Rovio：使用機器學習和人工智能設(shè)計獎勵廣告

Rovio：使用機器學習和人工智能設(shè)計獎勵廣告

原作者：Sarah Impey譯者：Willow Wu

幾個月前，我們有幸參加了谷歌的GameCamp活動，見到了許許多多手游領(lǐng)域中頂級內(nèi)容提供者。Rovio的商業(yè)智能總監(jiān)Elif Büyükcan跟我們分享了他們是如何在游戲中使用獎勵廣告的。我們會先敘述他們的做法，然后總結(jié)出大家可以借鑒學習的知識。

Elif想表達的主要想法是：

“設(shè)計合適的盈利方案是重中之重，這需要花費很長時間，你還得不斷思考、測試。持續(xù)評估、學習和改進。所以，機器學習（ML）和人工智能（AI）能成為你最好的幫手?！?/span>

今天，我們會把他們演講中的關(guān)鍵點過一遍(尤其關(guān)于是機器學習），其中包括：

-Rovio是如何改進他們的盈利模式

-《憤怒的小鳥：夢幻爆破》案例研究，獎勵廣告的分析

-對有志向成為游戲開發(fā)者的人提出的建議

好了，我們立即開始！

一、為什么Rovio想研究獎勵廣告

現(xiàn)如今，行業(yè)中有一些經(jīng)過市場檢驗的盈利模式可供開發(fā)者探索。但面對這么多的選項，你可能很難確定要聚焦于哪一種，要測試什么。而Rovio選擇了獎勵廣告。

angry birds go biz(from pocketgamer.biz)

為什么？

原因一：IAP的王冠正在滑落

IAP一直是F2P游戲盈利的王牌手段，但市場上那些熱門游戲的IAP轉(zhuǎn)化率卻在下降。

依賴IAP，實質(zhì)上就是將希望寄托于那一小群愿意掏錢買東西的玩家?，F(xiàn)在，開發(fā)者想從絕大多數(shù)不接觸IAP的玩家身上爭取收益，這并不令人意外。

但與此同時，開發(fā)者們也很謹慎，不想因為添加什么東西導致這些珍貴的玩家離開你的游戲。這是一個不小的挑戰(zhàn)。

原因二：游戲內(nèi)廣告正變得越來越流行

最近的研究表明，如果廣告融合得好且與玩家有關(guān)聯(lián)性，他們確實會對廣告很有興趣。而且隨著機器學習和人工智能的進化，開發(fā)者現(xiàn)在對玩家有了更好的認識，能夠為他們量身打造廣告。

廣告會破壞游戲體驗的這種說法，如今自然也就不成立了。

原因三：找到適合的平衡點會給你帶來收入

IAP轉(zhuǎn)化率并不是一成不變的，游戲的生命周期總價值也是如此。它們倆都會時間的推進而降低，但原因不同。

簡單來說就是優(yōu)秀的盈利模型不會完全依賴于IAP或廣告。關(guān)鍵是要在兩者間找到平衡。解決這個問題，你的收入就有可能節(jié)節(jié)攀升了。

二、案例研究：《憤怒的小鳥：夢幻爆破》

在演講的過程中，Elif詳細講解了他們的新游戲《憤怒的小鳥：夢幻爆破》。游戲是一年多年以前發(fā)行的，現(xiàn)在已經(jīng)是他們最成功的產(chǎn)品之一了。《憤怒的小鳥：夢幻爆破》進入了iOS平臺暢銷榜的前100，并且一直沒有掉出來。

以防你還沒玩過這個游戲，我先跟你講講：游戲使用了基于物理學的“點擊&清除”機制——通過點擊五顏六色的泡泡，讓一定范圍內(nèi)的同色泡泡消失。清除大量泡泡會給你小鳥，你可以組合它們來清除更大范圍的泡泡。

那么，他們是如何利用獎勵廣告的呢？這些廣告的獎勵方式很簡單：

每天，玩家可以通過看廣告獲得每日禮物，或者更多生命/更長的游戲時間。

廣告通常都是Rovio的交叉推廣，這是符合邏輯的——如果玩家喜歡《憤怒的小鳥：夢幻爆破》這個游戲，那么他們很有可能也會喜歡其它的《憤怒的小鳥》游戲。

Rovio旗下還有一些游戲，但這并不意味著每一款游戲的廣告效果都是一樣的。獎勵廣告有好幾種運用方式：在開局前獲得免費的增強道具、重試失敗關(guān)卡的機會或者是回收失去的資源。

Elif說這些方法都有不錯的效果，但它們基本上都算是“通用”模式。他們希望在不影響IAP轉(zhuǎn)化率的情況下，探索個性化獎勵廣告的投放方式，由此來提高廣告收入。

于是，《憤怒的小鳥：夢幻爆破》就成為了他們的實驗?zāi)繕恕?/span>

他們分為了三個階段：

第一階段：測試獎勵廣告

關(guān)于獎勵廣告模式，Rovio團隊想出了一個好點子，在測試發(fā)行期間展開了實驗。根據(jù)他們在其它游戲中看到的情況，游戲中的設(shè)定都相當慷慨。

但不幸的是，結(jié)果并不是他們所期待的那樣。

他們測試了什么：

如果玩家在通關(guān)失敗后看了一個廣告(每天至少可以看一次)，就可以獲得額外三個步數(shù)來繼續(xù)嘗試闖關(guān)。

結(jié)果：

增加這種特色對游戲的盈利產(chǎn)生了負面影響——IAP收入和轉(zhuǎn)化率都下降了。

經(jīng)驗教訓：

1.“通用”模式并沒有效果。他們從非付費玩家身上獲得的收入無法彌補付費玩家那邊流失的利益。

2.在測試發(fā)行期間進行實驗不是個好辦法。因為樣本量很小，數(shù)據(jù)的不確定性很大，小小的調(diào)整都可能造成很大的影響。

計劃的下一步：

獲得令人失望的結(jié)果是否意味著他們永遠不應(yīng)該使用獎勵廣告？“不，當然不是，”Elif說。“我們需要研究結(jié)果、改進優(yōu)化然后重新測試?！?/span>

