーザーの設定、チャネルの選択、プロモーション活動のプロモーション マテリアルなどの側面を最適化する必要があることを示唆しています。
• 広告と登録の時間帯:アクティブプレイヤーの登録量は 10:00 から 24:00 の間に大幅に増加するため、この時間帯にトラフィックを生成する広告を配置すると効果的である可能性があります。これは、広告の掲載時間を選択する際に、アクティブなプレーヤーの登録のピーク時間を考慮することが重要であることを示しています。
• プレイヤーのゲーム参加率は低く、最初の 7 日間のプレイヤーの平均オンライン時間のほぼ 97% が 10 分未満でした。これは、プレイヤーの大部分がゲームにそれほど熱中していないことを意味している可能性があり、彼らの熱中度と維持率を高めるための措置を講じる必要がある。
• プレイヤーのオンライン時間を増やす必要があります。オンライン時間が長くなると、アクティブなプレイヤーの数は減少します。これは、オンラインで過ごす時間が長いプレイヤーはアクティブなプレイヤーになる可能性が高く、オンラインで過ごす時間が短いプレイヤーは離脱する可能性が高くなることを示唆しています。そのため、ゲーム運営チームは、オンラインで過ごす時間が長いプレイヤーに焦点を当て、彼らの維持率と決済コンバージョン率を向上させる対策を講じる必要があります。

7 日間の総収益、45 日間の総収益、および対応する ARPU (プレイヤー 1 人あたりの平均収益) と ARPPU (有料プレイヤー 1 人あたりの平均収益) を分析しました。

データ分析を通じて、次のような結論を導き出すことができます。

• 総支払収益が低く、ARPU および ARPPU 指標も低い:プレーヤーの総支払収益が低く、ARPU および ARPPU 指標も低いです。これは、ゲームに課金するプレイヤーの数が少なく、課金するプレイヤーが支払う金額も高くないため、全体的な収益レベルが低いことを示しています。
• プレイヤーの平均支払額は比較的低いです。データによると、大多数のプレイヤーは支払っていません。有料プレイヤーのほとんどは50元以下を支払っています。これは、ゲームの有料プレイヤーグループが主に少額の支払いを行っており、有料グループの分布が比較的集中していることを示しています。
• 7日間の支払い額は比較的低く、ほとんどの支払いプレイヤーは低額の範囲に集中しており、少数のプレイヤーはより高い金額を支払い、ごく少数のプレイヤーでさえ2,000元以上を支払っています。最高支払額は7,430元です。これは、高額を支払うプレーヤーは少数だが、大多数のプレーヤーはそれより低い金額を支払っていることを示唆しています。

アクティビティ レベルの異なるプレイヤーの平均支払額、アクティビティ レベルの異なるプレイヤーの総収益への貢献度、アクティビティ レベルの異なるプレイヤーの支払い額の割合、新規プレイヤーの 1 日あたりの平均オンライン時間の分布を分析し、対応する分析結論を導き出しました。

• アクティビティ レベルの分類:過去 7 日間の 1 日あたりの平均オンライン時間に基づいて、プレイヤーは 10 分以下、10 ～ 20 分などのさまざまなアクティビティ レベルのグループに分類されます。この分類は、プレイヤーのアクティビティと支出行動の関係を理解するのに役立ちます。
• 支払額:最初の 7 日間における 1 人あたりの平均支払額、つまり最初の 7 日間における各プレイヤーの平均支払額を指します。
• 新規支払いプレイヤー数:最初の 7 日間は支払いを行わなかったが、7 日目から 45 日目に支払いを行ったプレイヤーの数を指します。この指標は、ゲーム内でどのタイプのプレイヤーが有料プレイヤーになる可能性が高いかを理解するのに役立ちます。
• プレイヤーのオンライン時間と支払額の関係:グラフによると、プレイヤーのオンライン時間が長くなるほど、支払いプレイヤーの割合が高くなり、1人あたりの平均支払額も高くなります。特に、1日の平均オンライン時間が30〜120分のプレイヤーグループが、総収益の65%を占めました。これは、オンラインで過ごす時間が長いプレイヤーは、有料プレイヤーになる可能性が高く、支払う金額も高くなることを示唆しています。
• 新規有料プレイヤーのソース:新規有料プレイヤーは主に、1 日の平均オンライン時間が 30 ～ 60 分のユーザーから来ていますが、他のグループと比べて大きな違いはありません。これは、活動レベルの異なるプレイヤーグループごとに一定の支払い潜在力があることを示しており、ゲーム運営チームは活動レベルの異なるプレイヤーに対して対応する支払い促進戦略を採用する必要があります。

