W związku ze zmianą silnika portalu, aby zalogować się na konto należy odzyskać hasło. Kliknij TUTAJ aby zobaczyć instrukcję.

Gry: analiza wskaźników na Steam

Na początku listopada napisałem tekst o (z perspektywy czasu nazbyt śmiałym) podtytule „Prolog prawdę Ci powie”, w którym przyglądałem się zjawisku darmowych prologów gier na Steam.  Nacisk położyłem na liczby, które pomimo niedoskonałości wynikających z ograniczonego zestawu danych sugerowały całkiem silny związek pomiędzy zainteresowaniem prologami a późniejszą sprzedażą gier.

Niestety po kolejnych premierach wnioski z tamtejszej analizy uległy znaczącemu osłabieniu. Nie zniechęciło mnie to jednak do dalszego gromadzenia danych. Wręcz przeciwnie, rozszerzenie próbki danych powinno poprawić ogólną jakość analizy, dlatego skrzętnie spisywałem informacje dotyczące kolejnych gier.

Tym razem artykuł nie skupia się na prologach (choć w dalszej części znajduje się również aktualizacja ich dotycząca). Przyglądam się wielu popularnym wśród inwestorów metrykom udostępnianym publicznie przez portal Steam, takim jak wielkość Wishlisty czy ilość graczy po premierze.

Od razu zastrzegę, że nie znajdziecie tu magicznej formuły, pozwalającej na oszacowanie z dużą ufnością sprzedaży gier przed premierą. Celem jest przedstawienie statystyk, które mogą stanowić pewien punkt odniesienia.

Zestaw danych

Przedmiotem analizy jest 42 gier wydanych w ramach grupy Playway w latach 2018-2022. Obejmują one zarówno największe hity grupy, jak i tytuły które przeszły niemal niezauważone. Nie dla wszystkich gier mam do dyspozycji komplet danych – np. nie zawsze znany jest poziom wishlisty w momencie premiery, niektóre gry nie miały prologów itp.

Punktem odniesienia jest sprzedaż wyrażona w ilości kopii po 72 godzinach od premiery – zwyczajowo spółki z grupy Playway publikują raport sprzedażowy obejmujący taki właśnie okres czasu.

Analiza gier jednego podmiotu z jednej strony jest ograniczeniem, a z drugiej strony jest zaletą. Zaletą gdyż pozwala na porównanie gier w bardziej kontrolowanych warunkach – są to gry ogólnie rzecz biorąc niskobudżetowe, często podobne gatunkowo i wykorzystujące przetarte przez grupę kanały dotarcia do graczy. Z drugiej jednak strony ta specyfika może ograniczać użyteczność wniosków dla innych wydawców lub w innym segmencie gier.

Budżet

Na rozgrzewkę spójrzmy na budżety gier. Spośród 27 tytułów najwięcej na pojedynczy tytułu wydało Madmind Studio – stworzenie Succubus pochłonęło 3,8 mln zł. Najmniejsza kwota przypadła natomiast Paws and Soul wydanego przez Games Operators – było to zaledwie 170 tys. zł.

Rezultaty przedstawione na wykresie prezentują duży rozstrzał punktów danych. Uwagę mogą zwrócić House Flipper oraz Gas Station Simulator, które odniosły duży sukces pomimo skromnych budżetów (około 500 tys. w obu przypadkach). Z drugiej strony mamy wiele tytułów, które znalazły się w dolnych rejestrach sprzedanych kopii.

Współczynnik korelacji wysokości budżetu ze sprzedażą w ciągu pierwszych 72 godzin wyniósł 0,40, czyli związek między oboma zmiennymi jest pozytywny, ale niezbyt silny. Nie jest to chyba zaskakujący rezultat, w końcu każdy chyba zna przykłady małych gier które okazały się hitem lub przypadki wysokobudżetowych porażek.

Choć korelacja jest co najwyżej przeciętna, to nachylenie krzywej regresji sugeruje raczej, aby kwestię wysokiego budżetu rozpatrywać bardziej w kategoriach ryzyka aniżeli szans – przynajmniej w tym segmencie gier.

Wishlista

Jaka jest wartość wishlist jako wskaźnika? Zależnie komu zadamy takie pytanie możemy usłyszeć różną odpowiedź. Zwolennicy wskazują, że wśród gier które odniosły sukces dominują te z wysokimi wishlistami. Sceptycy argumentują, że wishlisty straciły swoją moc, przywołując mniej udane premiery.

