陪跑一百个小游戏项目，我们总结出这套三步赚钱大法

测品数据很好，一放大就亏钱？这是很多小游戏开发者踩过的坑。

4月21日，由罗斯基联合热力引擎、蓝瀚互动共同主办的“游戏赛道新机会”主题线下沙龙，将在深圳南山与华南开发者深度对话，聚焦实战、共谋增长！

在活动上，热力引擎资深产品经理刘柏良带来了《如何让数据成为小游戏增长杠杆》分享。热力引擎作为数据中台，陪跑了几百个小游戏项目发现：能赚钱的品，测款、调优、大推三步都有同一个规律。

以下是分享内容整理：

今天分享一些关于小游戏的经验。我们做热力引擎，是一个很大的数据中台，有很多客户在实战过程中，我们也会去做陪跑，发现了不少坑，也总结了很多技巧方法，分享给大家。

小游戏盘子还在涨，内购是主战场

这里我摘出了一些热力引擎联合移动营销策略分析平台Insightrackr最新发布的《2026小游戏获客增长趋势报告》里披露的数据。

这里面有两个很重要的东西：第一个是小游戏的市场规模和增长率，从2023年到2025年，整个市场规模不断扩大，已经到了将近5300多亿的规模，虽然增长率有所放缓，但盘子还在不断变大，这条赛道的机会还有很多。

另外，在变现场景上，从广告变现到内购，内购收入的占比在不断增加。也就是说，过去我们做小游戏可能是一些比较简单的玩法，做一些广告变现节点，但现在越来越多的开发者在不断增加内购场景，让商业化变现做得更加精细化。

再看《2026小游戏获客增长趋势报告》里的另一组数据，用户的来源目前67%还是从渠道过来的，这说明买量依然是主要手段。区别在于，过去大家通过广告变现，大量买量用户进来以后看广告，现在越来越多的开发者开始做内购，用户是否足够精准就变得非常关键。

从在投小游戏的分布和新增小游戏的类型来看，超休的比例有所放缓，从20.5%降到14.6%，新增投放的小游戏里面，混变类型的游戏占比越来越高。

这里只摘出了几组比较直观的数据。如果你想看完整的品类拆解、各渠道买量成本变化和混变趋势，可以扫描下方二维码，下载完整版的《2026小游戏获客增长趋势报告》。

赚钱公式：用户量× 留存 ×变现

总体上说，越来越多的开发者开始关注用户的长期价值。今天我们核心讨论的是：怎么去打磨一款赚钱的产品？我们总结出了一个小公式：用户量、留存和变现，这是做一个赚钱项目的三个关键指标。

把这个公式再细分拆解，就是首次激活、留存、混变，最终等于收益。在这个过程中，怎么拆解？就是从测款选产品、到组合变现、到全渠道增长。这里面考究几个能力：数据洞察的能力，包括如何获取最新的数据、如何看到不同渠道的数据表现；调优变现的能力，如何把用户进行拆分、做针对性运营；以及买量的能力，如何和媒体的模型做交互。

测款：不吸量、留不住，未必是品不行

第一个是测试选产品。 一个优质的产品要具备病毒式的可推广性，这是用户规模做大的基础。

如何找到可以放大的游戏资产？核心目标有几个：第一是做吸量验证，在目标渠道上做小范围验证，看我的产品上去以后能不能吸引到足够多的用户，也就是玩法够不够吸引人。

第二是用户进来了以后能不能留住？如果是做超休或轻度，关注当日留存、三留七留；如果你加入了内购成分，或者要做混变、纯内购，那么留存关注的指标可能会拉长到15天、30天甚至45天，还要看整体的LTV变化。

这里面有一个误区，也是很多客户会遇到的问题。第一个误区是不吸量：产品上去了，为什么用户不来？冷启动量起不来？很多人会想是不是产品玩法或产品本身有问题。我们总结出两个点：一是你可以多换几个渠道去测，如果只在大媒体测，验证可能不够充分，你的产品不一定不好，可能跟选择的目标渠道有关系。

二是OCPX差规则的压制，现在大部分买量都用OCPX模型，很多渠道的算法已经把ROI控死了，你的目标预期做到某个量级，但永远达不到，可能是媒体的算法模型已经把你压制住了。

