產品經理如何在25分鐘內優化2,400款遊戲

FluxPlay是由從地面上由工程師建造的技術驅動iGaming平台，在按鈕位置到獎金機制一切上進行A/B測試。大約22,000名月活躍用戶、跨USD、EUR和BTC的多幣種堆棧，每週$6M毛遊戲收益，該平台拳打遠超其MAU重量。其2,400個標題目錄——跨崩潰遊戲、可證明公平老虎機、真人賭場和桌遊——同時是FluxPlay的最大競爭優勢和其最不受管理的成本中心。

使用產品: 遊戲表現分析、玩家偏好建模、目錄智能

25分鐘 | 完整投資組合審查時間

180 | 標記為移除的表現不佳標題

3 | 為提供商談判識別的高潛力目錄缺口

---

挑戰

每個月，Yael Cohen負責一個投資組合審查，理論上直截了當：看2,400遊戲，弄清楚哪些正在賺取其時隙，哪些是死重，做出決定。實踐上，這審查已成為她日曆上最令人厭惡的項之一。

原始數字從不是問題——FluxPlay有大量遊戲級別數據，碎片化跨提供商報告門戶、內部BI儀表板和一個數據分析師手動維護的電子表格。問題是綜合。將GGR貢獻綁定到會話行為再到重複播放率再到RTP表現跨2,400個標題需要導出三個文件、匹配它們上在每個來源中使用不同命名約定的遊戲ID，然後對沒有自然同級群體可對照的資產做判斷。單個提供商的目錄單獨可能有200個標題跨四個流派。對任何一個做除名決定意味著理解它如何適應完整圖景，不只是它如何在可排序電子表格上排名。

審查有超過Yael時間的真實成本。表現不佳的遊戲消耗大廳實時房地產、減慢移動頁面加載和混亂了在30個標籤之間彈跳的玩家發現體驗。FluxPlay的A/B測試文化意味著團隊持續運行實驗——但若沒有人有頻寬實際拉死重，你不能A/B測試進入一個精瘦目錄。

"我們有每個遊戲上的數據。我們沒有的是一個視圖。當你看2,400個標題，問題不是數據是否存在——它是你是否可以在一小時內看到問題的形狀。在Gaming Mind AI之前，答案是否。"

—— Yael Cohen，產品經理，FluxPlay

Yael開始使用Gaming Mind AI前的月，審查花費了她四天半，結果是22個遊戲除名列表——一個她對之不特別有信心，因為它已構建通過消除任何東西少於過去30天10個會話，一個如此鈍的啟發式方法，它幾乎確定錯過了高ARPU和低量的遊戲。

---

解決方案

Yael現在在每月第一個週二打開Gaming Mind AI，並運行整個投資組合審查為單個對話。AI可訪問完整目錄表現數據——GGR、會話、會話持續時間、重複播放、RTP實際對理論——並足夠理解FluxPlay的玩家分割區分低量高價值利基標題從真正死的分割。

以下是上月會議樣子：

---

Yael: "給我我們目錄的整體形狀。實際上哪些遊戲在做工作？"

目錄層	標題計數	目錄份額	GGR份額	累積GGR
前5%	120	5%	61%	61%
中等層(下一15%)	360	15%	28%	89%
長尾(底部80%)	1,920	80%	11%	100%
總目錄	2,400	100%	100%

⚠️ Gaming Mind標籤: 前5%標題(120遊戲)產生61% GGR。底部80%(1,920標題)分割11%。這長尾既是目錄效率問題也是玩家體驗問題——對於每個在底部80%發現他們愛的利基標題的玩家，四個其他在陳舊發現體驗中彈回無發現值得停留的任何東西。

分佈確認Yael懷疑但從未清潔量化：前5%目錄——120個標題——佔GGR的61%。下一15%，另外360個標題，貢獻28%。剩餘1,920個標題分割最後11%。Gaming Mind標籤長尾為目錄效率問題和玩家體驗問題——對於在底部80%發現他們愛的利基標題每個玩家，四個其他在陳舊發現體驗中彈回無值得停留的發現。

---

Yael: "顯示我前排表現人員。不只是GGR——我想看參與。"

GGR排名	標題	GGR份額	會話	平均會話長度	重複播放率	標籤
1	Crash Master Pro	8.4%	41,200	6分鐘	21%	🟡 低重複——量驅動
2	Slots Blitz	7.1%	38,700	3分鐘	17%	🔴 低重複——不忠誠驅動
3	Live Roulette VIP	6.8%	19,100	9分鐘	42%	🟢 堅實保留
4	Plinko Galaxy	5.9%	34,400	4分鐘	16%	🔴 低重複——量驅動
5	Dragon Tiger	5.2%	22,800	7分鐘	38%	🟢 良好保留
...	...	...	...	...	...	...
14	Aviator Classic	3.1%	12,600	11分鐘	74%	🟢 忠誠錨——#1重複
目錄平均	—	—	—	4分鐘	~28%

⚠️ Gaming Mind標籤: 前十GGR標題中三個的重複播放率低於18%——收益是量驅動，不是忠誠驅動。Aviator Classic排名GGR第14但重複播放第1以74%，會話平均11分鐘(對比4分鐘目錄平均)。將其視為忠誠錨，並使用它作為未來獲取決定的參考點。

前GGR列表和前參與列表只有部分重疊，Gaming Mind立即突出差異。前十GGR標題中三個的重複播放率低於18%，表示玩家在試著他們、不愛他們並移動——收益是量驅動，不是忠誠驅動。相對，一個崩潰遊戲稱為Aviator Classic坐GGR第14但重複播放第1以74%，平均會話長度11分鐘對比4分鐘目錄平均。Gaming Mind推薦將其視為忠誠錨，並考慮它作為未來獲取決定的參考點。

---

Yael: "底部10%樣子如何？在對任何除名電話之前，我想理解我們在處理什麼。"

次群	標題計數	會話(90天)	獨特玩家	GGR	分類
清潔除名候選	180	<15每標題	<40每標題	~0(週報告中舍入)	🔴 移除
利基忠誠標題	60	薄但非零	小、返回群體	低但非平凡	🟡 單獨審查
底部10%總計	240

⚠️ Gaming Mind標籤: 底部10%包含兩個不同人群，不是一個。180個標題有最少會話，最少玩家，和90天跨零GGR——清潔除名候選。60個標題有薄GGR但非平凡參與，帶小玩家群體持續返回和超平均會話長度。不要綑綁它們——60個利基標題在任何除名電話前值得目標玩家分割分析。

底部10%——240個標題——包含兩個不同表現不佳類型，Gaming Mind分開他們而不是綑綁。首個群，180個標題，在90天有少於15次會話，少於40個獨特玩家，和合併GGR如此低它在大多數週報告中舍入到零。這些是清潔除名候選。第二個群，60個標題，有薄GGR但非平凡參與指標——一把玩家返回持續，高於平均會話長度。Gaming Mind標籤這些為潛在利基忠誠標題，並推薦在做電話前單獨審查，而不是自動移除。Yael標記它們做目標玩家分割分析前除名決定。

---

Yael: "我們頂級標題的RTP實際跟蹤接近理論？我想看是否任何東西不對。"

標題	提供商	理論RTP	實際RTP(3月平均)	差異	差異持續時間	狀態
前48標題	各種	各種	在±0.5pp內	<±0.5pp	—	🟢 常規
老虎機標題A	較小提供商	96.5%	94.2%	−2.3pp	3個連續月	🔴 標籤——可能提源誤報
老虎機標題B	不同提供商	96.0%	97.8%	+1.8pp	3個連續月	🟡 標籤——異常正差異

⚠️ Gaming Mind標籤: 兩個RTP異常檢測跨頂級50標題。老虎機標題A運行230基點低於理論——一個三個月堅持的差異，並可能代表提供商數據提誤誤報。老虎機標題B運行180bp高於理論可能指異常結果分佈或提供商報告錯誤。兩個應該在下一提供商電話上提高。這是RTP協調第一次作為月度審查的一部分被運行。

