为何费尽心也无法提升次留？ 不妨试试“玩家次留心智模型”

8月2日来自“UTA玩家研究会”的分析师-蔡林鸷，在游咖会进行了交流，这位在数据分析、游戏用研行业沉淀数十年的顶尖游戏数据分析师，分享了UTA在“次留”优化这件事情上的沉淀与积累，希望能给游戏人带来一些帮助与启发。

蔡林鸷    UTA玩家研究会

团队介绍：
UTA玩家研究会：通过了解，创造价值。
我们热爱游戏，我们好奇每个问题、每个事件背后玩家的真实故事、心路历程。
我们专注通过系统的方法对玩家进行解析和洞察；
我们愿意并希望成为玩家与您的桥梁；
为您提供玩家视角，解读您面临和即将面临的一切。

为何抹平流失高峰次留依旧低？

蔡林鸷首先讲述了一个“UTA玩家研究会”碰到多次的真实案例：

在首日留存研究时，一般会做各等级的流失率和流失概率曲线图，目的是找出流失高峰，并找出流失事件，最终解决掉它。


但在针对各个流失高峰点优化后，流失率的曲线也并没有想象中的好看，实际上，次留也只是提升了2-3个百分点。


为了寻找原因，又加入时间因素做了新的曲线图，可以发现流失概率与该等级平均时长有极强的正相关，所以其实优化已经生效了，并且已经到了极限，玩家是随着时间逐渐流失的，已经无卡点。


除了上面的例子之外，还有一种让游戏制作方很绝望的情况：玩家第一天玩得好好的，第二天突然就不再上线了。

若是回访这些玩家，通常也得不到有意义的信息，要么说“没时间”，要么说“我本来就只是随便看看”，又或者就是很笼统地说“不好玩”，如果是创新性比较强的游戏，玩家可能会说“玩不懂”。

于是，就会得出以下结论：

1、这些玩家不对，不是我们的目标群体；
2、这个渠道不行，质量太差；
3、新手引导做得不好；
……

有的游戏制作方略懂“用研”，通过玩家现场体验、事后访谈，发现原来是因为剧情拖沓、任务冗长，让玩家感到深深的烦躁，所以导致了流失。于是改掉数值，缩短战斗时间，缩减任务时长，去掉这些冗长的节点，希望玩家不会不耐烦，数据能有所好转。

可是，事与愿违，即使已经费尽心力，次日留存依旧没什么大的变化。

“UTA玩家研究会”认为优化次日留存的手段就好比生病要吃的药，如果在吃“药”之前，能够理解这些“药”是如何发挥作用的，即知道“次留不好”到底是如何造成的，可能会发现更多的手段，创造更多的“药物”，去更有效地、更大幅度地提升游戏次留。


只有知道了玩家决策的心路历程，才知道要在哪里着手去调整，才能让玩家的决策能够向着有利的方向发展，所以玩家次留心智模型显得尤为重要。

小结：

那为什么要做“玩家次留心智模型”呢？

1、即便消除掉那些流失高峰中的问题，实际“次留” 的提升也极为有限。

2、时间有限，一次次试错来调“次留”，会让资本、渠道、发行失去耐心。

3、资源有限，无法做大量伤筋动骨的改动，必须找出最关键的几个问题，明确知道改掉它是能提升次留。

4、更有预见性，在立项之初，就规避掉一些将来有“高风险”影响到“次留”的问题，所以得事先知道：目标玩家会因为哪些原因在第一天就放弃游戏。

因此，他们构建了“玩家次留心智模型”，以便能系统地理解，玩家为什么流失，玩家为什么留存，从而在有限的资源、有限的时间下，有效地优化“次留”。

何为影响玩家次留的心智模型？

在“UTA玩家研究会”看来，玩家在决策是否二次上线时,有3个阶段，分别是：进入游戏前；首日体验中；首日下线后。玩家的整个决策历程贯穿了这3个阶段，所以若是想要理解玩家的决策历程，就要在这3个阶段进行全面研究。

在每个阶段中，UTA认为有4个方面，最终影响了玩家决策是否二次上线。这4个方面分别是：前置观念、负面体验、沉浸程度、好感印象。前置观念在进入游戏前就开始生效,而好感印象会一直延续到第二天上线前，还在影响玩家的决策。而最通常做优化，更多是在解决负面体验的问题。


基于这4个方面，又对应着4个心智模型，最终影响了玩家“次日留存”。这四个心智模型分别是：“负面感受”心智模型；“好感印象”心智模型；“前置观念”心智模型；“沉浸置入”心智模型。


