如何通过数据分析,提升游戏次日留存

某游戏公司的一款MMO游戏测试了,既然是测试,最重要的数据就是看留存。测试第二天,负责运营的麦子同学打开数据后台:昨日新增账号次留只有32.6%。按照内部50%的次留标准,这个数据可真是要凉凉的节奏。那么,面对留存数据不理想,该如何优化呢?

麦子做的第一件事是统计玩家的等级流失情况,如下图所示,可以清晰看出存在好几个玩家流失凸点,找到凸点产生的原因,或许就能了解到玩家流失的真相了。

通过数数科技的「分布分析」功能,统计用户首日流失情况

于是,麦子又从头体验了一遍游戏,结合游戏进程,将等级拆解成多个阶段,将凸点发生的事件记录下来,便于找出问题所在。

结合用户流失模型,细分游戏行为进程

针对以上数据,玩家产生流失主要分为2个阶段:

前期体验(体验时长30分钟内):整个前30分钟流失率是最高的,主要是1~3级刚接触游戏,以及游戏主线体验中的流失

主线中断后(体验时长30~120分钟):即16级第一次主线结束,19级师门任务结束,26级第二段主线结束,此间玩家需要主动找队伍参与活动的过程中。

简单来说,就是主线任务和玩法参与两方面,可能存在一些问题。接下来,要想具体分析玩家的流失原因,麦子需要“切换角色”,假装自己是普通玩家,根据以上数据表现,重新玩几遍游戏,猜测玩家流失的原因,同时用数据验证猜想,才能更准确的进行优化,提高玩家留存。

针对「主线任务」的分析

麦子对主线任务中玩家流失原因的猜测:
1、打怪物耗时特别长
2、剧情又臭又长,没有耐心了
3、需要交互小游戏才能过去,玩家不会过
4、兴奋点太少,一直在跑路

如何验证猜测正确与否呢?通过数据分析平台,找到每个任务的流失概率,并结合实际任务情况,做出标注。

通过数数科技的「分布分析」功能,统计主线任务流失情况

似乎凸点都出现在“切场景、战斗、交互类任务“时,数据好像是验证了麦子的猜测。

别急,再把任务分门别类,看看宏观数据吧。

▲通过数数科技的「分布分析」功能,统计任务流失情况

在这里,麦子将任务分类为普通任务、切场景任务、战斗任务、交互任务、耗时长的任务后,可以从任务流失情况看到,切场景、带有交互的任务明显超出平均流失概率。

数据分析进行到这里,其实问题出在哪,可以说是呼之欲出了。

针对「玩法参与」的分析

任务的问题解决了,再看第二点,在玩法参与有什么问题。

结合游戏实际情况,麦子对玩法参与的流失猜测:
1、不知道该如何参与玩法
2、玩法需要组队,组不上队伍
3、玩法难度高,不强化装备就无法通过

通过数数科技的数据分析平台,运营可以独立进行数据统计和分析,不再需要向开发部门提需求。

猜测1:对不知道该如何参与玩法的验证

▲通过数数科技的「事件分析」功能,统计玩法的参与情况

从图表中可以看出,流失玩家和留存玩家在战场参与上存在很大差异。而对于这款游戏,战场恰恰是玩家在刚刚断掉主线时,进行升级的唯一玩法。

此时玩家刚刚从【一路送】的任务中出来,就要靠玩家自己主动找到升级方法,且如果找不到就没法继续游戏,有点放手太快了。

所以对此问题,考虑增加升级玩法的多样性,并且加强引导,让玩家可以更加顺滑的度过前期。

猜测2:对组队问题的验证

由于MMO游戏大部分玩法都是需要组队进行的,会不会玩家虽然知道要通过玩法,但因为找不到队伍,而产生流失呢?

我们可以通过数据分析平台来分析组队的转化率情况。找到哪步转化出现了问题,就可以更有针对性的优化:

满足玩法要求的玩家有多少人 → 这些人中有多少人加入了队伍 → 这些队伍中有多少人成功组满 → 组满后有多少人参与了玩法 → 参与玩法的队伍有多少人完成了玩法

▲通过数数科技的「漏斗分析」功能,分析组队的转化率情况

流失用户在组队成功率方面的流失率较高。因为目前测试期间自动匹配的功能还没有做,只能靠玩家在世界频道喊,而在喊的过程中,真的能组上队伍的人数并不多。

故而,后续的优化在提高玩家组队成功率上,可以多下功夫了。

猜测3:对装备强度的验证

虽然对于前期来说,玩家的游戏体验比较线性,但仍然会有部分随机事件影响玩家的体验,比如A掉了紫色装备,B没掉。

这些随机的事件累加起来,可能就是促使玩家流失的最后一根稻草。

所以,麦子就想对比一下流失玩家和留存玩家的装备强度,看看是否有差别。(注意,一定要对比相同等级段的玩家信息)

通过数数科技的「分布分析」功能,统计装备情况

可以看出,流失和留存玩家虽然有差距,但并不算太明显。

有了以上分析结论,我们已经基本得出玩家的流失原因,但也先别急,最好再看一下玩家聊天日志,来看看是否真的有玩家抱怨猜测的问题。

当然,有条件的情况下,最好还能在游戏中嵌入问卷,以及对流失的玩家做个电话访谈,与数据结合,多方面确认流失原因。

左手有了数据,右手有了玩家反馈,这下,麦子就可以信心满满的去找策划GG讨论一下,后面到底该怎么优化了。


以上就是麦子对玩家首日流失情况的全盘分析过程了。说到数据分析,麦子所在的公司使用的是数数科技的数据分析平台,有了数据在手,运营团队就可以快速定位问题,提升调优效率。那么,总结一下,这次的分析都有哪些步骤呢?

STEP 1 查看宏观数据,找到流失凸点。                     
STEP 2  体验游戏,记录每一个节点发生的游戏事件。                     
STEP 3  针对凸点,结合游戏实际情况,尽可能多的给出合理猜测。                     
STEP 4  对猜测的情况进行数据和玩家反馈的验证。

其中,最难的可能就是猜测环节,需要一定的工作经验才能更加全面的穷举到流失原因。

最后,跟大家分享一下,麦子在实际工作中,可能会做的一些猜测思路。

属性猜测

(职业类)不同职业的流失点可能不同
(战力类)装备培养到2星的玩家,比培养到3星的玩家更容易流失
(功能类)加入了公会的玩家,比不加入公会的更容易流失
(付费类)购买了A道具的玩家,比不购买的玩家更容易流失

任务猜测

(BUG类)卡住的剧情本身存在BUG
(知晓类)不知道该点哪里继续任务
(门槛类)需要一定的脑力或操作才能通过
(难度类)主线怪物数值难度高,打怪时间太长
(兴奋点)跑路距离太远,长时间跑路导致厌烦

玩法猜测

(BUG类)玩法本身存在BUG,无法参与
(知晓类)不知道可以参与这个玩法
(门槛类)因为组不到队伍无法参与玩法
(难度类)参与了玩法但是玩法难度太高,拿不到奖励
(兴奋点)玩法体验太平淡,奖励也不好

反馈验证

(舆论分析)大家都在讨论什么,抱怨什么
(结合UE反馈)有条件的情况下,对流失玩家进行电话访谈

发布了4 篇原创文章 · 获赞 27 · 访问量 2705

猜你喜欢

转载自blog.csdn.net/ThinkingData/article/details/104611247