第二个误区是吸量但留不住：用户能进来，但留存跟预期差距很大，用户流失严重。这时候可以考究两个点：第一是我的用户对不对？如果买量时出现偏差，比如目标人群是30到35岁，但媒体推过来的是55到60岁，那留存必然有问题。

第二是体验差，用户打开就走掉了。最近几年小游戏的产品质做得越来越好，很多用户的预期已经变了，现在很多小游戏的产品质已经不逊色于APP，尤其在国内抖小里面，有些小游戏产品质相当高，而且是做纯内购的，对留存指标管控非常严格。测款时如果发现不吸量或留不住，未必是你的产品有问题，需要先避开这几个坑。如果渠道测全了、用户买对了、体验也没问题，那可能确实需要换项目。但凡用户买得不对、测款时渠道没测全，这些都可能让你错过一个优秀的产品。

我们的建议是：测试时渠道尽可能全面一点，排除干扰因素，更科学客观地评估产品的潜力。比较有价值的还包括历史LTV、变现能力——有些数据产品能够看到用户在同品类产品上是否具备高价值。如果你做了几个产品，现在要做新产品，需要把历史用户通过其他方式导流到新项目，也可以观察这些用户的历史变现能力。

调优：把用户拆开，羊毛党、小R、大R各给各的礼包

第二个大的步骤是调优。 一个优质的产品，变现能力一定很强，这是商业模式里面取得收益的重要保障。

前面提到，最近几年越来越多的开发者会做内购，把内购嵌入到商业模式里面。我们可以拆分成广告变现和内购变现，先不谈混变。无论是广告变现的广告植入，还是内购里面通过活动促使用户下单，这两种场景下都需要结合用户留存去看，做精细化运营。

在这个过程中，需要把不同的用户场景和不同阶段，结合行为表现，针对性地做策略。比如在广告变现里面，常见误区是广告位的设置——到底什么样的节点能给出更好的广告变现表现？很多人只参考历史经验，但实际上可以在APP里面做大量的A/B测试，针对某一个具体的产品或玩法，设计关键节点。

调优方向我们建议做A/B测试，调整广告类型插入的位置，通过用户的LTV表现判断哪种广告变现方式效率更高。在内购变现里面，常见问题是手段单一，可能对所有的用户采取同一种粗糙的方式，转化效率低。调整方向建议是通过留存、漏斗、分布分析、人群画像，对用户进行精细化拆分，分层以后对不同类型、不同场景的用户给出不同的内购触发点，识别群体结构，基于用户特征推荐不同的内购礼包。

这里给到几张图作为参考。第一张图是一个分布分析模型，拆分的事件是内购，可以看到总人数，这里拆分了广告投放渠道。表头显示的是用户触发付费事件的次数，负无穷到零、零到一、一到十、十到二十等等。通过这个可以看出：羊毛党用户有多少？产生广告变现价值的用户比例和人数是多少？触发首次付费的用户有多少？老客复购有多少？KA大R用户有多少？通过分布模型首先识别出整个项目里面用户的类型。

第二张图是通过用户上报的事件行为对用户进行拆包，比如触发付费次数大于20次的用户，打一个包，打上“大V用户”的tag，后面就可以把这个人群包拿出来，针对性地推送价值很高的礼包。对于一次付费行为都没有的用户，就给他设置广告变现节点。这样你就可以从单一的IA或IP变成混变模式，把每一个可能产生收益的节点都抓住，让用户价值最大化。

第三张图是单个设备用户上报的所有行为，可以从群体角度了解用户、做画像，同时也可以把每一个用户单独拆分出来。典型场景是：发现大V用户之后，可以分析他的消费路径和消费习惯，可能会发现某一群大V用户在凌晨的时候付费意愿最高。同时如果发现异常用户行为很异常，可以单独拿出来分析所有行为路径，判断他是不是机器。另外一个是核心指标的实时监控，比如用户为什么流失了？需要通过分析模型去定位流失节点，比如用漏斗的方式判断用户在哪个关键环节流失，同时实时监控用户留存。这会考究你的数据处理和实时报表能力，我们可以提供留存报表和模型组成的业务报表，实时监控用户综合表现。所有目的都是为了让变现策略调整到最佳状态。

