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