Crypto_Queens

je viens de parcourir la sortie actuelle de l'économiste AI sur la page entreprise Stacked et les trois recommandations spécifiques m'ont stoppé 😂
honnêtement ? c'est ça l'insight qui se transforme en action dans la pratique. pas un graphique. trois décisions.
La complétion du tutoriel D1 est corrélée avec un churn négatif de 8,4 %. recommandation : TUE la surcharge des tâches secondaires. pas de modifications. tue-le.
La boucle de recommandation sociale produit un gain organique de 22 %
recommandation : CRÉE une nouvelle récompense. double la récompense gem pour les utilisateurs D3 spécifiquement.
La rétention de la série de connexions quotidiennes est à plat. recommandation : AJUSTE. augmente la volatilité dans la deuxième semaine.
Trois mécaniques. trois réponses différentes. TUE. CRÉE. AJUSTE. l'économiste ne produit pas un rapport général. il produit une action spécifique pour chaque découverte.
et voici le cadre qui compte le plus. la page entreprise dit que l'analytics se concentre sur le mouvement comportemental plutôt que sur des métriques de vanité. pas d'utilisateurs actifs quotidiens. pas d'installations totales. mouvement comportemental. les joueurs font-ils réellement des choses qui génèrent de la valeur à long terme ou les chiffres ont-ils juste l'air bien sur un tableau de bord ?

cette distinction est pourquoi la découverte du tutoriel D1 est importante. le taux de complétion du tutoriel peut sembler correct sur un tableau de bord de vanité. la corrélation du churn qu'il produit est ce qui compte réellement. l'économiste voit le deuxième nombre et pas seulement le premier.

économiste AI qui transforme les données comportementales directement en décisions de jeu spécifiques - ou la couche analytics qui dit enfin aux studios ce que leurs métriques signifient réellement pour la valeur à vie des joueurs ?? 🤔
#pixel @Pixels $PIXEL

en lisant le cas d'utilisation de jeu en équipe ce matin, ça a redéfini quelque chose auquel je n'avais pas bien réfléchi 😂

honnêtement ? la plupart des systèmes de récompense sont

basés sur le comportement individuel. tu fais quelque chose. tu gagnes une récompense. le fait que ta guilde fasse quelque chose ensemble ne change pas ce que tu gagnes personnellement.
Stacked a une couche au-dessus de ça.

les récompenses de jeu en équipe valorisent le comportement collectif.
quand une guilde atteint un objectif commun, tout le groupe en bénéficie. pas seulement le meilleur performer. pas seulement le membre le plus a

ctif. l'équipe. ça change complètement la façon dont les joueurs interagissent entre eux dans le jeu.

une structure de récompense individuelle produit une optimisation individuelle.
les joueurs grindent leurs propres quêtes. ils se battent pour les mêmes récompenses. la guilde est une étiquette pas

une unité économique.

une structure de récompense d'équipe produit de la coordination.
les joueurs s'aident à atteindre l'objectif parce que leur propre résultat en dépend.
la guilde devient une véritable équipe avec des incitations économiques partagées, pas juste un groupe de discussion.

ce que cela fait pour la rétention est significatif.
les joueurs intégrés dans une équipe avec des objectifs communs ont plus de raisons de se montrer de manière cohérente que les solitaires.

manquer une session fait mal à l'équipe, pas seulement à toi-même.
cette responsabilité sociale est l'une des mécaniques de rétention les plus puissantes dans le design de jeux, et Stacked construit une couche économique directement au-dessus de cela.

le jeu en équipe récompense cela en transformant les guildes en véritables unités économiques - ou la mécanique de rétention qui compense l'engagement individuel en responsabilité collective ?? 🤔

#pixel @Pixels $PIXEL

Ce matin, quelque chose dans la docs du réseau Stacked m'a frappé et je pense que la plupart des gens passent à côté 😂

Honnêtement ? Le défaut dans Stacked est l'isolation des données.

Les jeux au sein de l'écosystème ne peuvent pas voir les identités des joueurs des autres. Les données de votre joueur Pixels ne coulent pas automatiquement vers Pixel Dungeons. La séparation est intégrée.

Mais il existe une couche d'opt-in par-dessus cela.

Les studios peuvent choisir d'activer des offres de fidélité inter-jeux. Lorsqu'ils le font, l'identité vérifiée d'un joueur peut être reconnue à travers les titres participants. Un joueur loyal de Pixels qui rejoint Pixel Dungeons n'est pas un nouvel utilisateur inconnu. Il arrive avec un contexte.

