13.2 发行商角色
发行商不是 Steam 平台的机制,但它是你面对平台时最重要的一层中介:发行商把平台机制(曝光、本地化、评测、促销)替你操作,换走净收入的一份分成。本节回答一个问题:什么时候值得把 20%–30% 的净收入让给发行商?
答案是一条清晰的数学条件。设发行商能把销量放大 m 倍、拿走 s 比例的分成,那么「找发行商」优于「自发行」当且仅当:
m × (1 − s) > 1
25% 分成意味着放大必须超过 1/(1−0.25) = 1.33 倍才值得;30% 分成意味着必须超过约 1.43 倍。本节把这条不等式拆开:发行商到底提供哪些「放大手段」,以及哪些游戏对放大更敏感。
本章与站内既有内容的分工
| 主题 | 站内既有内容 | 本节做什么 |
|---|---|---|
| 发行商合同谈判 | indie-game-publisher-contract-negotiation-guide | game/indie 讲条款、里程碑、违约细节;本节只算「该不该找」的数学 |
| 独立开发者商业 | 《独立开发者的商业指南》 | idb 系列讲合同、应收、现金流;本节聚焦单款游戏的分成决策 |
| 平台流量机制 | 4.3 曝光分配模型 、8.2 转化漏斗 | 前文讲平台曝光怎么分配;本节讲发行商如何放大这份曝光 |
一句话:合同书教你「怎么签」,本节教你「该不该签」。
发行商提供什么:每一项都是一个乘数
发行商的资源可以折算成三类「放大」:
- 市场放大:PR、媒体外联、主播/创作者营销、首发节奏安排。效果近似于给销量乘数;对没有营销能力的团队,这是放大倍数的主要来源。
- 区域放大:本地化到新语言区(中文、日语、德语等)能打开新区域市场,近似在销售额上叠加一个比例。公开经验量级:专业本地化通常可给欧洲/东亚区域带来可观的额外营收,量级因品类而异。
- 成本节省:QA、移植(主机/Deck 适配)、数据看板、合规处理,这些原本要你出钱出人,发行商承担后等于把你的成本转成他们的分成——你省下的是时间与现金,这正是自发行时算入的机会成本。
判断链:发行商的价值 = 放大倍数 × 你的基础销量。基础销量越低、放大倍数越高,找发行商越划算;基础销量已经很高、或你的品类放大空间有限时,分成是纯损耗。
分成的打平条件
回到公式 m × (1 − s) > 1。它有三个直接推论:
- 分成档越高,要求放大越激进。s=20% 要求 m>1.25;s=30% 要求 m>1.43;s=40% 要求 m>1.67。所以谈分成时,关键不是「别家给 20%」,而是「发行商能不能兑现放大」。
- 预付金是「先结转」不是「免费的钱」。发行商预付 A 通常先从你的分成后净收入里偿还。低销量区间里预付金会显著压低你的实收;高销量区间它只是现金流提前。
- 时间也是成本。自发行意味着你要把 3–6 个月花在营销、运营、QA 上,这些时间如果用来做下一款游戏,它的预期收入就是自发行的机会成本。lab 把这条也量化进去。
判断链:让渡分成不是「分饼」,是「用饼的一部分换一个更大的饼」。换不换,取决于你信不信发行商的放大能力。
什么游戏适合找发行商
从机制反推,三类游戏更适合找发行商:
- 品类上「放大杠杆」明显的游戏:合作联机、肉鸽、恐怖等依赖首发热度与媒体曝光的品类,营销放大空间大。
- 需要区域资源的游戏:本地化重、主机/Deck 适配重、合规复杂的游戏,发行商的价值不只是市场。
- 个人/小团队制作:发行商补足发行能力,团队把时间留给开发。
反过来,自带稳定受众、长尾内容型(创意工坊驱动、模拟经营长线更新)、或已经有发行经验的团队,自发行通常更划算。
数据口径与来源
- 发行商分成档 15%–40%、预付金机制:行业公开经验量级,具体因游戏与合同而异,非官方口径。
- 本地化/PR 放大倍数:公开案例经验的相对量级,本文与 lab 均标注为模型假设。
- Steam 30% 起分成:见 13.1 的数据口径,以 Steamworks 官方文档当前为准。
以上机制口径撰写时对照 Steamworks 官方文档与 store.steampowered.com 可实证页面核对;登录后可见数据以官方当前为准。
可运行产物:C++ 最小验证
下面这个程序把「自发行 vs 找发行商」的净收入对比实现为仿真:覆盖 1000–100000 套的销量区间、15%–40% 的分成档、服务加成与预付金结转,并验证打平乘数与时间机会成本。它与 src/13-2-publisher-role.cpp 逐字节一致:
// file: src/13-2-publisher-role.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/13-2-publisher-role.cpp -o bin/13-2-publisher-role && ./bin/13-2-publisher-role
//
// 复现「自发行 vs 找发行商」的净收入对比仿真:
// 发行商用发行资源换取分成,模型同时考虑销量放大倍数、分成档位、
// 本地化/PR 服务加成与预付金(advance)结转,覆盖不同销量区间。
// 独立最小验证,非官方口径。
#include "verify.h"
#include <cstdio>
#include <string>
namespace steam_repro {
constexpr double kPrice = 19.99; // 假设定价(美元)
constexpr double kRefundRate = 0.10; // 退款率假设
constexpr double kSteamDevShare = 0.70; // Steam 抽成后开发者分成(首档)
// 基础净销售额:假设销量(无发行商推广时)
double baseGross(double units) {
return units * kPrice * (1.0 - kRefundRate);
}
// 自发行净收入(不含发行商分成)
double selfNet(double units) {
return baseGross(units) * kSteamDevShare;
}
// 找发行商:销量 × multiplier,净收入再 × (1 − share)
double publisherNet(double units, double multiplier, double share) {
return baseGross(units) * multiplier * kSteamDevShare * (1.0 - share);
}
// 服务加成:本地化带来新区域营收 +localizationBoost,
// PR/外联带来额外转化 +prBoost(均作为销量乘数贡献)
double publisherNetWithServices(double units, double multiplier,
double share, double localizationBoost,
double prBoost) {
const double effective =
multiplier * (1.0 + localizationBoost) * (1.0 + prBoost);
