《Steam 游戏平台:开发与商业化》14.1 长期折扣循环与价格政策

首发之后游戏进入长尾:销量按月衰减,折扣成了维持曝光与销量的主要杠杆。本节用长期折扣循环模型比较「无促销」「季节性折扣」「深折扣长尾」三种政策在 6 个月窗口内的累计收入,并引入最低价纪律计算允许的最大折扣深度,回答「长尾阶段折扣到底值不值」。

14.1 长期折扣循环与价格政策

首发期过后,买断制游戏进入长尾:销量按月衰减,商店曝光下降,折扣成为重新把玩家拉回商店的主要杠杆。14.1 处理的问题是:长尾阶段的折扣循环怎么做、价格政策怎么立。

折扣不是免费的:打 8 折意味着每份收入少 20%,折扣必须换来足够的销量增幅才划算。这个增幅就是折扣弹性——每 10% 折扣能带来多少销量增长。独立工作室很难提前知道自己的弹性,所以本节沿用 2.1 的做法:不猜连续函数,而是把「无促销」「季节性折扣」「深折扣长尾」三种政策放到同一条衰减曲线上,逐月算累计收入,比较谁更高。

本章与站内既有内容的分工

  • game/publish/steam/ 操作手册讲「后台怎么发起折扣、设促销时间」;本节不写促销操作,写「折扣循环的收入模型与政策取舍」。
  • 卷一《平台机制与商店》12.2 讲促销季的平台机制、12.3 讲长尾机制;本节不重复机制,从开发者收入视角比较折扣政策。
  • 与 4.1、4.2 的衔接:4.1 用需求表算单次折扣深度与收入、4.2 算促销频率与日历;14.1 把它们放进长尾时间轴:销量先衰减再促销,看循环总账。与 2.1 定价的衔接:价格政策建立在定价档之上,折扣不能无限低于价格锚点。

长尾折扣循环的按月模拟

把长尾写成一条按月衰减的销量曲线,再叠上促销日历:

月销量 = 首发月销量 × 衰减系数^(月数−1) × 促销增幅
促销增幅 = (100 + 折扣深度 × 弹性系数) / 100
月收入 = 月销量 × 价格 × (1 − 折扣深度)

弹性系数是「每 10% 折扣带来 x% 销量增幅」,属模型假设。下面用一个 6 个月窗口(首发 1000 份、每月衰减到前月 80%、价格 19.99)比较三种政策。

三种折扣政策(模型假设:每 10% 折扣 +50% 销量)

政策促销日历6 个月累计收入读法
无促销全部正常价737.2 万美元分基线
B:季节性折扣第 2、5 月打 8 折882.2 万美元分强弹性下折扣提升收入
C:深折扣长尾第 3、6 月打 6 折,第 4 月打 8 折953.3 万美元分深折扣+正确时点收入最高

政策排序 C > B > 无促销:在「每 10% 折扣 +50% 销量」的弹性假设下,深折扣长尾把衰减后的销量重新拉起,累计收入最高。但这是弹性的函数。

弹性敏感度:折扣可能伤收入

弹性(每 10% 折扣的销量增幅)政策 B 累计收入相对无促销
+50%(强)882.2 万高于基线
+15%(弱)746.8 万只略高于基线
+5%(极弱)708.1 万低于基线,折扣亏钱

结论很直接:折扣做不做、做多深,取决于弹性;弹性低于某个临界点时,促销反而降低累计收入。工作室应该从首发后的每次促销里积累自己的弹性数据(见 8 章数据仪表盘),而不是照搬别人的日历。

最低价纪律

价格政策还包含一条下限纪律:折扣价不能低于某个地板,否则品牌掉价(2.2 定价心理)。给定地板价,允许的最大折扣深度为:

最大折扣深度 = 100 − ceil(地板价 × 100 / 原价)
原价地板价允许最大折扣读法
19.999.9950%半价是地板
19.9912.9935%更保守的价格锚点

决策表

决策读数
长尾折扣循环弹性假设下按累计收入排序政策;弹性低时少做折扣
折扣深度受地板价约束:先定地板,再算允许深度
促销时点深折扣放在衰减明显的月份(如本窗口第 3、6 月)更有效
弹性校准每次促销后记录销量增幅,把「模型假设」逐步换成自己的数据

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。
  • 官方登录后可见:促销期间的销量曲线、曝光与转化,可用于校准弹性,以官方当前为准。
  • 模型假设(非官方数值):首发 1000 份、每月衰减 80%、弹性系数 +50%/+15%/+5%、促销日历、价格 19.99 与地板价均为示例;「折扣深度 × 弹性」的线性放大是简化模型。金额用整数美分,与全卷口径一致。

可运行产物:C++ 最小验证

下面的仿真把长尾折扣循环固化成可执行的计算:逐月销量与收入、三种政策的累计收入、弹性敏感度,以及地板价约束下的最大折扣深度。它与 src/steam-launch-14-1-longtail-discount-policy.cpp 逐字节一致:

// file: src/steam-launch-14-1-longtail-discount-policy.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/steam-launch-14-1-longtail-discount-policy.cpp -o bin/steam-launch-14-1-longtail-discount-policy && ./bin/steam-launch-14-1-longtail-discount-policy
//
// mock:复现长期折扣循环与价格政策模型——逐月销量按衰减系数递减,
// 促销月按折扣深度放大销量,比较不同折扣政策下的累计收入,并计算
// 「最低价纪律」下的最大折扣深度。
// 销量衰减、折扣弹性与价格下限均属模型假设,非官方数值。
#include "verify.h"

