Game Ratings und Market Pricing bei Windows Phone

Wer für Windows Phone oder Windows 8 Spiele entwickelt, braucht für einige Länder ein offizielles Game Rating Certificate, um dort vermarkten zu können. Eine Liste mit den jeweiligen Rating Boards findet ihr auf MSDN.

game_rating

Während die meisten Zertifikate sehr zeitaufwändig zu erstellen sind, lässt sich das PEGI-Zertifikat für Windows Phone sehr schnell und einfach mit PEGI Express erstellen. Für Windows 8 und andere Plattformen gibt es PEGI Apps, welches sich aktuell jedoch noch im BETA-Status befindet.
Neben dem PEGI-Zertifikat lässt sich auch das CSRR-Zertifikat für Taiwan sehr schnell erstellen, denn hier handelt es sich sich nicht um ein wirkliches Zertifikat, sondern nur um eine grobe Selbsteinschätzung.

Viele andere Game Ratings sind dagegen nur optional, mit Ausnahme von den Zertifikaten DJCTQ (Brazil) und GRB (Korea). Kann man von diesen beiden Märkten absehen, so muss man beim Release der Anwendung lediglich diese beiden Länder deselektieren. Andernfalls wirft das DevCenter hier eine nicht sehr aussagekräftige Fehlermeldung, dass diese beiden Zertifikate zwingend erforderlich sind.

 

pricing

Fälschlicherweise bin ich immer davon ausgegangen, dass die grün markierten Ländern (siehe vorhergehenden Bild) diese Länder seien, welche von den fehlenden Zertifikaten betroffen sind. Dem ist jedoch nicht so! Checkt also nochmal eure Apps und Games im DevCenter nach und aktualisiert die jeweiligen Länder. Sonst schränkt ihr, so wie ich in den letzten Monaten, unnötig euren Markt ein.

Nochmal zusammengefasst: Wer also ein PEGI- und ein CSRR-Zertifikat eingereicht hat (was in unter 3 Minuten erledigt ist), kann seine Spiele mit Ausnahme von (South) Korea und Brasilien überall vermarkten.

Anmerkung:
Sollte noch euch irgend jemand Erfahrungen mit dem GRB- oder DJCTQ-Rating haben, so wäre ich über einen hilfreichen Kommentar sehr dankbar!

Comments

Post a Comment

Popular posts from this blog

Benchmarking Tensorflow Performance on eGPU

Image
In the last post, I wrote about how to setup an eGPU on Ubuntu to get started with TensorFlow. I shortly mentioned that a eGPU is definitely worth it for Machine Learning, but I did not tell any numbers. This article tries to catch up on that. There are a gazillion benchmarks already out there about GPU gaming performance. A handful of them also include eGPU benchmarks, like this one for example. One important thing that that these eGPU benchmarks show is that the use of an external display is from benefit, because otherwise the Thunderbolt 3 port becomes a bigger bottleneck. This is due to the fact that each rendered frame has be sent back to the internal display, which consumes valuable bandwidth of the 40 Gbps Thunderbolt 3 connection. However, there is no alternative for using an eGPU for Machine Learning, because the computed gradients have to be sent back to the CPU. Talking about Machine Learning, there are a few articles our official benchmarks about TensorFlow performanc...
Read more

Setup Dell C1660W printer in Ubuntu

To be honest, this post is more or less a self-memo for myself. Nevertheless, this might be still helpful for others. While drivers for almost every hardware components or peripheral devices are automatically detected and installed in Windows, this is often not the case in Ubuntu. For instance, my Dell C1660W printer was not working in a plug & play fashion on Ubuntu 17.10. In order to setup this printer, I had to do the following steps: 1. Add a device in Settings > Devices > Printers 2. Download and install the Xerox Phaser 6000 drivers 3. Open the Printer Details of the printer added earlier 4. The the Xerox Phaser 6000B v1.0 driver using Select form Database... The printer is now ready to use. However, the driver does not fully work as expected. As an example, after every printing job, I have to restart the printer. Otherwise, the printer is simply rejecting the job, or it prints the job with some minutes delay outta nowhere.
Read more

How to setup an eGPU on Ubuntu for TensorFlow

Image
I remember when I read about eGPUs for the first time. The symbiosis of having a light weight laptop at university or on the go, but still having a desktop like power horse when having some spare-time at home sounded like a dream. But everything faded into obscurity because I almost lost full interest into gaming the last years. But this changed, since I'm spending a lot of time in deep learning since about two years. And it's well known that taking advantage of a GPU boosts training time by a huge margin. That's why I tried to get access to a high-performance graphics card in order to be able to train non-trivial networks and so some more serious research. At first, I had a look at some offers in the cloud. I did not try out a GPU-enabled instance on AWS, because the use a billing based on a hourly rate. This means that you have to pay for a full hour, even when you just run a simple example for 1 minute. Next, I checkout out the 300$ free credit on Google compute engi...
Read more