来源：OPMETA优化研习社

背景说明

对于刚接触游戏埋点数据的朋友，可能在对繁杂的埋点数据进行可视化处理后，依旧在分析上无从下手。这种情况，笔者也经历过。随着经手的游戏越来越多，也逐渐积累掌握了一些数据分析方法。

本篇文章主要讲解4种分析方法：拆解法、排除法、提问法、漏斗分析法。运用图文案例结合进行说明，由于内容较多，会拆分为上篇和下篇。上篇主要讲解拆解法、排除法的使用，下篇主要讲解提问法、漏斗分析法。

在数据分析前，如果对游戏埋点还不够了解，请移步阅读——《一文读懂休闲游戏埋点》。文中对游戏埋点方法、实现逻辑、常用埋点工具、以及如何设计埋点等都有详细的介绍。

分析方法

游戏数据分析方法有很多，分析同一个问题或者同一个游戏数据时，不应局限于一种方法。在下文提到的方法中，均可以视情况灵活搭配使用。

01拆解法

就是对要分析的内容进行由整体到局部，由面到线再到点的拆解。比如，要分析一个游戏。可以把游戏拆解成由核心玩法、外围系统、广告场景、内购、经济数值等部分，再逐项进行分析。拆解就是把复杂的问题简单化，便于找到导致问题的根源在哪儿。

除了对游戏内容进行拆解外，在数据分析中，也可以对游戏数据进行模块化、层级式的拆分，从而简化游戏数据的分析难度。针对各个部分进行拆解分析，更能直观发现问题，找到问题症结所在。

例如，在分析一款游戏用户流失原因时。经过对埋点数据的处理，获得了该游戏每关的独立用户数、流失率、累计流失率可视化图表：

观察上图，会发现有用户分布的关卡延伸至630关，如果每一关都要分析，数据信息较多，并且图表显示细节已经不够明显，这就加大了分析难度。

此时使用拆解法，对数据进行拆解，有助于抓住重点。通过观察独立用户数&用户累计流失率呈现的信息。发现在200关时，已经流失了90%的用户。因此在分析该游戏的用户流失情况时，重点看前200关数据情况即可。

经过拆解，把630关砍成只剩前200关，图表信息呈现更清晰（如下图）。观察前200关的数据信息，了解到用户流失较为平缓。其中流失率波动最为突出的关卡分别为4、19、59、71、103、139、171、179、199。那么在分析用户流失因素时，重点分析这些关卡。

如果想要了解更多细节，继续使用拆解法，把200关分别拆解成0～100、101～200关。

对于游戏数据分析，不管使用哪一种方法，观察数据贯穿始终。在上述案例中，观察有用户分布是哪些关卡。使用拆解法，聚焦到用户分布多的前200关卡。再去观察200关内用户流失率曲线，再聚焦到流失率较高的波峰节点上，简化分析难度。

拆解法常用于分析用户流失原因。帮助找到游戏用户流失率高、失败率高、经济数值不均衡的关键节点。

02排除法

所谓排除法，就是对产生问题的可能导致的因素，进行逐个排查，直到找到原因为止。接下来就用分析某款模拟经营游戏用户流失的原因作为案例来讲述如何使用排除法。

观察上图能够看到用户流失率较高的关卡分别为1、2、5、8、12（其中第一关流失率较高，达40%，属于重点要分析关卡）。同时，处于这些关卡时，失败率也达到了顶峰。数据表现上流失率波动曲线和失败率成正相关关系。结合游戏体验，玩家失败时，可以通过观看广告避免失败结局，即使不观看广告，也能正常游戏。在这一层面上来讲，似乎用户流失与失败率关联性并不大，但也没法排除用户流失不受失败率的影响。因此，需要继续分析其他可能导致用户流失的因素。

由于第一关流失率较高，推测可能导致用户流失的原因出在了新手引导上。因此，需要了解用户打开游戏到完成新手引导这一阶段用户流失的情况。

经过对买量带来用户到完成新手教程用户进行统计处理，得出以下表格：

通过整理的数据，发现从用户安装到开始新手教程，再到完成新手教程，这期间流失率和未完成率分别为4%、2%，用户流失小到可以忽略不计。因新手教程处于游戏第一关，排除由新手教程时期导致用户流失的因素。

