流失分析方法5_流失前最後一次遊戲行為法
該方法是將玩家最後一次下線當天的遊戲行為按時間順序排序,取最後一個遊戲行為進行分析,遊戲行為包含:進入地圖,接受/完成/放棄任務,參加活動,參與打副本等等。
要完成以上的分析,首先需要對遊戲內容非常熟悉,才能有一個整體的思路框架,另外,對錶結構和sql掌握也需要非常熟練,才能將使用者所有遊戲行為彙總在一張表中。基於這種彙總表進行資料分析,需要我們層層分解“剝洋蔥”,尋找玩家的流失點。
以上的方法能有效定位到流失原因,能定位到原因,就會有辦法調整。
下面將介紹一款遊戲(簡稱遊戲A)用最後一次行為法的方式來進行流失原因分析,主要有四塊內容:
1、背景資訊
2、資料來源
3、詳細的分析過程
4、核心結論
背景資訊
某遊戲測試8天,次日留存率40%,第8天留存率15%,使用者留存率資料一般,低於預期,需要分析其使用者流失原因。
資料來源
資料來源於遊戲內使用者行為日誌,為便於資料統計分析,需要對使用者的行為日誌進行資料埋點。所謂“埋點”,是資料採集領域(尤其是使用者行為資料採集領域)的術語,指的是針對特定使用者行為或事件進行捕獲、處理和傳送的相關技術及其實施過程。
資料埋點為了統計分析的需要,對使用者行為的每一個事件進行埋點佈置,並對這些資料結果進行分析,進一步優化產品或指導運營。
基於埋點的資料進行統計彙總後的流失使用者最後一次行為基礎資料如下表所示。
表1流失使用者最後一次行為基礎資料
詳細的分析過程
(1) 流失使用者定義
流失使用者:封測第1天至4天登入,在5-8天未登入的使用者
流失使用者篩選條件:取賬號最高等級角色,剔除角色等級為1級的使用者。剔除登陸當天及流失的使用者(登入天數=1天,該使用者中泛使用者居多,其遊戲行為不能真實反映真實使用者情況,因此剔除)
(2)流失使用者等級分佈
首先,我們來看看流失使用者的等級分佈,找到使用者流失的主要等級。
對錶1流失使用者最後一次行為基礎資料基於等級維度進行彙總,可得到各等級的流失使用者分佈,如下圖所示。
4天流失使用者中,最高等級為67級;流失等級主要為:21、22、25、26、27、30、31級。
圖一
(3)流失使用者下線前最後一個遊戲行為總覽
我們再從整體上看下使用者流失前的最後一個遊戲行為,使用者是在做了什麼事情之後流失的。
對錶1流失使用者最後一次行為基礎資料基於行為型別維度進行彙總,由下圖可以看出,有54%的使用者在做任務後流失,有39%的在進入地圖後流失,有6%的使用者在做活動後流失,有1%的在打副本後流失,其中,接受任務後流失的使用者比例最高。
那這些使用者在做任務(或者其他行為)之後在遊戲內停留了多久才退出遊戲,從而流失的呢?
圖二
接下來我們再進一步分析流失使用者在完成最後一個行為後到退出遊戲,總共花了多長時間。
對錶1流失使用者最後一次行為基礎資料基於行為型別和行為時長維度進行彙總,由下圖可以看出,做活動後流失的使用者遊戲時長最長,為41分鐘。參與副本後流失的使用者時長最短,為9分鐘。如下圖所示。
圖三
對錶1流失使用者最後一次行為基礎資料基於行為型別、行為時長和等級維度進行彙總,可得到以下的圖表。
由圖四和圖五所示:
1)下線前最後一個遊戲行為進入地圖的使用者中,30級使用者進入地圖到退出遊戲的時長最高,為66分鐘。根據表1的基礎資料,查到這批使用者主要是在玄冥地圖的停留時長過高。
2)下線前最後一個遊戲行為為參與活動的使用者中, 54級參加活動到退出遊戲的時長最高,為99分鐘,根據表1的基礎資料,查到這批使用者主要是在參與境界活動後在境界福地的遊戲時長過高,境界福地是一個掛機地圖,且境界活動的NPC在境界福地地圖,說明圖三中“參與活動後流失的使用者遊戲時長最長”是因為高等級玩家在參與境界活動後掛機,提升了平均時長。
圖四
圖五
下面對使用者流失前每個具體的遊戲行為進行細分分析,分別從地圖、任務、活動和副本四大類別的遊戲行為入手。
1)進入地圖
雖然本次流失使用者我們剔除了登入天數等於1天的使用者,但為了和登入天數大於1天的流失使用者做對比,看流失(下線)前的最後地圖分佈差異,於是把登入天數等於1天的流失使用者的地圖分佈也展示出來了,如下圖所示。
登入天數=1天的流失使用者,在揚州地圖流失的使用者佔比24%。在靈虛古鏡地圖流失的使用者佔比13%,靈虛古鏡為新手地圖,使用者等級主要為7-15級。
圖六
和圖五對比發現,登入天數大於1天的流失使用者在揚州城比例更高。那麼在揚州城流失的這些使用者主要集中在哪些等級,這些等級的使用者主要集中在揚州城的哪一塊區域呢?
圖七
帶著上面的問題,我們來做進一步的分析。
篩選表1流失使用者最後一次行為基礎資料中流失地圖為揚州的使用者,基於等級維度進行彙總,得出以下資料。
在揚州場景流失的使用者等級主要為21、22、25、26、27、30、31、32級。如下圖所示。
圖八
接下來,我們看下21、22、25、26、27、30、31、32級玩家主要是在在揚州場景的哪個區域流失的。
首先,我們需要先找遊戲研發人員要一張遊戲地圖,然後在EXCEL中新建一張空白的圖表,在設定繪圖區格式中,選擇將該遊戲地圖作為圖片填充到圖表中。圖表的X軸和Y軸的最大值需按照遊戲中記錄的玩家上線下線地圖的數字進行設定,該遊戲的地圖X走和Y軸最大值為2048,為了更清晰的顯示座標刻度,設定主要刻度單位為128。如下圖所示。
圖九
然後,需要將玩家的上線和下線的座標引入圖九。
玩家上線和下線的座標原始資料如下表所示。
我們取出所有流失使用者的下線座標,在圖九中選擇資料來源,編輯X軸系列值為流失使用者的下線X座標,Y軸系列值為流失使用者的下線Y座標,可得到以下圖表。
由下圖可以看出,流失使用者的下線點幾乎遍佈地圖各個角落,但揚州城的人數最多,分佈最為密集。
圖十
我們取出21-22級流失使用者的下線座標,在圖九中選擇資料來源,編輯X軸系列值為21-22級流失使用者的下線X座標,Y軸系列值為21-22級流失使用者的下線Y座標,可得到以下圖表。
將下圖放大後可以看出,21-22級流失使用者揚州場景下線點主要集中在揚州城內的擺攤區、活動區和白沙鎮。
圖十一
按圖十一的操作步驟,得出25-27級流失的下線點主要集中在揚州城內的擺攤區和活動區、桃源村。如下圖所示。
圖十二
圖十三
境界福地的下限點主要集中在前14個點,流失點不明顯,主要因為境界福地支援玩家玩家掛機。如下圖所示。
圖十四
備註:以上為登入天數>1天的流失使用者,下線即為流失
2)接受/完成/放棄任務
根據原始資料表一,我們可以統計出各等級使用者下線前最後一個任務TOP1及相關資料,包含:各等級流失前持有的任務TOP1,從接受該任務到退出遊戲的線上時長,以及該任務佔當前等級所有任務的比例,如下表所示。
由下表可以看出,使用者在接受青蘿蔓莖、龜蛇碧血、丹陽火氣、脫骨化形、邪煞惡孽和錘震天下任務後流失的比例較高,平均流失人數比例為43%。
說明:因8級以前的遊戲時長較短,從25級開始可以進入副本,遊戲內容較多,下線前的最後一個任務相對分散,所以只列出8-24級使用者任務資料。
3)參加活動
根據原始資料表一,我們可以統計出使用者流失前的最後一個行為:參與活動。
有下圖可以看出,參加搖錢樹活動後流失的使用者數最高,為851人,佔比23%
參加境界福地活動後流失的遊戲時長最高,為128分鐘;554人在境界福地中流失,佔比15%。
圖十五
根據原始資料表一,我們可以統計出使用者流失前的最後一個行為:參與副本。
由下表可以看出,參與打雙峰山副本後流失的使用者佔比89%,通過率為56%,活躍使用者的通過率為92%。
副本通過率低是使用者流失的原因之一。
核心結論
由以上詳細的分析,可以得出以下主要結論:
任務:
接受任務後流失的使用者比例最高,為54%,其中8-24級使用者接受任務後流失的人數較多,主要任務有:青蘿蔓莖、龜蛇碧血、丹陽火氣、脫骨化形、邪煞惡孽和錘震天下
地圖:
進入地圖後流失的使用者比例為39%,其中進入揚州地圖後流失的使用者佔比58%,主要流失點為:21-22級使用者:白沙鎮;25-27級使用者:桃源村;30-32級使用者:三峽關、落雁塔和雙峰山入口
