《Steam 游戏平台:开发与商业化》13.1 预算与回本线计算

预算与回本线是商业化的硬标尺:给定预算、售价、分成阶梯与退款率,回本销量 = ceil(预算 / 单位净得)。本节把 1.1 的基线展开成敏感度工具,转动预算、价格、分成与退款四个旋钮,观察回本线如何移动,并用整数美分复现三费率回本与价格、退款率敏感度表。

13.1 预算与回本线计算

第 13 章把卷三从「单个决策」推进到「财务视图」:前面各章回答了价格定多少、折扣做不做、愿望单怎么转销量,13 章把这些数字汇成预算、回本、现金流与组合。13.1 处理最硬的问题——预算定下来之后,游戏要卖多少份才能回本,以及这个数字对哪些参数最敏感。

1.1 的商业模式基线给了一条数字链:毛收入 → 分成 → 退款修正 → 平台费 → 可支配收入,回本销量 = ceil(预算 / 单位净得)。13.1 把这条链变成敏感度工具:预算、售价、分成阶梯、退款率四个旋钮各自转动时,回本线怎么移动。买断制的回本线尤其重要,因为收入集中在首发期,一旦首发销量低于回本线,后续长尾很难补回。

本章与站内既有内容的分工

  • game/publish/steam/ 操作手册讲「怎么在后台设预算、看报表」;本节不写操作,写「回本线怎么算、对什么敏感」。
  • 卷一《平台机制与商店》10.3 净收入建模已覆盖「分成 + 税 + 退款 + 汇率」的净收入口径(含 Tidecast 示例);本节不重复净收入公式,聚焦预算回本、敏感度分析,以及后续 13.2 现金流时间线、13.3 多产品组合。
  • 与 1.1 基线的衔接:1.1 立基线表,本节做敏感度与多费率展开;回本线反过来为 14 章长尾政策与 15 章全景图提供标尺。

预算回本线的四旋钮

回本销量由四个参数决定,公式与 1.1 一致:

单位净得 = 售价 × (1 − 分成比例) × (1 − 退款率)
回本销量 = ceil(预算 / 单位净得)

四个旋钮各自的作用:

  1. 预算:线性——预算翻倍,回本销量翻倍;所以「压预算」是回本线最直接的旋钮。
  2. 售价:反比——售价越高每份净得越高,回本销量越少;但售价同时压低销量(2.1 需求表),于是存在「定高单价少卖 vs 定低单价多卖」的张力,定价不能只看回本线。
  3. 分成阶梯:三档离散——累计净收入 1000 万美元以下 70/30、1000–5000 万美元 75/25、5000 万美元以上 80/20,属可实证官方数字。
  4. 退款率:折扣修正——退款率从 0% 到 8%,回本销量单调上升;退款率来自官方后台,量级依游戏类型不同。

多费率回本表(模型假设:售价 19.99、预算 10 万美元、退款率 4%)

分成阶梯每份净得回本销量读法
70/30(≤1000 万美元)13.43 美元7,447 份基线档
75/25(1000–5000 万)14.39 美元6,950 份累计净收入破档后回本更快
80/20(>5000 万)15.35 美元6,515 份顶档,只对爆款有意义

分成阶梯 70/30·75/25·80/20 可实证;退款率 4%、售价 19.99 为模型假设。

价格与退款率敏感度(模型假设:预算 10 万美元、70/30 阶梯)

旋钮取值每份净得回本销量结论
售价9.99 美元6.71 美元14,904 份低价档要卖接近 1.5 万份
售价19.99 美元13.43 美元7,447 份基线
售价39.99 美元26.87 美元3,722 份高价档回本销量减半
退款率0%13.99 美元7,148 份无退款时回本线最低
退款率4%13.43 美元7,447 份基线
退款率8%12.87 美元7,771 份退款每 +4%,回本 +300 份量级

决策表

给定工作室预算 10 万美元、首发定价 19.99(70/30 阶梯、退款率 4%),目标销量 10,000 份:回本销量 7,447 份,100% 达成目标时回本有余量;若实际只卖 7,000 份则略低于回本线。若要为「只卖 7,000 份」保留安全垫,要么把预算压到 7,447 × 13.43 ≈ 9.4 万美元以下,要么接受这是高风险项目。回本线的用途不是「算一次」,而是把「要不要加预算、定哪个价」变成可比较的算术。

模型参数与数据口径

  • 可实证(官方):Steam 分成阶梯 70/30·75/25·80/20;Steam Direct 一次性 100 美元。
  • 官方登录后可见:后台按月净收入与退款明细,以官方当前为准。
  • 模型假设(非官方数值):售价 9.99/19.99/39.99 为示例档位;退款率 0%/4%/8% 为量级假设;预算 10 万美元为示例。所有金额用整数美分,与 1.1、卷一 10.3 口径一致。

可运行产物:C++ 最小验证

下面的仿真把预算回本线固化成可执行的计算:分成三档的单位净得与回本销量、价格与退款率的敏感度、三阶梯回本表。它与 src/steam-launch-13-1-budget-breakeven.cpp 逐字节一致:

// file: src/steam-launch-13-1-budget-breakeven.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/steam-launch-13-1-budget-breakeven.cpp -o bin/steam-launch-13-1-budget-breakeven && ./bin/steam-launch-13-1-budget-breakeven
//
// mock:复现预算与回本线模型——给定预算、售价、分成阶梯与退款率,
// 计算各费率下的回本销量,并对价格与退款率做敏感度分析。
// 分成阶梯 70/30·75/25·80/20 可实证;退款率与需求属模型假设。
#include "verify.h"