Poniższa statystyka opowiada się za wishlistami. Korelacja z ilością sprzedanych kopii jest całkiem wysoka i wynosi 0,72. Niewielka próbka danych (16 tytułów) nie pozwala na wyciągnięcie zbyt daleko idących wniosków, ale wygląda na to że wysokie wishlisty pozytywnie odbijają się na sprzedaży.

Dlaczego więc pojawiają się opinie, że wishlisty „nie działają”? Może się na to składać kilka powodów, które dotyczą też innych statystyk i można je potraktować jako uwagi ogólne.

Po pierwsze – skupianie się na pojedynczych, anegdotycznych przypadkach. Inwestorzy mają tendencję do przywiązywania nadmiernej wagi do ostatniej premiery. Nasz aparat poznawczy automatycznie kalibruje się na aspekty, które w danym przypadku zadziałały lub nie (czyli np. słaba sprzedaż przy wysokiej wishliście). Jedna czy nawet kilka słabszych premier nie przekreśla jednak całej statystyki, jak i użyteczności wskaźnika. Z punktu widzenia podejmowania decyzji, zdecydowanie lepiej jest spojrzeć na szerszy obraz.

Druga sprawa to oczekiwanie dokładności w szacunkach i proste przekładanie relacji na zasadzie: jeżeli gra A sprzedała X kopii przy wishliście 100 000, to gra B mająca 200 000 zapisów na wishliscie powinna sprzedać dwa razy więcej. Tymczasem w rzeczywistości zależność nie musi się trzymać takich proporcji.

Jednak przede wszystkim trzeba mieć na uwadze, że wishlista jest tylko jednym z czynników mających znaczenie przy sprzedaży. Równie dobrze w przypadku konkretnej premiery dominującą rolę mogą przejąć inne aspekty jak np. dopracowanie gry, zgodność z oczekiwaniami graczy, skuteczność działań marketingowych czy nawet bardziej nieprzewidywalne jak podchwycenie gry przez streamerów lub wytworzenie się efektu kuli śnieżnej (gra dobrze się sprzedaje, więc jest lepiej widoczna, przez co sprzedaje się jeszcze lepiej). W takim ujęciu wynik np.  dwa razy gorszy lub lepszy od prognozowanego na podstawie poziomu wishlisty nie powinien budzić specjalnego zdziwienia.

Widać to również na zaprezentowanym wyżej wykresie. Przykładowo, Car Mechanic Simulator 2021, nietypowo dla grupy Playway, wydany został po krótkim czasie od utworzenia karty gry na Steam, przez co miał ograniczony czas na zebranie wysokiej wishlisty. Nie zaszkodziło to jednak sprzedaży i gra w efekcie zajęła na wykresie pozycję znacznie powyżej przeciętnej. Inny tytuł – Drug Dealer Simulator – pozostawał w dużym stopniu niezauważony, aby znacznie zyskać na uwadze graczy tuż przed premierą (po wydaniu dema i prologu). Odwrotna sytuacja miała się z Bum Simulator, która to gra długo pozostawała w produkcji. Wishlista była duża, ale uzbierana dawno temu i finalnie nie przełożyła się na dobrą sprzedaż.

Dostarcza to pewnych argumentów osobom sceptycznie podchodzącym do wishlist. Poza wielkością wishlisty w grę wchodzą również aspekty jakościowe, takie jak wiek wishlisty oraz jej ogólna „kaloryczność”, które ciężej jednoznacznie analizować.

Można również argumentować że w przypadku wishlist zastosowanie ma tzw. prawo Goodharta. Sprowadza się ono do stwierdzenia: „Kiedy miara staje się celem, przestaje być dobrą miarą”. Nie ulega wątpliwości, że wydawcy oraz studia tworzące gry zabiegają o zapisy graczy na wishlistę. Pomaga to w widoczności tytułu, a w przypadku podmiotów szukających wydawcy lub inwestora dostarcza liczbowego argumentu w negocjacjach. Nadmierne skupienie na tym elemencie może jednak mieć niepożądany efekt uboczny w postaci obniżenia wskaźnika konwersji, gdyż nie każdy kanał pozyskania zapisów jest równie efektywny w przełożeniu na późniejszą sprzedaż. Przykładem może być zachęcanie graczy nagrodą w zamian za zapis na wishlistę (gdzie główną motywacją jest nagroda, a nie zainteresowanie grą) lub wzmożenie wysiłków promocyjnych na mniej atrakcyjnych sprzedażowo rynkach geograficznych. W skrajnych przypadkach znane są też zakupy płatnych wishlist, choć na szczęście nie są to częste przypadki.