跨前50個標題，大部分跟蹤理論RTP半個百分點內——正好你與足夠量會期望。兩個例外表面。一個來自一個較小提供商的老虎機運行94.2%實際RTP對比96.5%理論，一個三個月堅持的差異。第二個標題從不同提供商運行97.8%實際對比96.0%理論。Gaming Mind注意持續正差異在那個大小要麼指異常結果分佈或提供商報告問題值得直接提高。Yael添加一個線項到即將來的提供商電話。這是她曾系統地檢查的RTP協調——協調簡單從未使任何人的審查檢查表。

---

Yael: "比較提供商表現。我想知道哪個供應商拉動他們的重量。"

提供商	目錄中標題	GGR貢獻	GGR每標題(指數)	平均會話長度	重複播放率	RTP合規	目錄訪問
提供商A	380	31%	0.82×平均	3.8分鐘	24%	🟡 1異常	100%
提供商B	290	24%	0.83×平均	4.1分鐘	27%	🟢 清潔	100%
提供商C	210	18%	0.86×平均	4.3分鐘	26%	🟢 清潔	100%
提供商D	120	11%	0.92×平均	4.6分鐘	31%	🟡 1異常	100%
提供商E	48	9%	1.88×平均	5.9分鐘	40%	🟢 最清潔	40%目錄
其他	1,352	7%	0.52×平均	3.4分鐘	21%	混合	—

⚠️ Gaming Mind標籤: 提供商E每標題產生接近投資組合平均GGR的3倍，重複播放12個百分點高於下一最接近提供商，並具有最清潔RTP合規紀錄。臨界差距：FluxPlay當前合約給予提供商E完整目錄的40%訪問。這是表中最高槓桿談判——擴展訪問是投資組合表現改進的最直接路徑。

FluxPlay前三個提供商通過原始GGR不意外——他們是有最大目錄和最行銷支持的那些。更有趣的視圖是GGR每標題和玩家參與每標題。提供商E，目錄中有48個標題，產生GGR每標題接近投資組合平均的三倍，具有重複播放率12個百分點高於下一最接近提供商並具有最清潔RTP合規紀錄。Gaming Mind注意提供商E當前合約給予FluxPlay僅40%他們完整目錄的訪問，並建議這是表中最高槓桿談判。

---

Yael: "目錄中有哪些缺口？玩家在尋找什麼我們沒有很好地交付？"

分割	MAU份額	GGR份額	首選類別	當前FluxPlay供應	估計飽和點	缺口狀態
高波動老虎機(獎金買)	~14%	~18%	高波動老虎機帶獎金買	7個標題	18–22個標題	🔴 未充分服務
真人賭場(速度變體)	~6%	~11%	速度百家樂、雷電輪盤	2個標題(同提供商)	8–10個標題	🔴 未充分服務
BTC原生/可證明公平崩潰	~8%	19%	可證明公平崩潰遊戲	6個標題(3在底層)	10–12個活躍標題	🔴 未充分服務
核心娛樂(老虎機)	~52%	~38%	主流視頻老虎機	充分供應	—	🟢 充分
桌遊愛好者	~12%	~9%	黑傑克、百家樂	充分供應	—	🟢 充分
隨意崩潰	~8%	~5%	基本崩潰	充分供應	—	🟢 充分

⚠️ Gaming Mind標籤: 三個高優先級目錄缺口被識別。BTC原生群體貢獻19% GGR從8% MAU——最高ARPU分割——仍然僅有6個可證明公平標題，其中3在低會話底層。兩個提供商在這個空間積極發展無當前FluxPlay合約。立即開始談判。

這是Yael一直在等待的分析。Gaming Mind的玩家偏好模型基於他們實際播放內容、多久和下一步嘗試什麼聚類FluxPlay用戶基為行為分割。三個缺口清潔浮現。首先，帶強高波動老虎機帶獎金買特性偏好的玩家——大約14%活躍基——通過可用標題快速循環並退出到競爭對手。FluxPlay在這個類別有7個標題；偏好模型建議分割可以在飽和前支持18到22個。其次，較小但高ARPU真人賭場玩家群體顯示強偏好信號對速度百家樂和雷電輪盤變體，FluxPlay僅有兩個標題，兩個來自相同提供商。第三，增長BTC原生玩家群體——約8% MAU但貢獻19% GGR——有遊戲消費模式，聚類重於可證明公平崩潰遊戲，但FluxPlay的6個可證明公平標題中3個在低會話底層。Gaming Mind識別兩個提供商積極在這個空間發展FluxPlay沒有當前合約。

