Highway Overtake Hakkında
Başlangıç: Kaputu Kaldırmak
Highway Overtake’in ilk bölünmüş testi oyunun temel mekaniğini iyileştirmeye odaklandı. Başlangıçta, oyun manuel beceriye dayalı bir ‘geçiş’ sistemi ile tasarlanmıştı ve bu mekaniğin otomatik bir bekleme versiyonuna karşı test edildi.
Firebase’e göre, otomatik mekanik daha yüksek bir LTV ile sonuçlandı. Ancak, bu yeni mekaniği tamamen benimsemeden önce, bu sonucun arkasındaki nedenleri daha derinlemesine incelememiz gerekiyordu.
Verilerle Oyun Mekanikleri Arasındaki Kritik KPI’ların ve Seviye Başarısızlık Oranlarının Karşılaştırılması
ByteBrew’un kullanıma hazır etkileşim gösterge tablolarında bulunan Özelleştirilmiş Etkinlik Filtrelerini kullanarak, her bir test denemesinin Oturum Uzunlukları, Oyun Süresi ve Elde Tutma gibi kritik KPI’lar üzerindeki etkisini ölçtük. Her bir test karşılaştırıldığında, oyuncular beceri tabanlı oyun deneyimi ile karşılaştığında temel KPI’larda net bir düşüş olduğu görüldü.
Kılavuzumuzda daha düşük temel KPI’lar görünce, beceri tabanlı oyunun seviye başarısızlık oranlarını nasıl etkilediğini hızlıca analiz etmek için ByteBrew’un Dağılım tablolarına geçtik.
Temel KPI’lara paralel olarak, seviye başarısızlık oranları otomatik oranlardan çok daha yüksekti. Bu rapor, ByteBrew’un kapalı Dönüşüm Kanalları kullanılarak da teyit edildi ve başarısızlığın gerçekten de kayıplara neden olduğu doğrulandı.
Verilerle Ana Mekaniğe Derinlemesine Dalış
Her bir varyasyonun KPI’larını teşhis ettikten sonra, kazanan otomatik bekleme varyasyonunda farklı mekanikleri test etmeye başladık. İlki, kullanıcının arabasının karşıdan gelen trafiğin olmadığı sol şeride girmesi için dokunmasını ve dayanıklılığı tükendiğinde sağ şeride yeniden girmesini gerektiriyordu.
Bu, kullanıcının yalnızca hızı kontrol ettiği (dayanıklılığı azaltan) ve aracın trafiğin her iki şeridindeki diğer araçlardan otomatik olarak kaçtığı bir versiyona karşı test edildi. Tam otomatik versiyon daha yüksek LTV’ler üretti.
Otomatik mekaniğin üstün performansının nedenlerini anlamak için, oyuncuların seviyeleri nasıl tamamladığını ölçmek amacıyla dağılım tablolarını kullanarak oyuncu kaybını analiz ettik.
Bu sorgudan elde edilen sonuçlar, Seviye Tamamlama oranlarının tam otomatik versiyonda daha yüksek olduğunu gösterdi ve ByteBrew’un etkinlik parametreleri içindeki toplama işlevlerini kullanarak, yükseltme sistemi ve para birimi havuzundaki katılımı varyasyonlar arasında karşılaştırdık.
Yükseltme Sistemlerinin Mekanikler ile Dengelenmesi
Bu içgörülerden yola çıkarak bir sonraki önemli deneyimiz, Highway Overtake için ilk kullanıcı deneyimi sırasında oyuncunun aracı için kısıtlı ve kapsamlı özelleştirme seçeneklerinin etkilerini karşılaştırmaya odaklandı. Firebase’e göre, daha fazla özelleştirme seçeneği olan oyuncular daha yüksek LTV’ye sahipti.
Özelleştirme sistemi ve Mekanik ile genel etkileşimi hızlı bir şekilde ölçmek için ByteBrew’un Breakdowns özelliğini kullandık ve birden fazla veri noktasını okunması kolay görselleştirmelere dönüştürerek neyin, hangi seviyede ve hangi denemede satın alındığını tespit ettik.
Meta sistemine güçlü bir kullanıcı katılımı olduğunu fark ettikten ve başarısızlığın yayılmaya yol açtığını anladıktan sonra, kullanıcıların artık orijinal beceri tabanlı mekaniğin geliştirilmiş bir versiyonunu kullanan Yarış Oyunu modunun kilidini açmadan önce belirli sayıda yükseltme satın almalarını zorunlu kılmanın etkisini test ettik.
Bu deney daha düşük LTV ve genel KPI’larla sonuçlandı ve Hypermonk’un oyuncuları başarısızlıktan koruma girişimine rağmen kullanıcılar daha yüksek katılım eşiklerini karşılamaya zorlandıkça paradoksal olarak yükseltme sistemine katılım azaldı.
Cohorts ile Ödüllü Videolar ile Para Kazanmayı En Üst Düzeye Çıkarma
Sağlam bir oyuncu katılımı temeli ile, oyuncuların para kazanma davranışlarının nasıl değiştiğini ölçmek için oyuncuların Ödüllü Video Reklamlarını izleyerek arabaları için yükseltmelerin kilidini açmalarını sağlayan para kazanma sistemlerini tanıtan bir test kurduk.
Yeni Ödüllü Videolar için yapılan ilk test sırasında, etkileşim KPI’larını düşürmeden LTV’de artış yaşadık ve daha yüksek yükseltme oranları elde ederek oyuncuların araçlarıyla olan bağını daha da derinleştirdik.
Ayrıca Highway Overtake içerisine Sandık Sistemimizi Özelleştirme ekranını ekledik ve bu özel sürüm için en uygun ödül dağıtımını denedik.
Nihai Sonuçlar
ByteBrew’un ürün analitiğini kullanarak, Highway Overtake’i küresel olarak piyasaya sürmek için en yüksek performans gösteren oyun mekaniklerini kararlı bir şekilde belirledik ve oyuncu LTV’lerimizi en üst düzeye çıkarmak için yeni para kazanma sistemleri oluşturduk.
“ByteBrew’un kolaylaştırılmış analitik paketi, oyunumuzun bölünmüş test sürecini basitleştirerek ekibimizin test sonuçlarımızın arkasındaki mantığı ve motivasyonu belirlemesini sağladı; geliştirme aşamasından küresel lansmana kadar olan zaman çizelgesini 3 ay gibi kısa bir sürede kısalttı.”
Oğuz, HyperMonk Games, Oyun Tasarım Lideri
HyperMonk Games Hakkında
2021 yılında kurulan HyperMonk Games, hyper-casual, hybrid casual ve idle türlerini kapsayan araba temalı oyunlardan oluşan kapsamlı bir ekosistem oluşturma konusunda uzmanlaşmıştır.
Ankara merkezli 17 kişilik ekip, kendi yayınladığı ve dünya çapında 50 milyondan fazla indirilen bir oyun portföyü oluşturmuştur. Başarılarının temel taşlarından biri, yeni oyunlardaki eski özelliklerin ve eski oyunlardaki yeni özelliklerin sürekli olarak test edilmesi ve geliştirilmesidir.