由于游戏中的资源设定会影响到玩家的游戏体验，因此，需要看玩家在每关的资源获取和消耗的情况，来判断是否是游戏中的资源设定存在问题导致玩家流失（案例游戏有两种经济资源：贝壳&金币）。

先来观察下图中获得贝壳&消耗贝壳的情况：

备注：获取贝壳和消耗贝壳看左侧纵坐标，单关贝壳人均净收入看右侧纵坐标

观察贝壳净收入曲线，排除第1关用户流失受贝壳资源不足影响。此外可以得出，在第5关、第12关时，玩家极为缺乏贝壳，这是导致用户在5、12关流失率较高的原因之一。为降低玩家流失，可以在第5关、12关到来之前，提前引导玩家观看广告或者内购获取贝壳，增加玩家贝壳资源的补给，以便更好的完成游戏中的经营。此外，需要调整贝壳数值，在第3、6、9、11、13关，用户获取到的贝壳资源过剩。可以在这些关卡减少经营中给予玩家贝壳数量，保证消耗贝壳数量稍高于获取贝壳数量即可。

再来看金币资源的消耗&获取

（1）观察金币净值曲线，在第7关之前，用户的金币处于过剩状态，后续关卡用户也较少缺乏金币。所以，排除受金币资源匮乏导致用户流失的情况。（2）在前7关，用户获取金币远高于消耗（可以看到金币获取曲线和金币净值曲线趋近于重合），这是因为促使玩家消耗金币的途径较少。那么在游戏的调优方向上——围绕如何让玩家消耗金币去做工作。

在分析失败率、新手引导、游戏资源是否是导致用户流失的原因后。得出结论：

（1）5、12关用户缺乏贝壳导致用户流失率较高；

（2）无法判断失败率是否是导致用户流失的原因，但是能肯定的是金币资源不是造成用户流失的因素。

通过数据分析，并不能完全找到导致用户流失的所有因素。因此，作为分析者，有必要站在用户的角度上，去体验游戏，感受玩家在游戏中面临的真实状态。通过体验游戏，笔者发现其他导致用户流失的因素：

（1）新手引导处于第一关，并且仅在接待第一个客人时给出操作引导，由于制作饮料步骤较多，仅给出一次新手引导会导致玩家不熟悉玩法。比如在第一关中接待第三个客户时，客户点了四杯饮品，存在玩家在制作完第一杯果汁后，不清楚后续的操作，这导致了玩家放弃游戏。这也就解释了为什么在第一关，用户流失率达40%。调优方向上，可以阶段性的加入新手引导

（2）玩法操作上不敏捷，存在拖动饮料杯较难。制作完饮品后，点击吸管，要双击甚至多次点击才能选中。此外，制作饮品时操作动作切换较多，有时是拖动，有时是点击。调优方向上可以简化为单一操作方式，使玩家更能轻松上手。

（3）接待客人时，情景对话过于生硬。此外，各个关卡中与客户的情景对话雷同性较高，会让玩家感受到无聊。在调优方向上，可以设置多种类型的客户角色，丰富情景对话内容。

（4）玩家在游戏中缺乏目标感。除了制作饮品外，没有更大的目标留住玩家。游戏设置的装扮物品对店面整体外观影响较小，很难吸引玩家进行装饰。那么在调优上，需要明确树立玩家在游戏中的目标。

在排除法的使用上，需要很全面的罗列出有可能导致问题的因素，一一进行排除。此外，体验游戏是分析游戏不可或缺的手段之一，相对真实地了解游戏以及玩家心态，使分析的结论更客观，游戏调优的方向更明确。

上篇主要介绍了拆解法和排除法在数据分析上的使用。再次强调一下，数据观察贯穿数据分析的始终，避免结论偏离客观事实，在确保埋点正确的基础上，要结合数据表现和真实游戏体验做出判断。那么，如何将提问因法、漏斗分析法使用到游戏数据分析当中呢？请期待《游戏中埋点数据的分析方法》下篇。

