Наталья Андрианова – Как создаются игры. Основы разработки для начинающих игроделов (страница 56)
В результате всех этих исследований мы получим некие цифры, которые сами по себе, конечно, вообще ничего не значат. Они представляют интерес в сравнении с другими уже вышедшими играми, похожими на нашу, которые мы могли исследовать на этапе проработки концепта. Если у них 30 % вишлистов конвертировались в покупки, значит, и мы можем на это рассчитывать. В случае с платными играми для прогноза дохода от продаж можно умножить цену игры на количество потенциальных покупателей среди тех, кто добавил игру в свой список желаний. Эта методика расчета очень ненадежна, так как разные игры показывают слишком разные значения конверсии, но все же она позволяет получить значения для позитивного и негативного сценария продаж. Если сумма негативного сценария нас не удовлетворяет, то, вероятно, стоит потратить еще какое-то количество ресурсов на улучшение этого показателя. Соответственно, мы можем оценить эффективность проводимых мероприятий: сколько та или иная маркетинговая кампания привела новых игроков.
В случае с условно бесплатными играми и ретеншном мы получаем уже играющих в игру пользователей и можем не только проверять эффективность рекламных кампаний, но и самих игровых механик. И также мы можем довольно быстро понять, насколько игра хороша и есть ли у нее перспективы.
Если вишлисты измеряются простой цифрой, то ретеншн (удержание игроков) – это целый комплекс. Для игр разных жанров могут быть важны показатели разных дней, но чаще всего замеряется ретеншн первого, третьего, седьмого и четырнадцатого дня. Современные системы аналитики должны позволять получить ретеншн любого дня, чтобы можно было сравнить с показателями других систем или отчетов и более тонко настроить отображение важной для конкретного проекта информации.
По сути, ретеншн показывает, сколько людей, пришедших первый раз в игру в какой-то конкретный день, потом снова появились в игре на следующий день, через неделю или две в абсолютном количестве или в процентном отношении. Конечно, цифра первого дня будет меньше цифры нулевого дня, так как мы рассчитываем ретеншн именно для ограниченной группы людей, пришедших в какой-то конкретный день. Соответственно, цифры седьмого дня будут еще меньше, и это нормально – люди будут покидать нашу игру.
И все же есть определенные «стандарты» со значениями, ниже которых опускаться нельзя, и значениями, к которым нужно хотя бы стремиться. Издатель или инвестор не будет разбираться в особенностях механики игры, они посмотрят на предоставленные нами цифры ретеншна, сравнят их с какими-нибудь отчетами и сделают выводы. Ведь если игроки не остаются в игре, некому будет делать в ней покупки. Поэтому при разработке условно бесплатной игры необходимо прежде всего работать с ретеншном, то есть с интересностью и привлекательностью игры, а потом уже с другими показателями.
В отличие от платных игр, в условно бесплатных играх мы действительно имеем довольно широкие возможности улучшения ситуации. Мы можем буквально исследовать каждый из элементов созданной нами игры, чтобы удостовериться в том, что он максимально помогает нам заинтересовать и удержать игрока.
Следующей по важности является метрика дохода, получаемого с игрока. Для платных игр тут все относительно просто, ведь у игры есть только одна цена. Она может различаться для разных регионов, но сути это принципиально не меняет. В условно бесплатных играх все несколько сложнее, потому что у игрока есть много различных возможностей потратить в игре деньги, а значит, сумма будет меняться. Иногда значительно.
В результате получается целая коллекция метрик во главе с показателем ARPU (Average Revenue Per User – «средний доход с пользователя»). Эта метрика является простым делением заработанных за один день денег на всех имеющихся на этот день пользователей.
ARPU – метрика довольно абстрактная, потому что оставляет в основе довольно много неопределенности: у нас может быть как очень плохая монетизация при небольшом количестве пользователей, что в итоге даст хорошее значение ARPU, так и очень хорошая монетизация при очень большом количестве пользователей, что в итоге может дать очень маленькое значение метрики. Ситуация бывает еще сложнее. Например, у нас есть игра, в которую играет какое-то количество очень замотивированных игроков, которые хорошо платят. И вот мы решили купить рекламу, но ошиблись с аудиторией, и в игру пришло еще большее количество очень незамотивированных игроков, которые платят плохо. Получается, что надо внимательно следить не только за значением самого ARPU, но и за связанными с ним метриками.
