8種流失原因分析法(一):5W1H法
每款遊戲都有使用者流失的情況,只是多少的區別,然而一般情況下我們只能看到結果,但是如果能定位到原因,就會有辦法調整。
流失分析的方法有很多,常見的方法如流失等級分佈、等級停滯率、分渠道和平臺的留存率對比、主線任務持有率等。我們在實際工作中,在常用的方法的基礎上,總結了以下幾種作法:
- 5W1H法
- 問卷調查法
- 電話回訪法
- 流失和留存使用者對比法
- 流失前最後一次遊戲行為法
- 排除法
- 版本消化情況分析法
- 文字挖掘法
本文將詳細介紹5W1H法。
5W1H法:也叫六何分析法,是一種思考方法,是對選定的專案、工序或操作,都要從原因(何因Why)、物件(何事What)、地點(何地Where)、時間(何時When)、人員(何人Who)、方法(何法How)等六個方面提出問題進行思考。
流失分析最大的作用是找到流失使用者的特徵,為遊戲的改進提供依據。採用5W1H分析法對流失進行分析,我們能告訴研發和運營人員:這款遊戲流失了多少使用者,在哪裡流失、什麼人流失、什麼時候流失、為什麼流失,並幫助制定挽回策略。
“ 在早期剛開始做流失分析時,我並不瞭解5W1H分析法,當然也不會想到要使用5W1H分析法,後來接觸到5W1H分析法,發現其思路和我之前做過多次的流失分析方法有很多相似之處,這個過程很奇妙,當思路到位以後,各種分析方法自己都能總結出來。”
——這是我的工作心得
下面就介紹一個使用5W1H分析法對流失使用者進行分析的案例。該案例分以下幾個部分:
- 背景資訊
- 分析思路
- 詳細的分析過程
- 主要結論及對策
01 背景資訊
某遊戲(以下簡稱遊戲A)上線第14天的活躍使用者較第1天下降了22%。
隨著廣告投放金額的減少,新進使用者數量也隨之減少,在使用者流失趨勢不變的情況下,當新進使用者數量逐漸低於流失使用者數量,活躍使用者必然減少。就好比一個水池,當流出去的水大於流進來的水時,水池的水位就會越來越低。
根據市場投放資料,廣告帶來的使用者成本越來越高,通過硬廣帶來的使用者成本已經無法收回成本。如果新使用者方面我們暫時沒有辦法突破,那麼儘可能的留住老使用者就是我們努力的方向。
留住老使用者,首先要定位到玩家流失的原因,定位到原因就有調整的辦法,專案團隊可以有針對性的採取措施,挽留玩家。
專案團隊希望資料分析師通過分析流失使用者的特徵,找出使用者流失的原因,還原使用者在流失前遊戲體驗的場景和心理感受。最後,結合客觀事實和業務理解形成落地的解決方案,儘可能的減少使用者流失。
02 分析思路
我接到這個任務後,開始構想怎麼做這份流失分析報告。
1、最直接的想法是看流失使用者的等級分佈,可以知道使用者主要在哪幾個等級流失。但是這個結果過於簡單,且無法知道使用者為什麼在這個等級流失?
2、為了瞭解使用者為什麼在這個等級流失,需要結合相應的等級的任務和副本,看是否因為做某個任務、副本或者沒有朋友而流失?
3、如果定位到了某個具體的任務,還需要再進一步瞭解使用者是因為不會做任務,還是任務太瑣碎無趣而流失?
4、這款遊戲是時長收費模式,會不會有可能是因為玩家把餘額時長用完了,因為沒有時長而不再登陸了?