作者：OPMETA优化研习社

来源：鸟哥笔记

原文地址：https://www.niaogebiji.com/article-624004-1.html

来源：OPMETA优化研习社

背景说明

对于刚接触游戏埋点数据的朋友，可能在对繁杂的埋点数据进行可视化处理后，依旧在分析上无从下手。这种情况，笔者也经历过。随着经手的游戏越来越多，也逐渐积累掌握了一些数据分析方法。

本篇文章主要讲解4种分析方法：拆解法、排除法、提问法、漏斗分析法。运用图文案例结合进行说明，由于内容较多，会拆分为上篇和下篇。上篇主要讲解拆解法、排除法的使用，下篇主要讲解提问法、漏斗分析法。

在数据分析前，如果对游戏埋点还不够了解，请移步阅读——《一文读懂休闲游戏埋点》。文中对游戏埋点方法、实现逻辑、常用埋点工具、以及如何设计埋点等都有详细的介绍。

分析方法

游戏数据分析方法有很多，分析同一个问题或者同一个游戏数据时，不应局限于一种方法。在下文提到的方法中，均可以视情况灵活搭配使用。

01拆解法

就是对要分析的内容进行由整体到局部，由面到线再到点的拆解。比如，要分析一个游戏。可以把游戏拆解成由核心玩法、外围系统、广告场景、内购、经济数值等部分，再逐项进行分析。拆解就是把复杂的问题简单化，便于找到导致问题的根源在哪儿。

除了对游戏内容进行拆解外，在数据分析中，也可以对游戏数据进行模块化、层级式的拆分，从而简化游戏数据的分析难度。针对各个部分进行拆解分析，更能直观发现问题，找到问题症结所在。

例如，在分析一款游戏用户流失原因时。经过对埋点数据的处理，获得了该游戏每关的独立用户数、流失率、累计流失率可视化图表：

观察上图，会发现有用户分布的关卡延伸至630关，如果每一关都要分析，数据信息较多，并且图表显示细节已经不够明显，这就加大了分析难度。

此时使用拆解法，对数据进行拆解，有助于抓住重点。通过观察独立用户数&用户累计流失率呈现的信息。发现在200关时，已经流失了90%的用户。因此在分析该游戏的用户流失情况时，重点看前200关数据情况即可。

经过拆解，把630关砍成只剩前200关，图表信息呈现更清晰（如下图）。观察前200关的数据信息，了解到用户流失较为平缓。其中流失率波动最为突出的关卡分别为4、19、59、71、103、139、171、179、199。那么在分析用户流失因素时，重点分析这些关卡。

如果想要了解更多细节，继续使用拆解法，把200关分别拆解成0～100、101～200关。

对于游戏数据分析，不管使用哪一种方法，观察数据贯穿始终。在上述案例中，观察有用户分布是哪些关卡。使用拆解法，聚焦到用户分布多的前200关卡。再去观察200关内用户流失率曲线，再聚焦到流失率较高的波峰节点上，简化分析难度。

拆解法常用于分析用户流失原因。帮助找到游戏用户流失率高、失败率高、经济数值不均衡的关键节点。

02排除法

所谓排除法，就是对产生问题的可能导致的因素，进行逐个排查，直到找到原因为止。接下来就用分析某款模拟经营游戏用户流失的原因作为案例来讲述如何使用排除法。

观察上图能够看到用户流失率较高的关卡分别为1、2、5、8、12（其中第一关流失率较高，达40%，属于重点要分析关卡）。同时，处于这些关卡时，失败率也达到了顶峰。数据表现上流失率波动曲线和失败率成正相关关系。结合游戏体验，玩家失败时，可以通过观看广告避免失败结局，即使不观看广告，也能正常游戏。在这一层面上来讲，似乎用户流失与失败率关联性并不大，但也没法排除用户流失不受失败率的影响。因此，需要继续分析其他可能导致用户流失的因素。

由于第一关流失率较高，推测可能导致用户流失的原因出在了新手引导上。因此，需要了解用户打开游戏到完成新手引导这一阶段用户流失的情况。

经过对买量带来用户到完成新手教程用户进行统计处理，得出以下表格：

通过整理的数据，发现从用户安装到开始新手教程，再到完成新手教程，这期间流失率和未完成率分别为4%、2%，用户流失小到可以忽略不计。因新手教程处于游戏第一关，排除由新手教程时期导致用户流失的因素。

