如何通过数据分析，提升MMO游戏次日留存

某游戏公司的一款MMO游戏测试了，既然是测试，最重要的数据就是看留存。测试第二天，负责运营的麦子同学打开数据后台：昨日新增账号次留只有32.6%。按照内部50%的次留标准，这个数据可真是要凉凉的节奏。那么，面对留存数据不理想，该如何优化呢？

说到数据分析，麦子所在的公司使用的是数数科技的数据分析平台，在产品上线前，已经做好了数据采集和统计的工作。有了数据在手，运营团队就可以快速定位问题，提升调优效率。

那么，麦子是如何通过数数科技的数数分析平台来分析游戏次日留存低的原因呢？

麦子做的第一件事是统计玩家的等级流失情况，如下图所示，可以清晰看出存在好几个玩家流失凸点，找到凸点产生的原因，或许就能了解到玩家流失的真相了。


于是，麦子又从头体验了一遍游戏，结合游戏进程，将等级拆解成多个阶段，将凸点发生的事件记录下来，便于找出问题所在。

针对以上数据，玩家产生流失主要分为2个阶段：

前期体验（体验时长30分钟内）：整个前30分钟流失率是最高的，主要是1~3级刚接触游戏，以及游戏主线体验中的流失

主线中断后（体验时长30~120分钟）：即16级第一次主线结束，19级师门任务结束，26级第二段主线结束，此间玩家需要主动找队伍参与活动的过程中。

简单来说，就是主线任务和玩法参与两方面，可能存在一些问题。接下来，要想具体分析玩家的流失原因，麦子需要“切换角色”，假装自己是普通玩家，根据以上数据表现，重新玩几遍游戏，猜测玩家流失的原因，同时用数据验证猜想，才能更准确的进行优化，提高玩家留存。

针对「主线任务」的分析

麦子对主线任务中玩家流失原因的猜测：

• 打怪物耗时特别长
• 剧情又臭又长，没有耐心了
• 需要交互小游戏才能过去，玩家不会过
• 兴奋点太少，一直在跑路
  

如何验证猜测正确与否呢？通过数据分析平台，找到每个任务的流失概率，并结合实际任务情况，做出标注。


似乎凸点都出现在“切场景、战斗、交互类任务“时，数据好像是验证了麦子的猜测。

别急，再把任务分门别类，看看宏观数据吧。


在这里，麦子将任务分类为普通任务、切场景任务、战斗任务、交互任务、耗时长的任务后，可以从任务流失情况看到，切场景、带有交互的任务明显超出平均流失概率。

数据分析进行到这里，其实问题出在哪，可以说是呼之欲出了。

针对「玩法参与」的分析

任务的问题解决了，再看第二点，在玩法参与有什么问题。

结合游戏实际情况，麦子对玩法参与的流失猜测：

• 不知道该如何参与玩法
• 玩法需要组队，组不上队伍
• 玩法难度高，不强化装备就无法通过
  

通过数数科技的数据分析平台，运营可以独立进行数据统计和分析，不再需要向开发部门提需求。

猜测1：对不知道该如何参与玩法的验证



从图表中可以看出，流失玩家和留存玩家在战场参与上存在很大差异。而对于这款游戏，战场恰恰是玩家在刚刚断掉主线时，进行升级的唯一玩法。

此时玩家刚刚从【一路送】的任务中出来，就要靠玩家自己主动找到升级方法，且如果找不到就没法继续游戏，有点放手太快了。

所以对此问题，考虑增加升级玩法的多样性，并且加强引导，让玩家可以更加顺滑的度过前期。

猜测2：对组队问题的验证

由于MMO游戏大部分玩法都是需要组队进行的，会不会玩家虽然知道要通过玩法，但因为找不到队伍，而产生流失呢？

我们可以通过数数平台的漏斗模型来分析组队的转化率情况。找到哪步转化出现了问题，就可以更有针对性的优化：

满足玩法要求的玩家有多少人→这些人中有多少人加入了队伍→这些队伍中有多少人成功组满→组满后有多少人参与了玩法→参与玩法的队伍有多少人完成了玩法


流失用户在组队成功率方面的流失率较高。因为目前测试期间自动匹配的功能还没有做，只能靠玩家在世界频道喊，而在喊的过程中，真的能组上队伍的人数并不多。

故而，后续的优化在提高玩家组队成功率上，可以多下功夫了。

猜测3：对装备强度的验证

虽然对于前期来说，玩家的游戏体验比较线性，但仍然会有部分随机事件影响玩家的体验，比如A掉了紫色装备，B没掉。

这些随机的事件累加起来，可能就是促使玩家流失的最后一根稻草。

所以，麦子就想对比一下流失玩家和留存玩家的装备强度，看看是否有差别。（注意，一定要对比相同等级段的玩家信息）


可以看出，流失和留存玩家虽然有差距，但并不算太明显。

有了以上分析结论，我们已经基本得出玩家的流失原因，但也先别急，最好再看一下玩家聊天日志，来看看是否真的有玩家抱怨猜测的问题。

当然，有条件的情况下，最好还能在游戏中嵌入问卷，以及对流失的玩家做个电话访谈，与数据结合，多方面确认流失原因。

左手有了数据，右手有了玩家反馈，这下，麦子就可以信心满满的去找策划GG讨论一下，后面到底该怎么优化了。

以上就是麦子对玩家首日流失情况的全盘分析过程了。那么，总结一下，这次的分析都有哪些步骤呢？

• STEP 1  查看宏观数据，找到流失凸点。
• STEP 2  体验游戏，记录每一个节点发生的游戏事件。
• STEP 3  针对凸点，结合游戏实际情况，尽可能多的给出合理猜测。
• STEP 4  对猜测的情况进行数据和玩家反馈的验证。
  

其中，最难的可能就是猜测环节，需要一定的工作经验才能更加全面的穷举到流失原因。

最后，跟大家分享一下，麦子在实际工作中，可能会做的一些猜测思路。

属性猜测

• （职业类）不同职业的流失点可能不同
• （战力类）装备培养到2星的玩家，比培养到3星的玩家更容易流失
• （功能类）加入了公会的玩家，比不加入公会的更容易流失
• （付费类）购买了A道具的玩家，比不购买的玩家更容易流失
  

任务猜测


玩法猜测

• （BUG类）玩法本身存在BUG，无法参与
• （知晓类）不知道可以参与这个玩法
• （门槛类）因为组不到队伍无法参与玩法
• （难度类）参与了玩法但是玩法难度太高，拿不到奖励
• （兴奋点）玩法体验太平淡，奖励也不好
  

反馈验证

• （舆论分析）大家都在讨论什么，抱怨什么
• （结合UE反馈）有条件的情况下，对流失玩家进行电话访谈
  

来源：数数科技
原文：https://mp.weixin.qq.com/s/GHWTAHKNIvjbnNx3X9P_zA