来源:OPMETA优化研习社
(资料图)
背景
说明
在《游戏中埋点数据的分析方法》(上篇)中,谈到拆解法和排除法如何使用,本篇文章继续介绍数据分析中另外两种常用方法:提问法和漏斗分析法。
01提问法
所谓提问法, 就是对于数据异常,不断发起提问,再针对提出的问题找出原因。
此方法的关键点在于提出问题、引发思考, 帮助我们找到答案。在使用提问法的过程中,也会利用到排除法、拆解法。
提问法大概分为三个步骤:
步骤一:观察数据,获取数据信息
步骤二:针对异常情况,提出疑问
步骤三:根据疑问,寻找原因
接下来,就用实际的案例讲解提问法的使用。
在找某款游戏用户流失原因时,通过统计该游戏各个关卡的独立用户数据(先了解用户是在哪些关卡流失的),得出以下图表:
横坐标:关卡(0-初级 1-中级 2-高级 3-困难 4-专业)
纵坐标:独立用户数
步骤一:观察数据,获取数据信息
通过观察上图,可以获取到如下信息:
(1)用户主要分布于初级模式
(2)初级、高级、困难、专业模式玩家大多数处于第一关,从第二关开始,逐步流失。
步骤二:针对观察得到的信息,提出疑问
(1)为什么用户主要分布于初级模式?
(2)用户进入高级、困难、专业模式,体验完第一关后,为什么没有继续玩第二关?
步骤三:根据疑问,寻找关联原因
提出疑问后,通过寻找关联因素再进行排除,最终找到答案。
比如想要了解用户流失的原因,那么就基于游戏本身,思考与用户流失的相关因素有哪些?
通常用户流失原因可能有:
01
用户在游戏中的体验感不佳。
可以通过实际体验游戏,了解是否存在问题。如Bug、卡顿、闪退、操作不顺畅等。
02
游戏玩法不吸引用户。
如果游戏内容过于单一、缺乏创新,用户很容易产生厌倦感,从而流失。可以了解用户的在线时长和进入关卡次数多少去分析。如果玩家在线时长较短且进入关卡次数较少,就能得出游戏玩法不够有吸引力。也可以通过玩家重玩率去了解用户对游戏玩法的喜爱情况。
03
游戏难度。
需要分析游戏的失败率。一款游戏难度过高,会导致玩家在游戏中的挫败感较强。难度较低,玩家在游戏中又没法获得挑战。理想失败率曲线应该是平稳的(用户技巧提升,难度也对应提升)。
可以把失败率和重试率曲线置于同一张图表上进行分析,如果个别关卡的失败率高,重试率也高,说明玩家挑战该关卡的意愿足够。反之,如果个别关卡失败率很高但重试率低,则需要继续挖掘导致玩家重试率低的因素。
04
与游戏玩法关联的资源设置不合理。
比如游戏玩法与金币、钻石、体力等资源数值相关,当玩家在游戏中资源较为匮乏时,无法继续推进游戏进度,就会导致玩家流失。此时需要去观察每关用户资源流入流出是否平衡。
05
游戏插屏弹出频次过多。
插屏对玩家游戏干扰性太强。这种情况可以根据插屏展现频次或体验游戏深入了解。
06
其他原因。
导致玩家流失的原因很多,可能是一个原因,可能是多个原因。需要基于游戏本身,来考虑流失因素,找到用户流失根本因素。
现在继续分析上文中提到的问题,“为什么用户主要分布于初级模式?”
该游戏的初级模式主要有48个关卡,在整理初级模式用户数据时发现,当玩家在第20关时,累计流失率已经达到90%,也就是说在前20关内用户基本完全流失(如下图)。
“而是什么原因导致用户的流失呢?”