他們知道這些廣告對付費玩家產(chǎn)生了消極影響——這是他們最不想看到的結(jié)果，所以他們想：“要是我們把這些獎勵廣告只展示給非付費玩家呢？”

但是你要怎么快速試別哪些會成為付費玩家，哪些不會呢？

階段二：幾個團隊聚集在一起，提出了一個假說和檢驗的方法

他們需要找到一種方法來預(yù)測誰是付費玩家誰是非付費玩家，然后進行A/B測試，看看他們的假說是否成立。

要完成這個任務(wù)，他們需要廣告、商業(yè)智能、技術(shù)和游戲團隊保持持續(xù)合作。關(guān)鍵人物有：

·游戲的產(chǎn)品經(jīng)理——負責安排測試和游戲新特色。

·數(shù)據(jù)分析員——負責運行A/B測試，提供與游戲表現(xiàn)相關(guān)數(shù)據(jù)。

·廣告營銷經(jīng)理——負責提出廣告投放的思路，以及如何巧妙地融合。

經(jīng)過長時間的頭腦風暴，他們敲定了一個理論：

“如果我們只向非付費玩家提供+3步數(shù)的獎勵廣告，我們將看到IAP、廣告收入都會增加?！?/span>

設(shè)計一個機器學習模型

為了檢驗他們的假設(shè)，Rovio需要一個可分配值的系統(tǒng)，這個值可以預(yù)測用戶成為付費玩家的可能性有多大，以及大概會消費多少錢。這樣他們就能夠瞄準非付費玩家，展示獎勵廣告了。

這是個數(shù)據(jù)科學方面的挑戰(zhàn)。但是憑借Rovio強大的機器學習和人工智能，他們早已準備好了。事實上，他們之前就在制作一個針對玩家的LTV預(yù)測模型，可以通過調(diào)整來服務(wù)于新的測試任務(wù)。

隨著新模型的建立和運行，驗證馬上就可以展開了。

階段三：測試新模型

他們測試了什么：

只對模型預(yù)測為非付費玩家的用戶提供+3步數(shù)獎勵廣告。

他們做了幾個星期的測試，并在此后的幾個星期里繼續(xù)觀察長期影響。這次他們的測試環(huán)境比較好，因為游戲在全球范圍內(nèi)上架了，所以樣本量不是問題。

結(jié)果：

仍沒有看到任何積極影響，但是消極影響減少了。他們的總收入減少了一點——額外的廣告收入依然沒能完全彌補IAP的微小損失。

但是要記住，這對比上次測試來說效果已經(jīng)有所提升了。游戲的轉(zhuǎn)化率維持不變，IAP收入只稍稍減少。

經(jīng)驗教訓：

1.廣告收入很難彌補從付費玩家那里流失的收益

2.預(yù)測模型大部分是準確的，但少數(shù)幾個不準確的地方會讓大家付出不小的代價

3.當+3步數(shù)獎勵影響到其它獎勵廣告的消費時，可以將每個用戶的平均廣告展示量降低。

4.盡管結(jié)果仍然是不理想的，但它們正朝著正確的方向發(fā)展。

計劃的下一步：

Elif說他們有三個選擇：

1.做一個新的A/B測試，把付費用戶的概率評分調(diào)低。這是一個低風險的選項。

2.做一個新的A/B測試，調(diào)高廣告的展示頻率。這有可能會提高廣告收入，但是也有可能會對IAP收入造成更進一步的負面影響。

3.讓測試模型變得更加精準，或者換一個不一樣的模型。這是技術(shù)要求最高的選擇，但可以帶來一些快速的效果。

那有沒有考慮過放棄獎勵廣告這個模式？Elif說“不，沒有。在強調(diào)一下，這些實驗是需要時間和耐心的。我們在不斷調(diào)整、測試、學習?！?/span>

他們選擇了第三個方案，重點是改進或更換預(yù)測模型，這樣他們就可以更有效地針對非付費玩家，降低IAP收入受影響的風險。

三、最后來講講我們從Elif的演講中學到了什么

Elif談到了很多技巧、建議和教訓，以下是我們在這次演講中學到的重要知識：

1.合適的廣告投放能夠提升產(chǎn)品的生命周期總價值

游戲內(nèi)廣告，關(guān)鍵就在于你怎么使用。你只需要把對的廣告在對的時間展現(xiàn)給對的玩家。

2.每一次測試都是新的教訓

即使你的測試結(jié)果并不樂觀，這些付出也并沒有白費。至少你知道了什么是行不通的，而且你一般都能從測試中看出為什么行不通。每一次測試其實都是循環(huán)中的又一個學習&提升的階段。

3.個性化，機器學習和人工智能是關(guān)鍵

玩家是一個相當多元化的大群體——經(jīng)過細分的目標市場也是如此?！巴ㄓ谩庇呗缘男Ч隙ū炔簧蠟橥婕伊可矶ㄖ频膫€性化策略。機器學習和人工智能對定制化能起到非常關(guān)鍵的作用，如果你沒有使用，你的收入永遠都不可能持續(xù)往高處走。

4.游戲開發(fā)需要數(shù)據(jù)驅(qū)動

在游戲這個行業(yè)，我們可以快速實驗、測試、吸取教訓。總是有很多的新測試、新技術(shù)可以幫助我們提升優(yōu)化。為了獲得效果最佳的盈利模式，我們必須要加以利用。