數據運營課堂(一):分析某遊戲1分鐘內用戶流失原因

背景:

某遊戲一測吸量狀況非常好(超出預期40%),但次留未達預期(目標50%,實際不到38%),需要通過數據分析發現問題,並提供可行的優化建議。經過初步數據分析發現60s內流失用戶佔總流失人數超過25%,屬於損失最嚴重的的一塊。由於整個分析報告篇幅較長,所以本文僅介紹60s內流失用戶分析的方法和案例,其他導致流失的原因分析後續補充。

方法論:

如果看過我上一篇文章的同學想必還記得我說的做數據分析/運營的幾個基本方面:業務+數據+邏輯+技術,本文也是根據這個套路和框架來進行介紹的。

數據運營課堂(一):分析某遊戲1分鐘內用戶流失原因

一、業務

如果你不熟悉這款遊戲,那麼上一篇文章我說過一句話:“要作為一個用戶去深度體驗一款產品,站在用戶角度瞭解產品細節。”所以,下載該遊戲,可勁兒玩。特別是要熟悉從遊戲加載開始10s內、20s內、30s內、直到60s內,用戶都會經歷什麼?所有關鍵細節都要能夠一一列出來。做到這樣那麼業務這一關你就算通過了,這是至關重要的。可以說沒有充分了解業務的數據分析師,他們的結論往往是沒有溫度的,客觀但往往不能真正發現問題並解決問題。

舉個例子,我遇到過某分析師做的分析報告,把一大部分用戶1分鐘內流失原因定性為渠道質量用戶質量差,有刷量嫌疑甚至是假用戶,其實這是數據分析師常用的措辭。乍看之下有一定道理,但是能幫助產品做什麼呢?具體怎麼改善?這部分用戶流失時心理怎麼想的?這些數據是看不出來的,所以我強調為什麼要站在用戶角度看產品,其實後面經過調研這其中很一大部分用戶流失就是因為他們不喜歡這款遊戲的畫風(Q風格),所以他們連進一步體驗都懶得做就卸載了。就像相親一樣,她和你眼緣不和,你還想著能給你機會做進一步瞭解,讓他知道你是個好人或多麼有才華麼?


數據運營課堂(一):分析某遊戲1分鐘內用戶流失原因

二、數據

1、常規數據:通過SDK或者其他接口直接上報。

2、埋點數據:結合遊戲操作在關鍵步驟進行打點,如新手引導、關鍵節按鈕點擊等。

三、邏輯(分析思路)

用戶流失環節-各環節可能原因列舉-原因確認和排除-結合問題提出優化建議-執行效果跟進

如果畫思維導圖,以上思路就是一個放射狀結構,這裡不畫了大家可以腦補下。另外暫時不能確認的可以提出來但要說明,後續有必要可做進一步確認,影響小的因素可忽略。

我根據回顧簡單做了一張表格,放上來大家可以感受下:

數據運營課堂(一):分析某遊戲1分鐘內用戶流失原因

四、技術

這個環節主要用到了mysql和R,後面做報告還用到了PPT,就不做介紹了,比較簡單。

分析結論:

1、0-10S:遊戲加載階段crash率較高,主要集中在小米XX機型(32%)、oppo xx機型(18%)、華為XX機型(9%),詳見crash率機型列表,建議重點找以上機型測試適配。另外,檢測遊戲前期加載代碼,看是否存在漏洞。

注:前10s內流失佔前60s流失約60%,而用戶首次登陸平均加載時間也在10S左右(受網絡質量影響),故由此判斷為該部分用戶全是加載過程中crash所致。

2、10-15S:流失約7%,建議去掉彈框分享獎勵鑽石的功能,減少操作步驟。改功能用戶分享點擊率僅約1.39%,效果很差。

用戶登入遊戲後會彈出“分享獲鑽石獎勵”的彈框,一上來就脅迫用戶(推廣遊戲),很容易直接被打上“換叔叔”的標籤(根據用戶調研很多玩家比較對此反感)。此外,一測階段重點做導流、留存,基本未做付費功能也沒有對應的消耗活動,用戶對鑽石也沒有需求,所以該階段這個功能顯得多餘,並且甚至有負面作用。

3、15-45S:新手引導步驟建議簡化,用戶在該環節流失也比較多,達到19%。

新手引導環節有6步,每步用戶平均需要花5S左右時間,整體需要半分鐘。從埋點數據來看,用戶進行到第三和第四步過程中轉化率最差,預測為前面幾步引導讓這部分用戶覺得該遊戲比較無聊,所以退出。結合遊戲玩法來看,該遊戲一測比較純淨,操作簡單,一般玩家即使不用引導也可以上手。故建議引導環節步驟做簡化,3-4步為宜。或者前期做2-4步最基本引導,等用戶玩2-3局後再進行一次引導,此時用戶可能更容易接受(參考王者榮耀)。

4、45-60S:該階段流失率達13%,初步判斷為一是玩法用戶不喜歡;二是玩法用戶不適應。

建議針對不適應的這部分用戶做優化和引導,如匹配機制讓玩家一開始儘量不要死亡,並能體驗到殺人的的快感(成就感),從而增加繼續玩下去的可能,因為角色尚未死亡,一般玩家在角色未死亡之前都會堅持去玩的,這樣遊戲時長增加有利於玩家進一步體驗到遊戲的樂趣。

5、其它原因:美術風格、角色形象等不喜歡,雖然有用戶反饋,但對整體影響較小,不作分析。

後記:

經過優化,該遊戲一週後二測時次日留存率上升到57%,crash率降低到不足2%,45-60S流失僅為整體流失的不足1%,前60s流失佔整體不到5%,這是一次數據指導運營的成功案例。


分享到:


相關文章: