游戏提升收入的方式有很多种，常规的比如：打折，数值扩级、出新功能等等。但如果遇到一种情况，不能做打折，新版本内容也要延期，还有什么办法能提升收入？有数据表明，针对道具的精准投放能有效提升20%的游戏收入。

今天我们分享一下如何通过数数科技的数据分析平台（ThinkingAnalytics系统，以下简称TA系统），将不同道具对不同用户群进行差异化销售。

 

▍对不同用户进行差异化销售

「考虑产品的数据安全，本文所有数据都进行了模糊化处理」

（1） 依据用户价值划分

以用户价值作为标签是最常见的划分用户的方法，如下图所示，我们清晰看到大中小 R 的分布情况。

不同价值的用户，对道具需求是不同的。

如下图所示，道具 A 对于中小 R 的需求相对比较稳定。但对于大 R，人均的消耗有一个非常明显的提升。因此，我们可以根据用户的付费能力，进行差异化销售。例如，道具 A 给小 R 投放 1 个 10元，给大 R 投放 100 个 1000 元。

（2） 依据游戏进程划分

基于数据分析的支持，加上游戏运营的经验可以分析得出，一些道具对生命不同阶段的用户有明显需求差异。例如道具 B，生命前期需求量较大，而老玩家养成基本饱和，则相对并不那么需求。

因此在划分用户时，则需要引入生命标尺（比如玩家等级、注册时间等）来作为划分补充。

（3） 根据用户喜好划分

如图所示，不同阶层的用户，使用的武将阵容有明显的倾向性。我们根据用户价值为依据，向玩家销售不同的武将养成材料，可以得到更高的收益。

（4） 根据用户月度消费金额精细化销售

之前提到基于历史充值划分用户，但如果大 R 最近 1 个月都没有付费，又如何应对呢？可能说明礼包对用户的吸引力不足了。

在不打折的前提下，可以尝试降低礼包档位。比如平时给他推荐的 328 元礼包可能太贵了，因此我们改成 128 元礼包，也许就能促进用户的购买了。

我们以两期活动进行测试，第一期活动仅投放 328 元礼包，第二期活动仅投放 128 元 礼包。如下图所示，是 2 期活动的测试情况。

通过对数据的分析，我们可以看到当用户没有进行付费时，对高额的礼包的购买率的下滑非常严重，我们认为是由于用户对游戏的预估消费的下滑，使得他们不愿意购买 328 高价格礼包。

因此我们考虑以“用户本月是否付费”作为标准，给他们推荐不同价位的礼包。

给本月已付费用户推荐 328 元礼包、给本月无付费用户，推荐 128 元礼包。

实际投放的测试结果如下：

通过计算最后收益，总消费从95774元，提升至100752元，增长 5% 。

因此，合理的对用户的当前付费进行划分，也能够在很大程度上帮助我们创造更多的收入。

 

▍如何对道具需求进行监控

我们不仅要对商品进行差异化销售，还要实时监控用户当前对道具的需求度，来调整销售内容。我们把道具分为两类，短期一次性需求和长期需求，两者有不同的监控方法。

短期一次性需求，例如卡牌游戏上来就抽武将、抽装备。

这些商品是永久性道具，短期内一旦拥有，就会由于沉没成本、数值暂时足够而没有太强烈的替代需求。

等过一段时间后，才会因为数值不够等 其他需求而产生需求，这种需求一般是阶段性的。

长期需求，例如养成材料、战斗消耗品、硬货币。这些商品无论用户在任何一个时间阶段都有持续的需求。但不同用户在生命的不同阶段会产生不同的倾向性，例如新玩家喜欢强化石，老玩家喜欢精炼石，会存在一定选择上的倾向性。

 

第一种：短期一次性需求道具

我们设定“销售饱和度”指标，来衡量目标用户的购买渗透率是否符合预期。设定“增长率”指标，来衡量销售需求变化情况。因此，道具销售表现一般会 呈现出4种情况，如图所示：

道具A：饱和度达标，增长率上升。代表销售饱和度到达预期，但还处于上升趋势，用户需求强烈。一般情况下，我们给的数值有点过大，卖便宜了，而这部分原本可以卖的更贵的数值，就会成为我们的损失；

道具B：饱和度达标，增长率下降。说明商品销售稳定，符合我们的预期；

道具C：饱和度不达标，增长率上升，这种状态的道具，可能变成任何一种形态，需要根据具体的数字来判定；

道具D：饱和度不达标，增长率下降。不仅没有到达销售预期，而且买账的用户越来越少，用户不认可，而这部分我们预期应该收到但没收到的钱，就会成为我们的损失；道具B以外，道具处于其他状态就需要考虑调整，削弱或者增强、搭配礼包售卖等。

 

第二种：长期需求道具

我们设定“产耗比”来衡量用户对道具的需求情况，配合对道具人均存量的监控，来确认后续的投放计划：

道具 A：存量提升，而产耗比提升（产出 / 消耗），说明供过于求，产出速度>消耗速度，在这种状态下，可以考虑补充活动，加大用户的消耗，从而才能降低存量产生需求；   

道具 B：此时道具正在处于加速消耗，逐渐恢复到正常水平。用户对此道具的需求度不高，此时销售道具 B 不合适；

道具 C：道具 A 的前期阶段，道具正在逐步的过量，因此如果早发现早控制，即可尽可能的不让状态1出现；

道具 D：可以理解为是道具 B 的后期阶段，道具的存量下降，用户将会明显的感知到缺口，而这也是最合适进行付费投放的阶段。

下图为我们拉取某一周活跃用户，对不同道具的产出和消耗比，数据如下：

相对来看，很明显的我们发现道具 3 的产耗比过大，也就是说道具 3 的存量将会以非常快的速度堆砌，因此我们拉取一个细分用户的详细数据；

我们简单来看看这组数据，这是筛选整体数据中比较有代表性的一组对比数据，我们可以看到在 11~20 级范围的小 R ，他们的产耗比相对老玩家的产耗比更高，我们分析得出可能是由于消耗功能的入口太深，导致了新玩家对于该功能的消耗功能使用率低。

新用户的中 R 也印证了这样的猜想，由于付费产出了道具 3，这部分用户并没有找到消耗点，导致了产耗比的进一步提升；

而老玩家的小 R，很明显在消耗上已经大幅度的提升，但整体产出依然是多于消耗，且产耗比在呈现上涨的趋势；

老玩家的中 R 这部分，产耗比相对更高，主要是由于他们的产出相对更多；综上，我们得出的结论为：可能是由于其中兑换的道具太少，不足以支撑庞大的产出，进一步堆积的话，将会导致该功能失去原有的作用。

因此，最终的调整方案则是：入口优化+添加新兑换内容。

我们对游戏的道具和用户需要有足够的了解，才能根据不同的投放道具定制出不同的投放人群细分，进行精准销售。通过这一步，我们能够通过对合适的用户投放合适的内容，来挖掘被浪费的收入。

同时我们还需要对不同的道具在游戏中的生态有明确了解，知道什么应该投了，什么应该控制产出了。

而这一步，则是避免了有的道具明明可以销售更多收入却卖的便宜了导致损失，也避免了一些还能够继续创造收益的道具被遗忘。

数数科技某卡牌游戏客户，通过该「精准营销」模式，帮助游戏产品大幅提升了道具收入。