【翻译馆】大数据显示：免费手游将会灭绝？
大数据显示：免费手游将会灭绝？
原文链接：
https://www.gamasutra.com/blogs/RaminShokrizade/20170829/304535/How_the_Data_Implosion_will_trigger_the_Great_Game_Dev_Correction.php
作者： Ramin Shokrizade
校稿：heather大主管
每过一两年我都会写一篇重大的预测文章。虽然这样的预测看起来都是推测，但由于它们是基于非常高效的数学方法论的，因此通过这样预测我不会打破自己一贯的100%预测准确性。我的方法是追踪高海拔系统并寻找可能导致反馈循环的趋势。我的意思是指某种趋势会朝着某一方向快速推动其他的趋势，反之亦然。结果是趋势数字会快速朝着0或者无限的方向移动。这些反馈循环经常是导致人类生理学疾病的原因。当它们出现高级经济系统中时，我把它们称为“系统性死亡旋涡”。这通常预示着某种行业的破产。
之前我所发表的案例中包括提前6个多月预测了Zynga突破纪录的IPO，《暗黑3 Diablo 3》上市6个月之前预测了它的真实货币拍卖行系统，大萧条（很后悔我是在事实发生之后才发表的，我也算是吸取了一次教训），还有我在2010年预测中关于AR会怎样开发并于2020和2030年应用在教育和工业改革领域的。在最后一个案例中，我所预测的2020年的技术已经在开发中，因此这一部分是肯定正确的。接下来我们就得多等待几年来检验2030年的预测是否正确了。
至少从2014年起，我就开始在Gamasutra网站中发表的各种评论里略微提到“免费手游即将灭绝”。但是这个趋势仍然是可逆的，我也希望各种指标能够足够清晰，显示行业会依靠自己避开这个死亡旋涡。问题是行业已经误解了这些指标，并且实际上正在做一些加速死亡旋涡的事。
我们行业最大的公司通常是最慢适应技术和消费者趋势变化的。“船越大，越难掉头。”很多行业高管都曾经这样跟我说过。因此，我们行业中的最大的公司只能作为比较落后的指标。通常我们更关注领导型指标，它们可以告诉我们接下来要发生什么。落后的指标可以用来告诉我们接下来不会发生什么。
在这种情况下，由于大公司已经走上了悬崖，也决定一去不回头了，因此不会发生的事情就是：我们不会去躲避这一风险。
下文提到的“X趋势”其实是至少两种反馈循环的组合，因此“X”不仅仅是趋向于0，还会继续移动变为负数。它已经影响到了行业中超过95%的从业者。反馈循环描述分布在“不断缩小的蛋糕”和“数据聚爆”部分，二者也会互相影响，从而导致死亡旋涡加速。其中也有跟整体经济的关联，因为互动媒体经济也与整体经济息息相关。所以，这两个系统也会互相影响，并加速二者的调整。我们不会讨论与整体经济的重叠部分，因为我不希望这篇预测文章带有政治色彩。
X 趋势
使用F2P（免费）游戏的商业模式，你的成功或失败取决于一下公式中“X”是正还是负：
LTV（每个用户的收入）-获取用户成本（每个用户）=X
如果X是负数，并且保持为负，那么最终结果是该产品在商业上是失败的。如果没有商业成功来平衡，结果就是该公司会失败、人员被解雇。从2014年开始的趋势是，越来越少的产品达到X为正数的结果。这个趋势并不是偶然，也没有波动。而达到“正数X”的产品数量很肯定正趋近于0。因此，如果你正以现在的F2P商业模式运作，失业可能是随机的结果，但你“是否”会失业可不是随机的，是一定的。
那么随机性就在于“何时”失业，取决于你对公司领导能够将公司仍然有偿付能力的假象维持多久。这真的已经是一门技术了。对于投资者而言，风险也跟随X的趋势直线上升，随着时间推移会导致投资者变得越来越谨慎。这也意味着公司的业务扩张变少，并且整个行业失业的趋势加速。
当X趋势在2014年对于一些人已经显而易见时（当然他们都对此保密），我认为有很多人现在都明白过来了。但他们不明白的是造成此现象的原因，因此他们希望这只是暂时的。但可惜不是。这首我们在使用F2P模式是的系统缺陷造成的——一个无法逃避的异常现象，让我想到了《黑客帝国》里的关键冲突。
我现在要讨论的问题是多元维度的，这让问题变得很复杂，并且不怎么清晰。为了简化问题，我将会把它拆成两部分，但这两个部分是不可分离的。所以你需要同时阅读两个部分来帮助理解。也许先看看第一部分，然后看第二部分，然后再看第一部分，直到两个概念合二为一？
动态市场成本或“不断缩小的蛋糕”
用户获取成本一直在飞速攀升，正因为它的不断上涨，导致X不断下降。一个产品可能在去年还是盈利的，但今年在并不丢失LTV 的前提下却仍然是失败的。即使是应用商店的前十大App也可以看到每个月的X逐渐下降。他们可以采取任何措施来阻止下降，但如果不明白下降的原因，最终则仍然避免不了失败。当然对于不在前十的App来说，这个过程可能会更快。
