对国内同行来说，免费模式可能是所有开发者都不陌生的变现模式，但同样，玩家付费率极低也是不容回避的短板。
尤其是用户红利消失之后，大量免费游戏产品的出现，意味着越来越多的产品在争抢数量有限的付费玩家。那么，如果想要提高免费游戏的变现效率，哪些KPI比较关键?想要提升游戏收入，怎样做最有效呢?
此前，Kongregate公司负责用户洞察与分析的高级副总Tammy Levy讲述了该公司游戏平台以及手游产品收入Top 500产品数据的分析结果，并通过案例进行了详细分析。
以下是GameLook听译的完整内容：
这是我的简单经历，目前担任Kongregate公司用户洞察与分析部高级副总裁，除了游戏之外我还有其他一些爱好，而且在游戏业从业经历也算是比较丰富。
Kongregate成立至今已经15年了，最开始是做网页平台，如今还是手游发行商。自2013年之后，我们的手游安装量超过21亿，MAU超过1000万，发行游戏数量超过60款，平台上的游戏数量超过12万个。
我今天要用到的很多数据都是来自于这些游戏，作为游戏平台和发行商，Kongregate的一大优势是积累了大量数据，能够更好的了解免费游戏的整体趋势。
今天用到是数据包括《冒险资本家》和《动画对决：卡片任务》以及其他游戏，我将分享很多的数据，并希望能够带来深度分析的洞察。今天的内容并不是给出一份照做的事项列表，而是让同行们对免费游戏变现方面有一个完整的框架了解，以便你们能够根据自己的情况决定怎么做才是最好的。
内购占70%收入，付费用户比例不足5%
对于免费游戏，可能很多人都不陌生，它的受众群极广，但真正愿意为之付费的玩家占比不高。近些年来，这种模式越来越成熟，我们对免费模式变现的了解越来越多，而且这些年来也找到了更多的变现手段。
然而，哪怕是Kongregate旗下的大多数游戏里，内购仍然是收入贡献最大的来源，对免费游戏依旧极其重要。网络上大多数谈到此话题的博客主要得出两大结论：你游戏里大多数的玩家永远都不会消费;大多数的收入将来自于一小部分玩家。
现在，我们知道内购很重要。但是，这些心得是从哪里来的?我们不应该将这些当作虚假的数值，而是应该验证它们是否正确，并进一步挖掘其中的价值。
进入游戏的任何人都可以成为付费玩家吗?这是一个很难回答的问题，然而，我们可以通过数据来看看趋势。
从不同品类付费玩家比例来看，休闲和超休闲游戏付费玩家占比最低，放置游戏的付费率逐步增加，中度游戏付费率最高。尽管不同类别的玩家付费率有差别，但它们仍在一个很小的范围内，绝大多数的免费游戏付费转化率都在5%以下。
所以，大部分玩家不消费的结论是对对。然而，为了进一步证实这个结论，我统计了2014年以来Kongregate平台以及发行对所有游戏，并且将其中Top 500的游戏数据做了分析：
这张图X轴是玩家付费率，Y轴是游戏收入高低。我们可以发现，绝大多数的游戏付费率都在1-3%之间，尽管有少数游戏的付费率达到了5%，但它们之间的差别依旧不大。
需要补充的是，在2010-2012年间，Kongregate还发行了一些古老的MMO游戏，平台数据表现也都不错，但我故意将它们排除在外。因为它们的付费系统与如今的免费游戏差别较大，因此没有分析的价值。
那么，是否一些玩家比其他人更愿意付费?我们的分析方式是，看付费玩家是否会同时在2款以上的游戏里付费。
通过对Kongregate手游付费玩家统计来看，40%付费玩家同时玩2款以上的游戏，其中17%同时在2款以上的游戏里付费。
这就意味着，他们不是随机用户，毕竟整体付费用户占比不到5%，他们就是那一部分更愿意付费的用户。因此，付费玩家很重要，有些用户比其他玩家的消费意愿更强，但整体付费用户占比较低。
另外，不要把大R称为鲸鱼用户，因为这样忽略了用户的人类属性，认为他们只是给我们贡献收入的工具，但事实远非如此，他们有更高的价值和更深的意义，是真实的个人、热爱我们发行的游戏，因此应该被给予足够的尊重。
并非所有KPI都同样重要，哪些最关键?
