遊戲提升收入的方式有很多種，常規的比如：打折，數值擴級、出新功能等等。但如果遇到一種情況，不能做打折，新版本內容也要延期，還有什麼辦法能提升收入？
有數據表明，針對道具的精準投放能有效提升20%的遊戲收入。今天我們分享一下如何通過數數科技的數據分析平臺（ThinkingAnalytics系統，以下簡稱TA系統），將不同道具對不同用戶羣進行差異化銷售。
▍對不同用戶進行差異化銷售
「考慮產品的數據安全，本文所有數據都進行了模糊化處理」
（1） 依據用戶價值劃分
以用戶價值作爲標籤是最常見的劃分用戶的方法，如下圖所示，我們清晰看到大中小 R 的分佈情況。
不同價值的用戶，對道具需求是不同的。
如下圖所示，道具 A 對於中小 R 的需求相對比較穩定。但對於大 R，人均的消耗有一個非常明顯的提升。因此，我們可以根據用戶的付費能力，進行差異化銷售。例如，道具 A 給小 R 投放 1 個 10元，給大 R 投放 100 個 1000 元。
（2） 依據遊戲進程劃分
基於數據分析的支持，加上游戲運營的經驗可以分析得出，一些道具對生命不同階段的用戶有明顯需求差異。例如道具 B，生命前期需求量較大，而老玩家養成基本飽和，則相對並不那麼需求。
因此在劃分用戶時，則需要引入生命標尺（比如玩家等級、註冊時間等）來作爲劃分補充。
（3） 根據用戶喜好劃分
如圖所示，不同階層的用戶，使用的武將陣容有明顯的傾向性。我們根據用戶價值爲依據，向玩家銷售不同的武將養成材料，可以得到更高的收益。
（4） 根據用戶月度消費金額精細化銷售
之前提到基於歷史充值劃分用戶，但如果大 R 最近 1 個月都沒有付費，又如何應對呢？可能說明禮包對用戶的吸引力不足了。
在不打折的前提下，可以嘗試降低禮包檔位。比如平時給他推薦的 328 元禮包可能太貴了，因此我們改成 128 元禮包，也許就能促進用戶的購買了。我們以兩期活動進行測試，第一期活動僅投放 328 元禮包，第二期活動僅投放 128 元 禮包。如下圖所示，是 2 期活動的測試情況。
通過對數據的分析，我們可以看到當用戶沒有進行付費時，對高額的禮包的購買率的下滑非常嚴重，我們認爲是由於用戶對遊戲的預估消費的下滑，使得他們不願意購買 328 高價格禮包。
因此我們考慮以“用戶本月是否付費”作爲標準，給他們推薦不同價位的禮包。給本月已付費用戶推薦 328 元禮包、給本月無付費用戶，推薦 128 元禮包。實際投放的測試結果如下：
通過計算最後收益，總消費從95774元，提升至100752元，增長 5% 。因此，合理的對用戶的當前付費進行劃分，也能夠在很大程度上幫助我們創造更多的收入。
▍如何對道具需求進行監控
我們不僅要對商品進行差異化銷售，還要實時監控用戶當前對道具的需求度，來調整銷售內容。我們把道具分爲兩類，短期一次性需求和長期需求，兩者有不同的監控方法。
短期一次性需求，例如卡牌遊戲上來就抽武將、抽裝備。這些商品是永久性道具，短期內一旦擁有，就會由於沉沒成本、數值暫時足夠而沒有太強烈的替代需求。等過一段時間後，纔會因爲數值不夠等 其他需求而產生需求，這種需求一般是階段性的。
長期需求，例如養成材料、戰鬥消耗品、硬貨幣。這些商品無論用戶在任何一個時間階段都有持續的需求。但不同用戶在生命的不同階段會產生不同的傾向性，例如新玩家喜歡強化石，老玩家喜歡精煉石，會存在一定選擇上的傾向性。
