只需2步，让混变游戏的付费留存连续上涨！
我们希望获得更多的用户，从而收获更多的付费；我们希望已经付费的用户都能继续地“沉迷”游戏，从而创造更长久的营收。
但是，随着上线时间的推移，付费留存的下降几乎是一种必然，常规的思路之一就是在内容上持续做更新，用创意性的玩法、新规划的功能来尽可能地留住玩家，所以大厂通常在做商业化活动时也会成立专门的团队去做连续性的内容输出，有时一个团队的人数就超过了中小厂商整个公司人数的总和。
因此，如果你去拆解一个大厂出品的爆款混变产品，也许会发现游戏内从第 1 天到第 60 天没有出现过相同的内容，而这件事情的“可怕”之处在于中小厂商可能耗费一年的时间也只能把内容的深度做到第 30 天。
但是，努力堆加内容，真的就是提升产品付费留存率的唯一要点吗？从玩家体验的角度来说，其实还有另外 2 个步骤值得我们去借鉴。
不是内容不够多，是玩家不够爽
如果深度挖掘产品对应的玩家体验，其实可以发现有时问题并不出在内容的输出量上，而是已有的内容缺少了爽点。这个爽点可能与一些意想不到的部分相关，譬如对用户付费点的设计，以及对游戏内数值 Bug 的处理方式。
首先，从用户的付费点分析，以微信小游戏的生态为例，可以发现泛用户并不会对小游戏内所有的付费点都进行“买单”。从现有经验来看，其实大家手上可能很少有留存降到 20 （数字做举例使用）但经过一段时间后还可以回调到 30 的产品，但合理的弹窗机制是有可能让回调数据上升的。
之前我们有一款混变小游戏，早期阶段的付费留存是非常差的，调试后就发现第 30 天的付费留存其实可以做到与第 7 天的数据一致。刚开始调优的阶段，大家也没有太好的思路，总觉得混变产品付费留存的下降就是跟内容量不够相关，所以在不断地堆加内容、跟付费点做结合。可是在数数科技 ThinkingEngine（TE 系统）接入、做好埋点之后，我们就很及时地发现增加内容后倍率也依然达不到正常标准，就通过 TE 系统对用户行为去做进一步的拆解——他们当天到底玩到了什么程度、第二天为什么没上线。
当时的游戏任务系统里大致有 1000 多条内容，我们去观察了每一条内容背后的流失率，其实流失率一旦超过 1% 就已经不太正常了，如果超过 3%，那背后就肯定存在异常情况。随后我们发现，在第 32 个任务的位置，流失率达到了 12%，结合 TE 系统上报的数据日志去看，才明白了用户普遍都会在这个地方被卡住，那么接下来只要把这里出现的关卡难度问题解决，就可以留住玩家了。
关卡任务的难度增高，本身可以作为一个弹窗的付费点，有些游戏机制也会在这种位置故意让用户付费，但用户付费的真正动机却是因为玩得爽。所以相对安全的做法是延长用户的生命周期后，对付费用户进行慢慢回收。
图为TE系统Demo示例
最后，这个混变游戏因为做了深入的打点分析，在去年 10、11 月的时候成功提升了付费留存。以上文的一个任务为例，通过数数科技 TE 系统中的事件分析模型，我们搭建了评估关卡难度的看板。除了行为指标维度的分析之外，也可以从用户画像（新老用户、生命周期天数、是否付费等）维度，以及用户指标（设备系统、区服ID等）维度展开，进而很快速地对每一个已有的内容都去做深入探索，TE 系统可以非常直观地展现数据的变化跟波动，使用起来也很方便。
这个调优案例也说明付费留存的提升有时跟内容不足无关，在了解驱动用户付费的核心之后，大家也会对弹窗的数量做出更多限制。每天 4-5 个弹窗的数量会比较多，现在我们的操作是降低到 2 个，对全服最大的活动跟领取资源的通知做通知，以此保证用户进入游戏就能得到收获。
处理游戏 Bug，可以换一种思路
弹窗机制后，第二个值得提及的策略，是修复 Bug 的思路。立即修复 Bug 有时反倒会造成负面影响，导致用户因为体验不佳而流失。
在开发和迭代功能的时候，有一些收获恰恰就是由 Bug 带来的，比如以前有一个同事在配表的时候，另外一个主策把自己的表也覆盖上去导致 Bug 的出现，结果就是玩家对出现的这个 Bug 很喜欢，但却影响到了游戏的充值。
