开发 问卷调查案例_干货 I 6大实战案例解析3个核心数据分析场景

6月11日，盛趣游戏数据分析专家黎湘艳老师开启了数数课堂·第六期直播，本期也是黎湘艳老师三期专题课程的最后一次直播分享。

黎湘艳老师向学员们分享了流失分析、渠道用户质量分析、活动效果分析3大板块的处理经验，并用6个实战案例详述如何将固定的数据分析框架灵活带入至各个项目中，让分析结果产生驱动业务的价值。

-----/以下为文字实录/-----

前两期课程我们谈到了：

1. 复盘我在数据分析岗的心得体验；

2. 讲述如何搭建数据分析体系，其中包括数据分析的六脉神剑，数据分析的关键指标、数据分析框架，数据分析方法等内容。

本次，我会主要讲解过往大家最关心三大板块：流失分析、渠道用户质量分析、活动效果分析，并会为数据分析师们提供一些岗位建议。

01

流失分析

流失分析数据是粗粒度衡量各测试节点质量的关键指标。

“因为我们知道，每款游戏都有用户流失的情况，只是多少的区别，然而一般情况下我们只能看到结果，但是如果能定位到原因，就会有办法调整。” ▍ 如何定义流失用户 在介绍流失方法和具体案例之前，我们先了解 如何合理地定义流失用户？ 大家刚开始做流失分析时最大的困惑，就是选择多大的时间跨度才能准确定义玩家为一个流失用户。 假如流失玩家的流失期限定义太短可能会造成 资源浪费，比如：当定义3天未产生登录事件为流失，有可能这一部分用户在3天以后的回归率很高，这就导致召回活动会覆盖许多非流失玩家，大量的召回奖励不仅浪费资源，也破坏了游戏平衡性； 而假如流失玩家的流失期限定义太长，比如60天未登录游戏即流失，这样覆盖全部真实流失玩家的比例较低，召回活动显得 没有太大的意义。 其实不管有没有做召回活动，如果流失用户定义不准确的话，我们分析出来的流失用户特征便存在误差。 为了规避上述情况，我们采用了 流失用户回归率及 拐点理论，来制定流失用户定义标准。 当X轴上数值的增加会带来Y轴数值大幅增加或者减少，直到超过某个点之后，当X增加时Y的数据增加或减少大幅下降，也就是经济学里面的边际收益的大幅减少， 我们就这个这个点认为是“拐点”。 下图是以3天为单位的流失用户回归率曲线，(也就是用户某日登陆游戏，在此之后三天内没有继续登陆游戏，我们就认为它已流失)，当流失期限超过15天的时候，曲线逐渐平滑，我们可以认为当一个玩家连续15天没有登陆游戏，可以判断它已经流失。 那么，是不是每款游戏的拐点都一样呢，是不是都可以取流失15天的用户为流失用户呢？ 我们来看这张图，ARPG游戏，曲线拐点发生在21天，即玩家3周不登录游戏，认定为流失。某卡牌游戏，曲线拐点发生在9天，即玩家9天不登陆游戏，认定为流失。 这意味着不同类型的游戏，拐点差别很大。

我们对应到品类特性来说，ARPG更吃操作，玩家无论什么时候上线都可以顺畅地体验游戏内容；而卡牌养成类用户若超过一两天没上线，就会很快被版本进度落下，其游戏难度自然会越来越大。 除此之外， 即便是同一款游戏的拐点也有差异，不同日期的流失用户回归率也有差别，但差异度不会有不同游戏这么明显，这个时候我们可以选取中位数作为流失期限。其实，拐点计算并没有固定公式，大家可以根据实际的数据来作具体判断。 完成了流失用户的定义分群后，我们便可以对这一批流失用户作进一步的流失原因定位。 ▍3个主要流失分析方法 目前，我整理了共8种流失分析方法，基本可以覆盖90%以上的流失情况: 其中，5W1H法、流失和留存用户对比法、流失前最后一次游戏行为、排除法及版本消化情况分析法为 利用行为数据对流失的定量分析法；而问卷调查法、电话回访法及文本挖掘法为 整理用户反馈的定性分析法。 这里我重点谈一下定量分析中，最重要的5W1H法、流失前最后一次游戏行为法和排除法的案例。 5W1H What：发生了什么？ 7天内流失了35%的用户,其中新用户流失了93%。 When：什么时候流失？