《Steam 游戏平台:开发与商业化》9.2 更新节奏与价格策略

发售后销量按月自然衰减,免费更新是给衰减曲线打脉冲;本节用月度衰减模型对比「有更新/无更新」的累计收入,并用「维持原收入所需销量」检验价格不动原则。lab 复现更新月销量、累计收入增量与降价值不值判断,把「要不要更新、要不要调价」变成可复算的决策。

9.2 更新节奏与价格策略

买断制游戏首发后的销量曲线是一条衰减曲线:每个月都在掉,掉多快取决于口碑、曝光与竞争。免费更新是开发者少数几个能主动给这条曲线打脉冲的手段——发一次大更新,当月销量向上跳一下。本节回答两个决策问题:更新按什么节奏发,累计收入能比不发好多少;以及价格该不该动。

第二个问题在实践中往往被「降价促销」诱惑绑架:销量掉了,第一反应是降价。本节的立场是价格不动原则——买断制下先降价的隐性代价(老玩家观感、愿望单价格预期、后续折扣空间)经常超过降价带来的增量,真正该动的是更新节奏而不是价格。

本章与站内既有内容的分工

  • game/publish/steam/ 的 steam-post-launch-updates-long-tail-guide-2023 讲「发售后更新与长尾运营怎么做」的操作;本节不写运营动作(怎么发公告、怎么排版本),写「更新脉冲值多少钱、价格该不该动」的收入模型。
  • 与 9.1 的衔接:9.1 决定首发内容量与价格档;9.2 决定发售后内容如何按节奏释放,二者共同构成 9 章的内容版本经济。
  • 与 14.1(长期折扣循环与价格政策)划界:本节聚焦「更新节奏 + 价格稳定」的短中期决策;14 章处理跨年度的折扣与价格政策,是本节模型的长期外推。
  • 卷一 4 章折扣经济提供降价促销的量化基准;本节用「价格不动原则」与其对照:促销是主动选择,调价是最后手段。

更新脉冲模型

模型把月度销量写成:

月销量[m] = 月销量[m-1] × (100 − 月衰减%) / 100
更新月额外:月销量[m] += 更新脉冲(份)

以默认参数为例:首发月 1000 份、月衰减 10%、每 3 个月一次 +200 份的更新脉冲:

月份无更新销量有更新销量读数
01,0001,000首发
1900900自然衰减
2810810衰减加深
3729929更新脉冲 +200
4656836脉冲后回落
5590752继续衰减
6531876第二发脉冲

12 个月累计:无更新 7,167 份,有更新 9,870 份。在 19.99 定价下,更新路径累计收入 19,730,130 美分,比无更新多 5,403,297 美分。拆开看:累计销量增量 = 9,870 − 7,167 = 2,703 份,而三发 +200 份的更新直接注入只有 600 份——衰减曲线把每次脉冲的价值放大了约 4.5 倍(2,703 / 600),因为每发脉冲在当月贡献之外还抬高了后续所有月份的销量基线。

价格不动原则:检验降价值不值

价格不动的理由是:降价到新价格后,需要多卖多少份才能维持原收入。模型给出:

维持收入所需销量 = ceil(原累计收入 / 新价格)

以 19.99 降到 14.99 为例:12 个月累计收入 19,730,130 美分,维持它需要 ceil(19,730,130 / 1499) = 13,163 份。而更新路径 12 个月才卖出 9,870 份——预测销量远达不到 13,163,降价必然亏。反之,只有当预测销量真的能跳到 14,000 份以上时,降价才值得考虑。

决策输入数值结论
原价累计收入19,730,130 美分—
降到 14.99 所需销量13,163 份—
更新路径预测销量9,870 份降价不值
若预测销量14,000 份降价才值得

模型参数与数据口径

  • 可实证:无新官方数字;价格档沿用 Steam 商店页公开口径。
  • 官方登录后可见:真实月销量衰减率、更新月销量抬升幅度,属 partner 后台可见数据,本节标注「以官方当前为准」。
  • 模型假设(非官方数值):首发 1000 份、月衰减 10%、更新脉冲 +200 份/次、每 3 个月一发。衰减越快,更新脉冲的相对价值越高(lab 第 11 条用 20% 衰减验证)。

可运行产物:C++ 最小验证

下面的仿真把更新节奏与价格稳定固化成可执行的计算:逐月销量(含更新脉冲)、12 个月累计销量与收入、更新带来的收入增量、维持收入所需销量,以及降价值不值的判定。它与 src/steam-launch-09-2-update-cadence-pricing.cpp 逐字节一致:

// file: src/steam-launch-09-2-update-cadence-pricing.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/steam-launch-09-2-update-cadence-pricing.cpp -o bin/steam-launch-09-2-update-cadence-pricing && ./bin/steam-launch-09-2-update-cadence-pricing
//
// mock:复现更新节奏与价格稳定模型——月度销量自然衰减,逢更新月加
// 一次保量脉冲,累计收入对比「有更新/无更新」;价格不动原则用
// 「维持原收入所需销量」检验降价值不值。参数均属模型假设,非官方数值。
#include "verify.h"