按照以前的逻辑，是会赶紧把这个 Bug 修复，但思考到玩家的喜好之后，我们新出了一套系统，去对多出来的数值做消耗，研发给了受 Bug 影响的玩家一个专属的功能点，去把这个资源重新调回原本的水平，玩家也很喜欢，数值也圆回去了。这样无论是 Bug 的出现还是后续的处理，都不会影响到用户的留存。
总的来说，所有人都要对数据引起重视。往往策划调产品的逻辑很简单，为什么用户充值率不高、礼包的渗透率不好，对活动的评估是很主观的，其实大家也应该尝试以数据为中心——每次任何的结论都必须拿出数据来，比如这个活动的效果不好是点击率低吗？应该再增加一些曝光的入口吗？这些问题的答案，都要以数据作为支撑。
以前我们做产品时候有一个尝试，就是去把 TOP 30 产品做产品切片，有些时候做立项其实不知道做什么一定成，但要知道成功的产品背后的共性什么，再把这些点经过学习后放到自己的产品里，再慢慢去调优。如果中小企业开始的时候没办法挖掘得很深，那么可以先拆解成功产品第 1 天到第 7 天的逻辑，找 3-5 个人去玩十遍，然后分别做出一张逻辑表，大家再对照着看是否一致，进而跟自己的游戏产品来对比一下，看自己的产品到底差在哪里。
2024 年，即使是在小游戏市场，大家也都更加注重运营了。现在提及运营，大家关注的时间范畴也已经跟之前有了很大的不同。传统的说法是我们要关注产品上线后第 90 天或者 180 天的表现，但其实现在建议大家再去看看第 7 个月到第 12 个月的时间段内，每月还会有多少增长。如果后面的阶段每个月还能再增长 5%，那这种产品一定要非常重视。有些游戏品类可能在起始阶段规模做不大，却能在后面的每个月里有几十万的利润，这时候如果大家把产品丢在一边不迭代就是很可惜的。
长线调优，要根据数据做拆解
在小游戏的领域内，很多朋友都更想做混合变现的产品，因为相比之下会觉得 IAA 不一定需要长线，就像最开始不了解《羊了个羊》的朋友也会觉得这个产品就是昙花一现，却没想到它后面甚至还出了相关的 IP。所以其实无论是 IAA、IAP 还是混合变现产品，运营更多的都是在看产品的一个本质——对相关游戏生态、对产品的理解是什么。
对产品本质的认知决定我们未来在产品买量吃力的情况下，是否还会继续坚持下去，而很多时候大家也会思考，调产品到什么程度之后可以继续做这个项目、到什么时候就应该放弃，因为一直闷头做下去的损失会很大，但其实做长线也涉及到一个自信的问题，如果你坚信这个产品 OK、玩法 OK，那数据一定是可以调出来的，我们就调到所有人都没有思路为止。现在回想过来，其实只要从数据的维度出发去做拆解，任何时候都会有思路，如果说只是单纯有主观上的想法，那思路就一定会枯竭。
举例来看，如果小游戏的付费留存次日数据是 70，三日是 55，七日的时候低于了 45，就说明数据的衰减速度太快了，从那一天开始，就要去拆解用户在当下遇到了什么问题，其实都是有办法的。当然这背后也涉及到一种“小游戏感”跟对用户的理解，从是老板的决策层面敢于花费时间去调整，看到数据涨了的那一刻，大家是很开心的。
数数科技的 ThinkingEngine 游戏大数据引擎，同样可以快速接入到小游戏之中做全端的数据采集，其中已经成型的分析思路也可以得到高效的应用，在实时的分析中定位小游戏所面向的更加下沉的用户群体，从而形成与 App 手游用户并不相同的画像。
图为TE系统Demo示例
从买量投放阶段开始，TE 系统可以追踪不同渠道用户的游戏进度表现，展示他们的特征是否跟游戏风格相匹配，再进一步追踪游戏全链条上每一个用户的行为，通过打通游戏上下游的三方数据生态，让我们更加直接地掌握内容的效果跟信息流的推广情况，同时监测各渠道用户行为，在玩家后续的生命周期中做持续深入的分析。在对不同用户打上标签后，可以制定千人千面的运营策略，譬如调整广告跟付费的占比，从而通过 TE 来进一步提高每位用户的游戏体验。
总体来看，提升付费留存不是一蹴而就的行为，如果按照完成 KPI 的逻辑来做设计，我们就需要在尽可能短的时间内让用户付更多钱，从而拉动 ARPU 值（强迫用户花钱，不花钱就玩不下去），但是在长线的思路中我们要做的并不是单纯的数学题，因为追求极致的指标会让用户体验变得很差，导致游戏生态迅速恶化。从延长用户生命周期的视角出发，当我们重视玩家的感受之后，玩家自然也会给予相应的回报。