5、最後,還需要定位是哪些人流失了,按遊戲裡面的職業分比較容易,但要定位是哪些使用者群體相對比較難。目前唯一的線索是使用者調研資料中包含遊戲賬號、職業資訊,是否能根據這些樣本使用者的登陸習慣找出所有使用者的規律,需要嘗試用聚類演算法去驗證。
基於這個思路進行資料準備和分析,並不斷補充和修正,到最後整理報告時進行總結,將會發現關於這款遊戲流失了多少使用者,在哪裡流失、什麼人流失、什麼時候流失、為什麼流失的部分規律,並給出挽回策略建議。具體如下:
- 發生了什麼(What)
指使用者流失了。本案例中的分析是在遊戲公測14天后進行的,因此資料上針對7天流失使用者進行分析,即公測第1-7天登入遊戲,第8-14天未登入遊戲的使用者。
- 在哪裡流失(Where)
主要指玩家在哪個地圖,哪個地域流失。
- 什麼人流失(Who)
是新使用者流失,還是老使用者流失;是學生、還是上班族其他職業的玩家流失,遊戲中哪個職業更容易流失。本案例主要定位流失使用者在生活中的職業和在遊戲中的職業。對於使用者的生活職業,我們採用使用者調查資料和遊戲行為資料相結合的形式,對使用者進行聚類分析,將使用者分為上班族和學生兩大類。
- 什麼時候流失(When)
是新手期、中期還是高階。這三個階段的定義可以按等級來劃分,不同遊戲的劃分方法各不相同,本案例中的新手期是1~30級,中期是31~49級,50級是高期。
- 為什麼流失(Why)
是因為遊戲有卡點,任務不會做,還是副本打不過,還是社會關係薄弱,沒有朋友一起玩。本節主要從任務、公會和好友這三個維度入手,並結合電話調查結果來進行分析。
以上的分析思路其實就是5W1H分析法。5W1H分析法也叫六何分析法,是一種思考方法,是對選定的專案、工序或操作,都要從原因(何因Why)、物件(何事What)、地點(何地Where)、時間(何時When)、人員(何人Who)、方法(何法How)等六個方面提出問題進行思考。
如果在分析之前就瞭解5W1H分析法,可能會少走一些彎路,但是,如果之前不知道,也沒有關係,因為當思路到位以後,自然就能和5W1H分析法貫通。
流失分析的5W1H分析法如下圖所示。
03 詳細分析過程
7天流失使用者能較大程度地反映真實流失使用者特徵,因此,在遊戲公測14天就可以開始著手流失使用者分析,本次流失分析主要從使用者等級、職業、線上時長、任務、副本、公會、好友、群體、地域、餘額資料入手,並觀察每日資料變化情況,找出流失規律。
分析目錄
一、7日流失使用者
1)流失使用者情況一覽
2)等級分佈
3)各角色職業流失情況
4)登陸和線上時長變化情況
5)任務持有情況
6)加入公會、好友、參與副本情況
7)參與“活動副本A”情況
8)使用者餘額情況
二、每日流失使用者
1)每日流失和新使用者匯入關係
2)每日流失使用者群體
3)每日流失各等級人數情況
三、流失使用者電話調查結果
一、7日流失使用者
首先,我們分析7日流失使用者特徵,分別從以下8個方面來進行。
1、流失使用者情況一覽
《遊戲A》公測後14天,7天流失率35%,流失使用者中,參與過內測(CBT2)的老使用者佔7%,新使用者佔93%。
說明:7天流失率定義是,第1天至第7天登陸,第8天至第14天流失的使用者比例。
2、等級分佈
所有使用者中,各等級段的使用者活躍情況如下(每賬號下僅取最大等級角色)。
按照“7日內活躍”標準來定義流失,各等級段角色至7天未登入遊戲的使用者佔該等級段角色總量的百分比如下圖所示。
根據下圖所示:1-30級:7日未登入遊戲的1~30級使用者佔到了總使用者數的96%。因此,近期活動應加大對此級別段使用者的偏向性,包括形式、獎勵……
15級、30級的流失率較前一個等級有較小波動,和該等級的任務、升級時長有關。
50級的流失率比前一個等級高,和滿級人數有關。
3、角色職業流失情況
通過各職業的流失率資料對比可以看出,職業1的流失率最高,為35%,其次是職業2,為34%。如下圖所示。
