网游用户的数值模型(转）

响良牙

       做商业模拟游戏的时候，我很有成就感，觉得我可以不用花钱去创业经营一个笔记本专卖店，就能和联想的渠道侃侃而谈笔记本专卖店的经营之道，说明打价格战光狠没用，没有精确计算是很容易伤人又伤己的。纸上谈兵，是商业模拟游戏的迷人之处。无论如何，即便是现实经验的总结，最终也可以体现到纸上。无论是空想的，还是现实总结的，最终都可以归一，一个把现实充分抽象的简化的模型。
比如说网游，这里我且不管它是什么类型的网游。先给他建一个模型看看，然后我们再看看现实的网游如何往这个模型里面套，不同类型的网游会有什么样的特点。



建模之道在于简化，如果一个模型能用最少的变量说明问题的核心，那这个第一步就很成功了。很多时候，最核心的简化模型，一般都是一个源流(stock and flow)模型，我特喜欢。源流模型就像一个水龙头，往一个水池放水，然后这个水池又有一个出水口在往外流水，水池的水位如何变化。比如人口问题，化为源流模型就是，新出生人口，现在的人口，死亡人口。源流都很清楚。对于中国，这个源流模型基本正确，因为移民很少，对于美国，这个就不太好了，移民的影响还是有点大的。源流模型的控制节点，新出生人口，可以记为人口出生率，死亡人口，可以记为人口死亡率。这两个率，就相当于水池进水口和出水口的控制阀门，计划生育管人口出生率，社会治安，医疗卫生，交通等可以管人口死亡率。如此，这个模型就可以扩散开去，形成一个网状，但是核心还在这个源流模型。这样的简单模型，是系统动力学其中的一种，第五项修炼中可能有提到过。其中，增加出生率和死亡率这两个节点，技巧在于，很多时候一种举措虽然实际影响的是细微的个体，但统计的时候必须是对整体的影响。比如提供更好的服务质量，增加客户满意度，增加客户的回头率。这个时候很难说增加多少个回头客户，影响到回头率是一种很好的简化方式。


      当然，我们很关注的问题，往往并不一定直接就是核心问题，比如网游的赚钱，一般谈到这个，无非就是两个值，付费率，平均每用户的价值(日，周，月，年)。我们还是从最基本的源流模型开始。一个网游有多少人玩。新增用户，正在玩的用户，流失用户。上面说到，如果美国的人口也用上面的统计，估计会出问题。因为没有考虑到移民。同样，北京市的人口统计，按简化的人口模型统计，也不太对，设计一个转户口以及是常住还是暂居的人口。对于一个游戏，比如统计每天独立登陆的用户数，新增是当天注册的用户数，流失是前一天登陆了但是今天没有登录用户。所以大家可以看到，新增和新生的概念差不多。但是流失和死亡的概念不对等。因为一个玩家可能当天有点事，暂时忙没空上网，旅游去了，没法上网，过几天又回来了。流失和死亡的不对等，这样导致新增也不能按新生那么算了。源流模型需要改进。新增那块除了新注册，还需要增加老手回流。比如对于手机wap网游和手机java网游，到目前都存在比较明显的20日效应，每月的下旬，在线玩家数比上旬的的同比明显减少。一般的网游可能存在假期效应。周末和上班不一样，寒暑假和平时不一样。可见，这些效应其实本质上是老用户回流的比率在变动。同样，也可以吧流失分为新手和老手流失。模型复杂了一点，但关键是如何明确定义这些节点。这些节点从整体上明晰之后，是否能完整的描述这个模型。ok。根据上面的图，我们来看一个具体到每天的独立登录用户玩家的模型如何定义。新增用户，当天新注册的用户。老手回流，昨天没有登录但是今天登陆了的用户。新手流失和老手流失，这里有个抉择问题。昨天注册但是今天没有登录的用户。老手流失，昨天以前注册，昨天登录，今天没有登录的用户。上面的模型定义应该是完备的，但是有些问题值得探讨，新增用户和新手流失没有很好的对应关系。老手回流和老手流失也是。这里面节点定义的选择空间很大，比如新手老手流失，可以按等级来算，也可以按总游戏时间来算，等等。
我认为主要的选择依据应该可以考虑以下几点：
1、能和主要的现象有对应关系，
2、统计成本应该比较低。
3、这个率那个率的值相对比较稳定。有稳定的值的时候，才可能根据趋势判断未来。
       有了一个简化的模型，让我们估计一些数值带入其中，看看不同的游戏会有什么样的效果。比如老手流失率，主要应该取决于游戏的生命周期和对初筛后用户的吸引度，这两个值一般变化都不会很大。比如，一个玩家在这个游戏3个月就玩到顶级，然后没啥新内容，索然无味，这样，平均用户生命周期如果是3个月，那基本上这个网游3个月后，每天会流失1/90。如果平均用户生命周期是1个月，那么1个月后，每天老手流失1/30。可见，后一个生命周期短的游戏，对应的运维成本要增加3倍以上。小团队制作的游戏，可能要非常注意这一点。拼命延长用户的生命周期，可以省下很多的钱，绝对的。
让我们再来看新增用户。和新手用户流失率。这就像头三板斧是否吸引人。新手流失率低的服务器对放量极其敏感，可以说是给点阳光就灿烂，这样的游戏服务器不容易老化，也是一个很不错的优点，当然，目前的新手流失率只有一天的流逝，不太准确。同时，从这个入口，也可估计一个服务器在线玩家的等级分布。这样根据等级分布再分析用户的付费，就会更准确一些。根据我的经验，其实按新手流失定义为昨天注册今天流失的数字，是一个很高的估计。新手流失按天统计的曲线很像最速下降曲线，前几天下降的很猛，后面基本平缓。一般而言在一周N=7左右后，才趋于平稳。也就是说，某天注册的一批用户，7天后留存才基本上稳定下来了，但是按这种口径统计，流失用户就划分的太琐碎，统计成本很高。当然，这样的一个周期也告诉我们，一般一次买量或者放量的过程，需要10天半个月后才趋于稳定。不同游戏的N值不一样，可能不同渠道用户N值也会有波动，这个需要灵活掌握。比如说开服的时候，前几天一般注册量都偏高，这些注册偏高的日子再加N，就是服务器稳定后的时间。

      把最近的用户统计清楚之后，然后可以看付费率，平均每用户(日周月)的价值，这样基本的网游分析模型的架构就基本搭建起来。什么举措影响这个率那个率的，最终会影响到总输出，每天的收入或者每月的收入，各种活动的数值分析就有了一个大框架的依据。付费这块我目前还没有太好的心得，我觉得玩家之所以愿意付费，原因是他希望通过付费增加他虚拟用户玩家的价值，当然也可能是增加或减少别的虚拟玩家的价值。目前从这样最基本的层面搭建一个能扩展的模型，暂时还没有想的很清楚。数值模型也许不能讲出比实际经验更深刻的新道理，但是能够量化一些指标，从而更好的分清事情的主次。