玩家次留心智模型是在玩家在“进入游戏前”，“首日游戏中”，“首日游戏后”这三个阶段，持续地判定自己是否应该继续玩这款游戏的心路历程和决策过程。

1、负面感受心智模型

“负面感受”心智模型生效于进入游戏后的首日，有许多常见的事件会“得罪”玩家，造成流失。这些事件是作用在各个系统上的，常见的系统有：战斗系统、剧情任务系统、副本系统、养成系统、社交系统、游戏性能、游戏美术、游戏音效等。

而“负面感受” 的方向常见有：“认知障碍”、“厌烦情绪”、“无聊乏味”、“延迟卡顿”、“审美差异”、“行动阻力”、“期望落空”等。

若“负面感受”，未造成玩家流失，但是游戏各方面表现平平无奇，那么玩家第二天就是一个基础概率。以3DMMO玩家举例，UTA玩家研究会测出来的基线是46%左右。

2、好感印象心智模型

“好感印象”心智模型生效是在游戏首日下线以后不同玩家的游戏经历不同，动机不同，对游戏的偏好方面也不同，有的喜欢副本，有的喜欢PK，有的喜欢操作，有的喜欢策略，对于这些体验，会产生不同的好感值。

“好感”常见的有两大类维度，基础维度和玩点维度。基础维度一般指的是美术、音效等；玩点维度一般指的是战斗、副本、养成等。一旦游戏中玩家在意的某个维度，做得超出玩家的预期，是他玩过游戏中的前列，他就会产生一个“好感”，然后根据玩家的在意程度，会把上线概率从基础值往上拔。

比如说一类玩家，他们对战斗体验很在意，那么初步测算3DMMO玩家的基线值为46%。如果这款游戏的战斗体验做得很好，甚至超出了玩家的预期，它的基础的值会从46%提到73%左右，而若是多个维度都有好感的话，就会产生叠加的效果。

3、前置观念心智模型

“前置观念”心智模型分为“精品游戏”和“垃圾游戏”两种类型，其中精品游戏的判定优先级高于垃圾游戏。

玩家在“进入游戏前”阶段，首先触发的是前置观念心智模型，并且在游戏的过程当中，不断地与心中的“精品游戏”、“垃圾游戏”范式进行对比。一旦触发精品游戏的判定，玩家的耐受力就会大幅度提升，甚至直接无视“负面感受”心智模型；一旦触发垃圾游戏的判定，玩家的耐受力就会大幅度下降，以至于“好感印象”心智模型也无法生效。

但并不是所有玩家都会有前置观念，越是游戏经验丰富的玩家，越有可能有这样的观念，而这些玩家又往往是KOL玩家，也就是意见领袖。

常见的精品游戏范式有七种，分别是大厂制作、高清巨制、IP加持、自由开放、创新独特、红人自荐以及拟真置入。


同样的，垃圾游戏范式也有五种：分别是换皮游戏、抄袭游戏、残缺半成、挂机页游和虚假宣传。


4、沉浸置入心智模型

“沉浸置入”心智模型作用于“首日游戏体验”的过程中，如果玩家“沉浸”于游戏当中，会极大的降低其对“负面感受”的感知能力，甚至达到“忘记时间”的心流状态。

在一本2004年出版的名为《Patterns in Game Design》的书里面，作者提出“沉浸”有4种类型，它们分别是：空间沉浸，策略沉浸、剧情沉浸、战术沉浸。

而UTA认为：
空间沉浸：可以由画面、音效、特效带来；
策略沉浸：可以由思考对策、反复挑战带来；
剧情沉浸：可以由剧情、配音、场景拟真带来；
战术沉浸：可以由追求操作的流畅、系统的及时反馈带来；

同时UTA还认为，如果只是为了满足“提升次留”这个目的，所需要让玩家达到的沉浸效果，无需到达“心流”这个层次，只需要保障，玩家在整个游戏体验过程中，始终都有其认可、并愿意付出相应成本的目标即可。

当然，如果能达到书中所说的四种沉浸状态，那就更能够对负面感受产生强大的抗性。

怎么应用并提高玩家次留？

“次留心智模型”的本质是一个“心理学模型”，会对玩家游戏过程的心理进行细致地解析，它的用法其实与“流失率曲线”的用法非常类似。

“流失率曲线”的用法是：通过“规范的数据处理方式”，观察“玩家行为表征”，“依次寻找高峰”，“理解业务意义”，“依次解决问题”。

“次留心智模型”的用法是：通过“依托模型的结构化”访谈、观察了解“玩家内心感受”，“依次寻找关键问题”，“理解业务意义”，“依次解决问题”。

由于时间的关系，蔡林鸷来不及把四个模型的应用都展开说明，所以他以“好感印象”心智模型举例，详细讲解了“次留心智模型”应用的具体步骤。

1、“依托模型的结构化”访谈、观察

“好感印象”常见有两大类维度：基础维度、玩点维度。

基础维度一般指：美术、音效……

玩点维度一般指：战斗、副本、养成……

针对这些维度，观察、评估玩家的观点、感受，这就是最基础的结构化。


2、 了解“玩家内心感受”

不同的玩家对游戏的偏好是不同的。游戏里玩家在意的某个维度做得超出预期，就会产生“好感”。

因此要了解目标玩家是否在意上面结构化中的各个点；如果在意的话，目标玩家会如何判定游戏是不是具有这个点；而在玩家的游戏经历当中，各个维度要做到什么程度，才会觉得是一个上乘之作，从而触发“好感印象”。


3、 “依次寻找关键问题”

资源和时间都是有限的，需要进行选择，选择最可能触发目标玩家“好感印象”的方面入手。

比如说，某款游戏在PVE方面表现很一般，剧情表现也很一般，甚至到了触发“负面感受”的程度。那么在“好感印象”心智模型下，没有必要去纠结这些弱项，这是在“负面感受”中需要去处理的事情。此时应该找出最擅长的部分，比如说GVG（公会对抗公会）部分的设计，目前是最被某一群玩家所认同的，他们非常喜欢这种“乱斗”的爽快感，那么这就是一个关键问题。

4、 “理解业务意义”

在找到问题关键点以后，就需要从玩家身上挖掘出更多的信息，真正理解需要做什么事情。

以GVG作为关键点来说，玩家为什么会认可这种GVG的设计，他们认为“乱斗”的爽快感是什么？他们喜欢这种感觉，是受到了历史上什么游戏的影响？应该如何再次强化？喜欢GVG的这群玩家还有什么特质？他们的游戏经历是什么？他们会在哪里出现？素材中有什么可以凸显的东西会吸引到他们？

5、“依次解决问题”

当抓住了问题关键点，并且深刻地理解了好感是如何产生的，而且知道了玩家的特征，就可以开始着手安排对应的优化工作。一定要全力的、坚定不移的围绕关键点来设计整个游戏的历程，以触发好感印象为目的，充分发挥优势，从而让第二天的上线率提升。

总结

1、“UTA玩家研究会”之所以要做一个“次留心智模型”，是因为简单的消除“卡点”、“负面问题”不能很好的提升次日留存；

2、“次留心智模型”本质是建立一个心理学模型，来描述玩家的决策历程，它是高度简化和抽象的，无法做到面面俱到；

3、“次留心智模型”对于优化“次日留存”更像是一个Check List，它想提醒的是，除了消除“负面体验”以外，还有3个方面可以操作：“好感印象”、“沉浸置入”、“前置观念”。  

互动集锦

问1：流失概率是如何计算的？

蔡林鸷：该等级流失率=该等级流失人数/首日流失人数（次日不上线人数）
该等级流失概率=该等级流失人数/高于该等级的人数，也就是玩家在这个等级的时候会走掉的概率

流失率和流失概率主要区别是说，流失率算的分母是第一天走掉的人，流失概率算的分母是大于该等级的人数，因为我们是在每个等级上算流失率和流失概率。

问2：游戏中有哪些指标会影响留存率（留存率跟什么挂钩）？

蔡林鸷：我其实不是很确定我是不是读懂了这个问题，我猜想这位同学想问的是留存率不好，是不是意味着其他的一些指标也会不好。

我的观点是这样子，首先留存率分为短期留存，中期留存和长期留存，造成他们低或者高的原因有重叠的部分也有不同的部分。有些原因不仅会流影响短期留存，也会影响中期留存、长期留存。也就是说如果短期留存不好，有些情况下也会影响到中期。比如典型的由于目标感的设置不合理，也就是诚信制度不够好，导致的短期留存率低，中期留存一定会受到影响。由于今天讲的是短期留存，所以我们不便展开说，到底还有哪些原因会影响中期留存与长期留存，后续我们会开启这块的命题。

其次除了中长期的留存，短期留存与其它指标我认为没有直接的影响关系，但是在买量如此昂贵的情况下，如果留存不够好，那就意味着你需要单个用户极高的付费能力以及付费率，才有可能顶得住，如果做不到，意味着你就能够用于做优化，非买量的费用就会变得非常少，也就意味着更加依赖买量，这是一个很糟糕的恶性循环。