Le système connaît son historique d'engagement.

Il peut leur offrir quelque chose de significatif dès le premier jour au lieu de les traiter comme un démarrage à froid.

Cela change complètement l'économie de l'onboarding.

Acquérir un joueur qui est déjà loyal à votre écosystème coûte moins cher et convertit mieux que d'acquérir un utilisateur froid de l'extérieur. L'identité inter-jeux est le mécanisme qui rend cette reconnaissance possible.
Ce qui rend ce design intelligent, c'est la structure d'opt-in. Les studios choisissent de participer.

Les joueurs ne sont pas automatiquement profilés à travers

chaque jeu sur le réseau. Le défaut de souveraineté des données reste intact. Le partage est un choix délibéré, pas une hypothèse.

La fidélité inter-jeux qui transforme l'adhésion à l'écosystème

en un véritable avantage pour chaque nouveau titre qu'un joueur essaie - ou la couche d'opt-in qui rend tout le réseau Stacked plus précieux à mesure que plus de studios choisissent de participer ?? 🤔
#pixel @Pixels $PIXEL

Ce matin, je regardais comment Stacked traite tout de A à Z, et le pipeline en cinq étapes est plus propre que ce à quoi je m'attendais.

Honnêtement ? La plupart des gens voient les récompenses et supposent que la plomberie derrière est compliquée. En réalité, c'est cinq étapes en séquence, et chacune d'elles fait exactement une chose.

Suivre les Événements. Chaque action de joueur dans le jeu génère un signal : mouvement, achèvement de quête, interaction sociale, dépenses. Tout cela est capturé.

Construire le Profil. Ces signaux s'accumulent en un profil comportemental pour chaque joueur. Le système apprend à quoi ressemble la norme pour cette personne dans toutes les dimensions.

Créer des Tâches. En fonction des profils et des objectifs de campagne du studio, le système génère des tâches ciblées. Pas la même tâche pour chaque joueur. La bonne tâche pour chaque profil.

Surface des Tâches. Ces tâches sont livrées au bon joueur au bon moment. Pas diffusées à tout le monde.

Livraison ciblée.

Distribuer. La récompense est émise lorsque la tâche est complétée. Comportement vérifié, valeur réelle transférée, piste d'audit créée.

Cinq étapes. Pas de lacunes entre elles. L'ensemble du système, de l'action du joueur à la livraison de la récompense, fonctionne dans un flux connecté.

Un pipeline qui connecte le comportement des joueurs directement aux objectifs de campagne du studio sans couche de traduction entre les deux - ou l'infrastructure qui rend possible la livraison de récompenses ciblées en temps réel à une échelle de 5M+ joueurs ?? 🤔

#pixel @Pixels $PIXEL

J'ai lu quelque chose sur les cas d'utilisation de Stacked hier soir qui a redéfini ma façon de penser à la rétention des joueurs 😂
honnêtement ? La plupart des studios découvrent qu'un joueur a quitté après son départ. Les données montrent un écart dans l'historique des sessions. Le joueur est déjà parti. Peu importe ce que vous faites ensuite, c'est de la ré-acquisition. Plus coûteux. Taux de succès plus bas que de les garder en premier lieu.
Le sauvetage de la rétention inverse le timing.
Le système surveille les signaux comportementaux en temps réel. Fréquence des sessions en baisse. Taux d'achèvement des quêtes en chute. Modèles d'engagement se dirigeant vers la sortie. Ce sont les signaux qui précèdent le churn, pas les signaux qui le confirment. Stacked identifie le modèle pendant que le joueur est encore là et déploie une récompense ciblée avant qu'il ne parte.
Cette fenêtre - entre "le joueur dérive" et "le joueur est parti" - est là où l'intervention fonctionne réellement. Une récompense qui arrive après que quelqu'un ait déjà décidé de quitter, c'est du bruit. Une récompense qui arrive quand quelqu'un perd de l'élan, c'est une raison de rester.
La différence entre savoir qu'un joueur est parti et savoir qu'un joueur est sur le point de partir, c'est la différence entre le coût de ré-acquisition et le coût de rétention. L'un est toujours moins cher que l'autre.
Le sauvetage de la rétention qui attrape les joueurs dans la fenêtre où l'intervention fonctionne encore - ou l'outil le plus rentable dans la gestion de jeu en direct parce qu'il agit sur des signaux avant qu'ils ne deviennent des sorties ?? 🤔
#pixel @Pixels $PIXEL