作为免费游戏开发商/发行商，由于付费用户占比较小，大多数游戏公司都希望做成长线，都希望提升LTV和ARPU，然而，该如何衡量免费游戏变现的进度呢?
既然LTV只有在用户游戏寿命结束的时候才能知道，那在这很长的过程中间，哪些数据可以知道游戏变现进展、又该给用户带来什么内容?
谈到这里，就不得不提KPI这个概念，比如ARPU(平均每用户收入贡献)、ARPPU(平均每付费用户收入贡献)，玩家付费率、ARPDAU(平均每日活用户收入贡献)、ARPT(平均每次交易收入)、转化率、重复消费用户比例、留存率、总游戏次数、MAU、DAU……
然而，KPI的意思是“关键绩效指标”，如果它有20个甚至更多，我们该如何衡量?所以我们今天也要弄清楚到底哪几个指标/数据对免费游戏的收入影响最大。
首先需要确定的是：并非所有KPI都同样重要。有些可以给我们带来洞见，有些可以带来可执行策略，有些比另一些更重要，还有些则与我们的目标关联更大。
今天我们主要说的是提升ARPU和LTV，那么哪些KPI才是最重要的呢?我们的目标是得到很好的ARPU数据，哪些KPI与之关系最紧密呢?随后，我们就可以将所有的精力聚焦于提升这些数据，让我们的规划、营销、内容、新功能达到最大化的效果。
所以，我们接下来做一些相关分析：比如，X数据能否预测或者影响Y数据?然后分析它们之间的R2值，数字越低，说明两者之间关系越弱，反之关联性就越大。
需要提前说明的是，根据品类的不同，影响ARPU的数值可能也会不一样，或者说，对它影响较高的KPI带来的影响力也不同，因为不同品类的ARPU值本身就有差别。
这是不同类型游戏的ARPU与游戏次数之间的关系，图片里的字非常小，但没有关系，因为它们没有任何意义，因为只有分析这些数据背后的意义，并且把它转化为可执行的策略才是目的。
游戏次数：玩家游戏时间越长、消费可能越高
通常来说，我们把游戏次数做为游戏参与度的标准。当然，参与度还有很多指标，比如留存率、留存天数以及其他数据，所以你也可以用其他数据来对比。
从关联指标来看，游戏次数与ARPU之间的关联性较大，如果是其他方面的数据，0.46可能不算很高，但对于用户行为数据来说，这已经是不错的表现。而且仔细思考的话，这样的判断是有意义的：用户在游戏里的时间越长，他们消费的可能性和机会就越大。
定价点：低价格不会增加游戏收入
接下来我们看一些与游戏变现相关性更大的指标，比如最低定价点。我们想要弄清楚：到底是定价过低导致玩家们的消费金额较低，还是玩家本来就喜欢低价?
从这张图我们看到，它与ARPU之间的关联值为0.31，很明显关联不大。
之所以分析这个数据，是因为我经常听人们说，你要让人们消费，哪怕用很低的价格，哪怕是99美分也是不错的，但这个关联指数证明，实际情况并非如此。
我们再看另一面：最高定价点。有些团队害怕给游戏物品定高价，但实际情况是，不要害怕给内容或者物品定高价格，只要提供的内容合适，玩家们会买它。因为高价格与ARPU的关联度达到了0.6以上，证明两者关联度极高。
我们再看平均交易价格，它和ARPU之间的关联值0.5，也是非常不错的数据。也就是说，平均每次交易的数额越大，ARPU就会越高。
总的来说，游戏次数很关键，因为乐趣很重要;所以在设计游戏或者做内容的时候，要注重乐趣而不只是收入数据。定价点也很重要，我们接下来专门对游戏定价做更深度的探讨。
在你的游戏里，你是唯一决定游戏经济系统的决策者，比如在《动画对决》里，我们是唯一销售宝石和关键道具的人，因此需要对定价慎之又慎。
那么，如何决定物品定价呢?这要从商品弹性说起。
如果你降低了宝石价格，收入出现了增长，消费明显增多，那就意味着宝石定价是具有灵活性的，低价格是玩家的需求;如果收入出现了下滑，那就说明消费增长微弱，虽然人们对低价感到兴奋，但并不足以弥补降价带来的收入损失，那么宝石就不具备弹性。
我们再看看《冒险资本家》的案例：
一年前，团队在游戏里推出了首充促销活动，当时的定价是7.99美元。但他们想知道的是，如果把价格降到2.99美元，会不会有更好的效果?