Do wysokich lub niskich poziomów wishlist nie należy więc podchodzić bezrefleksyjnie, a raczej rozpatrywać je jako jeden z elementów w ramach szerszej analizy. W ujęciu statystycznym, korelacja ze sprzedażą wygląda na silną (ale pamiętajmy o małej próbce danych!), jednak nie wystarczająca aby móc dokonywać dokładnych szacunków sprzedaży na jej podstawie. Takie szacunki mogą  stanowić jedynie pewien punkt odniesienia i osobiście uważam że w tym zakresie są przydatne.

Jedno wydaje się być pewne – gry z małymi wishlistami bardzo rzadko odnoszą znaczący sukces.  Można więc sprawę ująć w ten sposób, że o ile wysoka wishlista nie zawsze przekłada się na równie dobrą sprzedaż, o tyle niska wishlista prawie gwarantuje słabe lub co najwyżej przeciętne przyjęcie gry. Jeśli tytuł ma problemy ze zbudowaniem solidnego poziomu wishlisty, to najprawdopodobniej oznacza, że coś szwankuje w koncepcji samej gry lub w sposobie jej promocji. Ciężko przy tym określić ile wynosi ów solidny poziom wishlisty, bo może się on różnić zależnie od np. budżetu czy oczekiwań sprzedażowych, a nawet od pozycji rynkowej studia czy wydawcy. Grupa Playway, której gry są tu analizowane, wypracowała model współpracy pomiędzy podległymi spółkami, który wspiera pozyskiwanie zapisów na wishlisty m.in. za pomocą cross-promocji oraz wspólnych kanałów dotarcia do społeczności. Sądzę więc że od gier spod parasola Playway można oczekiwać generalnie wyższych wishlist niż w przypadku gier od większości innych developerów operujących na podobnych budżetach.

Ważna jest jeszcze jedna rzecz – wszystkie powyższe uwagi dotyczą poziomu wishlisty na moment premiery. Dość często spotykam się z bezpośrednimi porównaniami wishlist (lub followerów/grup steam) gier, które nie mają ze sobą dużo wspólnego lub na długi okres czasu przed premierą. Takie porównania są zazwyczaj pozbawione sensu ze względu na różnice w sposobie budowania WL i strategii marketingowej. Wishlista rośnie najbardziej w kluczowych momentach takich jak zapowiedź projektu, publikacja gameplay trailera, wydanie prologu lub dema, czy zapowiedź premiery. Dla każdej gry te „marketing beats” będą rozłożone inaczej, co utrudnia bezpośrednią porównywalność.

Wracając do statystyk, nieco innego spojrzenia na wishlisty dostarcza współczynnik konwersji (czyli ilość aktywacji tj. zakupu przez gracza, który miał tytuł na swojej wishliście). Na poniższym wykresie został on przedstawiony słupkiem w kolorze niebieskim. Dodatkowo umieściłem na nim również wskaźnik uzyskany poprzez podzielenie ilości sprzedanych kopii przez wishlistę z dnia premiery. Siłą rzeczy jest on wyższy, gdyż obejmuje również zakupy graczy spoza wishlisty.

Jak widać, zależnie od analizowanej gry, stopień konwersji może przyjmować dość skrajne wartości. Mediana dla powyższych 13 tytułów wyniosła 7,1%, a wskaźnik „sprzedaż / wishlista” 13,1%. Przypadkiem najbardziej odstającym pozytywnie od przeciętnego jest Car Mechanic Simulator 2021, dla którego te wartości wyniosły odpowiednio 25,9% i 48,9%. Zapewne zadziałała tu siła znanej marki, ale znaczenie również mógł mieć krótki okres od zaprezentowania tytułu graczom do premiery.

