
从数据分析讲起,如何提升游戏留存率_数据分析师考试
游戏的留存率达到多少算优秀?之前,Facebook平台流传出留存率“40–20–10”规则,也就是说,如果你想让游戏的DAU超过100万,那么新用户次日留存率应该大于40%,7天留存率和30天留存率分别大于20%和10%。
在手游业蓬勃发展的今天,这些数据指标有变化吗?友盟游戏统计分析数据显示,《暖暖环游世界》的次日留存曾一度高达到60% 。为什么别人的留存率都那么高?今天来浅谈下,对于已经定型的产品该怎么提升留存率。
一、玩家是在哪里流失的?
想要提高用户留存率,就要找出用户在哪个环节流失了,找出流失的原因,然后采取对应的改进措施。举个例子,新手引导环节就是用户流失严重的地方,来看新手玩家的转化路径:启动->注册->创建角色->新手教程->完成前三关。
启动到创建角色这三步往往流失的用户最多,怎么减免这一现象?首先,收集各环节的统计数据来追踪用户转化情况,分析每个环节可能出现的问题。譬如从启动到注册的转化率,注册到创建角色的比例。第二步,根据分析结果来优化后面的引导流程。
1. 新手引导
游戏好不好玩就看前5分钟,而新手引导的目的就是减少玩家挫败感,通过帮助玩家掌握游 戏玩法,从而提高留存率。来看一款消除类游戏的新手任务转化图(来自友盟游戏统计后台)。
图中可以看到游戏的前五步都非常的顺利,转化率都不低,由此可见,新手部分设计是比较成功的。
不过,新手任务设计只是第一步,后面还要对具体每个环节、场景的用户流失情况进行追踪、分析。
2. “埋点分析”
友盟游戏统计平台有个功能叫做自定义事件,行话叫做“埋点”。通过这个功能,不仅可以看到每个event(事件)的详细数量,你也可以通过事件转化率来观察哪个点是流失率最高的点,优化该点功能。
例如一家 CP 想知道游戏新手任务的转化率,则可以通过玩家跟踪了解这个情况。首先在新手任务的关键点里面进行埋点,埋下事件代码1、2、3,先把代码放进去,然后在后台设置漏斗模型,之后就可以看到行为跟踪数据了。
从上图可以看出,步骤二的数据明显偏低,则可以确定是第二步出现了问题,由此开发者就可以针对性的去修复步骤二这一环节。如果没有数据作为验证,不知道问题具体在哪里,很可能把新手任务全部推倒重做,那代价是很大的。
二、减免“用户流失”有哪些措施
首先,有针对性的优化游戏品质。譬如调整游戏的加载时间。在游戏初次启动的时候,加载时间长短是影响玩家的很重要因素。第一次加载过长极易造成流失,开发者可以通过”埋点“可以监控到加载过程的转化率。个人建议控制在10 秒内为好。
再提下画面风格。我一直认为画面的精细越来越重要,游戏设计师@张小勇 在知乎上也提过,”很多玩家打开游戏后一看画面不喜欢,直接退出就删。如果你发现后台数据有很多没怎么玩就流失的玩家,引导环节又没大问题,那么可以肯定这部分流失是因为画面导致的,没救。“
其次,做运营活动,能直接刺激玩家进行某些行为。春节假期将至,开发者可以趁机推出一些具有节日元素的活动。游道易产品经理主管刁正飞就提到,他们代理的休闲类手机游戏《天天过马路》即将发布新春版,新版融入送钱财神、鞭炮等喜庆元素。这类应景的活动要怎么告知老版本玩家?通过消息推送来定制两条内容,一条发给老玩家,引导老版本用户下载更新新版;另一条发给新版用户,提醒他们回到游戏中体验。有助于激活休眠或者已流失的用户。
还有一点,游戏后期的引导也很重要,很多游戏 3 日留存、 7 日留存数据都不错,但 30 日留存率却不行。原因有很多,玩法没有持续更新、版本迭代慢、自然满级或者是游戏做的不够深入等等。其实,开发者发新版本的时候可以集成友盟自动更新的 SDK,在后台上传最新的安装包、填写更新内容,旧版本的用户即可收到升级提示,是进行存量用户更新的有效手段。此外,还可以针对打开游戏频率不同的玩家,譬如 7天打开一次、14天、30天的玩家推送不同的消息,在他们变成流失用户之前把他们留住。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10