15.2 机制决定的设计原则
前十四章给了你一堆机制细节。本节把它们压缩成三条可执行的设计原则——每条原则都由一个或几个机制推出,且可以直接变成预算与排期决策:
- 发现优先于打磨:商店页、标签、愿望单是发售前的「发现资产」,它们的回报发生在发售那天;打磨再完美,没被发现就是零转化。
- 机制杠杆决定预算分配:同一笔预算投给不同机制,边际收益不同且递减;预算应跟着「品类最吃的机制」走(见 14.2 的矩阵)。
- 按最坏情形留余量:机制参数会变(见 13.3),现金流按复合最坏情形而不是均值情形规划。
本节把第二条量化成「投入预算分配」仿真:六个投入项各有边际递减曲线,用贪心优化把预算投给当前边际收益最高的机制。
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 |
|---|---|---|
| 各机制细节 | 第 2–15.1 章全部 | 前文讲机制;本节讲「机制怎么指导分配预算」 |
| 数据反推定价 | 8.3 数据反推设计定价 | 第 8 章讲用数据反推;本节给「投入优先级」一个优化模型 |
| 品类机会 | 14.3 品类机会缺口 | 前节讲选品类;本节讲品类选定后的预算分配 |
| 工程衔接 | 15.3 与卷二工程衔接 | 本节收口设计原则;下一节映射到工程 |
一句话:第 8 章说「用数据做决定」,本节说「把决定变成预算分配」。
原则一:发现优先于打磨
机制根据是「转化漏斗」:曝光 → 商店页 → 愿望单 → 购买。漏斗每一级都在漏,前一级的漏损比后一级更致命——曝光为零时,商店页打磨得再细也没有流量进来。所以发售前的资源顺序是:先商店页与标签定位(决定曝光池),再愿望单获取(决定首发转化基数),最后才是内容打磨的最后一公里。
判断链:投入顺序 = 机制生效顺序。先做发现,再做转化,再做口碑。
原则二:机制杠杆决定预算分配
把预算拆到六个投入项——商店页、愿望单投放、本地化、社区活动、主播 PR、折扣策略——每项都有「边际收益递减」:第一笔钱买到的曝光最便宜,越往后越贵。最优分配不是均分,而是把每一笔钱投给当前边际收益最高的项(贪心边际优化)。
lab 的输出($50k 预算)显示:优化分配把最多预算给愿望单投放与主播 PR(边际杠杆最高),最少给社区活动;优化后的总提升比均分高约 9%。这正是「机制杠杆决定预算分配」的量化版本:平台的转化与发现机制杠杆最高,内容型机制杠杆其次,社区运营边际最低。
判断链:预算分配 = 各机制杠杆的边际排序。用贪心优化,别均分。
原则三:按最坏情形留余量
机制参数会变(13.3 的敏感性排序),所以预算是计划、现金是现实。三条执行建议:
- 现金流按「可见性 −20% + 退款 15% + 区域定价 −10%」的复合情形留余量,而不是按均值。
- 发行商分成、预付金结转等现金流项在低销量区间会吃掉实收,预算里要留出这个缺口。
- 单品依赖 Steam 时,把「账号/政策风险」当作不可保险的尾部风险,用「多平台分流 + 尽早产生现金流」对冲。
判断链:设计原则的最终形态是「给不可变参数留余量、给可变参数留弹性」。
数据口径与来源
- 六个投入项的边际系数与递减尺度:模型假设,供预算优化演示,非官方口径。
- 预算优化结果(优化 vs 均分):lab 仿真输出,标注为「模型输出,非官方口径」。
- 三条设计原则:由前文机制归纳,非 Valve 官方表述。
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「机制杠杆决定预算分配」实现为边际优化仿真:六个投入项、$50k 预算,贪心分配并对比均分,验证预算投向高杠杆机制时总提升更高、末端边际趋平。它与 src/15-2-design-principles.cpp 逐字节一致:
// file: src/15-2-design-principles.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/15-2-design-principles.cpp -o bin/15-2-design-principles && ./bin/15-2-design-principles
//
// 复现「设计原则的量化版本」预算分配仿真:
// 把商店页、愿望单投放、本地化、社区活动、主播 PR、折扣策略视作
// 带边际递减的投入项,用贪心边际优化把预算分配到收益最高的机制杠杆,
// 并对比均分预算。参数取公开经验量级,独立最小验证,非官方口径。
#include "verify.h"
#include <algorithm>
#include <cmath>
#include <cstdio>
#include <string>
#include <vector>
namespace steam_repro {
struct Activity {
std::string name;
double coeff; // 每千美元投入的相对边际收益(起点)
double scale; // 边际递减尺度(千美元)
double min; // 最低必要投入(千美元)
double spend = 0.0;
};
double marginal(const Activity& a) {
return a.coeff * std::exp(-a.spend / a.scale);
}
double contribution(const Activity& a) {
return a.coeff * a.scale * (1.0 - std::exp(-a.spend / a.scale));
}
// 贪心边际优化:预算(千美元)内,每次把 1k 投给当前边际收益最高项
std::vector<Activity> allocate(const std::vector<Activity>& base, double budget) {
std::vector<Activity> acts = base;
double remaining = budget;
for (auto& a : acts) {
a.spend = a.min;
remaining -= a.min;
}
while (remaining >= 1.0) {
size_t best = 0;
double bestMarg = -1.0;
for (size_t i = 0; i < acts.size(); ++i) {
const double m = marginal(acts[i]);
if (m > bestMarg) {
bestMarg = m;
best = i;
}
}
acts[best].spend += 1.0;
remaining -= 1.0;
}