有料プレイヤーの維持確率と新規有料プレイヤーの確率の計算を完了し、有料プレイヤーの階層化、建物・要塞におけるプレイヤーの分布、その他のタイプの建物の分布、有料プレイヤーによる支出額の分布を分析し、最初の 7 日間の異なる支払い額におけるプレイヤーの離脱確率と維持確率を分析しました。

• 有料プレイヤーの維持率が低い:最初の 7 日間に有料プレイヤーだった人のうち、次の期間に引き続き有料プレイヤーだった人はわずか 27.3% で、有料プレイヤーの約 73% が離脱しました。これは、ゲームにおける有料プレイヤーの離脱率が高いことを示しており、有料プレイヤーの維持率を向上させるために的を絞った対策を講じる必要があることを示しています。
• 新規支払い率が低い:最初の 7 日間に支払いを行わなかったプレイヤーのうち、7 〜 45 日の期間に新規支払いを行ったプレイヤーはわずか 0.2% であり、新規支払い率は低いです。これは、ゲームにおける非課金プレイヤーの支払いコンバージョン率が高くないことを示しており、新規支払い率を高めるには支払いコンバージョン戦略を最適化する必要があります。
• 最初の 45 日間に支払いを行ったプレイヤーの階層化:最初の 45 日間に支払いを行ったすべてのプレイヤーを階層化した結果、最初の 7 ～ 45 日間に支払いを行ったプレイヤーはわずか 34.5% であることがわかりました。これは、ほとんどのプレイヤーが次の期間に再度支払いを行わなかったことを意味し、異なるティアのプレイヤーの支払い行動と理由についてさらに分析する必要があります。
• 要塞レベルと支払い状況の関係:支払いを継続しているプレイヤーの要塞レベルは比較的高いのに対し、解約したプレイヤーと新規支払いプレイヤーの要塞レベルは低い。これは、レベル 8 ～ 10 ではゲームの難易度が高くなり、課金プレイヤーが減少する可能性があることを示唆しています。ゲーム開発チームは、この段階でプレイヤーのゲーム体験を詳しく調査し、離脱の考えられる理由を特定して改善を行うことができます。
• 他の建物のレベルが低い:要塞を除いて、他の建物のレベルは一般的に低く、プレイヤーのゲーム体験と支払い意欲に影響を与える可能性があります。関連建物のアップグレードを強化し、ゲームコンテンツを更新する必要があります。
• 有料プレイヤー別の支出額の分布:有料継続プレイヤーと新規有料プレイヤーの支出額は高く、有料解約プレイヤーの支出額は低くなっています。これは、ゲーム内の有料小道具の価格がプレイヤーの予想を超え、離脱につながるためと考えられます。したがって、ゲーム開発チームは有料小道具の価格設定を再評価し、プレイヤーの支払い体験を向上させることができます。

ゲーム行動に関しては、階層化されたプレイヤーによる基本リソースの使用、兵士アイテムの使用、加速クーポンの使用、PVE（人機対決）、PVP（人対人対決）、異なる要塞レベルでの行動の観点から主に分析が行われます。分析結果と結論は以下のとおりです。

• 取得/使用されるリソースの量は、アクティビティと支払いに正の相関関係があります。つまり、プレイヤーのアクティビティが多ければ多いほど、使用するリソースも多くなり、支払いを行うプレイヤーは、支払いを行わないプレイヤーよりも多くのリソースを取得/使用します。一般的にアクティブなプレイヤーが支払うリソースの量は、アクティブに活動しているが支払いをしないプレイヤーのリソースの量よりも大幅に多いですが、リソースの使用に対する支払いの有無の影響はアクティビティよりも大きい可能性があると推測されます。
• 象牙資源の使用率が低い:すべてのプレイヤーの象牙の取得と使用率は低く、無課金プレイヤーの象牙使用率は課金プレイヤーよりも大幅に低くなっています。これは、多くのプレーヤーが象牙資源の使用について十分理解していないことを意味している可能性があります。象牙資源の使用に関するガイドラインを追加して、この資源に対するプレイヤーの認識と使用を増やすことを検討してください。
• 無課金プレイヤーのリソースの絶対量は少ないが、利用率は高い：全体的に、非アクティブプレイヤーと象牙の利用率を除いて、無課金プレイヤーのリソースの絶対量は有料プレイヤーよりも大幅に低いですが、リソースの利用率は有料プレイヤーよりも低くはなく、むしろ高い場合もあります。これは、無課金プレイヤーは獲得するリソースは少ないが、持っているリソースをより効率的に使用していることを示しています。ゲーム体験を最適化する際には、プレイヤーが自信と忍耐力を失わないように、基本的なリソースの取得の難易度のバランスを取り、開始の難しさとプレイヤーのリソース取得のギャップを減らすことを検討できます。
• 無課金のアクティブプレイヤーのグループは、最も高いリソース利用率を持っています。象牙の利用率を除いて、無課金のアクティブプレイヤーのグループは、最も高いリソース利用率を持っており、彼らは育成する価値のあるプレイヤーです。これらのプレイヤーはゲームに対する投資と忠誠心が高い可能性があるため、彼らのニーズを満たすために、より多くのアクティビティと報酬を設計して、満足度と維持率を向上させることができます。