#include <cstdint>

namespace steam_repro {

// 预算与回本线模型:回本销量 = ceil(预算 / 单位净得)。
class MockBudgetBreakeven {
 public:
  // 分成阶梯:各档平台拿走的比例(可实证 70/30·75/25·80/20)
  int sharePercentForTier(int tier) const {
    if (tier >= 2) return 20;
    if (tier == 1) return 25;
    return 30;
  }

  void setPriceCents(int64_t c) { priceCents_ = c; }
  void setRefundPercent(int p) { refundPercent_ = p; }

  // 单位净得:售价×(1−分成)×(1−退款)(美分)
  int64_t perUnitNetCents(int sharePercent) const {
    return priceCents_ * (100 - sharePercent) / 100 * (100 - refundPercent_) / 100;
  }

  // 回本销量:给定预算与分成比例
  int64_t unitsToBreakeven(int64_t budgetCents, int sharePercent) const {
    int64_t per = perUnitNetCents(sharePercent);
    if (per <= 0) return -1;
    return (budgetCents + per - 1) / per;
  }

  // 三阶梯回本销量表:tier 0/1/2 → out[0]/out[1]/out[2]
  void breakevenByTier(int64_t budgetCents, int64_t out[3]) const {
    for (int t = 0; t < 3; ++t) {
      out[t] = unitsToBreakeven(budgetCents, sharePercentForTier(t));
    }
  }

  // 价格敏感度:换成其他售价后的回本销量
  int64_t breakevenAtPrice(int64_t budgetCents, int sharePercent,
                           int64_t priceCents) const {
    int64_t per =
        priceCents * (100 - sharePercent) / 100 * (100 - refundPercent_) / 100;
    if (per <= 0) return -1;
    return (budgetCents + per - 1) / per;
  }

  // 退款率敏感度:换成其他退款率后的回本销量
  int64_t breakevenAtRefund(int64_t budgetCents, int sharePercent,
                            int refundPercent) const {
    int64_t per =
        priceCents_ * (100 - sharePercent) / 100 * (100 - refundPercent) / 100;
    if (per <= 0) return -1;
    return (budgetCents + per - 1) / per;
  }

 private:
  int64_t priceCents_ = 1999;  // 默认 19.99(模型假设)
  int refundPercent_ = 4;      // 默认退款率 4%(模型假设)
};

}  // namespace steam_repro

int main() {
  using namespace steam_repro;
  MockBudgetBreakeven m;
  m.setPriceCents(1999);
  m.setRefundPercent(4);

  // 1. 分成阶梯可实证:70/30·75/25·80/20
  CHECK(m.sharePercentForTier(0) == 30);
  CHECK(m.sharePercentForTier(1) == 25);
  CHECK(m.sharePercentForTier(2) == 20);

  // 2. 70/30 阶梯单位净得:1999×0.7×0.96 = 1343 美分
  CHECK(m.perUnitNetCents(30) == 1343);

  // 3. 75/25:1999×0.75×0.96 = 1439 美分
  CHECK(m.perUnitNetCents(25) == 1439);

  // 4. 80/20:1999×0.80×0.96 = 1535 美分
  CHECK(m.perUnitNetCents(20) == 1535);

  // 5. 预算 10 万美元、70/30:回本销量 7447
  CHECK(m.unitsToBreakeven(10000000, 30) == 7447);

  // 6. 更高分成档回本销量更少:75/25 → 6950,80/20 → 6515
  CHECK(m.unitsToBreakeven(10000000, 25) == 6950);
  CHECK(m.unitsToBreakeven(10000000, 20) == 6515);

  // 7. 三阶梯回本销量表:随分成提高递减
  int64_t byTier[3] = {0, 0, 0};
  m.breakevenByTier(10000000, byTier);
  CHECK(byTier[0] == 7447 && byTier[1] == 6950 && byTier[2] == 6515);
  CHECK(byTier[0] > byTier[1] && byTier[1] > byTier[2]);

  // 8. 价格敏感度:9.99 每份净得 671 美分 → 14904 份回本
  CHECK(m.breakevenAtPrice(10000000, 30, 999) == 14904);

  // 9. 价格敏感度:39.99 每份净得 2687 美分 → 3722 份回本
  CHECK(m.breakevenAtPrice(10000000, 30, 3999) == 3722);

  // 10. 退款率敏感度:0% 退款每份 1399 美分 → 7148 份回本
  CHECK(m.breakevenAtRefund(10000000, 30, 0) == 7148);

  // 11. 退款率敏感度:8% 退款每份 1287 美分 → 7771 份回本
  CHECK(m.breakevenAtRefund(10000000, 30, 8) == 7771);

  return lab::report("13-1 预算与回本线计算");
}

本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 15/15 通过。

小结

  • 回本销量 = ceil(预算 / 单位净得),四个旋钮分别可调:预算线性、售价反比、分成三档、退款单调。
  • 分成阶梯 70/30·75/25·80/20 可实证,回本线随分成提高而下降。
  • 敏感度表让「预算压多少」「定价定哪档」从感觉变成可复核的算术。
  • 13.2 用同一预算进入现金流时间线,13.3 进入多产品组合。

阅读导航:上一节:12.3 跨平台收益与定价一致性 · 下一节:13.2 现金流时间线 。

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