活動:
參加活動後流失的使用者比例為6%,其中:參加搖錢樹活動後流失的使用者數最高,為851人,佔比23%;參加境界福地活動後流失的遊戲時長最高,為128分鐘,佔比41%;554人在境界福地下線,佔比15%。
副本:
參與打副本後流失的使用者比例為1%,進入副本後流失的平均時長為9分鐘,其中:
打雙峰山副本後流失的使用者最高,佔比89%,副本通過率為56%,相對活躍使用者通過率較低。
雙峰山入口流失使用者多,雙峰山副本通過率低和組隊困難有一定關係。
建議:
對接受任務後流失人數較多的任務進行優化;對揚州場景的幾個主要流失點對應的任務進行調整。
相關閱讀:
遊戲流失分析方法1_5W1H法
遊戲流失分析方法2 問卷調查法
遊戲流失分析方法3 電話訪談法
遊戲流失分析方法4_流失和留存使用者對比分析法
作者:黎湘豔
來源:資料驅動遊戲
地址:https://mp.weixin.qq.com/s/RbAQUhJQQBv4-fa_F1D5vg
相關文章
- 遊戲流失分析方法4_流失和留存使用者對比分析法遊戲
- 遊戲流失分析方法2 問卷調查法遊戲
- 遊戲流失分析方法3_電話訪談法遊戲
- 遊戲流失分析方法1_5W1H法遊戲
- 流失原因分析方法6 版本消化情況分析法
- 使用者為何流失—流失使用者研究方法及流程
- 8種流失原因分析法(八):文字挖掘法
- 8種流失原因分析法(七):排除法
- 8種流失原因分析法(二):問卷調查法
- 8種流失原因分析法(一):5W1H法
- 手機遊戲流失使用者研究報告遊戲
- 場景分析:遊戲關卡難度對玩家流失的影響遊戲
- 遊戲熱度下滑,如何挽回流失的玩家?遊戲
- 極光:手機遊戲流失使用者研究報告遊戲
- 熱度逐漸走低,無法逆轉的老遊戲使用者流失困境遊戲
- EA官方:免費遊戲首日流失率超過70%遊戲
- 專案2:運營商客戶流失分析與預測
- 大資料人才流失: 科研為何陷入困境大資料
- Evans Data研究:Windows開發者在流失Windows
- CSP 前最後一次模擬賽
- Python資料分析與機器學習-使用者流失預警churmPython機器學習
- APP流失使用者的高效召回策略APP
- Smartbi助你解決銀行高價值客戶流失難題
- 手機遊戲流失使用者研究報告:以王者榮耀和和平精英為例(附下載)遊戲
- 99%的人都不會的使用者流失分析,到底應該怎麼做?
- 華為分析服務 | 一文了解解除安裝分析,降低使用者流失率
- 進行蘋果企業簽名的APP怎麼減少客戶流失蘋果APP
- comScore:《Pokemon Go》美國區躍玩家已流失80%Go
- 流失預測 & 分類模型(一)[轉發自石頭]模型
- 使用者流失分析的兩大誤區:“辛普森悖論”和“倖存者偏差”
- 和泰:2015年上半年飯店員工流失率統計分析
- 如何召回流失的玩家? 7步搭建召回體系
- 谷歌利用資料解決女性員工流失問題谷歌
- 我們最後一次需要你提供當前 Windows 密碼Windows密碼
- 蘋果兩週內流失兩位關鍵晶片工程師蘋果晶片工程師
- Google Play 應用與遊戲使用者體驗指南 (四):使用者流失與迴歸Go遊戲
- 從入門到勸退?這樣設計遊戲難度只會令玩家不斷流失遊戲
- 長文:以Telltale工作室為例聊不當管理所導致的人才流失