#include <cstdint>
#include <vector>

namespace steam_repro {

// 长期折扣循环模型:按月模拟销量衰减与促销放大,比较政策收入。
class MockLongtailPolicy {
 public:
  void setBaseUnits(int64_t u) { baseUnits_ = u; }
  void setDecayPercent(int p) { decayPercent_ = p; }
  void setPriceCents(int64_t c) { priceCents_ = c; }
  // 每 10% 折扣带来的销量增幅百分比(模型假设,弹性)
  void setLiftPercent(int p) { liftPercent_ = p; }
  // 促销日历:每月折扣深度(0 = 正常价)
  void setMonths(const std::vector<int>& discountByMonth) { months_ = discountByMonth; }

  // 第 i 月(1 起)销量:base×(decay/100)^(i-1)×促销增幅
  int64_t unitsOf(int i) const {
    int64_t u = baseUnits_;
    for (int k = 1; k < i; ++k) u = u * decayPercent_ / 100;
    int d = months_[i - 1];
    if (d > 0) u = u * (100 + d * liftPercent_ / 10) / 100;
    return u;
  }

  // 第 i 月收入:销量×价格×(1−折扣)
  int64_t revenueCents(int i) const {
    int d = months_[i - 1];
    return unitsOf(i) * priceCents_ * (100 - d) / 100;
  }

  // 全周期累计收入
  int64_t totalRevenueCents() const {
    int64_t sum = 0;
    for (size_t i = 1; i <= months_.size(); ++i) {
      sum += revenueCents(static_cast<int>(i));
    }
    return sum;
  }

  // 最低价纪律:给定价格下限,允许的最大折扣深度(%)
  int maxDiscountPercent(int64_t floorCents) const {
    int64_t ceilVal = (floorCents * 100 + priceCents_ - 1) / priceCents_;
    return 100 - static_cast<int>(ceilVal);
  }

 private:
  int64_t baseUnits_ = 1000;  // 首发月销量(模型假设)
  int decayPercent_ = 80;     // 每月衰减为前月 80%(模型假设)
  int liftPercent_ = 50;      // 每 10% 折扣 +50% 销量(模型假设)
  int64_t priceCents_ = 1999;
  std::vector<int> months_;
};

}  // namespace steam_repro

int main() {
  using namespace steam_repro;
  MockLongtailPolicy m;
  m.setBaseUnits(1000);
  m.setDecayPercent(80);
  m.setPriceCents(1999);
  m.setLiftPercent(50);

  // 1. 基线销量:m1=1000,m2=800,m3=640
  m.setMonths({0, 0, 0, 0, 0, 0});
  CHECK(m.unitsOf(1) == 1000);
  CHECK(m.unitsOf(2) == 800);
  CHECK(m.unitsOf(3) == 640);

  // 2. 无促销的 6 个月累计收入 = 7,372,312 美分
  CHECK(m.totalRevenueCents() == 7372312);

  // 3. 政策 B:m2/m5 打 8 折,强弹性 → 8,822,386
  m.setMonths({0, 20, 0, 0, 20, 0});
  CHECK(m.unitsOf(2) == 1600);  // 800×2(弹性 50/10%)
  CHECK(m.totalRevenueCents() == 8822386);

  // 4. 政策 C:m3/m6 打 6 折、m4 打 8 折 → 9,532,830
  m.setMonths({0, 0, 40, 20, 0, 40});
  CHECK(m.totalRevenueCents() == 9532830);

  // 5. 政策排序:C > B > 无促销
  CHECK(m.totalRevenueCents() > 8822386 && 8822386 > 7372312);

  // 6. 弱弹性(每 10% 折扣 +15% 销量)时 B 只略高于无促销
  m.setLiftPercent(15);
  m.setMonths({0, 20, 0, 0, 20, 0});
  CHECK(m.totalRevenueCents() == 7467864);

  // 7. 极弱弹性(每 10% 折扣 +5%)时 B 低于无促销 → 折扣伤收入
  m.setLiftPercent(5);
  CHECK(m.totalRevenueCents() == 7080857);
  CHECK(m.totalRevenueCents() < 7372312);

  // 8. 最低价纪律:价格下限 9.99 允许最大折扣 50%
  m.setLiftPercent(50);
  m.setPriceCents(1999);
  CHECK(m.maxDiscountPercent(999) == 50);

  // 9. 价格下限 12.99 允许最大折扣 35%
  CHECK(m.maxDiscountPercent(1299) == 35);

  return lab::report("14-1 长期折扣循环与价格政策");
}

本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 13/13 通过。

小结

  • 长尾折扣循环 = 衰减销量 × 促销增幅 × 折扣价,按月累计收入比较政策。
  • 政策优劣取决于折扣弹性:强弹性下深折扣长尾最高,弱弹性下促销反而伤收入。
  • 最低价纪律先定地板价,再算允许的最大折扣深度,守住品牌价格锚点。
  • 弹性是模型假设,要靠首发后的每次促销数据逐步校准。
  • 14.2 进入内容经济:内容供给与玩家生命周期如何影响留存与复购。

阅读导航:上一节:13.3 多产品组合与系列化 · 下一节:14.2 内容经济与玩家生命周期 。

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