三步骤：

  • 流失分析
  • 游戏次日流失分析
  • 游戏中长期流失分析

part 1 流失分析

定位流失用户，挖掘流失用户流失前的最后行为，从而发现导致这类流失的原因

需求开发的重要前提：

1. 与需求方（运营）明确统计口径，避免惯性思维导致的数据方向有偏差

2. 排查常见的非游戏玩法问题：如次留低，机型不适配的问题

part 2 游戏次日流失分析

即：首日登录后流失

分析角度：

1. 留存偏低

2. 验证游戏内主要玩法的参与情况

3. 用户在游戏内的卡点

主要基于游戏行为对比留存和流失用户在首日的差异，一般无需对用户维度进行拆分

框架如下：

1. 背景

  • 游戏目前面临的主要问题分析以及分析目的
  • 数据统计口径：
  • 例如：新增用户周期、活跃用户周期、留存用户定义、流失用户定义

2. 数据全貌展示

  • 基础全面数据：新增、活跃、arpu、留存。。。
  • 留存流失用户数据对比：
  • 例如：人均首日在线时长、不同玩法参与率...

3. 详细数据拆分

  • 首日时长
  1. 留存流失用户的人均游戏时长
  2. 以n分钟为步长，对比留存和流失用户在不同时长组的人数占比差异
  • 首日时长与主要玩法的交叉分析：以n分钟为步长，重点关注流失用户在各主线玩法中停留的最后一步，例如：
  1. 新手引导人数分布
  2. 等级关卡人数分布
  3. 解锁游戏重点道具个数的人数分布
  4. 重点玩法参与次数的人数分布
  • 新手引导
  1. 对比留存流失用户在新手引导各步骤上的人数分布（注意：对于新手引导较长的游戏，大部分流失用户的卡点位置来自于此）
  • 等级分布
  1. 对比留存用户在各个等级上的人数分布，分析两类用户的游戏进度差异
  • 重点玩法参与率、人均参与次数
  1. 对比留存流失用户在游戏内重点玩法的人数分布
  • 用户来源
  1. 对比留存流失用户在不同广告素材上的人数分布，考虑是否由于素材与玩法不对应

4. 主要结论

  • 存在问题：基于上述统计分析，将流失用户适当分类，描述不同分类用户在游戏中停留的位置，推测流失原因
  • 优化建议：

 part 3 游戏中长期流失分析

目的：提升长期留存

通过中长期分析，明确长留用户的游戏卡点，完善游戏中后期玩法和养成，主要从游戏行为用户维度分析。

框架如下：

1. 背景

  • 分析目的：提升长期留存
  • 数据统计口径：新增周期、活跃周期、流失用户定义等。与运营对齐流失定义，一般指定周期内至少活跃N天且超过n天不登录，或者活跃n天不登录定义为流失

2. 数据全貌

  • 主要对比流失用户和留存用户在相同生命周期下，主线玩法侧、养成侧、变现侧的总体数据

3. 详细数据拆分

  • 基础数据：相同生命周期下的人均时长
  • 主线玩法：
  1. 流失位置：通过游戏的主线玩法定位流失用户的流失位置(等级、章节、关卡、解锁等)，可以直接用人数分布，或者通关率 表示
  2. 流失特点：流失用户对比留存用户，相同生命周期上的游戏进度、主线玩法的参与率和人均参与次数、参与结果（成功、失败）与成功后复刷的参与率等，重点在于提炼流失用户和留存用户在卡点行为上的差异
  3. 游戏养成：养成是用户在主线进度的重要支撑
  1. 对比流失用户和留存用户在相同生命周期上的养成参与度、参与次数、随生命周期的衰减曲线等
  2. 常见的养成线：
  1. 装备养成：升级、升阶、升星
  2. 货币养成：金币、钻石、体力等的获取和消耗
  1. 游戏变现：
  1. 常用指标：CPM、ARPU、LTV
  2. 广告次数：对比流失用户和留存用户在相同生命周期上的广告次数、分广告位的广告次数

4. 主要结论。。。