# T1N6dRbHFoGgq7xrrHvcKVo2n0f


Source: https://feishu.cn/docx/T1N6dRbHFoGgq7xrrHvcKVo2n0f


# 一、工作内容概述

小游戏体验

小游戏数据分析

商业化知识库优化

# 二、不同渠道数据指标价值

在讨论产品市场数据的时候，通常笼统的讨论几个指标：量级、成本、留存、回本周期。但实际上小游戏和APP的新增注册、CPA、留存、付费率指标差异极大，不可直接对比

同一个游戏的小游戏（注册口径）和 APP（激活口径）的 CPA、留存、付费率相差 10–20 倍，但7日ROI收敛到相对接近的区间（0.15–0.23）

小游戏即点即玩的特性导致用户注册门槛低，于是留存低、付费率低、CPA 也低

买量驱动型产品的核心指标

ROI曲线+ 回本周期

决定现金流回正速度

决定敢不敢放量、放多快

回本越快，资金周转越快，放量飞轮越猛

可放量性 （广告消耗上限 × 边际ROI稳定性）

在ROI守住阈值的前提下，消耗能跑多大

观察消耗爬坡曲线及同期ROI、CPA趋势

健康：消耗爬升、ROI 轻微衰减但回本周期稳定

触顶：消耗爬升、ROI 快速跌破回正阈值

买量放量判断

产品/商业化模型有没有被市场验证过的同类参照?

有 → 可借后端倍率前置判断是否放量(成熟品类及商业化模型，主流买量游戏均为此类)

没有(新品类/新变现机制/新玩法)→ 边测边调，看ROI曲线及回本周期

抖音小游戏市场主流产品商业化结构及数据表现

结果 ≠ 路径

路径：能选、能做的

选哪个品类 × 商业化模型(选参照系)

目标用户是谁

玩法和变现怎么咬合

买量打法/素材

放量节奏

......

结果：验证某条路径有没有跑通，止损信号

CPA

留存

ROI 曲线

回本周期

可放量性

......

# 三、商业化知识库优化

机制与表现数据分开存、分开更新

机制库：机制详细拆解、归类、标记

市场数据库：作为证据做验证与对标

两库咬合，持续跟踪迭代

分类方式：分层+正交

从抽象到具体分五层：库的深度与工作量主要落在L2 、L3

L0 商业模式：战略变现原型（流量套利 / 长线服务 / 买断 / 抽成 / 订阅 / 混合转化）

L1 商业化结构：变现来源（IAA / IAP / 混合 / 订阅 / 电商）

L2 商业化模型：已验证的整套机制组合（参照系，主取用单元）

"验证程度 / 成熟度"是模型卡的核心字段(已验证主流 / 新兴变体 / 未验证)，直接对应"参照系成不成立"

配代表产品(谁验证的)+ 演化时间线

L3 变现机制·付费点：深拆主体

给L2、L3打正交标签：变现来源、付费动机、付费结构、作用环节、目标用户层、适配品类等

L4 数值与心理：支撑

字段结构

L2 商业化模型

模型名 / L0·L1 标签 / 一句话定义 / 机制组合（L3 链接）/ 验证程度·代表产品 / 演化时间线 / 适配·不适配品类 / 反面风险 / 证据（市场数据）

L3 变现机制

机制名 / 多轴标签 / 定义 / 运作机制 / 付费动机与心理 / 数值结构 / 对体验曲线影响（伤不伤留存·口碑）/ 适配品类 / 演化记录 / 反面风险 / 关联机制

过时结论另记，不覆盖

复用接口

面向项目的是「品类 × 变现目标 → 推荐机制组合」选型矩阵，标注可迁移品类