我们总结了一个从新手激活到最后召回的大图，大家可以参考。核心表达是：无论之前是单一的广告变现场景还是内购场景，我们的手段可以变得更加丰富，对用户可以做得更加精细，尤其是在广告变现阶段，要让用户的LTV变得更高，就需要把用户单独精细化拆分出来，通过不同策略去推进。

大推：回传策略定生死，别一股脑全给媒体

第三个大的步骤是全面推广。

测款的时候如果效果表现很好，就可以找到核心渠道——在那个核心渠道里ROI能打正，LTV表现良好，留存也不错，这已经在某种程度上验证了项目的产品是好产品，广告变现调优、内购节点也找得很好。这时候就需要把整个商业模型放大。

常见的问题主要有两个：第一是投放手段比较有限，第二是没有能够有效触达到用户。投放手段方面，现在很多都是用买量模型去买，很多渠道会要求我们把用户后链路的关键行为数据回传过去。

在这个回传过程中，有很多方法可以探索——回传什么样的用户给渠道？当前是冷启动还是成熟期？假设需要更多的付费用户，在特殊阶段怎么调整回传策略？不是一股脑把所有用户数据都回传给媒体，我们需要和模型之间达成某种默契，把所需要的精准用户数据回传给媒体，让媒体做lookalike。手段可以变得很丰富。

第二是能够有效触达到目标用户，渠道可能有偏差。测试的渠道和要大推的渠道可能不一致，因为不同渠道之间的用户画像不同，这也可能导致在大推时跟预期不一致。另外eCPM竞价竞争能力弱，出的目标价格买不到想买的用户，这些都可能导致测产品时数据很好，但一到大推ROI就打不正。

所以在全面推广阶段，需要把数据优势转化成竞价优势，在全面买量时也能精准买到目标用户。通过规则回传和条件回传的方式和模型做交互。目标有三个：拓宽买量渠道，不只在测试的渠道买，还要在更多渠道拿到足够多的用户；精准获取用户，通过回传数据满足业务目标——想要更多付费、想要更多大R用户，就调整回传行为，比如把付费意愿高的用户做回传，综合目的就是放大商业利润。

这里面也有一个误区：可能只投几个大媒体，或者媒体的结论和测款时不一样。但中间可以通过自定义规则事件的回传、条件回传以及数据报表，实时调整回传策略。这个阶段考究的就是买量策略和回传策略。

实战案例：四年完成混变转型

有一个最佳实践案例，是做得很早、合作时间也比较长的一个客户，U5Games。他使用热力引擎在整个买量过程中做规模化增长，早期做国内，现在也开始做海外，我们合作差不多四年了。用了热力引擎之后有一个很大的变化：看数据更全面了。早期只能够通过不同的媒体后台看买量成本和用户量能不能起来。用了热力引擎之后，他可以看到ROI，跨渠道判断整个买量表现和用户LTV表现，还能监控留存。

他在这几年经历了从只做广告变现，到后来嵌入内购节点、做混变的转型。他用得比较多的功能是事件规则行为事件的回传。接入之后他有一张大的数据报表，能够实时看展点数据、广告变现和内购收益数据，综合判断ROI和LTV。在整个回传模型上，他制定了不同时间点的回传策略，比如在A3、A7、A15的时候回传策略完全不同，根据阶段做相应调整去拿量。

最后介绍一下我们自己。热力引擎是一站式增长分析与发行决策平台，开发者从测款、调优、大推到稳定投放整个链路上需要的数据能力，我们都覆盖。具体来说，广告归因支持全渠道追踪投放效果，按国家、渠道、用户级别还原渠道真实价值；ROI分析打通投放成本与IAA / IAP收入，一张报表同时看广告成本、广告变现、内购收入、LTV、ROI，不用再在多个后台之间反复切换；用户行为分析还原从首次激活到付费的完整链路，结合分布分析、漏斗、留存、人群画像，把用户拆到设备级，流失节点和付费路径一目了然；A/B测试支持对 UI设计、功能改动、运营策略、广告位配置、付费节点等关键变量做小范围验证，再决定要不要推全；此外，自定义规则事件与条件回传让媒体模型能精准学到产品真正的高价值用户特征，把数据优势转化为竞价优势。不管你做的是小游戏、休闲游戏还是中重度产品，国内精细化运营也好、出海规模化扩张也好——只要绕不开「数据驱动决策」这件事，热力引擎都能帮助到你。

了解更多关注罗斯基公众号