職業1的流失高可能是因為作為”T”類職業,相對職業3來說,防禦能力較弱。職業2的流失高是因為對該職業對站位的要求較高。
輸出類職業佔所有職業66%,流失人數佔所有職業67%。
4、登陸和線上時長變化情況
1-30級使用者流失前平均每天登陸次數逐漸減少。如下圖所示。
1-49級使用者流失前的每天線上時長呈下降趨勢;50級使用者每天線上時長波動較大。如下圖所示。
5、任務持有情況
流失使用者中持有最多的主線任務是任務A,持有率11%;其次持有任務B,持有率9%。如下圖所示。
任務A(5級主線)持有原因:玩家不知道怎麼獲取道具,甚至有玩家支線任務做到20級,但仍沒找到該任務所需要的道具。如下圖所示。
任務B(15級主線)持有原因:一方面是需要和NPC對話進入副本所在地圖,因NPC頭上沒有特別標記,部分使用者沒有找到NPC(NPC所在地圖為海盜地圖)進入跳轉地圖;另一方面,使用者找到副本後,因職業不平衡排隊時間過長,未能完成副本。
玩家接受“任務A”任務後有繼續登陸游戲,但一直未完成的人數7854人,佔該任務總持有量的38% ,高於其他任務,說明該任務對部分玩家造成了一定的困擾。如下圖所示。
6、加入公會、好友、參與副本情況
50級以上流失使用者參與副本比例85%,參與比例較低。好友流失率30%。如下表所示。
7、參與“活動副本A”情況
10級前,流失使用者參與“活動副本A ”的比例高於活躍使用者;
20級-33級,流失使用者參與“活動副本A ”的比例略低於活躍使用者。
33級之後,流失使用者“活動副本A ”的比例明顯低於活躍使用者。
可能因為活躍使用者比流失使用者更懂得玩遊戲,在前期升級過程中以做任務為主,較少參與活動副本A。
33級以後,活躍使用者人均參與“活動副本A ”的次數高於流失使用者60次,同樣說明活躍使用者比流失使用者更懂得玩遊戲。如下圖所示。
8、使用者賬號餘額
97%的流失使用者餘額為高於20 元,比活躍使用者高24個百分點,流失使用者賬號餘額較充足,說明玩家不是因為餘額不夠而流失。
我們從以上8個方面的資料對7天流失使用者的特徵進行了分析,然後,我們進一步瞭解每日流失使用者特徵,將從3個方面入手。
二、每日流失使用者
1、每日流失和新使用者匯入關係
從下圖可以看出,每日匯入的新使用者越少,流失使用者數越多。說明新使用者的增加在帶來遊戲人氣的同時,還能提高使用者的遊戲黏度,降低流失。
說明:以上“每日流失使用者”指每天未登陸游戲的使用者。
每日新使用者變化率=(當日新使用者數量-前一天新使用者數量) /前一天新使用者數量
每日流失使用者變化率=(當日未登陸游戲使用者數量-前一天未登陸游戲使用者數量) /前一天未登陸游戲使用者數量
2、每日流失使用者群體和地域
由於無法直接區分遊戲資料中的賬號是學生還是上班族,故在分析流失使用者群體前,先對獲取該資料的來源和思路做個說明如下。
該遊戲在開測時做了問卷調查,其中人口屬性問題中包含使用者職業,總樣本量超過3萬個。其結果如下圖所示。
因玩家填寫調查問卷時必須已用遊戲賬號登入,所以能將玩家賬號和遊戲登入日誌匹配,並區分工作日和週末,得出不同群體玩家的登入習慣。
通過對比不同群體的使用者上線習慣資料發現,上班族、專業人員、中高階管理人員、公務員、私企老闆其登入習慣相近,因此可以將這些使用者歸為一大類,此處統一歸為上班族,而學生、自由職業者、工人/外出務工者的登入習慣相近,此處統一歸為學生。
根據以下兩種圖,可以看出不同職業使用者上線習慣:
上班族的上線時間受工作時段影響較大。在“工作日”白天和晚上的上線高峰時間點分別在12點和20點。“週末”的上線高峰時間點雖和“工作日”一樣,但是白天和晚上的人數差距明顯縮小。
學生沒有明顯的工作時段和非工作時段,因學生在週末不受上課影響,“週末”的上線高峰時間點和上班族一樣。
說明:工作日為週一至週五;週末為週六和週日。