第一種：短期一次性需求道具
我們設定“銷售飽和度”指標，來衡量目標用戶的購買滲透率是否符合預期。設定“增長率”指標，來衡量銷售需求變化情況。因此，道具銷售表現一般會 呈現出4種情況，如圖所示：
道具A：飽和度達標，增長率上升。代表銷售飽和度到達預期，但還處於上升趨勢，用戶需求強烈。一般情況下，我們給的數值有點過大，賣便宜了，而這部分原本可以賣的更貴的數值，就會成爲我們的損失；
道具B：飽和度達標，增長率下降。說明商品銷售穩定，符合我們的預期；
道具C：飽和度不達標，增長率上升，這種狀態的道具，可能變成任何一種形態，需要根據具體的數字來判定；
道具D：飽和度不達標，增長率下降。不僅沒有到達銷售預期，而且買賬的用戶越來越少，用戶不認可，而這部分我們預期應該收到但沒收到的錢，就會成爲我們的損失；
道具B以外，道具處於其他狀態就需要考慮調整，削弱或者增強、搭配禮包售賣等。
第二種：長期需求道具
我們設定“產耗比”來衡量用戶對道具的需求情況，配合對道具人均存量的監控，來確認後續的投放計劃：
道具 A：存量提升，而產耗比提升（產出 / 消耗），說明供過於求，產出速度>消耗速度，在這種狀態下，可以考慮補充活動，加大用戶的消耗，從而才能降低存量產生需求；
道具 B：此時道具正在處於加速消耗，逐漸恢復到正常水平。用戶對此道具的需求度不高，此時銷售道具 B 不合適；
道具 C：道具 A 的前期階段，道具正在逐步的過量，因此如果早發現早控制，即可儘可能的不讓狀態1出現；
道具 D：可以理解爲是道具 B 的後期階段，道具的存量下降，用戶將會明顯的感知到缺口，而這也是最合適進行付費投放的階段。
下圖爲我們拉取某一週活躍用戶，對不同道具的產出和消耗比，數據如下：
相對來看，很明顯的我們發現道具 3 的產耗比過大，也就是說道具 3 的存量將會以非常快的速度堆砌，因此我們拉取一個細分用戶的詳細數據；
我們簡單來看看這組數據，這是篩選整體數據中比較有代表性的一組對比數據，我們可以看到在 11~20 級範圍的小 R ，他們的產耗比相對老玩家的產耗比更高，我們分析得出可能是由於消耗功能的入口太深，導致了新玩家對於該功能的消耗功能使用率低。
新用戶的中 R 也印證了這樣的猜想，由於付費產出了道具 3，這部分用戶並沒有找到消耗點，導致了產耗比的進一步提升；而老玩家的小 R，很明顯在消耗上已經大幅度的提升，但整體產出依然是多於消耗，且產耗比在呈現上漲的趨勢；老玩家的中 R 這部分，產耗比相對更高，主要是由於他們的產出相對更多；
綜上，我們得出的結論爲：可能是由於其中兌換的道具太少，不足以支撐龐大的產出，進一步堆積的話，將會導致該功能失去原有的作用。因此，最終的調整方案則是：入口優化+添加新兌換內容。
我們對遊戲的道具和用戶需要有足夠的瞭解，才能根據不同的投放道具定製出不同的投放人羣細分，進行精準銷售。通過這一步，我們能夠通過對合適的用戶投放合適的內容，來挖掘被浪費的收入。
同時我們還需要對不同的道具在遊戲中的生態有明確瞭解，知道什麼應該投了，什麼應該控制產出了。而這一步，則是避免了有的道具明明可以銷售更多收入卻賣的便宜了導致損失，也避免了一些還能夠繼續創造收益的道具被遺忘。數數科技某卡牌遊戲客戶，通過該「精準營銷」模式，幫助遊戲產品大幅提升了道具收入。