• 兵士リソースの募集と損失は、プレイヤーの活動と支払いと正の相関関係にあります。つまり、プレイヤーの活動が高ければ高いほど、募集される兵士リソースと失われる兵士リソースが多くなります。支払いをするプレイヤーは、支払いをしないプレイヤーよりも多くのリソースを使用します。ただし、非課金アクティブプレイヤーは、課金する一般的なアクティブプレイヤーよりもリソースの獲得、使用、さらには損失率や回復率が高いため、課金プレイヤーよりもアクティビティの影響が大きいと推測されます。
• 非課金プレイヤーを除き、非課金プレイヤーの兵士資源損失率は課金プレイヤーよりも大幅に高く、回復率は課金プレイヤーよりもわずかに低くなります。
• 全体的に、兵士の資源の配分と多様性は比較的健全です。

• 加速クーポンの使用は、アクティビティおよび支払いと正の相関関係にあります。一般的にアクティブで支払いを行うプレイヤーが使用する加速クーポンの数は、支払いを行わないアクティブ プレイヤーが使用する加速クーポンの数よりも大幅に多く、これは支払い要因がアクティビティよりも加速クーポンの使用に大きな影響を与える可能性があることを示唆しています。この場合、加速クーポンの使用に対する支払いと活動の相対的な重要性をさらに評価する必要があります。
• 回復スピードアップクーポンの使用率と利用率が低い：プレイヤーの回復スピードアップクーポンの使用率と利用率が非常に低いです。兵士のリソースの使用を考慮すると、兵士の回復率、活動レベル、支払いの間には明らかな関係はありません。これは、回復リソースとそのスピードアップ クーポンの使用を最適化する必要があり、スピードアップ クーポンの有効性を向上させるか、プレイヤーがそれらを使用するようにより多くのインセンティブを提供する必要があることを意味する可能性があります。
• 有料プレイヤーによる加速クーポンの使用は、非有料プレイヤーによる使用よりも大幅に高くなっています。全体的に、有料プレイヤーによる加速クーポンの使用は、非有料プレイヤーによる使用よりも大幅に高く、有料だが非アクティブなプレイヤーによる使用よりもさらに高くなっています。これは、支払いの差額によりゲーム体験が損なわれたと非支払いプレイヤーが感じることを避けるために、有料加速クーポンの使用をさらに評価する必要があることを示しています。ゲームの公平性とプレイヤーの満足度を確保するには、有料プレイヤーと無料プレイヤーのゲーム体験のバランスをとる方法を検討する必要があるかもしれません。

• PVE 戦闘および PVP 戦闘状況はアクティビティ レベルと正の相関関係にあります。プレイヤーの PVE 戦闘および PVP 戦闘状況はアクティビティ レベルと有意に正の相関関係にあります。つまり、プレイヤーがアクティブであればあるほど、PVE および PVP 戦闘に参加する可能性が高くなります。支払いとの関係はあまり明白ではありませんが、これは支払いと戦闘頻度の相関関係が活動と戦闘頻度の相関関係ほど明白ではないことを示している可能性があります。
• 有料プレイヤーと非有料プレイヤーの間では、PVE と PVP の勝率に大きな差はありません。有料プレイヤーと非有料プレイヤーの PVE 勝率はほぼ同じですが、有料プレイヤーの PVP 勝率は非有料プレイヤーの勝率よりもわずかに高くなっています。これは、ゲームが全体的に健全な状態にあり、支払いがプレイヤーの戦闘成功率に大きな影響を与えないことを示しています。これは、ゲームのバランスが取れており、お金を払ってもプレイヤーにあまり有利にならないため、ゲームが公平に保たれていることを意味している可能性があります。

