$IGG(00799)$ 利用贝叶斯定理对游戏公司爆款运营的一些思考
我写这篇文章,主要是想探讨游戏公司在大数据时代如何利用统计学原理来提高自身游戏爆款概率和运营数量的问题
随着时代的进步,现在的游戏公司可以通过各种大数据得到更加精准的市场描述和用户画像,这不仅仅可以用来精确买量,还可以帮助公司更好的实现爆款游戏的生产和经营。在这里,我想通过著名的贝叶斯定理来浅析游戏制作和经营中不同阶段统计数据和数据预测的价值。
首先,我们假设一个游戏公司决心采用数据分析的结果来确定游戏的产品运营,以他现有的研发能力、数据技术能力和统计预测水平,每30个游戏会判断产生一个小爆款,100个游戏会产生一个大爆款(这些由研发能力和神经预测能力决定),如果公司的初步筛选判断正确率是80%(由回归统计或神经预测能力决定)(本文这里同时淘汰非爆款的正确率也是80%),那么真实发现并长久运营一个爆款的实际正确率概率是多少呢?我们根据贝叶斯定理计算得出,每一个小爆款的正确率只有约12.12%,每一个大爆款的正确率是3.88%。现在,我们试着理解这个结论:假设公司一共准备了300个游戏,在300个游戏中,有10个游戏是小爆款,但是由于公司不能百分之百正确,公司正确判断的爆款有8个,会错过2个爆款,认为这2个不会爆款,同时,还会有大约58个游戏被公司误判为爆款,这样,就形成了一个现象,公司向市场投放了数以十计的产品(这里是66个),但是爆款依旧寥寥无几,投资人会觉得公司能力不行,虽然80%的判断准确率已经很高了。当然,公司也不能满意这样的判断结果,于是,公司决定使用这几十个游戏在市场中回馈的数据进行二次验证,看看谁才是真正的爆款。我们现在假设在市场数据验证中,由于时代进步,且有真实的数据反馈,大数据的支撑作用更强,所以,公司的正确判断率在这里已经提高到了90%。在第一次向市场提供的66个游戏的基础上,通过贝叶斯定理我们可以得到结果,公司将正确判断的概率提升到了55.38%。这个正确率一下子变得可以接受得多了。用同样的方法计算大爆款的概率,分别是第一次正确率3.88%,经过二次验证后,正确率可以提升到26.67%。很明显,以盈利为目的的游戏公司,不可能满足于只比一半多一点的小爆款判断正确率和只有四分之一水平的大爆款判断正确率,这样会造成大量的投入误判,同时,公司必须想办法提高自身运营中爆款游戏的数量。
我们可以看到,有一个明显的途径是,公司提高研发能力和神经预测能力,直接提高爆款游戏的生产数量,然后海量投入到市场,这样做的结果是由于运营基数的扩大,爆款运营的数量也就随之增加,但是,投入的成本也会明显随之增加,是一种粗放型的野蛮增长,这种方法适用于那种拥有廉价试错平台的游戏公司,试错成本的降低可以带来明显的直接利益。
但是,随着大数据时代的到来,为游戏公司提供了另一种可能的办法。公司可以通过改善在第一阶段的判断正确率来大大提高爆款产出和运营数量。我们现在假设公司把第一阶段的判断正确率提高到了90%,我们再次通过贝叶斯定理来计算,会惊奇地发现,在市场二次验证之后,对小爆款的判断正确率提升到了73.64%,对大爆款的判断正确率提升到了45%。这是一个令人振奋的结果,这意味着公司将可能运营更多的爆款游戏。
看到这里有人可能会问,45%的大爆款正确率其实也低于50%,这恰恰说明了一个问题,当人们动不动就看到新游戏上市就顶格买量的做法似乎是不明智的,因为这时候,公司按照大爆款的水平投入了运营成本,但实际正确的可能很低,他们的钱很可能就此打了水漂。所以我们不妨猜测,凡是一上来就买量爆款的经营策略,要不就是这个公司是神一样的存在,水平的确是太高了,要不就是极不明智的做法。我们通过两次贝叶斯定理计算发现,如果对大爆款进行第三次真实的市场测试,将再次大大提高公司对大爆款判断的正确率和成本投入的效率。因此,正确的做法应该是在运营成小爆款之后根据市场数据反馈进一步验证是否是大爆款游戏,尤其对于网络游戏公司来说这是提高公司经营稳定性的重要一环。
现在,我们翻回来再说一下如何提高第一次判断的准确性问题。这就回到了本文开始提到的环境变化。由于数据时代的进步,统计的能力得到了极大的提升,我们通过设备和其他app甚至公司其他产品,可以得到大量的用户数据,这些数据不但可以用在第二阶段的数据反馈和判断,还可以利用回归统计和神经预测等方法提高第一阶段爆款判断的正确率,因为这一阶段更加难以判断一款游戏是否为爆款。这样的方法已经被一些先行的电影制作方尝试过,证明了在电影创作过程中有参考价值。但是,由于电影制作人的个人性和电影产品本身的艺术性等要求,根据统计学得到的脚本,在实际应用中会遇到很大的行业阻力。但游戏行业不同,一方面,游戏行业跟电影行业一样拥有相似市场特征,产品的质量起伏性大,市场不易垄断,另一方面游戏行业的艺术性又低于电影行业,制作人的模式化程度更高,更有利于利用统计学方法指导产品运营。可以预计,如果利用好统计学方法,将大大提高游戏公司运营的稳定性,解决芒格所说的“游戏行业是不是好行业我不知道,但不会消亡”这句话中前半句所暗指的重大问题。所以,先行的游戏公司一方面要加强数据入口和数据出口的建设,在基本相同的效率下,如果投入5000万的买量费用更应该花在平台、app、设备等领域,而不是直接做广告,这样公司才能够为提高运营效率打下坚实基础。另一方面,公司在掌握了数据之后,必须重视适度投入统计方法研究,尤其是神经预测方法,因为这种方法更容易对公司的产品研发和第一阶段判断起到指导作用,从而大大提高公司的经营能力。
此外,我们通过这些思考,可以看到和理解很多人都大惊小怪,但实际却非常正常的现象:为什么总有人传说IGG错过了万国觉醒,然后就会质疑其选游戏的能力,因为即使把第一步预测的准确率提高很多,依旧是会错过很多。为什么很多人总是抱怨IGG上来的大多数游戏都不那么成功,因为即使把第一步筛选的正确率按80%计算,在市场上见面的游戏也居然高达58款错误判断的游戏。为什么莉莉丝看上去有那么多爆款而IGG缺看上去没那么多,因为公司运营的方法不同,所表现的现象当然不同,但我们是否可以思考,正是投入的成本差别,IGG才能够大比例的分红。
最后声明,本人并非统计学专业,对贝叶斯定理的理解和计算可能存在偏差,欢迎指正,本文的数据仅仅出于假设,重要的是逻辑关系而并非数据本身。如需转载,请注明出处,谢谢。
注:贝叶斯定理是统计学定理,回归统计和神经预测都是统计学方法,文章有限,可查度娘。