---

Yael: "給我短版本——什麼我帶進週四產品同步？"

決定	行動	支持數據	時間表
移除180個死重標題	立即除名	<15次會話，<40玩家，~0 GGR跨90天	本週
擴展提供商E目錄	談判40%→75%目錄訪問	3×GGR/標題平均，+12pp重複播放，最清潔RTP紀錄	下一季度評審
解決RTP異常	與標題A和B提供商提高	3月堅持差異(−230bp和+180bp)	下一提供商電話
打開目錄談判	聯繫2個可證明公平崩潰提供商	BTC群體 = 19% GGR / 8% MAU；3個6個標題在底層	本月
保留60個利基標題	60天觀察期	非平凡重複參與；不足除名數據	在60天后審查

⚠️ Gaming Mind標籤: 三個提供商對話應立即開始——擴展提供商E目錄訪問、解決兩個RTP異常、打開與兩個當前缺失目錄的可證明公平崩潰遊戲提供商的談判。180個標題除名基於90天尾數據無物質GGR風險承載。

Gaming Mind產生一份清潔摘要Yael直接粘貼進產品同步議程。移除180個死重標題立即——目錄精簡無物質GGR風險基於90天尾數據。開始三個提供商對話：擴展提供商E目錄訪問、用各自供應商解決兩個RTP異常、打開與兩個當前缺失目錄的可證明公平崩潰遊戲提供商的談判。保持60個低GGR利基標題在觀察下另外60天在除名前。整個會議，從首個問題到複製粘貼摘要，花費了25分鐘。

---

結果

180個表現不佳隊列移除帶信心

在前幾個月，Yael已避免激進除名決定，因為可用的鈍啟發法創建太多不確定性。一個在30天有12次會話的遊戲可能是死標題或利基忠誠驅動——無參與分解，區別不可見。Gaming Mind清潔分開兩個人群。被標籤為移除的180有最少會話量和零有意義參與信號跨90天，使除名電話直截了當。觀察群中的60個標題被保留原因正確，不是分析麻痺。

三個提供商談判帶數據支持定位開始

Yael走進提供商E電話帶特定數據：GGR每標題差異、目錄訪問差距對比競爭對手，和顯示提供商E輪廓中需求人力的玩家偏好模型。對話在20分鐘內從常規檢查進展到關於擴展目錄訪問從40%到75%的具體討論。兩個RTP異常對話相似聚焦——Yael到達90天實際對比理論，不含糊懷疑。

RTP合規缺口首次表面化

系統RTP比較從不是月度審查前的一部分。兩個異常標題將無限期無人注意繼續運行。一個缺口，運行理論低230基點，轉出是提供商數據提誤誤報被Yael提高後一天內更正了11週。

目錄審查時間從四天半壓縮到25分鐘

最直接的結果簡單是時間。四天半的導出協調分析變成25分鐘對話，產出明顯更可靠——分開利基忠誠標題從死重、表面RTP異常、產生一個沒有任何電子表格工作會生成的偏好驅動缺口分析。

目錄智能變成經常戰略投入

在Gaming Mind AI之前，月度投資組合審查是防禦性練習——移除明顯死重並繼續。現在它直接提供進提供商戰略、獲取決定和大廳商品。偏好模型缺口與行銷團隊分享，通知在獲取創意中推廣哪個遊戲類別。提供商表現比較在每個供應商季度評審中審查。目錄已變成一個受管理資產而不是一個繼承的。

"審查過去是我忍受的東西。現在它是我月中最有用會話之一。我走出它帶三個具體談判和一份脫落列表我實際可以辯護。那位移變發生因為分析最後匹配目錄的複雜性。"

—— Yael Cohen，產品經理，FluxPlay