游戏赛道产品同质化、流量成本高涨、游戏变现难等现状，一直困扰着出海游戏厂商，但休闲/超休闲游戏依旧保持着极强的竞争力。

6 月 28 日，数数科技首席数据分析师安思聪，在与 Meta & Adjust & TradPlus 四家联合举办的线上直播活动上，分享了主题为《休闲游戏的用户全生命周期数据分析》的内容，从游戏全生命周期出发，探讨不同阶段的数据分析场景解决方案。

以下为分享内容的文字稿整理，略有删减和调整。

大家好，今天我的主题是「全生命周期的分析方法」，在正式介绍之前先给大家看一组数据。如果在买量得到用户之后，用户在游戏中的停留时间过短的话，游戏将无法长时间聚拢一批用户，并给游戏带来长期的正向收益。

那么，留存率要达到怎样的水平，才能够让用户长期留存下来。如下图，爆款休闲游戏的次留至少要达到 40%，7 留达到 15%，30 留达到 6%。

但实际上很多优秀的休闲游戏次留能达到 60%，甚至 70%、80% 的水平。我们调研过的一些研发团队甚至表示，内测时次留达到 50% 以上，才会开始游戏后续的迭代。总而言之，我们需要保证游戏次留保持在相似的水平，才能够让用户在游戏中不断地参与更重的内容。

那我们该如何让用户愿意留存在游戏当中，提升用户留存率？主要可以在以下几个阶段寻找触点：验证玩法的内测阶段、买量投放阶段以及稳定运营阶段。

在内测阶段，我们可以通过数据分析用户可能出现在哪里，哪些环节的体验不是很好，哪种玩法更受欢迎等，从而达到游戏调优的目的。下面将通过实例演示如何通过数据分析找到内测阶段的调优方向。

// 新用户从激活到注册转化率为 85%，该如何优化

「激活到注册的转化率为 85%」，这个数据该如何理解？

通常，当用户点击广告完成应用下载，并打开游戏之后，我们就认为该用户被激活了。也就说，该游戏有 85% 的用户在打开游戏之后完成了注册。但该游戏团队认为 85% 的转化率有点偏低，那么可以从哪些方面进行优化呢？

首先，可以先对用户从最初了解该游戏到成为深度玩家的行为进行拆分，了解用户详细的行为路径。从最开始广告投放素材的点击，到应用的下载，到游戏的安装、打开，到匿名 IP 的获取，到 ID 注册，再到新手引导的参与，最后经过一段时间的游戏体验成为深度用户。这个转变需要经历很长的过程。

所以，当我们考虑转化率时，需要将考虑转化的范畴放得更宽广一些。对于激活到注册转化低的现象，不仅仅可以分析激活这一环节，还可以在投放和引导环节着手分析。针对转化过程中每一个环节做漏斗分析，观察整个链路的转化率，并定位转化低的原因进行优化，比如资源在加载时用时较长，或 SDK 初始化耗时太长，用户没有耐心就走了。

// 玩家反馈游戏后期频繁出现卡顿现象，如何分析？

这是一家休闲游戏遇到的问题，游戏后期各种技能 Buff 叠加，整个画面效果非常炫酷，对用户设备性能要求较高。

这就需要游戏厂商在游戏埋点中增加「游戏运行帧率」这一指标，记录下用户发生行为时的帧率情况，并观察这一数据是否有明显的下降/异常。一般来说，一些第三方的工具可以捕捉游戏过程中的异常，并将异常数据发送到数据平台当中，分析用户发生异常的时机、异常前的行为，或者是发生异常的地区、版本、机型等。

通常，我们会从业务场景出发，分析游戏异常的状况。但业务之外的因素也是不容忽视的。所谓业务之外，就是与设备硬件相关的数据，如下图，虽然内圈是很核心的硬件性能指标，外圈重要程度一般，但这些对游戏分析都有很大的帮助。如：

所以，用户设备的硬件能力决定了其游戏体验的上下限。在对用户行为展开全面分析的时候，除了业务分析之外，我们还可以关注硬件本身的性能。这也就要求游戏厂商在前期埋点时，尽可能做得更丰富，采集更多的数据信息。

在投放阶段，我们会更多地关注投放的效果，评价用户的投放成本和用户带来的收益，这也就是我们常见的 ROAS 指标。ROAS 由三部分数据组成，投放成本和来源渠道以及收益。

有了这三部分数据之后就可以开始计算 ROAS（ROAS = 收益/广告投放成本）。

这里还有一个问题，就是该如何打通市场投放数据和用户行为数据。广告投放数据和游戏内用户行为数据是不同源的两种数据，需要第三方归因平台才能够将这两类数据联系起来。通过归因平台可以获悉下载应用的用户是从哪个渠道而来，并且能够将这些数据传给游戏开发商或者任何对数据具有使用权限的一方。

数数科技研发的专业游戏大数据分析平台 Thinking Analytics 也集成了这类功能，能够帮助游戏厂商打通在自有平台内部、第三方广告归因平台、变现平台及媒体渠道的数据，快速了解不同渠道来源用户的转化率、付费率、留存率等，为投放策略优化提供新的思路。

// 如何识别新手阶段用户的流失倾向？

投放调整得不错后，就会进入大规模地铺量推广。相较于其他游戏，休闲游戏生命周期相对较短，一旦发现游戏前期流失特别高，则需要重点关注新手阶段的流失倾向。

有一家休闲游戏反馈过一个问题，「用户在进入游戏第三、四天后，出现了明显的流失」。出现这个问题其实是因为这款游戏有一个加速用户成长的按钮。通过点击成长按钮，用户可以通过观看广告获得额外的收益。但三、四天之后，用户会发现观看广告并不能带来更快的成长速率，所以用户就不愿意点击，并造成了后续的流失。

另外，针对用户新手阶段的流失，可以更多地关注一下用户在新手阶段的行为信息，甚至包括一些非有效操作的信息，如用户对屏幕的点击，多次的屏幕点击说明用户在新手引导的过程中，并不知道下一步要做什么。所以针对不同指标的数据情况，可以对新手引导进行调整。

// 如何做用户流失预警

当用户体验了深度的游戏之后，仍会出现一批流失用户。对于这些用户，该如何识别并及时预警？这里可以利用流失用户回访率曲线进行分析，如下图，该曲线横轴代表用户从这次登录到下一次登录之间的时长，这里的下一次登录只计算首次回流时间，如用户连续登录三天，则流失时长为一天。

得出曲线之后，可以根据回流曲线的整体走势确定拐点，即在拐点之后，随着时间的推移用户的留存率不会有大幅增加。那么，针对这个时间段，我们就需要制定一些运营的策略。同时，关注用户在这个时间段内的成长情况，如果在 4 周内大部分玩家还处于前期阶段，则可加速用户的成长进度，让用户体验到更深度的玩法，获取更大的成就感。

以上就是本次分享内容，如想要了解更多数据分析方面的知识点，可关注「数数科技」订阅号；或者点击阅读原文，体验 《弓箭传说》、《摩尔庄园》等爆款游戏的同款分析神器。