Il y a quelque chose qui a cliqué pour moi en lisant les cas d'utilisation de Stacked ce matin que je n'avais pas connecté auparavant. Honnêtement ? Les studios dépensent de l'argent réel sur des tutoriels, des info-bulles, des flux d'onboarding - tout cela pour essayer de faire découvrir aux joueurs des fonctionnalités qui sont déjà dans le jeu. La plupart des joueurs ne trouvent jamais la moitié de ce qui a été construit pour eux. La fonctionnalité existe. Le joueur ne l'atteint jamais. C'est un véritable problème et c'est coûteux à résoudre uniquement par l'interface utilisateur. Stacked l'aborde différemment. Au lieu de créer un meilleur tutoriel, vous attachez une récompense ciblée au comportement spécifique qui amène un joueur vers la mécanique non découverte. Complétez cette quête qui vous amène à travers le système de fabrication. Gagnez quelque chose de réel pour l'avoir fait. Le joueur découvre la fonctionnalité parce que la récompense en valait la peine. Le ciblage rend cela précis. Le système sait déjà quels joueurs n'ont pas interagi avec quelles mécaniques. Il sait quel type de récompense fonctionne pour quel profil de joueur. Il ne lance pas la même offre à tout le monde. Il trouve le bon joueur qui est à un pas de découvrir quelque chose et lui donne une raison de faire ce pas. Les studios paient des plateformes publicitaires pour résoudre des problèmes de sensibilisation en dehors du jeu. Stacked résout le même problème de l'intérieur. Même budget. Résultat mesurable direct. Récompenses ciblées qui transforment des fonctionnalités non découvertes en fonctionnalités engagées - ou l'outil d'adoption de fonctionnalité le plus efficace qu'un studio puisse utiliser parce qu'il fonctionne sur des joueurs déjà dans le jeu ?? 🤔 #pixel @Pixels $PIXEL

ce matin, quelque chose sur le site Stacked a attiré mon attention et je pense que c'est souvent négligé

honnêtement ? la plupart des plateformes de récompenses monétisent les données des joueurs. c'est le modèle économique. collecter des signaux comportementaux, les emballer, vendre l'accès à des annonceurs ou des tiers. le joueur n'est pas le client. le joueur est le produit.
Stacked est explicite sur le fait de faire le contraire
tes données de joueur restent dans l'environnement de ton équipe. des patterns anonymisés sont utilisés pour faire correspondre les missions - mais l'identité personnelle n'est jamais vendue à des tiers. le ciblage fonctionne sur des signaux comportementaux, pas sur le fait de donner ton identité à un autre système publicitaire.

cette distinction compte plus qu'il n'y paraît. un joueur qui gagne des récompenses via Stacked ne troque pas son profil de données contre un réseau publicitaire. la valeur coule dans un seul sens. du budget de récompenses du studio vers le joueur., les données restent là où elles doivent être.

pour les studios, cela compte aussi. la logique du réseau est explicite - les jeux au sein de l'écosystème ne peuvent pas accéder à tes identités d'utilisateur à moins que tu n'actives explicitement les offres de fidélité inter-jeux. la souveraineté des données est la norme. le partage est sur option.

plateforme où les joueurs gagnent de vraies récompenses sans devenir le produit - ou infrastructure où la souveraineté des données est la base de conception qui rend chaque autre partie du système digne de confiance ?? 🤔
#pixel @Pixels $PIXEL

J'ai réfléchi à quelque chose dans le modèle empilé qui m'a pris un certain temps à apprécier pleinement.
honnêtement ? Les studios ne veulent pas seulement une acquisition moins chère. Ils veulent une acquisition qui produit réellement des joueurs retenus. Ce sont deux problèmes différents et la plupart des plateformes ne résolvent qu'un seul.
Voici comment fonctionne la boucle de données.
Lorsque Stacked cible des récompenses sur des comportements qui sont corrélés avec la rétention à long terme, cela produit des joueurs qui restent. Les joueurs qui restent génèrent plus de données comportementales. Plus de données comportementales rendent le prochain ciblage plus précis. Un ciblage plus précis signifie moins de dollars de récompense gaspillés sur des joueurs qui n'allaient jamais rester.
Cette dernière partie est la réduction des coûts. Ne pas dépenser moins pour les joueurs. Dépenser moins pour les mauvais joueurs.
Un studio qui exécute des campagnes via Stacked après un an de données a une structure de coût fondamentalement différente de celle qui commence à zéro. Ils savent quel type de récompense convertit quel profil de joueur. Ils savent quels mécanismes prédisent la rétention à 90 jours. Ils arrêtent de payer pour des comportements qui ressemblent à de l'engagement mais qui ne produisent aucune valeur à long terme.
Les données s'accumulent. Chaque campagne rend la suivante moins chère à exécuter avec le même résultat.
Les nouveaux studios rejoignant le réseau héritent d'une partie de ce signal provenant de l'écosystème plus large. Ils ne commencent pas à zéro. Ils commencent avec plus de 200 millions de récompenses en reconnaissance de motifs.
Plateforme où les coûts d'acquisition diminuent naturellement à mesure que les données mûrissent - ou infrastructure où chaque studio qui rejoint rend le ciblage plus précis pour tout le monde sur le réseau ?? 🤔
#pixel @Pixels $PIXEL