从效果来看，首次付费短期内大幅增加，甚至玩了几年的白嫖用户也开始付费。那么，这实际上对收入带来影响了吗?
该促销推出之后，我们的ARPDAU很快出现了下滑，即收入下滑。所以，虚拟物品大多数时候都不具备弹性定价属性。因为当价格降低的时候，虽然购买人数增加，但不足以弥补降价带来的损失，导致总收入出现了下滑。好消息是，团队很快发现了这个问题，并且立即纠正了这种做法。
或许会有人问，如果价格降低之后会不会提升用户付费频率带来收入增长呢?结果显示，并非如此。在1-4美元区域，用户复购比例为41%，而在5-19美元区域，付费玩家重复购买的比例达到50%，到了更高的定价点，复购率反而更高了。
因此结论很明显：低价格并不会带动付费玩家再次消费，我们发现比较好的定价区间在5-25美元，但这取决于不同的游戏，所以你需要根据自己的游戏选择定价区间。
再看一个数据：根据我们的统计，48%的复购玩家二次消费价格低于首次消费，只有32%的付费玩家第二次消费额保持不变，而且仅有28%的玩家二次消费高于首次消费。换句话说，首次消费在玩家心目中定下了消费预期。
所以，如果你的首充价格设定过低，那么一大部分玩家期待第二次消费价格更低。
从长期数据对比来看，2.99美元购买首充的用户当中，他们消费次数更高一些，但平均每次消费额更低。
而在ARPPU数据对比中，低价首充带来的收入也最低。两次对比来看，锚定效应真实存在，如果你刚开始就定了很低的价格，用户对于下次付费的预期价格会更低。
由于游戏里只有你能定价，意味着如果开始定价过低，付费玩家对未来的消费预期也对应降低。因此不要设置过低的价格，它不利于玩家复购，对收入增长也没有明显的促进作用。
那么，这意味着要提高所有物品的价格吗?当然不是。价格与价值之间要有良好的平衡。
我们再回到相关性对比，付费玩家比例与ARPU的关联值为0.89，意味着影响非常大。当然，这关系很明显，消费的用户越多，你的收入也必定越高。
还有一个有趣的数据是ARPPU，我们可以看到，不同品类的数据差别明显，它和ARPU之间的关联值为0.69，意味着两者之间的关联度比较高。
不过，不同品类之间也有着很大的差别。比如中度游戏的ARPPU与ARPU的关联度为0.75，是个很高的数值。
放置游戏的ARPPU与ARPU关联值是0.64，这里需要强调的是，很多人认为偏休闲游戏没必要强调付费额度，但其实不然，玩家们在游戏里投入的越多，他们的参与度、留存以及LTV就会越高。
在休闲游戏里，ARPPU对ARPU的影响力没有那么高，但仍然是有意义的。你的用户群比中度游戏更广泛，因此可以选择更多的变现方式。
复购率
《动画对决》是个不错的案例，这款游戏由Synapse研发，他们实际上做过多个CCG游戏，并且一直以来都在不断提高。
比如2013年他们发布了科幻主题的《Tyrant
Unleased》，2015年的时候发布了幻想主题的《Spellstone》吸引更广泛的用户群，2016年的时候我们发布了《动画对决》，增加了更有趣的剧情，加入了多个IP。
如果从复购用户比例来看，《Tyrant Unleased》二次购买比例达到了73%，但是由于它是个小众题材，所以意义并不大。
第二款游戏《Spellstone》的复购率降到了67%，但得益于用户量的提高，仍然带来了较高的收入。
