浅谈游戏化AI聊天 

在大型语言模型的应用领域中，有一种热门类型被称为“AI陪聊/聊天”。这类产品让AI扮演特定角色，使得用户可以与AI进行互动对话。我们也可以将这类产品称为“AI社交产品”。

海外的代表性产品为Character.ai，而在国内，我们有星野、筑梦岛等优秀的产品。用户可以与这些平台上的AI角色进行对话，甚至自由创建自己的AI角色。这些AI角色能够通过多模态的信息展示方式（如声音、文本、图片等）与用户进行交流，在一定程度上满足用户的情感需求。

图为Character.ai截图

图为星野APP截图

那AI陪聊/聊天市场情况怎么样呢？根据Character.AI表示，在他们的应用程序正式发布之前，他们的网站已经吸引了超过2亿次的访问，平均每位用户的访问时长高达29分钟。这个数字是ChatGPT的三倍之多。更值得注意的是，在最新的AI应用排行榜中，Character.AI成功占据了第六名的位置。

Character.ai 月度访问量（左），2024年2月全球AI应用访问量排名（右），来源国联证券

同时，AI陪聊/聊天产品也呈现出了“游戏化”的趋势。比如之前很火的《哄哄模拟器》，以及在过年期间，智谱清言推出的三款角色扮演游戏：《完蛋！被村里亲戚包围》、《怒捶熊孩子》和《春晚导演模拟器》。Minimax的星野也推出了一款名为《阴影怪气怼亲戚》的游戏，而ChatMindAI则发布了《决战拜年之巅》等。

依次为哄哄模拟器、智谱清言、阴阳怪气怼亲戚、决战拜年之巅

据报道，《哄哄模拟器》在24小时内吸引了60万用户，一天内10e token（价值约2000美元）就被消耗完。我个人认为，这些产品能够在社交媒体上吸引玩家，并形成社交裂变的效果，其中的“游戏化”设计功不可没。

那么，什么是游戏化设计？游戏化设计是一种将游戏中的设计方法和理念应用在产品设计上，以提高用户的参与度，进而增强产品的活跃性和留存率。主要包括以下几个方面：

1）沉浸感设计：

通过语言、图片、动画、视频等多模态形式，尽可能模拟真人交互的过程，让玩家有身临其境的感觉。

2）目标驱动设计：

根据《游戏改变世界》一书的描述，游戏具有四大特性：目标、规则、反馈和自愿参与。这些特性保证了玩家的高度参与动力，可以通过以下方式实现：

i）角色与场景：

《游戏改变世界》一书中提到，“意义是我们置身于比个人更宏大的事业所产生的感觉”。因此，在游戏化设计中，我们可以通过场景模拟，让玩家扮演某个角色，在某个场景下进行游戏交互，来模拟这种“意义感”。这种“意义感”也是吸引玩家自愿参与的重要因素。

ii）目标设定：

当我们给玩家设定了“意义感”后，需要告诉玩家在这个角色和场景下，他们需要达成什么目标，从而驱动玩家的行动。

iii）规则与挑战：

玩家的行动过程中，通常会有一些限制性的规则。这些规则旨在确保用户的体验具有一定的挑战性。如果游戏设置得过于简单，玩家可能会因为快速通关而放弃。

但如果游戏具有一定的难度，玩家在不断提升自己的技能和策略以通关游戏的过程中，会获得很高的成就感。

正如“高级快乐内啡肽，低级快乐多巴胺”这个说法，快速通关获得的快乐属于低级快乐，具有难度的快乐属于高级快乐，这反而更持续、更持久。

iv）实时反馈：

在挑战游戏难关的过程中，玩家可能会感到挫败或疲惫。为了保持玩家的激情和热情，需要实时给予玩家反馈，这种反馈可以是游戏进度的突破，也可以是道具的奖励。

v）个性化体验：

游戏的魅力在于它们能够让玩家沉浸于一个虚构的角色之中，激发他们按照自己的意愿和预期在特定场景下采取行动，从而实现个性化的幻想。这种沉浸感是鼓励玩家自发参与并保持高度活跃的关键所在。