Dla analizowanych tytułów zakupy z wishlisty stanowiły typowo nieco ponad połowę sprzedaży w pierwszych 72 godzinach (średnia arytmetyczna to 54% zakupów z wishlist, mediana 55%). Działo się tak również w przypadku tytułów, które zanotowały słabą konwersję wishlisty.

 

Grupa Steam / liczba followerów

Podstawowym problemem przy analizowaniu wishlist jest to, że nie są one publiczne. O ile twórca lub wydawca nie podzieli się wysokością wishlisty, nie wiemy ile ona wynosi w danym momencie. Możemy jedynie szacować jej wielkość na podstawie innych informacji. Do dyspozycji jest ranking Top Wishlists w serwisie Steam, który dostarcza informacji na temat pozycji w relacji do innych tytułów (dokładnie jednak nie wiadomo co, oprócz absolutnej wielkości wishlisty, bierze pod uwagę algorytm). Drugim popularnym narzędziem jest szacowanie na bazie followerów.

W praktyce liczba followerów jest niższa niż ilość zapisów na wishlistę. Dołączając do grupy Steam (czyli stając się „followerami”) gracze są informowani o większej ilości informacji dotyczącej danego tytułu (otrzymują wszystkie newsy od developera/wydawcy).

Na poniższym wykresie przedstawiłem relację followerów do wishlisty dla tych samych 16 tytułów, dla których wcześniej badałem wishlistę w porównaniu do sprzedaży.

Korelacja jest wysoka (0,75), jednak wciąż daleka od idealnej. Chociażby w przypadku Car Mechanic Simulator 2021, wishlista tego tytuły na dzień premiery była dużo wyższa niż sugerowała to liczba followerów.

Inne ujęcie tego samego aspektu pokazane jest poniżej, tym razem w postaci przelicznika dla poszczególnych tytułów.

Jak widać, przelicznik ten nie jest stały i dla tego zestawu danych waha się w granicach 5,3 – 17, ze średnią 9,3 (mediana 7,8). Dla inwestorów starających się oszacować poziom wishlisty lub sprzedaży w oparciu o liczbę followerów jest to utrudnienie, wprowadzające dodatkowe ryzyko błędu.

Jak duże może być to ryzyko ukazuje kolejna statystyka. Tym razem porównałem liczbę followers bezpośrednio ze sprzedażą w okresie 72 godzin po premierze. Zakres danych obejmuje wciąż te same 16 tytułów.

O ile dla podobnej relacji bazującej na poziomie wishlisty korelacja była wysoka (dla przypomnienia: 0,72), to zamieniając wskaźnik spada ona drastycznie i wynosi tylko 0,23. Taka wartość sugeruje, że szacowanie sprzedaży na bazie wielkości grupy Steam jest w zasadzie skazane na porażkę (albo raczej: na ślepy traf).

Rozszerzenie analizy na większą ilość tytułów (36 gier) nieco poprawia obraz, ale nie zmienia ogólnego wniosku. W tym wypadku korelacja wynosi 0,37, co sugeruje pewien pozytywny związek, ale nadal nie jest to poziom pozwalający na szacowanie sprzedaży z istotną ufnością.

Skoro ilość followerów jest słabym prognostykiem sprzedaży, a do tego nie pozwala dokładnie oszacować wishlisty, to czy znaczy to że nie ma sensu zwracać uwagę na grupę Steam? Jak się okazuje nie. Badanie zmian ilości followerów w czasie przynosi bardziej zachęcające rezultaty.

Opierając się na anegdotycznych obserwacjach, przyrost followerów w ważnych momentach jest zjawiskiem bardzo pożądanym, bo sygnalizuje zainteresowanie ze strony graczy. Szczególnie ciekawy z punktu widzenia analizy jest okres przed premierą, gdyż z jednej strony pozwala na ustalenie konkretnego punktu odniesienia dla wszystkich przypadków, a z drugiej cechuje się (a przynajmniej powinien) wysoką aktywnością działań marketingowych.

Zbadałem zmianę zapisów do grupy Steam w różnych okresach czasu przed premierą (1 dzień, 7 dni, 30 dni, 90 dni, 180 dni, 360 dni; pomiar kończony w dniu poprzedzającym premierę). Najlepsze rezultaty otrzymałem dla okresu 90 dniowego. Dla 35 gier w zestawie danych, korelacja ze sprzedażą w pierwszych 72 godzinach wyniosła wysokie 0,77.

