При разработке собственной игры или приложения зачастую приходится просматривать и анализировать конкурентов, чтобы почерпнуть удачные решения и не повторить неудачные. Много полезных идей можно найти внутри самого приложения, но не стоит забывать, что за его пределами тоже есть полезная информация.
Какие тесты проводятся внутри приложений можно понять даже не запуская их, ведь сами пользователи рассказывают об этом в комментариях на страницах социальных сетей или в отзывах на витрине. Некоторые примеры такого анализа я описывал тут.
Если речь идет об анализе монетизации приложений, то их содержимое вряд ли поможет вам понять, что пользуется успехом и позволит только сформировать какие-то гипотезы… поэтому приходится обращаться к открытым источникам, бенчмаркам или сервисам по сбору статистики.
В этой статье я расскажу о методах, которыми я сам пользуюсь при анализе монетизации игр и они точно также подойдут и для приложений. Из заголовка статьи можно понять, что речь пойдет о методике анализа AppStore, но там мы будем просто получать данные. Гипотезы, которые можно сформировать на основе данных подходят для проверки на абсолютно любых платформах, если речь идет о f2p и монетизации через In-App. Я не видел, чтобы кто-то писал об этих методах или рассказывал, что пользуется ими, поэтому если посчитаете методику интересной, то напишите, пожалуйста, об этом в комментариях.
Я веду канал в Telegram, где пишу о разработке игр и геймдизайне и если тема вам интересна, то можете подписаться, чтобы следить за моими публикациями.
Описание методики анализа
Сама методология может показаться вам простой и возможно, вы видели информацию о встроенных покупках в iOS приложениях, но выводы, которые можно сделать на основе этих данных на мой взгляд понимают не многие, поэтому я решил развить тему.
* В примере выше показываются топ 10 In-App из игры Candy Crush Saga.
На странице приложения в AppStore (в самом низу) находится информация о топе десяти встроенных покупок внутри самого приложения. Я просматриваю эту информацию в браузере на компьютере, т.к. при просмотре в приложении AppStore вы будете видеть информацию с ценами вашей страны. Браузер позволит вам изменять ссылку и просматривать данные в разных странах и тут сразу же стоит понимать несколько моментов:
Посмотрите на две ссылки выше - верхняя из них работает в том случае, если приложение открыто на весь мир и при просмотре покупок я пользуюсь именно ей. Нижняя ссылка имеет приписку с доменом страны и в данном случае это US (США) - это значит, что данные по покупкам будут отображаться для этой страны. По моему опыту, данные по общей ссылке, без домена показывают статистику более точнее и в большинстве случаев они совпадают с данными из US, но иногда встречаются и исключения. А также, стоит учитывать следующий момент.
По моему опыту и по информации от менеджеров различных сервисов по сбору статистики (о которых речь пойдет в этой статье), точность данных возрастает с количеством транзакций. Это говорит о следующем - ссылка выше может учитывать больше данных с других стран и информация в ней будет точнее, а ссылка ниже из США отображает данные с одной страны и они могут отличаться. И в этом случае стоит учитывать еще один важный момент - в какой стране продвигается приложение или игра. Зачастую, особенно для казуальных игр большое количество трафика привлекается в USA и данные в этой стране будут намного точнее, чем в других. Поэтому, перед началом, посмотрите где приложение получает больше доходов и установок и используйте такую страну для анализа.
Чтобы узнать данные о загрузках и доходах, я обычно пользуюсь сервисами AppMagic, SensorTower и Data.ai (бывший appannie) и ниже будет пример из App Magic.
Доходы от пользователей USA составляют 63% и это говорит о том, что данные о покупках в этой стране будут намного точнее чем остальные. Но не стоит упускать и кол-во пользователей в игре и загрузки приложения. Если игра имеет 100 установок и ее доходы малы, то описанные мной методы анализа не подойдут и таким данным я бы не доверял. Также, стоит иметь в виду срок нахождения приложения в AppStore, т.к. через более длинный период может накопиться больше данных.
Помимо данных In-App Purchases со страницы в AppStore я смотрю на такие же данные в сервисах SensorTower и Data.ai - чисто для сравнения, и иногда они могут отличаться. Например, в начале раздела, на скриншоте показаны данные из Sensor Tower и они совпадают с данными из AppStore, но это бывает не всегда.
Убедиться в точности данных мне помогает опыт и небольшие логические заключения - если посмотреть на данные о покупках в Candy Crush Saga в начале раздела, то на первом месте будет 10 золота и это первый и самый дешевый лот из банка. На моей практике, я видел, что игроки скупают лоты из примера в самом большом количестве, а что мотивирует это их делать - тема для отдельной статьи. Тоже самое касается лота под номером 2 - Extra Movies, если вы читали статьи о монетизации match 3 игр или разрабатывали их, то должны знать, что покупка ходов - это основа монетизации.
Надеюсь, методика получения данных вам понята и дальше я расскажу о том, как можно использовать эти данные.
Формирование гипотез
Если у вас нет опыта в монетизации игр и вы как и я ищите гипотезы для анализа монетизации, то метод описанный выше поможет вам в этом следующим:
Во-первых, вы будете понимать какие покупки пользуются популярностью и сможете сделать упор на монетизацию в этих местах в своем приложении. Как я и говорил выше, в играх “три в ряд” - это ходы, молоток и в большинстве казуальных игр - самый дешевый по стоимости лот в банке.
