自分で開発している買い切り型のゲームをデータ分析しながら施策打ってみたという話です 開発しているゲームはインディーズゲームという安価小規模ゲームです。

1. 分析データを見ながら
施策打ってみた

2. みなさん

3. こんにちは

4. 昔

5. 数値を見ていて
困ったこと

6. DAUが下がった
「でもなぜ？」
「アクティブユーザーの総数が減った？」
「ログイン間隔が空いた？」
わからないと手の打ちようがない

7. 施策を打って
困ったこと

8. 施策を打った
で、うまくいったの？
分からなければ成功したから続けていいのか
それとも失敗だから打ち切った方がいいのか
判別がつかない

9. ・・・

10. 解決したい

11. がんばった

12. 解決した

13. という話をします

15. 我々はゲームを
作ってます
インディーズゲーム
個人開発の安価小規模ゲームです

16. プロダクトで一番
大事なもの
is 何

17. プロダクトで一番
大事なもの
売上と利益

18. 売上と利益

19. 売上と利益
何で決まる？

20. 売上、利益

21. 売上、利益
販売数
PV数
体験版DL数
・
・
・

22. 売上、利益
販売数
PV数
体験版DL数
・
・
・
なるほど

23. 販売数
PV数
体験版DL数
・
・
・

24. 販売数
PV数
体験版DL数
・
・
・
この値はなにで決まる？

25. 販売数
PV数
体験版DL数
・
・
・
第１次
変数

26. 販売数
PV数
体験版DL数
・
・
・
フォロー数
露出面積
イベント参加
・
・
・
第１次
変数
第２次
変数

27. 販売数
PV数
体験版DL数
・
・
・
フォロー数
露出面積
イベント参加
アクティブユーザー数
再帰間隔
離脱率
販売媒体
・
・
・
・
・
・
第１次
変数
第２次
変数
第３次
変数

28. 販売数
PV数
体験版DL数
フォロー数
露出面積
イベント参加
・
・
・
アクティブユーザー数
再帰間隔
離脱率
販売媒体
・
・
・
・
・
・
上位変数は下位変数により決まる
第１次
変数
第２次
変数
第３次
変数

29. 施策とは？

30. 施策とは
ある行動により
対象変数を操作して
上位変数を変化させる

31. 一例
販売媒体を拡張し
そこにユーザーを流すことで
製品の露出を増やす

32. 販売数
PV数
体験版DL数
・
・
・
フォロー数
露出面積
イベント参加
アクティブユーザー数
再帰間隔
離脱率
販売媒体
・
・
・
・
・
・
こんな感じ
第１次
変数
第２次
変数
第３次
変数

33. この手法の利点
変数の観測により
施策単位で効果を判定できる
複数施策の実行と判定が可能

35. 施策で狙う変数ごとの
効果の違い

36. 上位階層変数への施策
効果がすぐ出る
単純、短期的、即効性
メリット：成功率高い
予測しやすい
デメリット：副作用大きい

37. 下位階層変数への施策
ユーザーに習慣化しやすい
複雑、長期的、遅効性
メリット：副作用小さい
トライしやすい
デメリット：成功率低い

39. 施策の評価手法

40. 施策の成功パターン
対象変数が動いた、上位変数も動いた

41. 施策の失敗パターン
対象変数が動いた、上位変数は動かず
対象変数は動かず、上位変数も動かず
そもそも変数を観測できず

43. 施策の結果を
評価できるように
なった

44. それでは

45. 施策を打とう

46. こちら
ユーザーの
流入の
モデル図
購買タイミング

47. 購買
タイミング
からの距離
ごとに
３つに分類
購買タイミング

48. 施策を打った範囲を
マッピングすると
こんな感じ

49. 場所は購買
位置からの
距離
色は
施策対象
購買タイミング

50. 場所は購買
位置からの
距離
色は
施策対象
購買タイミング
全体的に広く打った感じ

51. さて

52. スクラムの
基本３原則って
なんだっけ

53. 検査
適応
透明性

54. 検査
適応
透明性
では検査しよう

55. 結果

56. 販売数+25%

57. まあまあじゃない？

58. 施策の検査

59. ７施策中
２施策＝失敗
１施策＝観測不能
半数弱が不成功

60. oh..