Większość gier znajduje się całkiem blisko linii regresji, choć nie można powiedzieć, że nie ma od niej znaczących odstępstw.

Wykonałem również pewną modyfikację tej analizy, opierając się na medianie dziennego przyrostu w 90 dniach poprzedzających premierę. Celem tego zabiegu była próba ograniczenia wpływu jednorazowych skoków followerów i zamiast tego skupienie się na bardziej „organicznych” (jeśli można tak napisać) wzrostach.

Po tej zmianie korelacja wyniosła 0,87. Pozwala to na skonstruowanie dość wiarygodnego scenariusza bazowego w oparciu o tą miarę, który w razie potrzeby można korygować o dodatkowe informacje.

Na podstawie powyższych analiz powtórzę przemyślenie, że bardziej wartościowe są obserwacje zmian followerów, w przeciwieństwie do skupiania się na wartościach absolutnych. Gdybyśmy mieli dostęp do danych o bieżących przyrostach zapisów na wishlisty, to myślę że wyniki badań na tym opartych prowadziłyby do podobnych wniosków.

Prologi

Czas powrócić do wspomnianych we wstępie prologów. W porównaniu do wcześniejszych analiz z listopada dostępna jest teraz większa ilość danych (25 gier zamiast 15), co powinno pomóc w wyciąganiu wniosków.

W pierwszej kolejności przyjrzałem się maksymalnej liczbie graczy prologów. Poniższy wykres obrazuje relację tej miary względem sprzedaży pełnej wersji gier.

Dystrybucja punktów danych jest dość rozległa, jednak korelacja wyniosła 0,58, czyli jest powyżej przeciętnej.

Podobny obraz przedstawia analiza średniego dziennego peak graczy prologu w pierwszych 7 dniach od wydania. Korelacja w tym wypadku ukształtowała się na podobnym poziomie: 0,62.

Również badając liczbę ocen wystawionych przez graczy (poniżej pokazany wykres dotyczący ocen z pierwszych 7 dni), współczynnik korelacji utrzymuje się na zbliżonym poziomie: 0,57.

W przeciwieństwie do analizy, którą przeprowadziłem w listopadzie, obecne wyliczenia nie wskazują aby poszerzenie zakresu na dłuższy okres czasu dawało lepsze rezultaty (sprawdzałem peak graczy i liczbę ocen w pierwszych 30 i 90 dniach). Wygląda na to, że ograniczona próbka danych była wtedy niewystarczająca i naprowadzała na mylne wnioski.

Podsumowując, dane sugerują że prologi mogą mieć pewną wartość w ocenie szans na powodzenie tytułów. Wysokie liczby prologu nie gwarantują co prawda świetnej sprzedaży, ale mogą być cenną wskazówką.

Liczba graczy i oceny po premierze

Dotychczas poruszone metryki skupiały się na okresie przed-premierowym. Z momentem wydania gry dochodzą kolejne informacje, które warto poddać analizie.

Pierwszą taką informacją jest liczba jednoczesnych graczy. Nie jest tajemnicą że dobrze ona oddaje jak sobie radzi dany tytuł, dlatego inwestorzy oraz inni zainteresowani bacznie obserwują tą wartość. Na poniższym wykresie zaznaczone są punkty, określające maksymalny peak graczy w dniu premiery w relacji do sprzedaży w pierwszych 72 godzinach.

Korelacja jest bardzo wysoka, i wynosi aż 0,95. Nie ma wątpliwości, że jest to bardzo dobry wskaźnik do określenia początkowego odbioru gry – i jest on dostępny już w dniu premiery!

Co ciekawe, linia regresji nie jest nachylona dokładnie pod kątem 45º, a niżej, co wskazuje że np. peak graczy w wysokości 5 000 niekoniecznie będzie oznaczał sprzedaż 2 razy większą niż w przypadku peak’u 2 500, choć może to być niedoskonałość wynikająca z zestawu danych.

Sytuacja wygląda bardzo podobnie w przypadku mierzenia liczby graczy w kolejnych dniach. Następny wykres bazuje na danych 3 dnia (tj. 2 dni od premiery).