Во-вторых, вы можете найти упущенные покупки (In-App), которые вы не заметили при просмотре самой игры. Например, вы видите, что в топ попадает пак с содержимым в 100 золота, но в игре вы такого не видели - это должно натолкнуть вас на то, чтобы пойти в игру и найти логику появления такого пака… Как пример - он может появиться только в тот момент, когда у игрока заканчивается золото и это даст вам понять как разработчики мотивируют игрока на покупку. Еще один из примеров, который я часто вижу - это измененные цены на лоты, которые вы не увидите в игре просто так. Например, первый лот может продаваться за $1,99 и содержать 10 золота, но в топе покупок вы можете увидеть такой же лот, который будет продаваться дешевле, за $0,99 и опять же, вам нужно отправиться в игру и изучить когда появляется более дешевый или более дорого лот. На своем опыте, я видел такие примеры - сначала, в банке отображается лот за $0,99, и если его купить, то он навсегда замениться на лот за $1,99 и его содержимое не изменится.
Внимательный просмотр топа покупок и исследование их в самой игре поможет вам в формировании гипотез для проверки, но не забывайте о том, что все их нужно проверять в вашей игре и лучше это делать через А/В тестирование. Я не люблю прикрываться NDA, но по своему опыту могу сказать следующее - повторение принципов описанных выше может не сработать в вашей игре, но если повторить его в другой игре, то он покажет хороший результат… особенно, если жанр игры, с которой вы взяли решение совпадает. Но еще раз - убеждаться во всем нужно только через проверку.
Я формирую гипотезы для того, чтобы составить бэклог идей для развития игр и для того, чтобы опираться на какие-то весомые вещи при аргументации добавления таких механик в игру, ведь если бы я не приводил аргументы, а просто предлагал бы повторить за популярной игрой, то это вряд ли убедило кого-то.
Анализ покупок из примера не заканчивается на одной игре и его можно использовать в масштабах побольше и о них мы поговорим дальше.
Сравнительный анализ
Когда речь идет об анализе одной игры, то в дополнение к своему исследованию вы можете использовать метод описанный выше, но если вам необходимо исследовать целый жанр и его монетизацию, то лучше провести большой, сравнительный анализ.
Когда мне потребовалось изучить жанр match 3 и Puzzle, то я спарсил данные топа 100 игр в этих категориях с их страниц в AppStore, чтобы сформировать для себя какие-то гипотезы и в примере выше показана таблица, в которой я строю анализ покупок.
Вы можете парсить данные любым удобным для вас способом, но если не хотите сильно заморачиваться, и у вас нет опыта в этом деле, то можете просто воспользоваться функцией “importxml” доступной в Google таблицах. Вот ссылка на таблицу с примером, которая даст вам понять методику более подробно.
Смотря на данные из топа 100 игр в данных категориях, можно заметить, что самым популярным лотом является лот за $4,99 и это должно натолкнуть вас на идеи - поработать с этой ценой в вашей игре, привлечь к ней внимание и изучить то, что продают за нее основные конкуренты. Из всей тысячи покупок, можно увидеть, что в лот за $99,99 редко попадает в топ и присутствует только в 16 полях из 1000 - и это говорит о том, что покупки такого лота не будут пользоваться популярностью и логично предположить, что покупать такое будут только киты.
На основе большого количества данных можно сделать разные выводы и я оставлю их на ваше усмотрение и расскажу только о нескольких дополнительных вещах, которые смотрел на них я:
По примеру описанному выше я пытался проанализировать другой жанр игр, чтобы посчитать как часто в топ покупок залетает Welcome/Starter Pack и Battle Pass. Жанр был достаточно спорным и мне нужно было понять стоит ли делать акцент на эти вещи в начале или нет. Также, парсинг 100 игр из топа позволили мне увидеть среднюю цену для продажи лотов, о которых я писал выше в данном жанре и она была около $4,99. По такому же примеру, вы можете изучать популярность и других покупок, которые могут встречаться в большом числе игр.
Я пытался сравнить новый жанр с жанром матч 3 и с жанром пазлов, чтобы убедиться в том, что выбранный жанр приносит больше прибыли и суммы покупок, которые попадают в том числе и в топ в нем могут быть значительно больше… Конечно, можно было убедиться в этом посмотрев несколько популярных игр, но если анализировать топ 100, то вероятности ошибиться меньше. Ниже подтверждение этому - по все показателям покупки в выбранном жанре будут выше и это намекает на иной подход к монетизации и установку более дорогих цен на покупки в этом жанре.
Также, разработчики могут указывать в приложении альтернативные цены для каких-то лотов в разных странах - например в Индии, где реальная цена доллара в валюте таких стран будет гораздо меньше в самом приложении. И если вам будет необходимо анализировать цены и покупки в других странах, чтобы делать какие-то выводы, то вы также можете смотреть на них через парсинг большого количества игр.
При плотном анализе вы можете увидеть, что в каких-то странах разработчики могут предлагать еще и специальные дешевые офферы. В примере ниже показано сравнение покупок игры Candy Crush Saga в Индии и США и на примере слева показан оффер с индивидуальной ценой для игроков Индии, который стоит меньше доллара. А еще это повод скачать приложении из Индии и посмотреть как работает такой оффер.
Дело в том, что игроки не таких богатых как США стран могут быть не готовы тратить большие деньги на покупки и снижение цены на отдельные офферы может создать для них мотивацию совершить первый и последующие платежи и тем самым повысить общую прибыль вашей игры.
Заключение
Думаю, методика и принципы анализа будут вам понятны и я попытался показать несколько примеров того, чем пользуюсь сам, а самостоятельно вы сможете найти в этой методике и другие применения.
А в заключении хотелось сказать бы только одно и повторить то, о чем я писал в начале - если вы анализируете другие игры, то старайтесь найти то, за что можно зацепиться и за их пределами - на странице в AppStore, в отзывах (там же на витрине) и в других местах.
Спасибо, что дочитали и не забывайте делится мнением в комментариях.