我們先選取3萬個調查使用者中學生和上班族的登入日誌作為樣本,選取登陸日誌為觀察指標,區分工作日和週末,使用K-means演算法,找到學生和上班族上線時間的重要特徵,根據該特徵,應用到遊戲內所有流失使用者,按上線習慣分為上班族和學生。得出下圖結果。
流失使用者群體中,上班族和學生的比例為:55:45,其分佈基本和活躍使用者一致。
說明:以上聚類分析的方法在《遊戲資料分析實戰》一書中的第六章活躍使用者細分中有詳細的介紹,因此在本次案例中省去了用SPSS的“K-均值聚類”將使用者分為學生和上班族的操作步驟。
將使用者型別和地域資料結合,得出上班族中上海使用者流失率最高,為77%,和上海的上班族使用者多有關。如下圖所示。
將使用者型別和每天的登入日誌結合,得出上班族在週末的流失率較工作日減少3%個點。說明上班族在週末有更多的時間玩遊戲。而學生群體的流失比例受週末的影響不大。如下圖所示。
3、每日流失使用者各等級人數情況
30級玩家流失數量相對21-29級流失玩家數上升較快。如下圖所示。
從8月5日開始,每日未登陸的50級使用者量陡升,儘管50級玩家人數在不斷增加,每日不登陸不一定真正流失,近期也應密切關注50級使用者的遊戲情況。如下圖所示。
因1-20級每日流失使用者數趨勢無異常,此處的圖表省略。
三、流失使用者電話調查結果
為了進一步瞭解玩家流失的原因,篩選上海地區7天流失使用者的手機號碼給客服進行電話回訪,共成功回訪使用者 807名 , 其中上班族佔了80%。
1~30級使用者流失原因:
a) 地圖太複雜,佔24%;
b) 打擊感太弱、戰鬥節奏太慢、操作不流暢,佔8%;
c) 任務太繁瑣、任務目標指引不清晰,升級較慢,佔6%;
d) 任務不會做,佔5%。
31-55級使用者流失原因:
a) 任務太多,地圖複雜,沒有PVP,佔8%;
b) 沒有朋友一起玩、遊戲技能CD時間太長,副本排隊時間太長,各佔5%。
玩家主要建議:
a) 希望地圖指引更清晰,組隊系統更加明確;
b) 到50級之後沒有什麼可做的事情了,希望多出一些50級的活動;
c) 希望版本儘快跟上國際服,另外針對工作室和第三方軟體要加大一下打擊力度。
04 主要結論和對策
《遊戲A》開放性測試後7天流失率35%,通過使用者行為資料分析,有以下主要結論:
(1)新手期玩家:
1~30級流失使用者佔總使用者96%,新手期流失較快。流失等級主要集中在6級、15級,分別持有任務A、任務B。7854個使用者接受任務A後多次登陸游戲,但仍未完成,說明該任務對部分玩家造成了一定困擾。
(2)中期玩家(31~49級):
遊戲體驗相對順暢,無明顯流失點。
(3)高等級玩家(50級):
參與副本和加入公會的人數比例分別低於活躍使用者15%、25%個點,可能和好友流失,遊戲熱情降低有關(好友流失率30%)。近期每日流失使用者中50級使用者陡升,應密切關注。
(4)使用者較容易流失的職業:
職業1和職業2。主要因為職業1防禦能力較弱,職業2對玩家站位的要求較高。
(5)每日流失和新使用者匯入關係:
每日匯入的新使用者越少,流失使用者數越多。
(6)流失使用者特徵:
a)流失使用者7天內迴歸的比例為15%;流失使用者中CBT2老使用者佔6%。
b)流失使用者群體分佈基本和活躍使用者一致。上班族中上海使用者流失率最高,為77%,和上海的上班族使用者多有關。
c)1-30級使用者流失前平均每天登陸次數逐漸減少;1-49使用者流失前的每天線上時長呈下降趨勢;50級使用者每天線上時長波動較大。
d)30級~55級,流失使用者人均參與副本活動A的次數低於活躍使用者60次,說明活躍使用者比流失使用者更懂玩這款遊戲。
e)流失使用者賬號餘額高於活躍使用者,79%流失使用者餘額為21-49元,說明玩家不是因為賬號餘額不夠而流失。
(7)根據客戶電話回訪回訪結果顯示,使用者流失的原因主要如下:
1、1~30級使用者流失原因:
- 地圖太複雜,佔24%;
- 打擊感太弱、戰鬥節奏太慢、操作不流暢,佔8%;
- 任務太繁瑣、任務目標指引不清晰,升級較慢,佔6%;
- 任務不會做,佔5%。
