“Card-Neo · 卡牌体系重构”
“为一款 AI 陪伴产品重构卡牌商业化体系。从成本模型、分级策略、叙事架构到数据看板的完整闭环。”
起因:气笑了
我在星野里捏了一个以自己卡通形象为参照的 NPC。然后去抽卡,看到生成的卡面——气笑了。
伪影、崩脸、比例失调。为了压成本,卡牌用的是自部署的经济模型生图,质量完全不可控。产品侧的应对方式是把卡牌入口藏得很深。结果形成了一个恶性循环:粘性用户知道怎么进来,爱玩,有些还会自己捏卡;新用户几乎完全被隔离在外。
一个本该是核心付费点的功能,活得像个隐藏彩蛋。
方向判断:往乙游带
我们的核心用户是 15-20 岁女性,和乙女游戏玩家高度重合。我访谈了身边玩恋与深空的朋友,观察她们在游戏里的付费行为和情感投射。
一个直觉逐渐清晰:要把产品往乙游的方向带,借鉴乙游成熟的分级 + 保底 + 抽卡体验框架,植入我们 AI-native、creativity、possibility 的内核。
我推的方案
旧模型:每张卡独一无二,每次抽卡 = 一次图像生成调用。用户越多,成本越高,质量越差。
新模型:一个角色一套卡(有副本),高等级卡用更好的模型。SSR 用视频生成,SR 用高端图像模型,R 用经济模型。生成调用数降一个数量级,SSR 的视觉品质反而大幅提升。
关键洞察:成本重构的本质不是“省钱”,而是“把省下来的预算集中到高等级卡上,让用户为品质付费”。以前是 150 次平庸,现在是 2 次惊艳 + 6 次优质 + 9 次合格。
我写了一份非常完整的 PRD——六个等级、四类搭载功能、卡背叙事字段、前端特效体系……研发看了几乎要昏过去了。产品 mentor 觉得思路对但太复杂,出了一版精简版方案:三个等级、核心搭载保留、其余后续迭代。按这个版本推进上线。
我最投入的部分:卡背叙事
卡背(context)是卡牌翻面后的隐藏内容。我设计了 8 个字段的结构化叙事 JSON,核心创新叫“跨字段线索编织”:
一个画面中容易被忽略的视觉细节,在场景旁白(roleplay)里被植入,在故事(story)里获得情感意义,在隐藏剧情(secret)里揭示真相。三个字段共享同一条叙事暗线。
本质上是契诃夫之枪的结构化实现——一个看似无关紧要的细节,在后文获得全新解读。
我花了相当多的时间调试生成 Prompt,让每一张卡的叙事都能稳定地编出这条暗线。上线时卡背只展示了“故事”和“台词”两个字段。但我和研发说:卡背是个 JSON,里面一定有这些字段,以后可能加字段但不会删。帮忙原样塞进数据库就行。
这是一个有意为之的长线钩子。
钩子被回收的那一天
上线不到两周,卡背 JSON 里的字段就被其他功能消费了。
有一个功能(类似 AI 生成的角色日记/状态页面)正面临内容同质化的问题——模板越上越多,用户摸透了套路。联动方案:把卡牌的 context 传进去,作为生成的新变量。同一个模板因为不同的卡而产出不同的内容。
我预埋的视觉配色字段(css_design)在这里也被自然消费了——页面的 accent color 随卡牌变化,视觉风格和当前装备的卡牌呼应。
不是“为了用而用”,而是“需要的时候它就在那里”。
后来这些字段又在我自己做的手账编辑器里被再次回收——故事文本和语音字段变成了「卡牌故事组件」的数据源。一个字段设计,在两个不同的功能里各被消费了一次。
Demo
2 月下旬提概念,3 月 19 日 demo 跑起来了。Next.js + PostgreSQL,像素级复刻线上老卡牌的前端呈现,然后在上面加新的等级体系交互。没接生产环境,所有数据自闭环。
Mentor 后来把我的 demo 拿去,交给 AI coding agent 继续迭代,再对接研发上线。
数据看板
上线后我设计了首期卡池的数据看板方案。我需要回答:成本重构真的省了吗?分级定价有效吗?
最得意的设计是“收集进度 AUC 曲线”——横轴累计抽卡次数、纵轴平均收集进度,曲线下面积衡量卡池的“慷慨度”。这个概念借鉴自去年在中科院跟学长做 LLM 算法论文时接触的 AUC——用来评估分类器性能的工具,移植到抽卡系统里衡量“用户投入多少资源能获得多少回报”,异曲同工。
这份看板方案是在手账本需求评审的前一天做的。
结果与教训
上线首月,功能收入排名第三(仅次于两个体量大得多的功能),且没有蚕食旧有功能的份额——证明触达了新用户群。成本侧首月即回本,且副本制意味着后续边际成本趋零。
但保底策略偏保守。集齐全部卡牌后没有追加奖励——谁会在集齐后继续抽呢?大 R 的付费深度没有释放。
这个教训直接影响了我下一个项目(手账本)的定价设计——指数递增 + 滑动折扣,让“到顶”这件事变得非常昂贵。