Korelacja w tym wypadku jest nawet nieco wyższa: 0,96. Proszę zauważyć że nawet przy tak silnej relacji mogą zdarzyć się pojedyncze tytuły odbiegające od normy. Takim przykładem jest Cooking Simulator, którego sprzedaż po 72 godzinach wyniosła 55 tys. kopii, co jest wynikiem znacznie wyższym od sugerowanego przez linię regresji (ok. 32 tys. kopii). Dalej więc nie można mówić o ogromnej precyzji w szacowaniu na podstawie tego wskaźnika, choć w większości przypadku daje on całkiem dobre rezultaty.

Inną metryką, którą można śledzić po premierze to liczba ocen/recenzji w serwisie Steam. W tym wypadku posłużyłem się danymi z serwisu gaminganalytics.info, które obejmują jedynie „Steam Purchasers”, czyli opinie graczy którzy zakupili grę bezpośrednio na platformie (nie ma za to egzemplarzy aktywowanych za pomocą kluczy).

Poniższy wykres dotyczy liczby ocen na koniec 3 dnia (tj. 2 dni po premierze).

Korelacja tym razem wynosi 0,89. Choć jest niższa niż w przypadku peak graczy, to myślę że można obu metryk używać uzupełniająco. Osobiście oceniając premierę lubię zebrać oszacowania z pierwszych dni dla obu sposobów, odrzucić najbardziej skrajne odczyty i resztę uśrednić. W wielu wypadkach daje to całkiem dobrą prognozę sprzedaży po 72 godzinach.

Warto podkreślić, że powyższe analizy skupiają się na okresie tuż po premierze. W dłuższym okresie sprzedaż gier potrafi bardzo się różnić.

Słowa końcowe

Mam nadzieję, że przedstawione tutaj statystyki pomogą w ocenie potencjału gier na platformie Steam. Z pewnością podejście liczbowe nie jest pozbawiona wad, chociażby wynikających z dostępnego zbioru danych, ale też po prostu ze skomplikowanej natury samego tematu (czynników wpływających na sukces gier jest wiele, a wśród nich mogą być też takie których nie jesteśmy nawet świadomi). Uzyskane rezultaty wskazują jednak, że analiza ogólnodostępnych wskaźników ma dodatnią wartość.

Na zakończenie pozwolę sobie jeszcze poruszyć temat nadzwyczaj udanych premier, gdyż mam wrażenie że rynek giełdowy ma tendencję do nadawania im zbyt dużego znaczenia. Są to niebezpieczne przypadki, gdyż mogą wykreować nadmierne oczekiwania co do kolejnych tytułów, które są w jakimś stopniu porównywalne.

Przykładem z ostatniego roku była premiera Gas Station Simulator. Gra zaskoczyła chyba wszystkich bardzo dobrą sprzedażą. Również omawiane tu wskaźniki nie zwiastowały tak dużego sukcesu. Niemniej stał on się faktem i można dyskutować jaka była jego pierwotna przyczyna; w każdym razie tytuł stał się popularny wśród graczy, a także streamerów co dodatkowo podkręciło zainteresowanie. Zjawiskiem ubocznym był wzrost kursu nie tylko Drago Entertainment (twórcy GSS), ale też kilku innych spółek, których gry miały być dopiero wydane. Inwestorzy zaczęli się prześcigać w porównaniach pomiędzy Gas Station Simulator i nadchodzącymi tytułami, na tle których nowe gry wypadały zazwyczaj korzystnie. Niestety rzeczywistość szybko zrewidowała te porównania, gdy kolejne premiery wypadły zdecydowanie słabiej.

Problemem w tym wypadku było ustanowienie pojedynczego hitu jako punktu odniesienia, zamiast bardziej wyważonej oceny opartej na analizie większej ilości tytułów. Trzeba przyznać, że część komentatorów rynkowych nie dała się zwieść tej iluzji i była świadoma ryzyka zawiedzionych oczekiwań.

Odnosząc to do statystyk przedstawionych w tym artykule – wyjątki od reguł będą się zdarzać i są czymś oczekiwanym. Nie należy więc traktować poszczególnych wskaźników jako wyroczni, nawet w przypadku gdy wyliczona korelacja jest wysoka.

Uważam, że liczby są jedynie częścią procesu inwestycyjnego i zależnie od ich interpretacji w szerszym horyzoncie mogą nabrać większego znaczenia.

Dodaj komentarz

Partnerzy Portalu Analiz: