京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14