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
- 留存流失用户的人均游戏时长
- 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:
- 新手引导人数分布
- 等级关卡人数分布
- 解锁游戏重点道具个数的人数分布
- 重点玩法参与次数的人数分布
- 新手引导
- 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
- 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
- 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
- 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:
- 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
- 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
- 游戏养成:养成是用户在主线进度的重要支撑
- 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
- 常见的养成线:
- 装备养成:升级、升阶、升星
- 货币养成:金币、钻石、体力等的获取和消耗
- 游戏变现:
- 常用指标:CPM、ARPU、LTV
- 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。。。