手游留存率最大的窘境:如何提升留存率

2 評論 21253 瀏覽 5 收藏 8 分鐘

隨著移動游戲整體的火熱,現在看到太多的數據,太多信息,很多時候我們仰慕和欽佩別人的成功,我們總是把這個行業達成所謂共識的一些數據來出來說明問題。因為我們篤信數據是有力的證據,并且可以說明實力。然而太多的時候,因為沾染了更多的外在氣氛,以至于在一些情況下看不到自己接下來的清晰的方向。比如今天說的留存率問題。

關于留存率,之前也談到了很多,包括計算標準和使用方法,不過細心的人應該懂得那些只是一個最初級的階段,因為即使你知道的留存率是什么,但是你會發現你依舊不知道要去做什么?原因在于,你覺得大家都在談論,所以,我也這么談論。很多時候,見過很多人都在詢問,這個類別的游戲,benchmarks是多少,一方面的確很有用,因為你看到了差距,另一方面,卻發現,縱然自己知道差距,卻依舊不知道如何彌補差距,如何解決問題。

因為,所有的數據分析和數據都是以解決問題為先。

然而,我們把數據分析和數據當做了夸夸其談的佐料。

留存率的最大的窘境在于,即使,你了解到了你存在差距,但是你依舊找不到解決這個問題的辦法。比如我們都知道我們的次日留存、7日留存水平都不是很高,需要進一步提升,但是往往我們找不到方法,很多時候,我們可能回過頭來通過不斷的游戲體驗,去尋找問題,實則現在很多人已經知道通過留存率來分析體驗的問題。然而驅動用戶體驗決策而有意義的成功標準,一定是可以明確的與用戶行為綁定的標準,而這些行為也一定是可以通過設計來影響的行為。然而我們看到了所謂現在探討的次日留存率和7日留存率并不能準確捕捉行為,并且幫助我們完成設計,進而影響行為。

所以,我們要解開這個窘境。

所以,我們要去尋找在留存率背后的行為,而這些行為必須要能夠進行量化,同時通過設計可以影響行為。

手游用戶分析

從設計的角度來看,我們很關心如下的內容:

手游運營數據分析

因為這些因素使我們通過設計可以進行改進的,而這些改進,必然會對應在一定的量化基礎之上,因為剛才提到了,只有這樣的標準才是存在價值的,也是可以真正通過數據分析解決問題的,換句話, 只是一個單純的留存率指標我們并不能更加清楚的發現這些問題,抑或更多的時候,只能憑借體驗和感覺來解決問題,這種情況下其實數據分析并沒有發揮應有的作用。

留存用戶的等級分析

我們可以通過分析次日、7日、30日用戶的首日等級變化情況,了解不同質量用戶區對于游戲內容和進度的把握情況,進而快速定位是否是游戲內容過難,或者新手教學沒有做好導致的結果。

手游數據分析

如上圖所示,次日留存用戶,在首日停留的等級有22%的是在4級,而有13%的次日留存用戶直接是安裝了但是沒有進行游戲內容,與此同時,我們對比7日留存用戶的新登日變化情況來進行對比分析:

手游數據分析

在此,可以看到,7日留存用戶中,等級達到2的用戶有14%,而在次日留存用戶中,首日等級達到2級的比例是18%,這點來看,7日留存用戶的質量的確是高于次日留存用戶。從這點來看,圍繞游戲本身設計的要素,比如每日游戲時長,可以判斷用戶的首日游戲體驗是否達到了預期的效果。所以這里我們可以去結合用戶的游戲時長進行判斷。

留存用戶的游戲時長分析

作為每一個游戲設計者,肯定會判斷自己的游戲時硬核,還是中核,或者休閑,不同的情況對應的游戲時長水平是不同的,比如下面的例子:

手游數據分析

結合新增用戶等級的變化情況來看,其實我們比較容易看到,用戶的游戲時長中有30%的人在0-10s就離開了游戲,針對這點其實可以反映幾個潛在的問題,比如網絡的不穩定,加載問題,渠道的虛假用戶等等問題。針對這款游戲10-30min用戶的數量相對占比不高,因此對于那些首次接觸該題材的用戶來說,新手引導存在一定的問題,用戶在最開始的成長遭遇了一些問題,比如初期的贈送獎勵不足以讓用戶繼續體驗接下來的游戲內容。不過值得肯定的一點事,在這款游戲中,我們可以看到基本上是一個正態分布,相對合理,而在某些游戲中,比如服務器不穩定,或者網絡沒有解決,那么此時用戶的游戲時長曲線就會變成一個偏態分布,諸如下面的情況:

手游數據分析

這種情況,可以肯定都是存在較大的問題,游戲核心機制沒有有效的吸引住用戶,因此在這種情況,就需要去做比較深入分析和改進。

來源:pmtoo

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 互聯網保險

    回復
    1. 發錯啦

      回復