為什麼玩傢會流失:如何理解次日留存率

在常見免費遊戲(F2P)的運營數據指標中,次日留存率可能是遊戲最關註的指標之一瞭。為什麼這樣說?因為如果大多數玩傢無法在遊戲裡留存下來,那麼玩傢將如何進一步的轉化並且付費呢?

次日留存率,是指玩傢安裝遊戲之後,第二天還會重新啟動遊戲的概率。事實上,這個指標自身並不是一個非常強大的“診斷工具”,它僅僅是一個揭示遊戲機制是否存在問題的一個表面癥狀。

基於以上原因,遊戲數據分析人員善於用首次用戶體驗(FTUE)漏鬥模型去診斷玩傢在遊戲中遭遇的“卡點”。不過,一個平滑的FTUE漏鬥模型,並不能確保遊戲良好的次日留存率。

典型的首次用戶體驗(FTUE)漏鬥模型

讓我們看看下圖中的FTUE的具體數據

1



一個典型的FTUE漏鬥模型,將會顯示出哪部分玩傢在遊戲安裝後,成功完成瞭遊戲新手引導階段的哪些步驟。

分析上圖,這個FTUE可以認為是相當的不錯的。幾乎有80%的玩傢都成功的度過瞭新手引導階段。沒有高於6%的玩傢在任何小步驟中丟失。如果這個FTUE的表現卻搭配瞭一個很低的次日留存率,比如說20%,那麼可能就會有些分析師得出結論,遊戲的首日體驗中的問題造成瞭次登的影響。

雖然單獨分析以上兩個指標中的一個並不能說明什麼問題。不過當我們將它們結合起來分析的時候,就可以使得問題變得清晰。

用次日留存率來評估FTUE的影響。

從另一方面來看,有80%的玩傢完成瞭新手引導的最後一步,如果整體的次日留存率是20%,那麼所有完成瞭新手引導的玩傢的次日留存率是20%/80%=25%。完成FTUE的最後一步(全部新手引導)相對所有安裝瞭遊戲的玩傢隻提升瞭5%的次日留存。所以基於此情況,可以得出結論,完成新手引導的過程,僅僅對次日留存產生邊際效益。

以下是次日留存在FTUE模型的每一步的表現

2

假設次日留存的玩傢一定通過瞭FTUE的每一步,沒有通過FTUE的每一步的玩傢將必定流失。

對上圖的數據進行分析,低次日留存率就意味著新手教程和首次任務對提高留存率沒有太大的作用。

雖然你可能會說,以上僅僅是一些人為設置的數據。不過在一些數據分析平臺中,確實一些遊戲有著比以上數據更好的FTUE留存表現和更糟糕的次日留存。對此,一個比較現實的解釋是,FTUE並不能說明什麼問題。如果根據這些又短又照本宣科的教程來分析的話往往會得出以上結論。這證明瞭次日留存是一個非常有用的輔助數據,不過這也並不是理解FTUE表現影響的唯一途徑。

讓我們繼續分析之前的遊戲數據…

確定FTUE表現帶來的影響

在完成遊戲第一個任務後,玩傢有以下三種選擇:直接去進行任務2,完成支線任務,或者升級角色。我們很難在不修改FTUE模型的前提下,僅僅通過其中簡單地加入一些選項來記錄這些選擇。可能需要分解漏鬥模型,往其中插入各種的路徑,不過大量的選擇很容易成為數據分析的累贅。一個簡單的方式是,記錄玩傢在不同選擇下的次日留存率。

3

對於三種不同FTUE組群,玩傢次日留存的表現。

通過上圖可以發現,直接選擇進行第二個關卡的次日留存率是25%,這和完成FTUE玩傢的次日留存率是一致的。選擇去進行支線任務的玩傢次日留存率會降低很多,同時那些選擇升級角色的玩傢表現出更好的次日留存率。

根據以上分析,可以得出一個明確的結論。將升級的過程包含在FUTE流程中,或者給玩傢一個清晰的目標去升級。

如何去將以上的分析思路貫穿整個遊戲

以上分析方法的優勢在於,它幾乎對遊戲裡的任何特征點都適用。不僅僅隻是針對次日留存這一個數據。任何目標都可以采用這種度量標準。比如7日留存,或者是在遊戲中達到某個目標等級的比率。

這個分析的難點在於設定一個對比點。比如說“競技”系統將會在第5級解鎖,我們可以看看玩傢是否完成瞭這個目標,以及對次日留存的影響。

4

不過這並不是一個公平的對比。因為沒有完成去玩“競技”系統的這個玩傢群體包括瞭那些前五級就離開瞭遊戲的玩傢。下圖是一個公平的比較。

5

通過比較玩傢的不同選擇來對比數據,遊戲裡的任何功能點都可以用這種方式來進行分析。

使用正確的KPI將可以使遊戲變得更加優秀

F2P遊戲和付費遊戲的關鍵區別在於,收入是否直接取決於玩傢玩遊戲的時間長短。瞭解F2P遊戲的每一個環節將造成什麼影響是建立一個成功的盈利的遊戲的關鍵。

僅僅追求簡單的KPI,比如遊戲整體的留存,可能會引起對遊戲現狀的誤解,或者弄不清楚遊戲中存在的問題。通過將一些數據關聯起來看,比如留存率,遊戲中的互動等等,去分析以上數據之間相互直接的影響,可以幫助我們去更好的設計遊戲,以及讓玩傢更好的去體驗遊戲。

from:GRG遊戲研究組

Comments are closed.