在测试阶段，我们遇到了两个较大的问题：

第一个是大陆数据和其他国家及地区存在较大的差异。这一现象并不少见，之前我们有一款 SLG 游戏在海外数据非常好，但是在国内的数据出现了严重的变形。无论是付费、留存，还是版本的消耗等，都呈现了 50% 左右的下降。

第二个是测试节奏。《七雄纷争》3 月份在港台上线，6 月份在大陆上线，中间间隔时间特别短，最长的一次测试时间也没有超过 15 天。紧张的测试时间，对上线还是会有一定程度的影响。

针对这两个问题，我们做了很多尝试。最后以港台地区数据构建数据模型，通过数数科技的游戏数据分析系统 ThinkingEngine（简称“TE 系统”），从渠道、玩家等级、留存、玩家付费等维度，对大陆所有玩家做了非常细的划分，最后同港台数据进行详细比对，从而分析出调优的方向。

在预热阶段，其实产品和市场是相互结合的。用户留存和玩家付费决定了一款游戏成本回收周期，那回本周期就决定我们的现金流压力，也就决定了我们整个预算的规模。

《七雄纷争》预约期一天的广告消耗就达到了 1000 万，所以在这个阶段我们更多地关注广告效果和预算的分配。TE 系统能够打通各渠道，对各渠道推广数据进行统一管理分析。

根据收录的数据，我们从各类推广素材的方向、单价、吸量、速度等维度，构建了一个比较清晰的数据模型。根据这个模型，我们团队对整个推广会有一个更明确的计划，比如代言人、KOL、CJ 以及我们线下参与的一些引流联动、博物馆非遗合作等。

我们还遇到过这样一些情况，就是某些硬核渠道出来的数据并不理想。通过深度数据挖掘，我们发现渠道的推送目标用户机型比较老，同 SLG 品类的目标用户并不是特别匹配。所以，在调整投放群体之后，我们收获了一个比较优秀的数据。

我们游戏首发的第一个月就有 100 万的新增涌入，但大批量玩家的导入势必会造成数据一定程度的变形。根据测试结论，我们还是需要尽量去贴近原先预判的数据曲线，并做出各种调优操作，像之前提到的素材、媒体效果的优化等。

相较于其他品类的游戏，SLG 更倾向于积累一定的数量之后，再去做筛选和优化。高质量玩家是不可能通过快速批量的方式导入游戏，且高质量用户进入游戏后，更关心的是游戏有没有人在玩。所以，在首发阶段我们更多地是关注生态上的精细化运营。

比如，《七雄纷争》有 7 个国家，它对生态的要求可能就比较高。相较于每个服的玩家数，我们更关心 1 个月之后，每个国家有多少军团，有多少行为活跃的玩家；2 个月以后每个服又是怎么样的一个生态。