j'ai remarqué quelque chose dans la structure de récompense la nuit dernière à laquelle je n'avais pas prêté attention auparavant 😂
honnêtement ? le système de multiplicateurs fait plus qu'il n'y paraît à première vue
vous avez un taux de gain de base en jouant. ensuite, les contributions de la communauté ajoutent un multiplicateur de 2x par-dessus. ensuite, le bonus de guilde ajoute une autre couche. puis les séries ajoutent une autre. ceux-ci ne se remplacent pas. ils s'empilent
pensez à ce que cela signifie pour un joueur qui est actif dans une guilde, contribue du contenu et maintient une série quotidienne. ils ne gagnent plus au taux de base. ils gagnent à un taux composé qui récompense chaque dimension de l'engagement simultanément
cette structure est délibérée. le système ne paie pas seulement pour le temps de jeu. il paie plus pour les joueurs qui sont intégrés dans la communauté, cohérents dans le temps, et génèrent du contenu qui attire d'autres. ce sont exactement les joueurs dont la présence renforce l'écosystème - pas seulement leur propre compte
le simple grinder gagne le taux de base. le créateur cohérent intégré dans la communauté gagne des multiples de cela. même jeu. résultats économiques très différents selon la manière dont vous vous engagez.
ce que je ne peux pas résoudre, c'est de savoir si cet écart motive les joueurs à s'engager plus profondément ou récompense simplement les joueurs qui allaient déjà le faire de toute façon
pile de multiplicateurs qui façonne le comportement des joueurs vers un engagement sain pour l'écosystème - ou un bonus de récompense qui capture la valeur créée par des joueurs qui l'auraient fait de toute façon ?? 🤔
#pixel @Pixels $PIXEL

je pense au nombre de 5 millions de joueurs et ce que cela signifie réellement au-delà d'une simple statistique de titre 😂
honnêtement ? 5 millions de joueurs actifs semblent impressionnants en soi. mais le nombre qui compte le plus est ce que cette échelle fait au système de ciblage en dessous
l'apprentissage automatique s'améliore avec les données. pas de manière linéaire. le saut de 50000 joueurs à 500000 est plus précieux que le saut de 500 à 5000. à une certaine échelle, le système commence à voir des motifs qui n'existent tout simplement pas dans des ensembles de données plus petits. quels profils de joueurs se maintiennent à 90 jours. quels types de récompenses convertissent les joueurs occasionnels en dépensiers. quelles séquences comportementales prédisent le churn deux semaines avant qu'il ne se produise
vous ne pouvez pas acheter ce signal. vous ne pouvez pas le générer avec des données synthétiques. vous devez faire fonctionner un jeu en direct avec de vrais joueurs prenant de vraies décisions sous de vrais incitatifs économiques pendant suffisamment longtemps pour que les motifs deviennent statistiquement significatifs
Pixels fait cela depuis des années. Plus de 200 millions de récompenses traitées contre ces 5 millions de joueurs. ce n'est pas seulement un nombre de volume. c'est l'ensemble de données qui rend l'économiste de jeu IA digne de confiance quand il dit qu'une expérience vaut la peine d'être menée
un nouveau concurrent construisant une plateforme similaire commence avec zéro de cela. et zéro semble très différent de 5 millions lorsque toute la proposition de valeur dépend de la précision du ciblage
5 millions de joueurs comme un fossé qui se cumule avec chaque récompense traitée - ou un nombre qui ne compte que si la plateforme garde ces joueurs engagés assez longtemps pour que les données restent fraîches ?? 🤔

#pixel @Pixels $PIXEL