结合上方导致用户流失的关联因素,一一排除后,猜测可能原因为游戏难度较为简单或者游戏玩法不吸引用户。
结合数据去证明猜测,先观察初级模式前20关的失败率曲线,发现每关卡独立用户是在逐步减少的,没有因为失败率很高导致相邻关卡之间,出现断崖式独立用户数下降。
如,在第9、15、17、18、19关,失败率较高的节点,相邻关卡独立用户数没有出现较大的区别。而在第4、5、6关,失败率很低的关卡,独立用户数据表现上,也是平稳减少。因此,排除了游戏难度导致玩家流失原因。
那是否是游戏玩法不吸引用户而导致的流失?通过观察用户进入关卡次数,或者了解用户重玩游戏的数据信息来了解。
通过处理数据,发现进入关卡次数为一的用户占比为27%,进入关卡次数≤10次的用户占比为83%。由此得出用户流失的主要原因为游戏玩法不够有吸引力。
如图:用户进入关卡次数
在《游戏中埋点数据的分析方法》(上篇)中上我们也提到,光观察数据是不够的。还需要体验游戏,去结合玩家在游戏中核心路径,以帮助找到答案。
比如在分析游戏A时,发现第一关失败率较高(81%)。经过体验游戏,发现新手引导较差,玩家没有理解游戏真正的玩法,导致了失败率较高。由此可以优化新手引导。参考下图:
再比如在分析游戏B的数据时,发现无论首次还是非首次闯关的用户,获取4星的人数较少,获取0星级占比最高,说明关卡难度比较大。通过体验发现游戏操作不灵敏,导致通关难度大,造成玩家产生极高的挫败感,而逐渐流失。针对此结论,可以结合游戏操作,进行优化。参考下方图:
首次闯关获取星级图表
横坐标:代表关卡
纵坐标:代表获取0星级用户数量
非首次闯关获取星级图表
横坐标:代表关卡
纵坐标:代表获取各个星级用户数量
02漏斗分析法
漏斗分析属于流程分析,能够科学反映用户行为状态,以及从起点到终点各阶段用户转化率或渗透率情况的重要分析模型。漏斗分析模型常用于用户渠道来源分析、用户从下载、安装、注册、到转化等日常数据运营中。
例如:在一款游戏App中,用户从某个渠道下载应用>安装应用>启动应用>注册>创建角色……过程中,漏斗能够展现出各个阶段的转化率。通过比较各个环节用户参与的情况,能够直观了解到用户在哪些环节流失较为严重,从而聚焦于用户流失严重的环节,帮助优化迭代游戏内容。
此外,通过漏斗分析法还可以了解到用户在游戏中各个部分的渗透情况。例如,了解某个时间段进入游戏中的用户,有多少用户触发了广告,各个广告场景的渗透率如何。分析出各个广告场景在交互设计是否有问题,从而给出广告场景设计上的调优方向。
实例:分析某游戏的商店页内购情况时,统计图表如下:
由上表可以得出,商店页的渗透率较低,产生内购用户的转化率更低。结合用户在线时长以及游戏体验,发现游戏中并未对商店页面上做出任何引导。
因此在游戏优化方面建议强制引导玩家进入商店页,增加商店页的曝光量。同时引导玩家在游戏中使用汽车皮肤,加强玩家对皮肤的需求感。
而转化率低是因为皮肤单价设置过高,玩家即便进入商店页也没有足够的金币去消费,因此在调优方向上给出调低皮肤单价的建议。
总结
对于游戏开发团队而言,分析埋点数据非常重要,它可以帮助开发者调优游戏,了解玩家的消费行为和需求,为后续的营销和变现提供有力的支持。因此,在开发过程中要重视埋点工作,并根据实际情况进行分析和调优,以提高游戏的品质和竞争力。
在本文中,主要讲解如何分析游戏数据的几种方法。在具体分析时可以灵活使用。当然除了基于数据层面的分析外,游戏开发团队可以对自己的游戏进行内测,也可以邀请不同类型的玩家对游戏进行体验,帮助完善游戏内容。此外,还可以根据游戏Google Play或者App store商店中游戏用户反馈内容,了解用户在哪些环节遇到了问题,也可以帮助游戏完善和优化。