浅谈游戏数据分析—-长线留存分析方法一
留存折损—–两个不同节点的留存之间的比值，用于判断留下用户的留存情况，即真实用户的留存。
换一种维度去分析留存，不拘泥于留存的绝对值，将留存统一化，提炼客观的参考标准。
常见的留存疑惑：**
我的游戏次留很好，怎么活跃涨不起来，一个月后感觉活跃有些快崩了？
我知道游戏的留存差，但不确定在那个阶段差，比正常值差多少，该怎么去调整？
一、简述
在游戏的数据分析中，重点无外乎是分析：
1、用户在哪里会流失，哪里流失比较大；——–留存，或者长线留存；
2、用户付费集中在什么地方，在什么时间端会停止付费；—–付费，或者后续付费；
我们在分析游戏留存时候，很容易被留存的绝对值给蒙骗了，特别是次日留存（次日留存的影响因素太多，不单单受游戏的影响）。而本章的内容是重点讲一下怎样留存曲线是什么？该怎么样去分析游戏真正的留存，然后利用这些数据去支持我们决策，帮助我们运营，优化我们产品。
二、留存曲线—–幂函数
1、 用户的留存是经过震荡期、淘汰期和稳定期三个时期，一开始的留存下降速度较快，然后逐渐下滑速度减缓，最终进入一个平稳期。
2、从数学的角度，用曲线去拟合，和幂函数的契合度最高，或者说留存曲线就是一个幂函数，
其中
1、指数是一般在-0.2~-0.5之间；
2、指数绝对值越大，说明曲线下降越快，留存就越差；
3、一个游戏留存曲线的指数值是变化的，且是递增的；
这里为什么特别强调留存曲线是幂函数呢，在我们日常的分析中可能用不到，但如果你后续需要模型一下游戏的留存（后续会谈到），预测游戏的活跃和流水走势的时候，这个就非常有用了。而且这个也可以帮助我们去理解和分析游戏的留存。
三、留存分析方法—–留存折损
留存折损—–两个不同节点的留存之间的比值，用于判断留下用户的留存情况，即真实用户的留存。
一般来说，我们在分析留存的时候，重点关注的也是次留、3留、7留 、15留、30留，在分析留存折损的时候，我们也是重点关注这几个节点的折损变化。即3留/次留、7留/3留等、
上图是20游戏的次日留存和留存折损数据情况。其中他们的整体表现也是依次排序下来的。可以看出，次留并不能代表太多东西（当然在相同情况下，次留越高越好），同时显而易见这个比值越大，说明留存越好，同时游戏的整体数据表现就越好。那么这个比较正常水平是多少呢？
在经过活跃收入预估模型（后续会谈到，用于模拟游戏活跃和流水增长的模型）和大量的游戏数据分析认证得出，各节点的留存参考值（或者说是理想参考值）
3留/次留 ：55%
7留/3留 ：66%
15留/7留 ：65%
30留/15留：65%
同时留存折损值，第一个值一般在45%~65%之间波动，而后续3个值在50%~70%之间波动。当然如果前面两个值的过高话（特别是现在的游戏容易把玩法都堆积在第一周，做成快消品的时候），会影响后面的两个比值（这个情况后面的两个值会低一点）；
同时在应用留存折损分析游戏留存的时候，会有一些规律：
1、当第一个值低于平均水平的时候，后续的值也会低于平均水平（最多第二个值会接近平均水平）；
2、 一般来说：前两个值决定了游戏是否能够推起来，后两个值决定游戏的高度。
3、同时，但一个游戏4留/次留低于45%时，该游戏基本上不会推起来。
4、除轻游戏外，这四个值比较理想的游戏，付费情况也比较理想。
5、这四个节点，那个值出现问题，付费也会在这个节点出现问题。
6、不同地区的这个值，可以根据玩家的行为习惯，进行微调，但整体的差距不大
同时在我们使用这个分析方法的时候：
我们可以逐一的分析每一个折损值，再对比参考值，那个值低了，说明那段的留存就有问题。用户在这个阶段的流失比较大。这时候我们就可以结合游戏运营内容，去分析为什么用户在这个阶段的留存会比较大。然后进行调整。当然如果你再结合用户付费的变化，你也会发现，付费也会随留存的波动和变化。
当然如果要分析你要去分析次留的问题，这个就不适合了，。分析次留的好坏问题，你就得结合用户首日的等级变化、游戏的加载情况和适配情况，还有渠道的构成和素材和游戏内容的适配程度去分析了。
此敬！！！！！
下周会继续更新留存的另外的评估方法：DNU/DAU