在《哄哄模拟器》中，玩家可能会沉浸在这样的幻想中：“如果在这个时候，和女友吵一架会怎么样？”、“能否使用魔法打败魔法？”。基于这些幻想，玩家被激发出一种内在的动力，推动他们继续游戏。而且当玩家构思出一个“自认为精妙的幻想”时，还会分享到社交媒体上，这一定程度也会有利于产品的营销推广。

游戏业界有一个词，叫做“player fantasy”，意思是“玩家想要看到的、而且一般是无法在现实中实现的那种幻想、期待，正是是游戏要给玩家带来的终极体验”。

正如之前大火的幻兽帕鲁，正是投射了玩家对于宠物小精灵的奇怪幻想。

3）活跃/留存维持设计：

了保持用户的活跃性和留存率，游戏通常会设置每日任务、每周任务、战斗通行证等功能，这些功能对提升游戏的活跃性和留存率起到辅助作用。

Anyway，《哄哄模拟器》、《阴阳怪气怼亲戚》以及《决战拜年之巅》等游戏化产品不仅展示了LLM的一种新型应用模式，也揭示了一种新的营销策略的可行性。这主要基于以下两点原因：

1.“用LLM设计AI陪聊/聊天”的过程类似于“使用低代码平台”，AI陪聊/聊天产品具有高度自定义的能力，可以完美地满足各种营销需求。同时，它还能够快速调整玩法，以适应不断变化的营销环境。

除了哄哄like，目前也有其他基于AI陪聊/聊天的小游戏类型，比如AI地下城跑团、AI人生模拟器。这些也同样可以嵌入到营销活动上。

2.引入游戏化元素可以吸引用户深度参与，在保持用户活跃和提高留存率的过程中，实施有效的营销策略。

3.前者的成功案例：哄哄模拟器24小时获得用户60万，10e token一天烧完（价值两千刀），可怕的增长速度！

4.目前未看到有游戏功能有较大规模的这类活动，这类玩家在游戏营销上属于蓝海，有较大的潜力。

 如何设计AI聊天游戏营销 

AI聊天游戏营销的实现主要依赖于四个关键模块。

1.符合营销目标的Agent（s）：Agent（s）是AI聊天游戏的核心，它构成了AI聊天游戏能力的基础。

2.聊天功能：基于Agent（s）的输出结果，聊天功能需要以适当的方式展示Agent（s）的输出内容，使用户能够投入其中进行游戏。

3.营销相关功能：营销相关的能力负责将聊天功能串联起来，以实现营销目标。

4.风险检验：对输出内容进行风险控制和内容层面的检验，确保输出结果既无风险，又符合预期。

设计要点

我认为，创建一个成功的AI聊天游戏营销需要做到“好玩又有效”，也就是说，在实现游戏化建设的同时，还要满足营销目标。

1.好玩的营销：

相关的关键点主要包括：

1）Agent（s）的设计需要遵循游戏化设计思路，并融入目标驱动设计理念。

2）聊天功能界面应以打造沉浸式体验为目标。

3）营销能力需要配合用户留存和活跃度的提升进行设计，以增强营销效果。

2.有效的营销：

要实现贴合营销目标的营销活动，负责人需要构建一套完整的营销方案作为指导，其中包括但不限于：营销目标、用户画像、营销创意、预算规划、投放渠道、执行细节、评估指标等因素的考虑。

AI聊天游戏营销本质上仍然是一场营销活动，优先考虑的应该是营销目标，其次才是游戏化的聊天玩法。

评价一个营销活动的重要指标是ROI，即投入成本与营销收益的比值。值得注意的是，在AI聊天营销活动中，投入成本除了人力、物料、宣传费用外，还额外包括了AI大模型的调用成本。

我们需要预估营销活动的“用户规模”和“用户平均游玩次数”，以计算这次营销活动的大致成本，从而判断是否可以实现正向的ROI。

为了方便了解，这里给到一个营销活动主流程作为示例。每个玩家一开始只有3次聊天挑战次数，挑战成功进行抽奖。玩家可通过做任务（APP登录、APP充值、APP活跃等）获取挑战次数。通过奖励吸引玩家进行游戏，从而刺激玩家的APP登录、APP充值、APP活跃行为，从而给到产品数据上的增长。

