在 data.ai 最近与 Outfit7 进行的网络研讨会上，Ekipa2 d.o.o.（ Outfit7 子公司）的总经理兼分销和 BI 高级副总裁 Jernej Česen 以及高级市场策略决策师 Luka Strasner 分享了该游戏工作室如何发展成为一家全球性娱乐公司，成功将 IP 扩展到新的子类别，以及如何制定游戏发行策略。
《会说话的汤姆猫》发布十周年
Outfit7 是一家发展迅速的跨国家庭娱乐公司，以其在移动游戏领域的远见卓识而闻名。他们在 2009 年推出的《会说话的汤姆猫》席卷了整个应用市场。在过去的十年中，这个备受喜爱的角色和他的朋友们渗透到了多个游戏子类别和整个娱乐生态系统，包括视频内容、特许商品，甚至是主题公园。通过在每一件事中追求卓越，他们不断地为其忠实粉丝和业界带来惊喜。
以下是他们的一些成功案例：
除了这些令人印象深刻的数字之外，Outfit7 之所以能在这个竞争激烈的市场中成为一个强大的参与者，不仅是因为他们将员工和玩家放在第一位，还因为创始人的愿景始终是公司不可分割的一部分。
“自公司成立以来，我们的用户和员工始终是公司的中心……我们的愿景始终是打造一个可以将娱乐和情感带给每个家庭、每位玩家的IP。”Jernej 说道。
汇聚各类数据的力量
在本次网络研讨会中，您将了解 Outfit7 如何跟踪游戏的成功，并从数据中创造价值。自 2016 年以来，他们一直在使用 data.ai 来引导成功旅程。
“我们是一家数据支持的公司，而不是数据驱动的公司。不同之处在于，我们并不仅仅依靠数据，而是被数据所引导。”— Jernej Česen，Ekipa2 d.o.o.（Outfit7 子公司）的总经理兼分销和 BI 高级副总裁
此外，Luka 还分享了数据用例以及结合不同类型的数据和 data.ai 的洞察所创建的一些报告：
- 为了追踪应用表现，Outfit7 团队将应用商店排名与特定应用在应用商店的推荐次数进行比较
- 为了监控市场趋势，他们会比较安装数据和市场数据
- 对于 PUA (付费用户获取 )，他们开发了一种特殊的模型，并不断发展。最初，该模型是基于安装量来源和 CPI 成本来计算要达到应用商店的理想排名，还需要多少额外安装量。最终，这一模型扩展到包含变现和 LTV （生命周期价值） 以计算广告投放的 ROI (投资回报率)。
“我们的 PUA 经理使用这种模型来计划他们的活动，并相应地进行调整。重要的是，这并不是一个依赖于机器学习的复杂模型：我们更喜欢尽可能简单地开展工作。”高级市场策略决策师 Luka Strasner 说道。
使用 data.ai Game IQ 将“会说话的汤姆猫” IP 扩展到新的子类别中
当 Outfit7 为其他子类型的新游戏制定发行策略时，它会考虑到自家 IP 的力量，因为与用户的互动仍然是成功的关键。
“这不仅仅是关乎 IP、机制、游戏类型或游戏本身。我们相信我们的游戏角色以及他们与用户之间的关系。我们不能将机制延伸到无法与粉丝产生共鸣的游戏中……” —Jernej Česen
选择正确的子类别需要团队投入大量的时间和精力。当前商店的分类过于宽泛，可能会误导开发者和营销人员，因为它将不同游戏机制和变现模式的游戏归类在同一类别下（例如休闲）。因此，Outfit7 首先通过建立用于市场分析的自定义应用列表，创造了自己的内部游戏分类法。
但是建立内部分类法也有很多缺点：
- 对所有新发布的应用进行分类，需要耗费大量资源来维护和开发，并且很难与市场节奏保持一致
- 随着列表不断累积，这种解决方案逐渐变得“笨拙”
- 创建一个自定义分类是一个非常主观的过程——对于不同的人来说，一个应用可能属于两个不同的列表。最重要的是，会不可避免地专注于自己所熟悉的类别和子类别，从而将分析局限于市场的简单印象，而忽视了全局。
对于 Outfit7 来说，可扩展性是个大问题，这也是他们开始使用 data.ai Game IQ 的原因。
借助 data.ai Game IQ 分类法，这家全球领先的电子宠物子类型发行商现在能够更细致地、也更全面地清晰地了解各个类别。他们可以即时根据类型、类别和子类别分析移动游戏，并根据 IP、美术风格、变现、玩法或主题等标签进行筛选。
“使用 data.ai Game IQ 的明显优势是增强了可扩展性。当我们想要过滤数据或将其与具有不同机制和功能的不同类别的数据汇集到一起时，我们会使用 data.ai Game IQ 进行进一步的分析。” —Luka Strasner
欢迎观看本次网络研讨会，了解 Outfit7 的非凡历程，了解他们如何成为一家全球性娱乐公司，以及他们如何利用 data.ai 获得成功。
