Evilom
3.5 KiB
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