• 要塞レベルとアクティブプレイヤーおよび課金プレイヤーの関係:アクティブプレイヤーと課金プレイヤーのほとんどはレベル 9 付近の要塞に集中していますが、レベル 11 以降はアクティブプレイヤーと課金プレイヤーのみがほぼ存在します。これは、要塞レベルがゲームの重要なステージであり、多数のプレイヤーが参加してお金を使うようになる可能性があることを示唆しています。ゲームが進むにつれて、要塞レベルが上がると、よりアクティブで有料のプレイヤーが集まるようになるかもしれません。
• 支払い回数と総支払い額と要塞レベルの関係：支払い回数と総支払い額は、要塞レベルが9に達すると急増します。全体的に、1人あたりの平均支払い回数、1人あたりの平均支払い額、1回あたりの平均支払い額はすべて要塞レベルと正の相関関係にあり、レベル22でピークに達します。これは、要塞レベルが上がるにつれて、プレイヤーの支払い行動も増加することを意味します。これは、高レベルの要塞がより多くのゲームコンテンツと経験をもたらし、プレイヤーにより多くの支払いを促すためかもしれません。
• 要塞以外の建物レベルの分布は比較的均一です: 要塞以外の建物レベルの分布は比較的均一で、アクティビティと正の相関関係がありますが、建物が支払われるかどうかとは有意な関係がありません。

現在の状況の概要:

• リードインアクティビティプロセスのコンバージョン率はわずか 3.2% と低いです。
• 支払い保留プロセスにおける解約率は約 62% と高くなっています。
• 未払いから支払いへの転換率はわずか 0.2% と低いです。
• 有料プレイヤーは全プレイヤーの 2% 未満を占めますが、有料プレイヤーはアクティブプレイヤーの 32% を占めています。
• 最初の 7 日間では、プレイヤーの 1 日あたりの平均オンライン時間の約 97% が 10 分を超えず、1 日あたりの平均オンライン時間が増加するにつれてプレイヤー数は減少しました。
• 最初の7日間の平均オンライン時間は30〜120分だったWansuoが主な収益源となり、総収益の約65％を占めた。
• 各オンライン時間レベルで、無課金プレイヤーの一部が課金プレイヤーに転換しており、転換量の差は大きくないことから、各レベルで活用する価値のある潜在的ユーザーが存在することがわかります。
• 要塞レベルから判断すると、お金を支払って損失を出すプレイヤーは主にレベル 8、9、10 に集中しています。
• 要塞レベルから判断すると、新たに訓練された有償の象は主にレベル 8 と 9 に集中しています。
• 最初の 7 日間の支払い額 - 6 元が保持の重要なポイントです。最初の 7 日間で 6 元以上支払ったプレイヤーの維持確率は、解約確率よりも高くなります。
• 象牙資源の利用率は高くなく、利用シナリオを最適化する必要がある。
• 治療ボーナスクーポンの利用率は高くなく、ゲームシーンを最適化する必要がある

原因分析と提案:

• 活動レベルが低い: 転換されるプレイヤーの質が高くありません。転換チャネルを改善し、転換方法を最適化し、主な転換時間を 10 時から 24 時までに調整するようにしてください。
• プレイヤーがゲームを始めるための敷居は比較的高いです。初心者向けのガイダンスをさらに追加し、基本的なリソースのギャップを狭めて、プレイヤーが興味を失ってゲームに定着する前に離脱してしまうことを防ぎます。新規プレイヤー向けのインセンティブ ポリシーを追加して、プレイヤーがゲームを理解する機会を増やします。プレイヤーの刺激的な体験をデザインする - ゲームリンクを最適化し、プレイヤーの刺激的な感覚を高めるデザインを充実させ、プレイヤーの粘着性を強化します。
• 有料ユーザーの維持率が高くありません。初心者ギフトパッケージ後のアイテムの価格が多くのプレイヤーの期待の上限を超えています。アイテムの価格設計またはマーケティング方法を最適化します。例: 低価格で複数回。プレイヤーの受け入れを増やすために経験カードをいくつか発行します。ゲーム体験を改善する必要があります。ほとんどの有料プレイヤーは要塞のレベル 8、9、10 で脱落するため、ゲームの難易度の増加を遅くすることを検討できます。プレイヤーの苦痛を増すデザインを追加します。有料の象は通常、より高いレベルにあります。簡単にゲームを諦めたくないと思うような、より苦痛なデザインを追加します。
• マーケティングの最適化: プレーヤーを階層化し、プレーヤーのライフサイクル管理を改善し、プレーヤーごとに異なる精密なマーケティング ポリシーを策定し、ゲームの成長率に適応します。
• 有料小道具の費用対効果の最適化: 最初の 7 日間に支払われる金額 - 6 元は、プレイヤーの維持と損失の分水嶺であり、初心者向けギフト パッケージとその後の価格調整の参照基準として使用できます。

この記事では、現在の市場におけるモバイル ゲームの主なニーズと問題点を簡単に紹介し、注意が必要ないくつかの側面を列挙し、FineBI が分析した成功事例を使用して、モバイル ゲームの運用分析を実行する方法について読者に深い理解を提供します。最後に、 BI ビッグデータ分析ツールの中で FineBI を選択することを読者に推奨します。国産BIツールの先駆者として、使う価値あり！