第三款《动画对决》的复购率降到了62%，但依然是比较高的数据，意味着六成以上的付费玩家都进行了二次消费，只不过这个比例低于上两款。然而，我们触及到了更大的用户群，整体变现效果反而更好。
这么多年来，之所以越做越好，是因为Synapse坚持了在线运营策略，几乎每个月或6周都会有新的运营活动，而且积累了丰富的经验。
比如在卡片的设计上，很多人可能认为技能与伤害值很重要，因为它们可以影响游戏战斗结果。那么不能直接影响战斗或者属性的特点呢?或许很多人认为不重要，而且它的展示场景比较少。
即使如此，它仍然受到了大量玩家的欢迎，尤其是在特定场景设计卡组的时候，人们甚至在Reddit发了很长的帖子讨论。
运营策略也直接影响游戏内变现，他们会结合数据和用户反馈适时推出新的促销活动，比如限时卡包。
从用户参与度来看，限时促销礼盒的购买活跃度很均匀，最忠实的用户会经常购买。
这就导致了稳定的宝石消耗节奏，从图片可以看到，它的节奏与新礼盒的发布节点一致，意味着人们需要更多的宝石、随后在游戏进行更高的消费。
如果我们只看高消费用户，实际上这个数值更高，几乎是平均付费用户的2倍。
进一步来看，80%的宝石消费来自于内购次数超过2次的用户。
因此在设计在线运营策略的时候，有常规和深度的内容更新是很重要的，如上面的结果显示，这会带来更深度的玩家消费行为，他们希望持续在游戏里投入，前提是付费内容值得他们消费。
因此，付费内容的设计不只是给玩家更多东西，它们必须给游戏体验带来差异化。付费内容的效果如何，最好的衡量方法就是看复购率，因为对于付费玩家来说，他们是愿意消费更多的，只要物有所值。
还有一个与ARPU关系较大的数据是总交易量，关联值达到0.72，非常高。
因此，提高用户在游戏里的消费次数，对提升变现效率也是很有帮助的。
以《动画对决》为例，团队最近作出了新的调整，增加了不同等级的宝箱，不同等级可以抽到固定数量的不同品质卡牌，购买的越多，就会达到更高层级，对应价格也就越高，得到的卡牌质量也越高，和之前相比，随机性有所降低。
比如第一层需要200宝石，随后每一层价格都会不断提升，得到的内容价值也就越高。
这个付费选择增加之后，玩家们的参与度大幅提升，甚至在测试之后仍然维持了高购买率。
但是，这意味着更好的变现效率吗?从结果来看，分层宝箱带来的宝石消耗次数反而更低了。
不过，从整体宝石消耗来看，该活动推出之后仍然是增加的。
从转化率来看，测试期间分层宝箱的转化率提升，正式加入游戏成为常规活动之后，依然出现了转化率的提升，我们还发现，它提高了付费玩家的平均消费次数。
总结来说，在线运营策略需要不断迭代并测试不同方法，与此同时，还要注意平衡降低付费门槛(让更多人付费)与提高付费深度(让大R付费更多)之间的平衡，这样往往能够带来更好的变现效果。
有些玩家比其他人更愿意付费，但你需要对变现系统深度优化，而不是只关注付费玩家比例。对于提升游戏ARPU，关键的数据包括付费玩家比例、ARPPU、复购玩家比例以及消费次数。
如果以上的内容太多， 那么可以从三个方面进行更精简的总结：对于游戏变现来说，用有趣的玩法提升玩家参与度是重要的开始;获得玩家之后不要给游戏定价太低，以免降低他们的付费预期;另外，付费玩家想要投入更多，所以你需要提供更深度的消费内容。
