
淺談網(wǎng)絡(luò)游戲中新用戶首日流失的數(shù)據(jù)分析
網(wǎng)游的用戶流失主要集中在新增日,因此本文只談新玩家的首日流失。
首先,直接上一個(gè)簡(jiǎn)單的圖表:
文中所有表中填充的均非真實(shí)數(shù)據(jù),乃為半隨機(jī)填充,可能有不合常理的地方,亦有可能影響結(jié)論。
下表為某游戲某日新注冊(cè)玩家在當(dāng)天的游戲情況,即進(jìn)度最快的一批玩家到了“任務(wù)3”節(jié)點(diǎn)。
備注:
1、離開人數(shù):指新玩家首日達(dá)到某游戲節(jié)點(diǎn)后下線的人數(shù)。
2、次日留存:指首日在各節(jié)點(diǎn)離開玩家的次日留存。
3、不同游戲各節(jié)點(diǎn)順序不一,如《女神聯(lián)盟》先有部分新手引導(dǎo),然后才創(chuàng)建角色。
4、模塊加載遍布整個(gè)游戲,但是創(chuàng)建角色前的模塊加載流失尤為突出,為重點(diǎn)考察對(duì)象。
5、①為首日各節(jié)點(diǎn)的留存情況 ②為各節(jié)點(diǎn)離開的玩家的次日留存情況。
上面表是從首日著手,下表從次日著手。
也就是看看次日流失的這些玩家首日都是在哪個(gè)節(jié)點(diǎn)下的線,即在哪個(gè)節(jié)點(diǎn)下線的玩家流失嚴(yán)重。
如表:
備注:流失占比指各節(jié)點(diǎn)流失人數(shù)占總流失人數(shù)的比例。
這樣看起來沒有明顯的問題,“任務(wù)3”流失最嚴(yán)重,那我們?cè)傺a(bǔ)上留存人數(shù)及留存占比作為對(duì)比。
備注:
1、留存占比指各節(jié)點(diǎn)留存人數(shù)占總留存人數(shù)的比例,即流失占比與留存占比兩者之間沒有直接關(guān)系。
2、流失人數(shù)+留存人數(shù)=(第一張表中的)離開人數(shù)
這樣看的話,流失占比最高的節(jié)點(diǎn)“任務(wù)3”同時(shí)也是留存占比最高的節(jié)點(diǎn),所以不能說明哪個(gè)節(jié)點(diǎn)流失更嚴(yán)重。
那么,我們刨除“任務(wù)3”這個(gè)特殊節(jié)點(diǎn),會(huì)不會(huì)顯示出合理的規(guī)律呢?也不行,圖我就不再做了。
看來還是這個(gè)邏輯行不通。
稍作總結(jié):圖中①②③表示三個(gè)觀測(cè)流失點(diǎn)的指標(biāo),經(jīng)分析③的參考價(jià)值不大,①和②互相補(bǔ)充。
然后,我們也可以將上面的節(jié)點(diǎn)分布,改為游戲時(shí)長(zhǎng)分布、等級(jí)分布等。
時(shí)長(zhǎng)分布:
等級(jí)分布同理,就不做圖了。
想起之前一個(gè)運(yùn)營(yíng)策劃給我說,他想知道次日留存玩家的首日平均游戲時(shí)長(zhǎng),然后想辦法做活動(dòng)拖住用戶,讓大家都達(dá)到那個(gè)游戲時(shí)長(zhǎng),以提高次留。
我說:其實(shí)這是沒有臨界點(diǎn)的,不是到了一個(gè)臨界點(diǎn)就留存,不到就流失。
留存率是隨著游戲時(shí)長(zhǎng)(游戲進(jìn)度,游戲等級(jí))的增長(zhǎng)而遞增的,按照這個(gè)原理就是拖時(shí)間越長(zhǎng)越好,拖24小時(shí)最棒。
但是如果你的游戲玩家必須玩很長(zhǎng)時(shí)間才能不掉隊(duì)的話,玩家卻可能就因此而流失了,即“留存沒有臨界點(diǎn),流失卻或許有個(gè)臨界點(diǎn)。。?!?。
通過以上數(shù)據(jù)基本可以看到:
玩家是因?yàn)橛螒蚰硞€(gè)模塊加載失敗或加載時(shí)間過長(zhǎng)而流失,還是創(chuàng)建角色時(shí)就失去興致,還是在新手引導(dǎo)階段就對(duì)游戲玩法失望,還是因?yàn)槟硞€(gè)任務(wù)難以完成,還是在某個(gè)等級(jí)遇到不好的體驗(yàn),還是在某節(jié)點(diǎn)遇到BUG等。這些流失原因均為硬傷,硬傷好治。
但是光解決這些硬傷是遠(yuǎn)遠(yuǎn)不夠的,提高游戲軟的實(shí)力才是根本。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11