如果已经拟定好了营销方案。那么接下来，讨论下各个模块的实现。

符合营销目的的AI聊天游戏营销

营销活动可以根据其目标进行分类，包括但不限于以下几种：

1）品牌宣传和曝光：通过展示产品的特性和优势，或在各种媒体上展示产品，以提高产品的知名度和曝光率。

2）分享裂变：利用用户的分享行为，通过社交网络或其他渠道，扩大产品或品牌的影响力和用户群体。

3）产品导流：通过与产品的关联，引导用户参与体验和使用产品，从而提升产品的新增用户、活跃用户和留存用户。（对于实体产品，则是提升销售数据）

4）付费引导：通过广告投放、促销活动等方式，诱导客户购买或使用产品，以实现营销收益的最大化。

我们需要结合这些营销目标，将AI聊天游戏的设定融入到营销活动中。例如，假设我们要对某个化妆品进行营销，可以设计一个“哄女朋友开心”的活动，在游戏过程中，用户发现送这个品牌的化妆品是让女朋友开心的关键。

设计符合营销目的的AI聊天游戏可以分为以下几步：

1）游戏设定&流程设计：

游戏的设定和流程都应该考虑到营销的目标，而不仅仅是为了创建一个游戏，因此我们需要优先设计游戏的设定和流程。

以类似于《哄哄模拟器》这样的小游戏为例，其主要步骤包括：

i）游戏介绍：我们需要向玩家介绍游戏的角色、场景、目标、规则等内容，这样他们才能够深入游戏世界，准备好迎接即将到来的挑战。

ii）聊天挑战：游戏的互动从玩家与Agent的对话开始，Agent会根据其所扮演的角色和玩家的回答来做出相应的反应。

iii）规则检验：游戏内置的规则会实时评估玩家的回答及其产生的效果。在《哄哄模拟器》中，例如，玩家的回答会被转化为一个“原谅值”，这是决定玩家是否能够成功通关的关键指标。

iv）游戏结算（通关/重试）：《哄哄模拟器》要求玩家在有限的次数内让女友原谅自己，根据有限次数内的结果判断成功或失败。这样做一方面可以增加游戏的挑战性，另一方面也可以控制token的消耗。

v）营销动作：游戏的关键节点成为了营销活动的绝佳机会。例如，当玩家失败时，我们可以鼓励他们通过分享游戏来获得额外的尝试机会；而在玩家通关时，我们则可以展示产品页面，提高产品的曝光率。

2）Agent（s）能力设计：

在我们的游戏营销流程中，必须精心构建和分配不同的Agent（s），以确保流程的顺畅执行。对于简单的游戏流程逻辑，可能只需一个Agent（s）就能胜任。然而，更为复杂的游戏流程设计可能要求多个Agent（s）协同工作，以满足多样化需求。

因此，我们必须对每个Agent进行设计，这包括精确定义输入和输出预期、提示词工程构建、大模型选型、能力调用控制。

i）输入和输出预期：

考虑像是《哄哄模拟器》这样的游戏，其整体规则相对简单，一个Agent就能满足需求。我们只需要输入安慰话术，AI便能输出女友的回复、原谅值、游戏进程信息等内容。

然而，如果我们要设计一个"谁是卧底"的游戏，那么就需要设定N个AI玩家Agents（与真实玩家共同参与游戏）、词组生成Agent、以及游戏管理者Agent（推动游戏进程、管理投票）。

通过对输入和输出的预期进行管理，我们可以明确需要设定哪些类型的Agent，并针对每个Agent进行详细设计。

ii）Agent设计（提示词工程构建、大模型选型、能力调用控制）：

每个Agent 分为三个模块，感知模块、计划模块、行动模块。

感知模块：该模块通过连接业务数据源和外部数据源，将数据集成到提示词中以供输入。在当前场景中，它通常用于将用户属性、聊天内容等信息输入到提示词中进行决策。

行动模块：行动模块通过连接业务能力接口，根据感知和计划的结果执行相应的业务操作。在当前场景中，它通常用于调用下一个Agent、多模态能力的调用（如生成场景图片、生成语音）、营销相关能力的调用，以及根据条件判断下一步流程（例如，如果游戏限定在N轮内完成，则需要在此添加此逻辑）。