问3：我们是做战棋类产品的，截图会很清晰地展示我们产品的特点。会下载我们产品的用户基本上都是对这类产品感兴趣的用户，但仍有40%左右的用户只打开一次游戏，这方面如何调优？

蔡林鸷：我理解你的问题是这样子，你觉得你进来的用户肯定是已经知道了美术风格，知道了核心玩法，那么玩家什么都知道了，选择进来应该就是觉得这款游戏他想玩了，然后玩一次就走，这算哪样？

通常一次走难道不是因为被美术、玩法这种不可调和的矛盾劝退的吗？我觉得问题其实很大。首先我们要假设你的渠道是没有作假的，那么我们要回到游戏本身。我们今天整场分享中提到的这个模型，就是你需要去check的东西，比如说你有没有做得不好，让玩家产生了负面感受？

负面感受不一定是在美术和玩法上，你的游戏还有很多的系统都有可能造成负面感受，而且负面的感受方向有很多。前面我举例提到一些，比如说认知障碍、厌烦情绪、无聊乏味、延迟卡顿、行动阻力、希望落空等等。再比如说你是否能在一天下来给玩家带来足够的好感印象，他是不是会觉得你这款战棋游戏的某个他们在意的方面超出了他们的预期？

因为他们进来的时候，其实是想要通过游戏来验证他们的期望的，看看是不是有什么自己值得玩下去的。打个比方，相亲的时候如果看过照片，看过家庭资料，其实就可以去看看，难道就一定会见第二次了吗？再比如说有没有可能你的游戏，被玩家在体验的过程当中判定为垃圾游戏了，比如他会觉得你是个换皮游戏等等。

问4：次留中有哪些比较重要的数据需要研究？这些数据对于游戏内容来说有怎样的影响？如何根据数据来对游戏内容做出相应得调整？那些数据不太好的部分，是不是就非得去掉？

蔡林鸷：我回答一下这个同学的问题，我猜想这位同学想问的是，我们通过观察数据来优化次留，都有哪些指标要看，如果这些指标不好，我们应该怎么调？数据不好是不是非得就要去掉？

我的观点是这样的，首先这个问题真的很大，我只能简单做一下回答。数据是用来发现问题以及问题在哪的，数据的局限性在于，如果没有问题一切正常，他其实什么也发现不了。也就是说数据只剩下一件事情可以做：发现负面感受，而且只能是与事件有关的负面感受。

因此在研究次留的时候，我们能做的就是，将流失与等级、时间、事件等分别做二维的分析，看一下是不是在特定的等级或者特定的时间或者特定的事件上流失会特别严重，那么我们就可以发现这里有问题。至于怎么调整，都已经落到具体的时间、等级和事件上了，那就把这个问题处理掉。你只要有基本的业务理解，知道游戏怎么设计的，一定会知道这是哪里出问题。至于是不是非要去处理，我的观点是整个分享里都在表达的东西，这是一个整体的问题，需要视具体情况而定。

问5：买量游戏的新手流程如何兼顾游戏内容进度的流畅性和剧情效果点的表现呢？当两者冲突的时候哪个更重要呢，或者说哪个对玩家影响更大？

蔡林鸷：你的意思是说，如果我们为了顾及剧情的完整性，为了顾及剧情的表达，那么势必要加入很多辅助的元素，这就容易造成整个节奏很拖沓，玩家觉得厌烦。但是我去掉的话，那我又没办法很深刻的表达剧情中的人物性格，这是你的问题吧？

其实这个问题是这样子的，首先在今天提到的模型结构里，如果不考虑你有信心打造成一款精品游戏的话，那么这分别隶属于两块心智，一个是“负面感受”心智模型，一个是“沉浸置入”心智模型，如果这么看待的话，你就会认为剧情的完整性其实是你的武器，如果你能做到让玩家沉浸其中，你不仅能消除本身带来的负面感受，同时还能消除其他各种的负面感受，何乐而不为呢！

但是如果你在剧情上没有信心，或者说你的玩家本身就是被页游洗礼过的，完全不在意剧情，就是一味点点点，知道要怎么成长怎么变得更强就好，又或者是你的用户来源基本是买量，那么我建议你就干脆放弃对剧情的执念，以不产生负面感受为唯一标准。

