过关类游戏在单机类游戏中出现会比较多，但多以休闲为主，比如《Candy Crush》、《Angry Birds》、《P V Z》、《小鳄鱼顽皮爱洗澡》、《Tiny Thief》等经典休闲游戏，鉴于很多圈内人士预测2014年是手游爆发年，且重点在ARPG类型，似乎会冒出很多横版过关或者全3D的过关动作类游戏，我们就针对此类型的游戏进行分析。
首先，此类型的游戏需要关注的是每关卡的独立玩家数量，即玩家ID数量，目的是为了监测玩家主要集中在哪个阶段。比如，游戏刚推出阶段，玩家主要集中在前面部分的关卡（如图一所示）；推出一段时间之后，玩家主要集中在中部关卡阶段，如果期间有拉新活动推出，不排除前、中部分关卡处于一个玩家数量比较持平的表现（如图二所示）；如果运营很久，玩家主要都会集中在关卡中后期，或者是一个缓慢上升的曲线，又或者是一个较持平的曲线（如图三所示）。以上假设的前提都是游戏在运营状况比较良好的情况下进行分析的。
图一
图二
图三
其次，我们需要关注的是关卡难度的节奏问题，如果设计的难度太低，玩家很快就会因为游戏毫无挑战性而流失；如果设计的难度太大，会带给玩家挫败感太强，也会容易因为灰心丧气而流失。所以，我们一定要把握好每个关卡内以及关卡与关卡之间的难度节奏。那么，这两个方面的难度节奏怎么从数据方面来统计和展现呢？
为了解决这个问题，首先要找到哪些关卡阻止了玩家继续前进。我们的解决方式是把每次玩家在某个关卡失败后退出游戏的行为进行记录，找出玩家在哪个关卡失败后不继续进行游戏而是选择退出游戏，并把这个指标定义为“关卡退出率”，计算公式为：
关卡退出率=此关卡失败后退出玩家游戏的次数÷游戏启动次数
除了这个指标，还要统计每关卡的失败率，目的是为了与上个指标对比查看此关卡是不是设计的难度太高，计算公式为：
关卡失败率=当前关卡未成功通过的次数÷此关卡的总启动次数
这两个指标进行对比后，我们就可以看出关卡的难度是不是设计的太高而不合理。如下图所示：
过关类游戏的难度曲线（也就是关卡失败率）理论上应该是波浪曲线逐渐上升的形状，但游戏刚开始运营的时候肯定会有偏差，需要根据上图的实际表现情况来不断进行调整。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
2025-11-06在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
2025-11-06在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
2025-11-05CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材：CDA教材一级：商业数据分析（2025）__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代，数据挖掘不再是实验室里的技术探索，而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM（Denoising Diffusion Probabilistic Models）训练过程中，开发者最常困惑的问题莫过于：“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA（Certified Data Analyst）数据分析师的工作中，“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时，他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点，理解二者区别是避免统计方法误用的关键。核心结论是：stats.ttest_rel（配对 ...
2025-11-03在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中，“频繁写入同一表” 是常见场景 —— 如实时日志存储（用户操作日志、系统运行日志）、高频交易记录（支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系，我将从相关系数的核心定义与类型切入，详解 “数 ...
2025-10-30对 CDA（Certified Data Analyst）数据分析师而言，“相关系数” 不是简单的数字计算，而是 “从业务问题出发，量化变量间关联强 ...
2025-10-30
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