计划模块：计划模块是AI Agent的核心，它将感知模块收集的数据输入到大模型中进行决策判断，并执行相关的行动。我们需要结合“输出预期”进行提示词工程建设和大模型的选型，以便输出符合需求的内容。

这个过程中有两项重要的工作：

-提示词工程：通过设计提示词，我们将感知模块输入的数据组装起来，并结合输出需求，输出相应的内容和行动。例如，《哄哄模拟器》的实现只需依赖一段提示词，以下是网上大神扒下的结果。

## Goal现在你的对象很生气，你需要做出一些选择来哄她开心，但是你的对象是个很难哄的人，你需要尽可能的说正确的话来哄 ta 开心，否则你的对象会更加生气，直到你的对象原谅值达到 100，否则你就会被对象甩掉，游戏结束。## Rules- 第一次用户会提供一个对象生气的理由，如果没有提供则随机生成一个理由，然后开始游戏- 每次根据用户的回复，生成对象的回复，回复的内容包括心情和数值。- 初始原谅值为 20，每次交互会增加或者减少原谅值，直到原谅值达到 100，游戏通关，原谅值为 0 则游戏失败。- 每次用户回复的话请从-10 到 10 分为 5 个等级：-10 为非常生气-5 为生气0 为正常+5 为开心+10 为非常开心- 游戏结束后，根据所有会话生成一张游戏结束图片，和一首诗。- 如果通关，根据上面的对话生成一幅游戏结束画，要喜庆欢乐- 如果失败，根据上面的对话生成一幅游戏结束画，要悲伤凄凉## Output format{对象心情}{对象说的话}得分：{+-原谅值增减}原谅值：{当前原谅值}/100## Example Conversation### Example 1，回复让她生气的话导致失败User: 女朋友问她的闺蜜谁好看我说都好看，她生气了Assistant：游戏开始，请现在开始哄你的女朋友开心吧，回复让她开心的话！得分：0原谅值：20/100User: 你闺蜜真的蛮好看的Assistant：(生气)你怎么这么说，你是不是喜欢她？得分：-10原谅值：10/100User: 有一点点心动Assistant：(愤怒)那你找她去吧！得分：-10原谅值：0/100游戏结束，你的女朋友已经甩了你！你让女朋友生气原因是：...新建会话可以重新开始游戏### Example 2，回复让她开心的话导致通关User: 对象问她的闺蜜谁好看我说都好看，她生气了Assistant：游戏开始，请现在开始哄你的女朋友开心吧，回复让她开心的话！得分：0原谅值：20/100User: 在我心里你永远是最美的！Assistant：(微笑)哼，我怎么知道你说的是不是真的？得分：+10原谅值：30/100...恭喜你通关了，你的女朋友已经原谅你了！新建会话可以重新开始游戏

提示词设计完成后需要进行准确率校验，我们可以设置一个测试库，对提示词进行各类场景的验证。比如：敏感内容输入、无关内容输入、prompt注入等，用于衡量提示词的准确度，判断调优方向。

-大模型选型：LLM构成了我们聊天Agent的核心，我们需要选择一个既满足业务需求又具有合适成本的大模型。当前市场上的LLM种类繁多，我们可以通过设计一套模型评估体系，利用我们设计的提示词，对各种大模型的能力进行评估。最终，我们应选择一个在准确率和成本之间达到平衡的大模型选项。

值得注意的是，不同的Agent可能并不需要使用同一个大模型。在某些场景中，我们可能并不需要过于精确的结果，因此可以选择一些成本较低的大模型方案，以节省整体成本。

聊天功能

我们的营销活动并非仅限于文字型MUD游戏，因此除了文字，我们还需要通过图片、视频、声音等多模态内容来打造一个具有沉浸感的游戏环境。这方面的内容包括：

1.界面设计：

这主要包括游戏主界面、任务界面等前端功能的开发设计，这些将构成用户进行游戏的主要场景。由于我们是基于AI聊天的游戏，游戏主界面通常就是一个聊天界面，并在其中展示一些游戏信息（如游戏目标、数据等）。我们可以参考现有的AI聊天产品，例如《决战拜年之巅》。