На помощь приходят метрики ARPDAU (Average Revenue Per Daily Active Users – «средний доход за день с пришедших в этот день пользователей») и ARPPU (Average Revenue Per Paying User – «средний доход с платящих игроков»). Показатель ARPDAU обрубает всех уже ушедших из игры пользователей, оставляя только тех, кому игра действительно интересна, и тех, кто в игру только-только пришел. ARPPU же и вовсе показывает средний чек платящих игроков, независимо от их количества, отрезая неплатящих игроков.
Для облегчения работы с показателем ARPU есть еще некоторое количество дополнительных метрик: например, метрика конверсии игроков в платящих, которая показывает долю платящих игроков, или значение DAU (Daily Active Users – «пользователи, зашедшие в игру в конкретный день»), которое позволяет узнать доход за день из ARPDAU.
И конечно, мы можем анализировать отдельно доход с игроков, совершающих внутриигровые покупки, и доход с игроков, смотрящих рекламу. Аналитические инструменты позволяют создавать и более сложные группы (когорты) по игрокам, совершающим покупки разных предметов на разные суммы. Или, например, мы можем выделить людей, пришедших в игру в результате покупки рекламы, и сравнить их с другими игроками, чтобы оценить качество этой рекламы. Скорее всего, поведение игроков из разных групп будет отличаться и их можно будет заинтересовывать разными акциями, разными последующими предметами, механиками и т. п.
Есть близкий к DAU показатель MAU (Monthly Active Users – «пользователи, зашедшие в игру в конкретный месяц»). MAU отличается тем, что учитывает пользователей, зашедших хотя бы раз в течение месяца. Этот показатель позволяет оценить расходы на сетевую инфраструктуру, необходимую для работы игры, так как многие сервисы используют это значение для расчета стоимости своих услуг.
Одним из главных и самых сложных финансовых показателей игры является LTV (Lifetime Value – «пожизненная ценность»), который показывает, сколько в среднем можно получить с игрока за всю его жизнь в игре. Идея LTV заключается в том, что траты игроков в игре неравномерны и продолжительны. Они меняются со временем, так как меняется мотивация игрока и количество ресурсов, которые ему нужны. Если в игре есть механика сезонных пропусков, то в начале сезона игроки в среднем будут тратить больше денег, покупая эти пропуска. Плюс игрок может сделать первую покупку через несколько месяцев после начала игры, и, если учитывать только первые дни и недели игры, можно упустить этот момент.
Самым сложным в показателе LTV является определение самого понятия «времени жизни игрока в игре» (lifetime). Ведь игроки могут уйти из игры в первый же день, а могут остаться в ней на долгие годы, привнося в нее ту самую ценность (value).
Приблизительное значение LTV можно получить, умножив значение ARPU на количество дней, которое мы посчитаем временем жизни игрока: например, 180 дней. Значение это будет очень неточным, так как, возможно, не учтет различные внутриигровые события и то, что основной доход игре могут приносить игроки, играющие намного дольше, чем выбранный нами период времени. Но полученное таким образом значение можно использовать, пока не будут добыты более точные данные. Самое точное значение будет просто накапливаться в процессе жизни игры.
Финансовые показатели зависят от монетизации игры, и здесь важна не только сама возможность игрока заплатить за какой-то внутриигровой товар. В конце концов, игровой магазин – это отдельное меню, в которое игроку еще нужно перейти. И тут на сцену выходят многочисленные акции и индивидуальные предложения, которые могут возникать перед глазами игрока в наиболее подходящий для этого момент. И так же как в случае с ретеншном, наша задача – с помощью средств аналитики создать такую систему, которая будет наиболее комфортной для игрока, готового заплатить за какой-то внутриигровой товар.
Конечно, значения финансовых показателей, и в особенности LTV, интересны не сами по себе, а в сравнении с чем-то. Сравнивать это значение с играми других разработчиков довольно сложно, потому что мы не знаем, как именно они его рассчитывали. Конкретно значение LTV интересно в сравнении не с другими играми, а в сравнении с другим показателем нашей игры – с CPI (Cost Per Install – «цена установки»).