某全球领先的益智游戏，全球共有超过 1500 万玩家，上线后就受到玩家认可，目前常处于排行榜领先地位。下面一起来看看本款游戏的团队成员分享，游戏成功背后的秘诀到底是什么？

一：留存用户数据，设定数据指标，进行用户留存分析

在优化游戏时，我们通常需要根据优化的目标和游戏设定来定义指标。 平均留存率和游戏时长一定是最重要的指标吗？ 也许对于有些游戏来说， DAU或转化率是更重要的指标。因此，在做具体的决策之前，需要弄清楚什么对你和你的游戏类型来说是重要的。

对于大部分超休闲游戏而言，留存率和游戏时长是衡量业务发展水平的重要指标。 这些数据指标帮助我们弄清楚 ：

1.我们的游戏会盈利吗？

2.我们的游戏能赚多少钱？

有些游戏上线后，会发现游戏的 CPI、游戏时长不足以确保其盈利能力。

所以，从一开始这款游戏就引入了广告分析和用户留存分析来观测游戏玩家的行为。 通过检测广告分析，不仅能够优化留存率和游戏时长，还能优化游戏的广告收入和 LTV 本身！

二：通过用户留存分析，找到可优化的产品方向

在超休闲游戏中，研发者不会总是能预先提出最适合用户的创意性玩法。在游戏过程中， 玩家总能找到让研发者大吃一惊的方法，通过用户留存分析，我们能够看到用户如何通过自己的方式在游戏中找到乐趣。

我们一直在思考数据如何改善业务，如何使用数据来塑造游戏的新假设，以及如何测试它们。 这就是为什么，对于用户留存分析，我们将 A/B 测试作为我们创作过程的关键部分。

有些游戏启动了 50 多个 A/B 测试——并有条不紊地分析了它们的结果。结果令人惊讶， 通过用户留存分析，我们发现一些小的变化（用户界面和进度）大大提高了我们的盈利。 而其他时候，一些较大的游戏玩法变化并没有增加任何价值，实际上降低了我们的总体 LTV。

三：尊重数据科学，学习数据分析的模型，来实现用户留存分析

这款游戏通过专业的数据科学家使用专业搭建的 LTV 模型，为用户活跃度排序生成了数千个场景，以了解游戏的哪个部分最需要数据分析的工作（所有这些都是为了提高游戏的盈利能力）。 除此以外，还利用 AI 生成了不同的场景，导出不同场景下的用户数据，然后由游戏研发的产品团队和其他关键成员进行用户留存分析。

这些场景是在产品迭代过程中生成的，在每一轮迭代中， AI 从前一轮的结果中自动学习。 对于用户留存分析，这款游戏从一开始就实施了这些流程，这不仅帮助我们显着提高了用户留存和 KPI，而且还节省了我们通过经验来更改游戏玩法所耗费的时间。更准确地说，这些场景和分析模型帮助游戏实现了用户留存分析，并且将 LTV 提高了 18%。

超休闲游戏的玩家往往来自不同的背景。 特别是对于不同玩家的表现差异，因此等级曲线必须是自定义的，建立自己的模型才能实现准确的用户留存分析。

这款游戏在开发的早期就应用了专业的数据分析模型进行用户留存分析，以便为 LTV 找到表现最佳的用户并了解他们的发展路径。 更具体地说，数据分析帮助游戏确定了有问题的具体环节和自己的用户“流失模式”。 不远的将来，我们也将看到，越来越多游戏接入专业的数据分析系统，通过精准的数据反馈验证游戏决策。