Nintendo SwitchやSteamでゲーム販売を成功させる方法
今回は、今後もさらなる成長が期待できる「ゲーム業界」について、消費者行動の専門家の知見からお話していきます。
ここ最近、ゲームのクリエイターと知り合う機会が増えていることもあり、ゲームデータ (プレイヤーのプレイデータや、購買行動データ) を活用したマーケティング支援のご依頼や、ニンテンドースイッチへリリースするゲームのマーケティング支援のご依頼も増えてきています。
インディーゲームの開発者や、ニンテンドースイッチへのリリースをご検討している企業様など、ゲーム事業に携わるすべての人に向けて、データ分析の方法とマインドセットについてお伝えしたいと思います。
ゲームデータ分析の概要
近年、スマホなどの汎用デバイスの普及もあり、誰でも手軽にゲームをプレイすることができるようになりました。市場の拡大やアプリストアの拡充に伴い、ゲーム開発者にとって参入障壁が低くなった一方で、競争は非常に激化しています。
AppStoreでリリースされている一日当たりのゲーム本数は450とも言われており、ニンテンドースイッチオンラインでも毎日のように数多くのゲームが配信されているのが分かります。
このいわば、群雄割拠の状況の中で皆さんのゲームが消費者に認知されて、実際にプレイされて、しかも継続的に利用してもらうには、どうすれば良いのでしょうか？答えは、ただ一つ。「データ分析」です。
ここで私が述べているデータ分析は、以下の目標を達成するために行います。
① ユーザーの行動や心理を深く理解をして、ゲーム性や機能をその都度、改善していくことで、ユーザーの満足度をさらにアップさせる
②ユーザーの行動や心理を深く理解をして、より高いクオリティのゲーム体験を提供し、ゲームの寿命を延ばす
③ユーザーの行動や心理を深く理解をして、それをプロモーションに活かし、マーケティングの費用対効果を高める
特に、インディゲームや中小企業様など、多くのリソースをゲーム開発に注ぐことが難しい場合は、効率的にユーザーのデータを活用して、効率的に成功を目指していくことが重要です。
ライバルが多い中で、勝敗を分けるのは「マーケティング戦略」だと私は確信しています。
ゲームデータ分析の価値とは？
意見すると、法則性が無いように見えるデータであっても、分析をすることで一定の法則性を見つけることが可能です。私たちは神様ではないので、全てを予測することは難しいです。
しかし、とあるユーザーの行動を客観的に分析することによって、同じ属性のユーザーの行動を予測したり、今後の行動を予測することが可能です。
ビジネスは「ヒト」、「モノ」、「カネ」と言われますが、ゲームのユーザーデータをきちんと分析することで、意思決定に活かすことができ、効率的にこの３つの要素を活用することができるのです。
ゲームデータ分析の思考について
単純にデータ分析をするだけで良いのであれば、生成AIに全て任せてしまえば良いでしょう。しかし、そのデータが意味するストーリーをキャッチして実際にビジネス戦略を構築するのは、我々人間なのです。
そこで、私たちがゲームデータを活用していくうえで、持っておくべきマインドセットについてお伝えします。
ビジネス思考
これは、データ分析を行う際に、あくまでビジネス上の目標を達成するために行うという考え方です。データ分析と言っても所詮は数字の羅列でしかなく、そこに何らかの意味を見出すのはビジネス現場にいる私たちです。
したがって、解決すべき問題は何なのかを明確にしたうえで、時にはアンケートやインタビューなどの質的なデータも含めて検討していく必要があります。
構造化思考について
この思考法は、「問題を発見」→「仮説」→「仮説検証」→「問題解決」という流れに沿って、データ分析と施策の実行を行うことを意味しています。
特に初めの「問題を発見」するのが一番の難解であり、これが上手く設定できれば、問題の8割は解決したと言っても過言ではありません。
事実、世の中の多くの企業が「何が問題であるか」を本人たち自身も理解をしておらず、それっぽい「問題もどき」をこしられて、的外れな施策を打ってしまうということが多いのです。
先見的思考
ゲームデータ基盤を作っていくうえで、ゲーム市場やプロダクトの将来性について長期的な目線で考えつつ、「将来の分析ニーズ」に対応するための余地を残すことを意味します。
データ分析は決して一度限りの作業ではなく、継続的にブラッシュアップをしていくことを前提に、データ分析基盤を形成していくことが重要なのです。
ゲームデータ分析の方法
ゲームデータ分析を行うためには、次のフレームワークを意識しましょう。
5W2H
RFM
AARRR
5W2H
これは、 What(何が起きたのか)、 Where(どこで起きたのか)、 When(いつ起きたのか)、 Who(誰が関わったか)、 Why(なぜ起きたか)、 How(どのようni
解決したか)、そして How much(どれくらい解決したか) の頭文字を取っています。
RFM
RFMは Recency(最近の課金日)、Frequency(課金頻度)、Monetary(課金額)を示します。一般的な例としては、課金額に応じてユーザーを「無課金/ライト/ミドル/ロイヤル」といった形でセグメントに分割し、マーケティング戦略などに応用していくことができます。
AARRR
ユーザージャーニーに基づいて、Acquisition(ユーザーの獲得)、Activation(活性化)、Retention(維持)、Revenue(収益)、Referral(紹介)を表します。
このように、セグメントやジャーニーに分けることによって、ポイントごとの分析や、ビジネス戦略の実行をすることができます。
まとめ
今回は、ゲームデータ分析について簡単に触れました。次回以降はもっと実践的な内容に踏み込んで、分析方法などについてお伝えしたいと思います。興味ある方はぜひ、フォローして頂ければと思います。
サービスご提供のお知らせ
クラウドワークス、ココナラなどで、生成AIやマーケティングデータ分析のプロジェクトに携わっております。以下のことでお困りの方はお気軽にご相談ください。
生成AIや機械学習、データサイエンスに関連する教材の作成 (ソフトバンクグループ企業や、ベンチャー企業での経験など多数実績)
生成AI導入の社内研修、および講座の企画と実施
顧客データの分析、マーケティングコンサルティング (ゲームのプロモーション含む)
ココナラでも、生成AI・マーケティングサービスに関して多数の販売実績あり、お見積りだけでもご利用頂けます。