2、31-50級使用者流失原因:
- 任務太多,地圖複雜,沒有PVP,佔8%;
- 沒有朋友一起玩、遊戲技能CD時間太長,副本排隊時間太長,各佔5%。
(8)玩家建議:
a)希望地圖指引更清晰,組隊系統更加明確;
b)到50級之後沒有什麼可做的事情了,希望多出一些50級的活動;
c)希望版本儘快跟上國際服,另外針對工作室和第三方軟體要加大一下打擊力度。
以上的分析案例很好的詮釋了5W1H分析方法。通過7日流失使用者特徵、每日流失使用者特徵和電話回訪結果三大塊內容的分析,為專案團隊提供了以下資訊:
- 發生了什麼(What),指遊戲公測7天流失率達35%。
- 在哪裡流失(Where),上海的上班族使用者流失率最高,為77%。15級流失使用者主要在海盜地圖流失。
- 什麼人流失(Who),新使用者流失比較多,達79%。遊戲職業1和職業2的流失人數較多。上班族和學生的流失比例為:55:45,上班族在週末的流失率較工作日減少3%個點。
- 什麼時候流失(When),主要是新手期玩家和高等級玩家流失,新手期玩家等級主要集中在6級、15級流失。高等級玩家等級主要集中在50級流失。
- 為什麼流失(Why),地圖複雜、任務繁瑣、任務目標指引不清楚是使用者流失的主要原因。其中:新手期玩家中有5%反映任務不會做,任務A和任務B給他們造成了困惱,另外打擊感太弱、戰鬥節奏太慢、操作不流暢也是該階段玩家流失的原因;高等級玩家主要是因為好友流失,遊戲熱情降低。職業1流失較多是因為防禦能力較弱,職業2是因為該職業對玩家站位的要求較高。調查使用者中因為工作比較忙、沒時間而流失的玩家佔比超過30%。
專案團隊將以上流失原因分析結果和玩家建議對版本進行了調整,也針對這些問題做了一些運營活動,來彌補版本的缺陷,在今後的文章中將會介紹針對流失問題的調優案例。
作者:黎湘豔
來源:微信公眾號“資料驅動遊戲”
相關文章
- 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
- 流失原因分析方法6 版本消化情況分析法
- 遊戲流失分析方法4_流失和留存使用者對比分析法遊戲
- 高階設計總監的設計方法論——5W1H需求分析法 KANO模型分析法模型
- CRM系統的四種資料分析法
- 層次分析法
- 六西格瑪工具之什麼是根本原因分析法(RCA)?
- 遊戲分析法(一):起因和第一層次遊戲
- 5 Why 分析法,一種用於歸納抽象出解決方案的好方法抽象
- 流失分析方法5_流失前最後一次遊戲行為法遊戲
- JVM 發生記憶體溢位的 8 種原因、及解決辦法JVM記憶體溢位
- 三、遞迴樹分析法遞迴
- PEST分析法繪製軟體免費下載,怎麼畫PEST分析法
- 數學建模之層次分析法
- 動態網頁 —— 逆向分析法 + 案例網頁
- 資料分析方法中的杜邦分析法
- 向豐田學習 “五WHY分析法”
- 財務資料人一定要懂的分析方法——杜邦分析法
- 一文學會RCA根因分析法,變身質控能手!
- Spring事務失效的一種原因(this呼叫)Spring
- 層次分析法(AHP)計算原理解釋
- 正交分析法設計理論及實踐
- 遊戲分析法(三):核心產品決策遊戲
- 什麼是5Why分析法?(附案例)
- 層次分析法模型原理以及程式碼實現模型
- “5Why分析法”的正確使用姿勢
- 資料分析之杜邦分析法的公式及示例公式
- KANO模型:產品人必懂的需求分析法模型
- 閒聊系列之 5-why root cause分析法
- 遊戲流失分析方法2 問卷調查法遊戲
- 虛擬機器ping不通的幾種原因及解決辦法虛擬機
- 雲伺服器無法正常關機/重啟的幾種原因伺服器
- SpringBoot+html載入不出來靜態資源的一種可能原因,附上解決辦法Spring BootHTML
- 精益管理顧問 | 如何使用5why分析法?
- 智慧控制基礎實驗2:根軌跡分析法
- 每一個資料分析師都必須掌握的方法:多維度分析法