问6：传统的留存分析都是基于用户数据，那么今天讲的模型跟用户数据有什么结合点呢，还是说主要依靠用户访谈来获取模型相关的信息？

蔡林鸷：所谓传统的留存分析都是依赖于数据，应该是说我们经常或者最简便的做留存分析的方法，就是通过数据来发现问题。但是我今天想要表达的是说，其实为什么我们一直不能够非常有效地或者很多游戏不能够非常有效地解决问题，你会发现说我把这些数据上的问题解决掉之后，它单位时间流失的玩家数量没有变。因为我们发现问题的武器不对，我们只用了一个武器，我们废掉了另外一个手段，也就是通过用户研究，直接的去观察，直接去询问，去发现问题，同时我们也没有一个非常结构化的世界观去看待这件事情。

今天讲的这个事情，重点不在于说它用数据去获取，还是通过用户访谈去获取，它的重点是说，其实世界上不仅仅是只有负面感受会造成用户流失的，或者说也不是只有消除负面感受才能够提升次留。我们还有更多事情可以做，这才是我一直想要表达的意思。至于你是用数据来做，还是用调研来做，还是用户研究来做，还是用观察法来做，甚至是靠自己思考去做，我觉得都可以。

问7：我们在大量用户导入时，留存很低，在少量玩家的时候留存很高，这个是什么原因呢？

蔡林鸷：少量用户数据很好，大量用户数据很差。这个事情我想或许有两种可能性，第一种可能性是说你本身在做大量用户的时候，大量用户的质量比小量用户质量差了非常多，也就是说你的大量用户的渠道可能不是特别好，或你挂的这个地方不对，你获取用户的方式不对，这是第一种可能性。

第二种可能性是因为你错误地把死忠粉的数据当成了真实未来用户的数据，我觉得是不一样的。因为一款游戏中你要去兼容各种各样的玩家，你既要兼容这些普罗大众的小白用户，也要兼容有不同玩法的偏好的用户。我倾向于是因为你这群少量的用户对你们有这种关怀，他其实对你是有一个前置观念的，他认为这家公司很认真，所以愿意给你更多的机会。

这个其实就是我前面讲到的那种前置观念当中，精品游戏的一种方式。他会认为你是个精品游戏，会认为你在他的心中，你就是他的大厂，或者说他所尊敬的制作人，所以他的容忍度非常的高。所以你要不然就是你在整个大量群体当中能够达到这种前置观念，如果你做不到的话，你就不得不考虑，剥离开这件事情之后怎么办。

问8：次留调优这件事，到底数据能提供更多的帮助，还是找用户做调查之类的可以提供更多的帮助？

蔡林鸷：正如我前面说的，数据是用来发现问题以及知道问题在哪的，数据局限性在于如果没有问题一切都正常，他其实什么都做不了，也就是数据它就只能去发现已经暴露出来的这些负面的感受。所以我个人倾向于数据是必须要做的，它精度高，而且证据确凿，但是它只能发现已经暴露出来的显性问题，很多藏在背后的心思很难通过数据发现。

打个很俗气的比方，你很难通过数据来观察出你相亲老是失败到底是哪出了问题。所以如果想要了解更多的隐性问题，用户研究更能够帮助你，它就像相亲一样，你去问问她的闺蜜，为什么他不要你，就了事了。

问9：小公司可以自己建立自己的次留模型么？

蔡林鸷：小公司能不能建自己的模型？我不是很懂你的意思，我是这么看的：本质上，我们今天分享的是一个观察世界的角度，而不是某个严谨的操作步骤，1234应该怎样做，或者说一个自己的规范，它是一个思想，它可以让我们更有全局观，它可以提醒我们，原来我们还有这么多的武器可以去用，而不是一直在纠结流失高峰，然后头疼怎么解决。

所以我认为一个思想一旦确立，无论公司大小都是可以适用的，而且我认为恰恰是小公司更加应该珍惜自己能够控制的部分，珍惜每个进来的用户。这四个方面很多都是掌握在自己手上的，至少不用依赖他了，难道不是吗？

问10：如何知道每个个体用户属于哪种模型，从而算出留存的？

蔡林鸷：每个用户是属于哪个模型，我其实不是很懂这个问题，其实每个人都会有这四个方面的原因造成他走或者留。所以这四个方面的东西是一个人完整的一个决策历程。所以我不知道怎么去判断一个人隶属于哪一种，但是我们确实可以通过调查或者用户研究或者观察，来知道哪方面对他影响比较大。

然后第二件事情是整个模型并没有想要去预测次日留存，而且没什么必要，我们干嘛做得这么兴师动众去预测？下次游戏我们导个小部分的用户试一下就知道了。或者说我们只要事先知道说有问题，改了再说，为什么要精确的知道百分比呢？