通过跟比较小的App开发商一起工作，我发现每次安装的用户获取成本约在7美元。但这个成本是会波动的。当我和大公司一起工作时，发现每次安装的成本会更低，由于他们的市场影响力更大（更大的用户基础会获得更高的安装率）。但是这些数字都不重要。股票估值（曾几何时Snapshots也遇到过这样的情况）通常是非常具有误导性的。他们可以做出漂亮的PPT。但真正重要的是趋势，正因为趋势导致了成本的不断升高。
现在可能大家会愿意说原因是平台（苹果、谷歌等）的垄断以及他们可以为所欲为地收费。也许他们想要将开发者压榨到极限，并且也不在乎平台是否也会随之覆灭。再次申明，我认为这是一种过于简单的想法，隐藏了真实的原因——一个更复杂的原因。
当然到现在，大公司使用机器学习和准AI系统来从每次安装中尽可能多地获取资源。是否因为开发者更懂得怎样利用资源所以成本升高？不是。是否因为玩家有更多钱来花费到应用中？也不是。（见下一部分）
成本升高是由于我们的产品对于消费者而言的可感知价值下降了（下一部分会详细介绍）。一个东西的价值越低，尽管它是免费的，消费者也越不想去选择它。所以平台现在需要将你的产品展现给更多更多的消费者，才能促使有人安装。但是展现给消费者的次数是有限的。你的产品消耗得消费者曝光量越多，那么其他产品可展示的次数就越少。
所以当总曝光蛋糕的大小并没有变化时，消费者不愿意点击“安装”就会令这个蛋糕的效果变得越来越小。正因为同样大小的蛋糕随着时间产生的安装次数越来越少，平台所卖出的安装数也越来越少。为了保证他们的商业模式，他们只能向每次安装收取更多费用，因此你们的安装成本才会水涨船高。
动态微交易定价或“数据聚爆”
自从Zynga在IPO之前错误地将他们的成功归功于在2011年的数据分析而不是披露他们商业模式可能的失败之后，这场著名的Moneyball表演也被一些玩家错误地解读了，游戏开发工作室们都开始争相将开发资源投入商业智能和数据分析中。如果这些新的方法论所产生的收益大于成本，那么久预示着游戏开发的黄金年代开始了。至少当时大家都是这么希望的，但趋势却显然朝着相反的方向发展了。
事情的发展其实挺复杂的，但我将会第一次公开来说说这件事。F2P商业模式和零售模式相比最大的优势在于，你可以使用变化的定价点和差别定价来替代传统的通过顾客预算来画一条直线的单一定价方式。
在零售模式下，如果我的游戏卖20美元，那么我们就会失去所有认为我的游戏不值20美元的用户。这可能是因为他们付不起，或者只是不够喜欢这款游戏，亦或者是他们发现了比这款产品更好的竞争品。另一方面，和可能有一些顾客认为我的产品价值500美元，但却只需要付出20美元。
在这种情况下，高级的数学流程可以通过手机最大可能的收入数据来帮助你确定这条定价线应该画在哪里。但在任何情况下，使用传统的零售模式都会导致你没法将定价线以上和以下的所有消费者的潜能全部发挥出来。
那么我们假设每个个人消费者都有自己的预算，用来花在游戏上。这可能根据每个游戏有所不同。他们可能愿意在今年暴雪的最热门游戏上花费的钱比一些手游要更多。对任何特定的游戏，可能会有一个特定的递增花费潜力曲线和花费池/预算。换句话说，如果你可以收集到每个个人消费者最可能花费的钱，你就能让他们在你的游戏上花费更多。那么我们把这个称为最大花费池（MSP）。
MSP会受到很多因素的影响，但最重要的是它代表了你的用户整体的LTV。最大化MSP是一个更复杂的话题，我将会在即将出版的游戏设计科学方法的书里详细介绍。但现在我们假设你有一款产品和MSP，而且不知道该怎样去修改。
你可以先做一些小修改，来看看短期数字是否有改善，这种一般被称为A/B测试。这种方式通常没什么效果，因为群体的花费本质，你可以做一个修改导致短期内提升5%，结果在长期（30天 ）数据下降10%，这样你也不知道是因为自己的修改还是一些外部因素例如市场竞争的影响。显然，如果你想要令老板对你刮目相看并且保住工作，你需要将这5%的提升归功于自己的努力，将这10%的下降推到其他人身上。
真正有效的是你可以使用数据科学来根据玩家的花费行为调整价格。如果他们开始花钱了，你可以开始向他们提供更昂贵的花费选项。如果他们非常固执不愿意花钱，那么你可以提供一些非常廉价的选择，直到你找到他们的最高价格点并最终令他们开始掏钱。你也可以在游戏里制造一些场景，比如说有一些非常稀缺的物品，然后在玩家最需要的时候提供给他们购买。
