游戏快报

为什么玩家会流失:如何理解次日留存率

为什么玩家会流失:如何理解次日留存率

在常见免费游戏(F2P)的运营数据指标中,次日留存率可能是游戏最关注的指标之一了。为什么这样说?因为如果大多数玩家无法在游戏里留存下来,那么玩家将如何进一步的转化并且付费呢?

次日留存率,是指玩家安装游戏之后,第二天还会重新启动游戏的概率。事实上,这个指标自身并不是一个非常强大的“诊断工具”,它仅仅是一个揭示游戏机制是否存在问题的一个表面症状。

基于以上原因,游戏数据分析人员善于用首次用户体验(FTUE)漏斗模型去诊断玩家在游戏中遭遇的“卡点”。不过,一个平滑的FTUE漏斗模型,并不能确保游戏良好的次日留存率。

典型的首次用户体验(FTUE)漏斗模型

让我们看看下图中的FTUE的具体数据

流失2.jpg

一个典型的FTUE漏斗模型,将会显示出哪部分玩家在游戏安装后,成功完成了游戏新手引导阶段的哪些步骤。

分析上图,这个FTUE可以认为是相当的不错的。几乎有80%的玩家都成功的度过了新手引导阶段。没有高于6%的玩家在任何小步骤中丢失。如果这个FTUE的表现却搭配了一个很低的次日留存率,比如说20%,那么可能就会有些分析师得出结论,游戏的首日体验中的问题造成了次登的影响。

虽然单独分析以上两个指标中的一个并不能说明什么问题。不过当我们将它们结合起来分析的时候,就可以使得问题变得清晰。

用次日留存率来评估FTUE的影响。

从另一方面来看,有80%的玩家完成了新手引导的最后一步,如果整体的次日留存率是20%,那么所有完成了新手引导的玩家的次日留存率是20%/80%=25%。完成FTUE的最后一步(全部新手引导)相对所有安装了游戏的玩家只提升了5%的次日留存。所以基于此情况,可以得出结论,完成新手引导的过程,仅仅对次日留存产生边际效益。

以下是次日留存在FTUE模型的每一步的表现

流失3.jpg

假设次日留存的玩家一定通过了FTUE的每一步,没有通过FTUE的每一步的玩家将必定流失。

对上图的数据进行分析,低次日留存率就意味着新手教程和首次任务对提高留存率没有太大的作用。

虽然你可能会说,以上仅仅是一些人为设置的数据。不过在一些数据分析平台中,确实一些游戏有着比以上数据更好的FTUE留存表现和更糟糕的次日留存。对此,一个比较现实的解释是,FTUE并不能说明什么问题。如果根据这些又短又照本宣科的教程来分析的话往往会得出以上结论。这证明了次日留存是一个非常有用的辅助数据,不过这也并不是理解FTUE表现影响的唯一途径。

让我们继续分析之前的游戏数据…

确定FTUE表现带来的影响

在完成游戏第一个任务后,玩家有以下三种选择:直接去进行任务2,完成支线任务,或者升级角色。我们很难在不修改FTUE模型的前提下,仅仅通过其中简单地加入一些选项来记录这些选择。可能需要分解漏斗模型,往其中插入各种的路径,不过大量的选择很容易成为数据分析的累赘。一个简单的方式是,记录玩家在不同选择下的次日留存率。

流失4.jpg

对于三种不同FTUE组群,玩家次日留存的表现。

通过上图可以发现,直接选择进行第二个关卡的次日留存率是25%,这和完成FTUE玩家的次日留存率是一致的。选择去进行支线任务的玩家次日留存率会降低很多,同时那些选择升级角色的玩家表现出更好的次日留存率。

根据以上分析,可以得出一个明确的结论。将升级的过程包含在FUTE流程中,或者给玩家一个清晰的目标去升级。

如何去将以上的分析思路贯穿整个游戏

以上分析方法的优势在于,它几乎对游戏里的任何特征点都适用。不仅仅只是针对次日留存这一个数据。任何目标都可以采用这种度量标准。比如7日留存,或者是在游戏中达到某个目标等级的比率。

这个分析的难点在于设定一个对比点。比如说“竞技”系统将会在第5级解锁,我们可以看看玩家是否完成了这个目标,以及对次日留存的影响。

4

不过这并不是一个公平的对比。因为没有完成去玩“竞技”系统的这个玩家群体包括了那些前五级就离开了游戏的玩家。下图是一个公平的比较。

5

通过比较玩家的不同选择来对比数据,游戏里的任何功能点都可以用这种方式来进行分析。

使用正确的KPI将可以使游戏变得更加优秀

F2P游戏和付费游戏的关键区别在于,收入是否直接取决于玩家玩游戏的时间长短。了解F2P游戏的每一个环节将造成什么影响是建立一个成功的盈利的游戏的关键。

仅仅追求简单的KPI,比如游戏整体的留存,可能会引起对游戏现状的误解,或者弄不清楚游戏中存在的问题。通过将一些数据关联起来看,比如留存率,游戏中的互动等等,去分析以上数据之间相互直接的影响,可以帮助我们去更好的设计游戏,以及让玩家更好的去体验游戏。