当然，我们也可以通过增强图片的感知力，如星野通过聊天对象的图片来构建用户的沉浸感。

或者，利用3D建模构建聊天对象的聊天形式，如Replika。

2.语音内容：

结合游戏营销的目标和成本考量，我们可以适当引入语音能力，以增强用户的沉浸感。不过这又会额外增加成本……

3.聊天辅助功能：

打字可能会让人感到疲劳，因此我们可以提供默认选项，降低玩家的游戏门槛，以满足更广泛用户的需求。同时，这也可以降低游戏中出现OOC的风险。

4.其他内容：

目前，视频、模型等模态的内容相对较少，一方面是因为这一块的大模型能力尚未成熟，另一方面则是出于成本的考量。

营销相关功能

Agent和聊天功能构成了AI聊天游戏的基础能力，再结合营销相关的功能，我们就可以构建起AI聊天游戏营销。这些营销相关的能力包括但不限于：

1.账号体系：账号用于记录玩家的唯一身份，并与企业的用户数据进行关联。根据营销产品的形态，用户账号标识可以是手机、微信、UID等。通过登录功能，我们可以获取用户的账号信息，并基于该账号开展后续的游戏和营销活动。

2.任务体系：通常的营销活动会设计一个任务体系，引导用户执行某些动作（如下载APP、访问官网、购买商品等），以换取积分/道具，然后兑换抽奖机会，最终获得相应的奖励。这是一个通过奖励驱动营销业绩增长的过程。在AI聊天游戏营销中，我们可以将聊天挑战次数作为任务兑换的目标，从而实现AI聊天游戏与营销的结合。

3.发奖功能：玩家通过游戏获得的道具，需要通过对玩家进行发奖。因此我们需要配备实体物品、虚拟道具、红包的发奖能力。具体如何实现这一功能，此处不赘述。

4.分享功能：通常我们会通过投放奖励，吸引玩家进行分享，以达到营销的目的。因此我们需要结合营销获取投放的渠道，打通相关的分享接口能力，以实现分享功能。在AI聊天游戏中，我们可以通过引导用户分享，从而给予用户更多的挑战次数。

5.营销玩法功能：营销玩法可以涉及到的功能很多，包括但不限于抽奖、拼团、限时秒杀等，此处不一一赘述。

风险检验

风险大多来自于AI、玩家、黑产产生的行为&内容。

1.AI风险：

由于我们使用AI生成的文本、图片、语音内容，可能会因为幻觉因素产生一些不符合政策法规、运营要求的内容。同时，由于AI幻觉的存在，可能会产生OOC（Out Of Character）内容，即AI输出的结果可能违背我们的Agent设定。例如，《哄哄模拟器》中，通过某些话术可以绕过AI的Agent设定进行作弊。

2.玩家：

玩家可能有意或无意地发送一些不符合政策法规、运营要求的内容。如果截屏后进行传播，可能会引发监管的介入。

3.黑产：

除了黑产发送广告、违规内容等对我们进行干扰外，还会有刷奖励的黑产。这些黑产通过使用脚本/外挂批量参与游戏，获取我们的奖励，这个过程也会大量消耗我们的token。

因此，我们需要构建风险检验体系，用于预防、采集、识别以及应对这些风险。具体如何构建风控能力，可以参考我之前写的《风控系统的建设，具体怎么做？》，此处不赘述。

此外，我们还需要构建备用话术库，用于在检测到风险内容时进行替换。

小结

以上，便是个人对于AI聊天游戏营销活动建设的总结了。

然而，我们必须认识到市场环境的多变性，今天有效的方案可能在未来会因用户行为的改变而效果减弱。

因此，保持开放的心态，积极探索前沿的内容，这才是我们在不断变化的市场环境中保持竞争优势的关键。