return baseGross(units) * effective * kSteamDevShare * (1.0 - share);
}
// 预付金结转:发行商预付 A,先从分成后净收入中偿还
double publisherNetAfterAdvance(double units, double multiplier,
double share, double advance) {
double net = publisherNet(units, multiplier, share);
return net - (net < advance ? net : advance);
}
} // namespace steam_repro
int main() {
using namespace steam_repro;
// 1. 打平乘数 = 1/(1−share):share=25% 时约 1.33
const double self5k = selfNet(5000.0);
const double pub133 = publisherNet(5000.0, 1.33, 0.25);
const double pub120 = publisherNet(5000.0, 1.20, 0.25);
CHECK(self5k > 62000.0 && self5k < 63000.0); // 5000×19.99×0.9×0.7 ≈ 62,967
CHECK(pub133 < self5k * 1.001);
CHECK(pub133 > self5k * 0.99);
CHECK(pub120 < self5k); // 放大不足,自发行更优
// 2. 放大 2.0 且分成 25%:净收入 = 1.5× 自发行
const double pub20 = publisherNet(5000.0, 2.0, 0.25);
CHECK(pub20 > self5k * 1.49 && pub20 < self5k * 1.51);
// 3. 高销量低放大 + 高分成:自发行更优
const double self100k = selfNet(100000.0);
const double pubHigh = publisherNet(100000.0, 1.2, 0.30);
CHECK(pubHigh < self100k);
CHECK(pubHigh > self100k * 0.83); // 0.7×1.2/1.0 = 0.84
// 4. 打平分成:multiplier=1.5 时 share 临界 = 1 − 1/1.5 ≈ 33.3%
const double pubShare30 = publisherNet(5000.0, 1.5, 0.30);
const double pubShare40 = publisherNet(5000.0, 1.5, 0.40);
CHECK(pubShare30 > self5k); // 30% 仍值
CHECK(pubShare40 < self5k); // 40% 不值
// 5. 服务加成:本地化 +25%、PR +15% 把 1.6 倍放大推到约 2.3 倍
const double withServices =
publisherNetWithServices(5000.0, 1.6, 0.25, 0.25, 0.15);
const double withoutServices = publisherNet(5000.0, 1.6, 0.25);
CHECK(withServices > withoutServices * 1.43); // 1.25×1.15 ≈ 1.4375
CHECK(withServices > self5k * 1.7); // 1.6×1.4375×0.75 ≈ 1.725
// 6. 预付金结转:$50k 预付,在低销量区间显著压低分成后净收入
const double afterAdvance = publisherNetAfterAdvance(2000.0, 2.0, 0.25, 50000.0);
const double pub2k = publisherNet(2000.0, 2.0, 0.25);
CHECK(pub2k > 37000.0 && pub2k < 38000.0);
CHECK(afterAdvance < 2500.0); // 净收入≈30k,扣 30k 后≈0
CHECK(publisherNetAfterAdvance(100000.0, 2.0, 0.25, 50000.0) >
self100k * 1.4); // 大规模下预付金影响小
// 7. 各销量区间绝对量级:1k 套下即使 2.5 倍放大也仅约 $31k
const double pub1k = publisherNet(1000.0, 2.5, 0.20);
CHECK(pub1k > 25000.0 && pub1k < 25300.0);
// 8. 时间机会成本:自发行多花 6 个月,以替代项目月净收入 8k 计
const double timeCost = 6.0 * 8000.0;
const double selfNet5kMinusTime = selfNet(5000.0) - timeCost;
CHECK(selfNet5kMinusTime < pub20); // 摊掉时间成本后发行商更划算
// 9. 相对排名:规模越大,发行商放大带来的绝对收益越高
CHECK(publisherNet(100000.0, 1.5, 0.20) > self100k);
CHECK(publisherNet(100000.0, 1.5, 0.20) >
publisherNet(5000.0, 1.5, 0.20) * 19.9);
// 输出对比表(模型输出,非官方口径)
for (double u : {1000.0, 5000.0, 20000.0, 100000.0}) {
std::printf("units=%.0f self=%.0f pub(1.5x,20%%)=%.0f pub(2.0x,30%%)=%.0f\n",
u, selfNet(u), publisherNet(u, 1.5, 0.20),
publisherNet(u, 2.0, 0.30));
}
return lab::report("13-2 发行商角色");
}
本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 18/18 通过。
小结
- 发行商价值公式:销量放大 ×(1−分成)> 1 才值得;25% 分成对应 1.33 倍打平。
- 发行商提供市场放大、区域放大与成本节省三类资源,每一项都可折算成乘数。
- 预付金是「先结转」;自发行的时间消耗也是机会成本,二者都该计入对比。
- 判断链:基础销量越低、放大空间越大,越值得找发行商;长尾内容型与自带受众的团队更适合自发行。
阅读导航:上一节:13.1 平台费与机会成本 · 下一节:13.3 平台风险与规则变更 。
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。