#include <cstdint>
#include <vector>

namespace steam_repro {

// 更新节奏与价格稳定模型。
class MockUpdateCadenceModel {
 public:
  void setBaseUnits(int64_t units) { baseUnits_ = units; }
  void setDecayPercent(int pct) { decayPercent_ = pct; }
  void setPriceCents(int64_t cents) { priceCents_ = cents; }

  // 第 m 月销量:上月 × (100−decay)/100,更新月再加脉冲 boostUnits
  int64_t monthUnits(int m, int cadenceMonths, int64_t boostUnits) const {
    if (m == 0) return baseUnits_;
    int64_t prev = monthUnits(m - 1, cadenceMonths, boostUnits);
    int64_t cur = prev * (100 - decayPercent_) / 100;
    if (cadenceMonths > 0 && m % cadenceMonths == 0) cur += boostUnits;
    return cur;
  }

  // 前 months 个月累计销量
  int64_t cumulativeUnits(int months, int cadenceMonths,
                          int64_t boostUnits) const {
    int64_t sum = 0;
    for (int m = 0; m < months; ++m) sum += monthUnits(m, cadenceMonths, boostUnits);
    return sum;
  }

  // 累计收入 = 累计销量 × 价格
  int64_t cumulativeRevenue(int months, int cadenceMonths,
                            int64_t boostUnits) const {
    return cumulativeUnits(months, cadenceMonths, boostUnits) * priceCents_;
  }

  // 降价到新价格后维持原收入所需销量(向上取整)
  int64_t unitsNeededToKeepRevenue(int64_t newPriceCents, int64_t units) const {
    if (newPriceCents <= 0) return -1;
    int64_t rev = units * priceCents_;
    return (rev + newPriceCents - 1) / newPriceCents;
  }

  // 降价是否值得:预测销量 ≥ 维持收入所需销量
  bool priceCutJustified(int64_t newPriceCents, int64_t units,
                         int64_t forecastUnits) const {
    return forecastUnits >= unitsNeededToKeepRevenue(newPriceCents, units);
  }

 private:
  int64_t baseUnits_ = 0;
  int decayPercent_ = 10;
  int64_t priceCents_ = 1999;
};

}  // namespace steam_repro

int main() {
  using namespace steam_repro;
  MockUpdateCadenceModel m;
  m.setBaseUnits(1000);
  m.setDecayPercent(10);
  m.setPriceCents(1999);

  // 1. 更新月(每 3 个月 +200 份):第 3 月 = 729 + 200 = 929
  CHECK(m.monthUnits(3, 3, 200) == 929);

  // 2. 非更新月第 5 月:929 × 0.9 = 836,再 ×0.9 = 752
  CHECK(m.monthUnits(5, 3, 200) == 752);

  // 3. 无更新对照:第 3 月 = 729
  CHECK(m.monthUnits(3, 3, 0) == 729);

  // 4. 12 个月累计(有更新):
  //    1000+900+810+929+836+752+876+788+709+838+754+678 = 9870
  CHECK(m.cumulativeUnits(12, 3, 200) == 9870);

  // 5. 12 个月累计(无更新)= 7167
  CHECK(m.cumulativeUnits(12, 3, 0) == 7167);

  // 6. 有更新累计收入:9870 × 19.99 = 19,730,130 美分
  CHECK(m.cumulativeRevenue(12, 3, 200) == 19730130);

  // 7. 更新带来的收入增量 = 19,730,130 − 14,326,833 = 5,403,297
  CHECK(m.cumulativeRevenue(12, 3, 200) - m.cumulativeRevenue(12, 3, 0) ==
        5403297);

  // 8. 维持收入所需销量:降到 14.99,需 ceil(19,730,130 / 1499) = 13163
  CHECK(m.unitsNeededToKeepRevenue(1499, m.cumulativeUnits(12, 3, 200)) ==
        13163);

  // 9. 价格不动原则:预测销量 9870 < 13163,降价不值
  CHECK(!m.priceCutJustified(1499, m.cumulativeUnits(12, 3, 200), 9870));

  // 10. 若预测销量 14000 ≥ 13163,降价才值得
  CHECK(m.priceCutJustified(1499, m.cumulativeUnits(12, 3, 200), 14000));

  // 11. 更快的自然衰减下更新脉冲占比更高:decay 20% 第 3 月
  m.setDecayPercent(20);
  //    1000→800→640;第 3 月 = 512 + 200 = 712
  CHECK(m.monthUnits(3, 3, 200) == 712);

  return lab::report("09-2 更新节奏与价格策略");
}

本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 11/11 通过。

小结

  • 发售后销量按月衰减,免费更新是给衰减曲线打脉冲;模型用「月衰减 × 更新脉冲」描述并对比累计收入。
  • 12 个月尺度上,每发一次更新脉冲都会抬高后续所有月份的基线,累计收入增量可观(本参数下 +5,403,297 美分)。
  • 价格不动原则用「维持原收入所需销量」检验:预测销量达不到就降价,必然亏——该动的是更新节奏,不是价格。
  • 衰减越快更新越值钱;输出回填 9.1 的内容计划(有多少内容可以拆成更新)与 4 章折扣日历。

阅读导航:上一节:9.1 首发内容量与定价 · 下一节:9.3 DLC 与扩展包经济 。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图