61. ただし

62. 購買タイミング
この部分で特に良好な成果

63. さて

64. リーンの原則って
なんだっけ

65. 集中と統一
Focus & Unity

66. 一番成果の出る
ところに戦力を
全力投入

67. 次の施策マッピング

68. 場所は購買
位置からの
距離
色は
施策対象
購買タイミング

69. 場所は購買
位置からの
距離
色は
施策対象
購買タイミング
リソースの集中投入

70. 場所は購買
位置からの
距離
色は
施策対象
購買タイミング
接近戦 特化型

71. 結果？

72. 販売数+120%

73. Good

75. オーライ

76. 売れたことは
いいことだ

77. ただしそれだけでは
不十分

78. リピート率の確保

79. その話をしよう

81. 販売数は増加した

82. それそのものはいい

83. 販売数の増加
つまり新規ユーザーが
増えたということ

84. ところでさ

85. 新規ユーザーが
増えればそれで
すべて解決なの？

86. たとえば一週間

87. 一週間だけ
定着してくれれば
それで満足？

89. サービスを
始めたばかりの
ユーザーの特徴

90. 受動 低稼働
受信 無課金
地味

91. サービスを
使って欲しい
ユーザーの特徴

92. 能動 高稼働
発信 高課金
活発

93. ユーザーを
成長させたい

94. ユーザー
ライト→ヘビー

95. マインドセットと
目的の変化が重要

96. 前にプレゼンしたあれ
最後にユーザーは無抵抗の看護婦を攻撃したでしょ？

97. ユーザーフェーズ
遷移図
序
盤
終
盤

98. ここに分析結果から
ユーザーの
ストレス原因を
マッピング

99. ユーザーフェーズ
遷移図
序
盤
終
盤

100. 問題は序盤と終盤

101. 今回やりたいこと

102. 序盤の離脱率低下

103. 施策打った
ゲームバランス修正

104. 結果は？

105. エゴサ＆検査結果
結果良好

106. 「プレイしたユーザー」
の離脱率は大幅低下

107. ……

108. お薬の時間だ！

109. 現実を見よう

110. 検査の結果

111. 離脱率大幅上昇

112. Why?

113. 少なくとも
新規ユーザーの20%は
インストールに失敗
している

114. インストール失敗が
離脱の主要因

115. インストール時に
大量離脱
序
盤
終
盤

116. 販売施策の成功で
新規ユーザーが大幅増加
インストール失敗率の
高さが顕在化

117. 解決策を模索

118. 一発インストール
is
困難

119. インストール失敗
問題は根深く
解決は高コスト

120. どうする・・・

121. 結論

122. 解決しない

123. ユーザーの求めるもの
「インストールの成功」
実装されたもの
「インストールマニュアルの添付」

124. 検査の結果

125. 離脱率大幅低下

126. 目的が達成できるなら
それはコードによるもの
ではなくともよい

128. 今回の結論

129. 今回私がやったのは

130. 作戦目的に沿った
施策の打ち出し

131. 施策の検査による
適応のサイクル化

132. でした

133. 作戦目的 is

134. 「販売数の増加」
「離脱数の減少」

135. 結果＝改善

137. 施策の検査による
適応のサイクル化

138. これを支える
インフラとして

139. 検査と適応
二重学習ループの運用

140. 自律的サイクル

142. 今後の課題

143. ここまでは
うまくいった

144. ただ

145. 正直

146. やっている
レベルは低い

147. 分析対象データは
PCのメモリに
乗るレベル

148. 販売数増やしつつ
高度な分析やりたい

150. 最後に自己紹介

151. あんただれ

152. レベル：
しょくぎょう：
しょうごう：
29
プログラマ
はいぱーれがしー
こーどくりえいた
@shin_semiya
ともうします

153. なにか質問が
あればこの後に

154. 今日は最後まで
おつきあいいただき
ありがとうございます。

155. Thanks a lot !