由于游戏中的资源设定会影响到玩家的游戏体验，因此，需要看玩家在每关的资源获取和消耗的情况，来判断是否是游戏中的资源设定存在问题导致玩家流失（案例游戏有两种经济资源：贝壳&金币）。

先来观察下图中获得贝壳&消耗贝壳的情况：

备注：获取贝壳和消耗贝壳看左侧纵坐标，单关贝壳人均净收入看右侧纵坐标

观察贝壳净收入曲线，排除第1关用户流失受贝壳资源不足影响。此外可以得出，在第5关、第12关时，玩家极为缺乏贝壳，这是导致用户在5、12关流失率较高的原因之一。为降低玩家流失，可以在第5关、12关到来之前，提前引导玩家观看广告或者内购获取贝壳，增加玩家贝壳资源的补给，以便更好的完成游戏中的经营。此外，需要调整贝壳数值，在第3、6、9、11、13关，用户获取到的贝壳资源过剩。可以在这些关卡减少经营中给予玩家贝壳数量，保证消耗贝壳数量稍高于获取贝壳数量即可。

再来看金币资源的消耗&获取

（1）观察金币净值曲线，在第7关之前，用户的金币处于过剩状态，后续关卡用户也较少缺乏金币。所以，排除受金币资源匮乏导致用户流失的情况。（2）在前7关，用户获取金币远高于消耗（可以看到金币获取曲线和金币净值曲线趋近于重合），这是因为促使玩家消耗金币的途径较少。那么在游戏的调优方向上——围绕如何让玩家消耗金币去做工作。

在分析失败率、新手引导、游戏资源是否是导致用户流失的原因后。得出结论：

（1）5、12关用户缺乏贝壳导致用户流失率较高；

（2）无法判断失败率是否是导致用户流失的原因，但是能肯定的是金币资源不是造成用户流失的因素。

通过数据分析，并不能完全找到导致用户流失的所有因素。因此，作为分析者，有必要站在用户的角度上，去体验游戏，感受玩家在游戏中面临的真实状态。通过体验游戏，笔者发现其他导致用户流失的因素：

（1）新手引导处于第一关，并且仅在接待第一个客人时给出操作引导，由于制作饮料步骤较多，仅给出一次新手引导会导致玩家不熟悉玩法。比如在第一关中接待第三个客户时，客户点了四杯饮品，存在玩家在制作完第一杯果汁后，不清楚后续的操作，这导致了玩家放弃游戏。这也就解释了为什么在第一关，用户流失率达40%。调优方向上，可以阶段性的加入新手引导

（2）玩法操作上不敏捷，存在拖动饮料杯较难。制作完饮品后，点击吸管，要双击甚至多次点击才能选中。此外，制作饮品时操作动作切换较多，有时是拖动，有时是点击。调优方向上可以简化为单一操作方式，使玩家更能轻松上手。

（3）接待客人时，情景对话过于生硬。此外，各个关卡中与客户的情景对话雷同性较高，会让玩家感受到无聊。在调优方向上，可以设置多种类型的客户角色，丰富情景对话内容。

（4）玩家在游戏中缺乏目标感。除了制作饮品外，没有更大的目标留住玩家。游戏设置的装扮物品对店面整体外观影响较小，很难吸引玩家进行装饰。那么在调优上，需要明确树立玩家在游戏中的目标。

在排除法的使用上，需要很全面的罗列出有可能导致问题的因素，一一进行排除。此外，体验游戏是分析游戏不可或缺的手段之一，相对真实地了解游戏以及玩家心态，使分析的结论更客观，游戏调优的方向更明确。

上篇主要介绍了拆解法和排除法在数据分析上的使用。再次强调一下，数据观察贯穿数据分析的始终，避免结论偏离客观事实，在确保埋点正确的基础上，要结合数据表现和真实游戏体验做出判断。那么，如何将提问因法、漏斗分析法使用到游戏数据分析当中呢？请期待《游戏中埋点数据的分析方法》下篇。

作者：OPMETA优化研习社

来源：鸟哥笔记

原文地址：https://www.niaogebiji.com/article-624004-1.html