【GameLook专稿，未经授权不得转载！】
GameLook报道/在手游发展的过程中，确立了抽卡的盈利模式，角儿和装备卡池几乎是所有线上运营手游的共同付费点。其中，又尤其以角色卡池为重。如今，漫画、动画等IP改编的手游也越来越多，这类游戏更是以角色为核心，可以说，角色是这类手游盈利的根本。
CEDEC2021上，世嘉的数据分析师柴宫朋和，与负责运营角色IP相关作品的运营组长川上普史带来了演讲，题为“‘这个能赚多少钱？’如何量化IP角色、IP商品的商业价值”。
以角色IP为卖点的手游，非常依赖角色的人气与知名度，然而，要预测它能够带来多少了流水，仅凭“角色人气”这样一个模糊概念是做不到的。所以，两位制作人花下心力，将角色IP产品的商业价值数值化。
演讲中，柴宫论述了他对数值统计的理解，而川上则以实际运营中碰到的问题为例，通过讲述解决这些问题的过程，阐述如何评判游戏中各类IP产品的商业价值。
角色IP产品的销量风险
川上认为，相比其他赛道的游戏，以角色IP为卖点的游戏，其核心是角色的人气与知名度，而非玩法、美术、剧情等内容。
川上首先讲述了IP产品的销量风险。
影响角色IP产品的因素有很多。在以往的运营过程中，川上假定了“人气”与“知名度”这两点。他认为，这两大因素对产品销售额最大。他给这类以角色IP为核心的游戏设置了一个前提条件：玩家大多都是原作粉丝，许多玩家都认为原作的人气与知名度存在很高的价值。
角色IP产品的选择方法论。
在这一前提下，选择角色IP产品，就必须要知道粉丝中哪个角色最具人气，了解角色的“排名”。所以，要深入粉丝社区，发布人气投票排行，掌握角色周边的销量情况，来判断角色的人气与知名度。另外，他还询问熟悉角色IP的人，决定销量排行、选择IP产品。
通过上述筛选流程，选出有价值的角色IP后，他进行了销售额的预测。川上参考角色人气以及周边销量来预测销售额。
进行销售额预测时，先排列角色优先度，已经发售产品的角色，销售目标基于实际产品销量；而新商品的销售额根据角色人气与已发售的角色产品进行推测。
实际应用见图例。图中，“B”、“D”、“F”是新产品。其中，产品D的预测销售额在4250日元，F则在2900日元。目标X为月流水4000日元，产品优先度又正好在C~E档中，则产品D就完全符合需求。目标△为月流水3000日元，F产品就有所不及，需要一些其他对策来帮扶一把。
经过上述环节，团队发布了角色产品。川上说，预测结果与实际情况有不小的偏差。波动幅度上至160%，下至50%。这种销售额与既定目标的偏差给游戏运营带来了很大的隐患，会打乱团队的运营计划。为了控制风险，缩小预期销量与实际销量的偏差就成了一大课题。
角色人气不是全部，大卖需要其他助力
川上总结经验，发现“人气”和“知名度”这两个因素和销量没有直接关系，要让IP产品大卖，还需要额外的销售能力。
川上将这种销售能力定义为“IP产品力”，为了将IP产品力转换为便于理解的数值，他们从销售额反推，把各个IP产品的销售能力数字化，提出了“IP产品力指数”这一概念。
同一件商品，每个消费者的付费倾向不同。在手游中，抽取角色的支出也根据运气变化。
不同商品销量即使相同，其受众也不一致。
他们分析了每件产品的销售额组成结构。柴宫说，产品的销售额是由其消费者群体决定的，但与明码标价的传统商品不同，在手游中，玩家们抽取角色的次数是不固定的，有些人运气好，一分不花，有些人运气差，就需要付费。这样一来，就很难推导出准确的数字。
因此，柴宫认为，若要将IP商品力数字化，必须要获取个人层面的销量数据。
在此，团队就需要考虑两个问题：
1.如何监测个人销量数据
2.把控影响个人销量数据的其他因素
针对问题1，在玩家抽卡的过程中，只会在觉得回报大于投入的时候增加支出。如图所示，比如，商品X的预期收益是3，商品Y的预期收益是1，若玩家的预期投入为2，则他只可能为商品X加大投入。
由于手游中，玩家还会积存免费资源抽卡，于是运营只能监测到玩家的付费部分，但无法监测到玩家投入的免费资源是多少。柴宫说，统计时将这一部分玩家的销售额全部计为了0，但这一做法是否有失偏颇，仍需思考。
影响个人销量的各种原因与问题
影响个人销量的因素：IP商品力（分析对象）、产品上线时机、玩家消费能力、时效性等等
产品发售时机会影响销量，因此不能武断的决定产品上线的时间。
左：消费能力受财力影响。 右：根据玩家对游戏的热情，随游玩时间增长，消费能力会慢慢减弱。
主讲认为，影响个人销量的主要原因，除了玩家本身的消费能力，另一大关键在于产品发售的时机。
众所周知，手游卡池有限定卡池、节日卡池等IP商品力很高的卡池产品，而实装新角色的常驻卡池往往穿插在前两者的空档之中。
玩家们追求更优质的IP产品，往往不会在常驻卡池投入太多金钱，而是瞄准节日卡池，导致玩家对于不同卡池的预算都不一样，数值计算就更为困难。另外，财政状况和游戏时长等因素也会影响玩家的消费意愿。
f：重复消费次数 N：消费机会（白色箭头部分+灰色箭头部分） 消费倾向参数：f/N
M：消费总额 F：消费次数 消费金额参数：M/F
但是，即使分析出了上述因素，也无法将数据量化，因此，需要用消费数据代替。比如，在RMF等数据中，找到玩家最近一次消费的时间、消费频率与消费金额，从而推导出玩家个人消费倾向的参数、消费金额的参数。这些数值可以用来表示难以量化的用户消费欲望。
图例为问题1、2的模型。上图为观测玩家消费行为的模型，下图为玩家消费金额的模型。
根据问题1、2的模型，进一步建立判断玩家消费行为与消费金额的模型。
消费行为判断模型：产品上线时机+消费倾向参数+IP产品目录
消费金额判断模型：产品上线时机+消费金额参数+IP产品目录
通过统计计算这两个模型，就能够推的IP产品力。然而，这一算法得出的数值在准确性上还有待考证，因此，团队创造了这一数值的验证方法。
“IP产品力指数”的验证方法与优点
比如说，工作人员们预测的IP产品力指数在240~300这一区间，IP产品力指数实为260，则说明数据可信。
IP产品力指数用两种评判方法。
1.通过指数建立销量预测的模型，检验其预测的合理性。
2.通过让工作人员预测这一指数，检验其利用价值。
当工作人员的预测与用户层的需求极为接近时，偏离工作人员预期值的IP产品力指数就很可能是错误的。此时，工作人员就会对算法和模型进行修正，提高预测精度。
通过IP产品力指数与团队的努力，他们解决了7成偏差大于50%的预测问题，很好地控制了销量预测上的风险。
川上最后总结了三点。
1.IP产品力指数改善了销量预测，帮助产品运营，降低了销量预测不准确带来的运营风险。
2.IP产品力指数提升了团队的效率和精度。
3.作为一种补充和辅助，IP产品力指数帮助团队计划、预测、回顾从前难以分析的运营案例，还能够用于产品设计的回顾与反省。
如若转载，请注明出处：http://www.gamelook.com.cn/2021/09/452457