理论上而言，通过使用这些方法你可以逐渐为产品的MSP获取最大价值。但是，有个问题。你并不是唯一一个使用变动定价的人，消费者们也可以！他们可以通过调整自己的花费上限来应对，尤其是在多人游玩的环境下。
游戏之所以这么快成为娱乐产业中一个比较大的市场，其中一个原因是他们针对用户的花费提供了最大的快感。这对于消费者而言是满足娱乐需求的非常廉价的方式。但是这种对于价格的感知并不是一成不变的。当我们不断开发各种方法，从威胁消费者去花钱和参与，到诱导他们超过自己的消费上限不断花费更多的强迫循环，我们都会降低消费者对于我们产品的认知价格。
使用数据科学来获取MSP的技巧当然是从开发者的角度而言的，但对于消费者来说他们增加了游戏的花费，因而也降低了对于产品的估值。在这里我并不是指某一种产品。我是说市面上的所有产品。消费者会从过去的经验中学习，通过推理来发现过去玩的十次游戏体验是否值回票价，这样下次他们就不会再上当。
因此通过使用数据科学技术来提高短期收入是可以的，但结果是会逐渐降低所有平台上所有来源的所有产品的MSP。这就是我说的数据聚爆。当然，对于这种你的X趋势持续下降的自然反应是做“明智的选择”，花费更多在商业智能上面。当然，这也加速了数据聚爆。
原因如下。游戏开发工作室并没有无限的预算投入到游戏上，他们在商业智能和数据科学上花费的越多，对于游戏的独特设计和创意的花费就越少。我在这里就称这样所有的人才和资源为“创意”。随着创意资源价值降低，他们就会经历下岗，及时仍有工作的也会面临收入和地位的下降。这意味着士气和生产力下降。
相反的，随着少数的数据科学家不断努力，他们的地位和真正价值会不断升高。因此，要把商业智能部门扩大一倍可能意味着成本是之前的4倍。从资源的角度而言，这样商业智能部门就会变成一个黑洞，将工作室的其他资源全都吸走。
但现实很悲剧，从消费者的角度而言，增加商业智能并不为他们带来任何价值。实际上，这会令他们在游戏中花费更多，但却享受不到游戏品质的提高。同时，这个趋势也会导致创意产出的减少，而创意却是消费者价值的来源。
最终结果是产品的质量快速下降，而产品成本快速增加，导致玩家对于游戏的潜在预算大大减少。娱乐产业的竞争模式之前并比不上游戏行业，但现在似乎又能跟游戏媲美甚至更胜一筹了。
调整
我们作为游戏开发者而言，结果是工作室不断挣扎最终关门。在关门之前，他们会解雇这些创意资源，因此这更加导致了工作室的失败。你可能可以再找到工作，但是很大概率是你的下一份岗位可能比之前的岗位持续时间更短，直到所有的岗位时间都趋近于0。
在这个数据聚爆达到一定规模爆炸而导致黑洞产生之前，会产生我们的经济学家提到的“调整”。这段特殊的时间里，每个人都会失去工作，而获得重新开始的机会。创意资源的价值会再次恢复（之前随着数据科学家的价值趋近于无限大而变成0）。商业数据科学家是幸存者。他们很可能从这个行业转移到其他行业，但正如他们在游戏界火起来之前一样，他们也会重新经历这样的一个过程。
这里我并不是要贬低数据科学的价值，或者说我们不需要他们。我的意思是他们对于行业的价值被数据科学家们所误导了，正由于他们比自己的老板更聪明，并且有数据来证明，那我们又怎么能反驳呢？这也让行业的领导者们陷入了尴尬的局面。
当你在GDC和一个竞争对手工作室的领导聊天时，他们会吹嘘自己的商业智能部门有多么庞大。那你该说什么呢？“我的创意团队比你更大！”他肯定会笑话你。你可不想经历这样的羞辱，所以你也要扩大自己的商业智能团队。
这样的情况在“调整”到来之前将会一直持续。而我在这里告诉你们，这个调整是一定会到来的。即使全世界每个游戏工作室的领导在本周都读了这篇文章，可能现在要阻止“调整”也太迟了。他们已经花费了太多预算在那些并不会提升游戏品质的资源上。如果明天他们全都冲去招募创意团队，那么创意人才的价格也会水涨船高，而这样的人才的价值也是千差万别的。而且创意人才的个性和态度也可能变得很复杂。
在经过调整之后，我们最可能的结局是有更平衡的创意和数据资源，而成功的工作室领导那时候就会学会怎样有效利用这些资源了。
这个“调整”也会很大程度减少市场的竞争。这会令X趋势反转，尤其是如果开发能将重心回到提升产品品质而不是产品效率上。也许那时候投资者们也会更明白怎样分辨哪些更具有成功潜力的产品（这些也会在我的新书里提到——打个广告！），这样我们也会看到有更少量的高质量产品提供给消费者。
当产品质量提高后，游戏的商业化也就提高了。这是肯定的。当商业化的“效率”提高，长期的影响是当达到完美竞争时商业化会降低。就像现在的情况。对于提高产品质量，在长期和短期而言都没有什么坏处，并且对于产品本身和行业而言也没有坏处。更好的质量会带来整个行业的期望和更高的MSP。