return acts;
}
double totalLift(const std::vector<Activity>& acts) {
double s = 0.0;
for (const auto& a : acts) s += contribution(a);
return s;
}
// 均分预算对照
std::vector<Activity> equalSplit(const std::vector<Activity>& base, double budget) {
std::vector<Activity> acts = base;
const double each = budget / static_cast<double>(acts.size());
for (auto& a : acts) a.spend = each;
return acts;
}
} // namespace steam_repro
int main() {
using namespace steam_repro;
const std::vector<Activity> base = {
{"store-page", 3.0, 5.0, 1.0},
{"wishlist-ads", 4.5, 15.0, 2.0},
{"localization", 3.5, 10.0, 2.0},
{"community", 2.5, 8.0, 1.0},
{"pr-streamers", 4.0, 12.0, 2.0},
{"launch-discount", 3.2, 6.0, 1.0},
};
const double budget = 50.0; // $50k
const std::vector<Activity> opt = allocate(base, budget);
const std::vector<Activity> eq = equalSplit(base, budget);
// 1. 预算耗尽:总投入 = 预算
double spent = 0.0;
for (const auto& a : opt) spent += a.spend;
CHECK(spent > 49.9 && spent < 50.1);
// 2. 最低投入全部满足
for (size_t i = 0; i < opt.size(); ++i) {
CHECK(opt[i].spend >= base[i].min);
}
// 3. 排序:起始边际收益最高的愿望单投放应获得最多投入
CHECK(opt[1].spend > opt[5].spend); // wishlist-ads > launch-discount
CHECK(opt[1].spend > opt[3].spend); // wishlist-ads > community
// 4. 优化分配的总提升 > 均分
const double liftOpt = totalLift(opt);
const double liftEq = totalLift(eq);
CHECK(liftOpt > liftEq);
// 5. 末端边际收益趋于均衡(最优性条件:各投入项边际接近相等)
double minMarg = 1e9, maxMarg = -1e9;
for (const auto& a : opt) {
minMarg = std::min(minMarg, marginal(a));
maxMarg = std::max(maxMarg, marginal(a));
}
CHECK(maxMarg < minMarg * 1.35);
// 6. 边际递减:第一笔投入的边际 > 最后一笔
Activity ads = base[1];
ads.spend = 0.0;
const double first = marginal(ads);
const double last = marginal(opt[1]);
CHECK(first > last);
// 7. 预算减半时更集中:投向最强杠杆的比例上升
const std::vector<Activity> optHalf = allocate(base, 25.0);
CHECK(optHalf[1].spend / 25.0 > opt[1].spend / 50.0);
// 8. 总提升随预算单调增加
CHECK(totalLift(allocate(base, 40.0)) > totalLift(allocate(base, 20.0)));
CHECK(totalLift(allocate(base, 60.0)) > totalLift(allocate(base, 40.0)));
// 9. 每个活动最终都获得正投入(机制杠杆都值得至少最低档)
for (const auto& a : opt) CHECK(a.spend > 0.0);
// 10. 均分方案浪费在最弱杠杆上:community 的均分投入回报低于优化后
CHECK(contribution(opt[3]) > 0.0);
CHECK(liftOpt / liftEq > 1.05);
// 输出分配表(模型输出,非官方口径)
for (size_t i = 0; i < opt.size(); ++i) {
std::printf("%-14s spend=%5.1fk marginal=%.3f lift=%.1f\n",
opt[i].name.c_str(), opt[i].spend, marginal(opt[i]),
contribution(opt[i]));
}
std::printf("optimized lift=%.1f equal-split lift=%.1f ratio=%.3f\n",
liftOpt, liftEq, liftOpt / liftEq);
return lab::report("15-2 机制决定的设计原则");
}
本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 23/23 通过。
小结
- 三条设计原则:发现优先于打磨、机制杠杆决定预算分配、按最坏情形留余量。
- 预算分配是边际优化问题:把每笔钱投给当前杠杆最高的机制,总提升高于均分。
- 每条原则都对应一个机制(漏斗、转化/发现机制、规则变更敏感性)。
- 判断链:投入顺序 = 机制生效顺序;预算分配 = 机制杠杆排序;现金流 = 按最坏情形。
阅读导航:上一节:15.1 平台机制全景图 · 下一节:15.3 与卷二工程衔接 。
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。