一款游戏准备投入运营， 往往需要对其货币化能力做评估。对于发行商来说，一般会小规模投放进行测试，根据测试结果进行预测，这期间，除了发现游戏本身的BUG，体验和设计问题，留存和ARPU是最需要关注的指标。

测试周期的选择对游戏长期运营有重要的意义！充分的测试和指标采集对KPI预测会更准确，然而，耗时太久的测试容易让游戏错过发行的最佳时机，如果多款游戏恰好集中上市，也会让档期拥挤不堪。一方面，不希望错过好的游戏和团队；另一方面，希望流量最优配置以期获得最大化收益。既快又准的KPI预测模型是所有人都希望看到的。

笔者的一位做发行运营的朋友上周遇到了这样的难题，需要对一款即将上线的新游戏制定KPI，该游戏甚至还未经过投放测试。被问到这个问题时，首先想到的是评估出玩家1~30天的LTV值，再逐步计算其月度收益。要准确得到30天LTV值，需要每天记录新增玩家的累计ARPU值，得到LTV数组后，再乘以每天的新增玩家数，就可得出月度收益。

我们需要得出数组：LTV_Set = [ LTV1,LTV2,LTV3 ... LTV30  ]      

假设每日放量N（即新增玩家数量），则：

月收入 = LTV1*N + LTV2*N + ... + LTV30*N

预测

​显然我们没有足够的时间获取30天LTV。好吧，只能通过有限的已知条件对未来作出预测了。联想到笔者之前的一篇关于LTV预测的文章，基于对数曲线对LTV变化进行预测，顺带提下，前文发表后，有读者对公式的推导过程尚有不解，这里一并作出解答：

还是熟悉的公式:  y=c*ln(x)+b

已知条件：首日和首2日ARPU值，可以认为是LTV1，LTV2

将我们已知两个坐标 (1,LTV1), (2,LTV2)，代入公式

LTV1=c*ln(1)+b

LTV2=c*ln(2)+b

c和b的值通过上述二元一次方程解出

c=(LTV2-LTV1)/(ln(2)-ln(1))

b=LTV1

工具上，可以使用DataEye 新玩家价值模块，也可以使用Excel（下文有实现）。

KPI逆推

我们可以很容易使用公式推导出未来30日的LTV集合，下面我们对每日需要放出的量进行计算，笔者这里使用Excel规划求解等分每天的新增量

Excel计算模型中，B15，B16填入新增前两日的ARPU值，模型自动计算公式的c，b值，再通过公式计算出未来30日的LTV值；通过Excel规划求解功能，在D15输入希望达到目标KPI值，并设定C15~C44的条件，这里设置的是等分，读者也可以改成等差数列等方式（即逐步放量）。从结果看出希望达到100W的月收入，每日必须引入9.9W新增玩家。而要降低新增玩家数量的压力，则可以考虑提高游戏的ARPU值。调整B15，B16的值 ，相关结果就会有相应变化。

模型的未来与局限

笔者认为，模型能对KPI做出初步预测，在已知条件匮乏的情况下，具有一定的指导意义。对于预测结果不理想的游戏可以去检查游戏本身是否存在问题，程序有BUG？计费点设置不合理？新手任务通过率低？ 而对于符合预期的游戏，可以关注下留存问题，毕竟我们还是希望玩家生命周期更长。总之，KPI预测在前期对游戏改进能快速给出建议，有利在当下纷乱的手游市场快速改进产品，快速推新，抢占先机。

如果测试时间允许，使用7日LTV会更准确。 但依然有其局限性，例如：对于一款长生命周期游戏，比如棋牌，定义30日的回本周期是否合适？游戏在日常运营中因活动引入带来的数值波动如何兼容？如何细化渠道间的差异？

作者： GRG游戏研究组