产品测试后,如何快速写好一份游戏数据分析报告

数数科技 2020-05-06

数据分析是游戏运营的重要岗位技能之一,在很多游戏运营岗位的招聘JD中,经常能看到关于游戏数据分析的要求,通常要求运营同学可以监控游戏数据,完成数据分析报告,并根据数据报告的结果调整运营方案。那么,如何才能快速写好一份高质量的数据分析报告呢?

我们邀请某游戏大厂的运营专家分享了他做数据分析报告的思路,文中图表使用的数据来自数数科技的数据分析平台ThinkingAnalytics(文中简称TA),数据已做模糊处理。

以下为分享正文:

最近我一直在跟的一款卡牌游戏结束了7天的付费测试,测试结束后,最重要的就是输出数据报告。

数据报告可以帮助我们了解本次测试存在哪些问题,玩家对游戏是否认可,从而针对性的做出优化。同时,测试数据的好坏,也与后续的运营方案、推广方向息息相关。

那么数据报告该如何撰写呢?这里我跟大家分享一下我撰写数据报告的框架。


宏观数据分析

要想直观的知道数据好坏,第一步就应该看宏观数据。

1.1 新增情况


由于我们第二天中午就陆续关闭了下载,所以可以看出主要的新增集中于前2天。首日累积新增用户数7,445,次日新增2,504,测试期间共导入10,939用户。

1.2 留存情况



可以看出,我们与上次测试相比,整体留存都有一定额度的提升。次留从40%提升至45%,达到本次测试预期。

但对比A级产品次留45%,3留35%,7留15%的数据来看,3留问题比较严重,并且从3~4日的衰减来看,两次测试都没有很好的解决这一问题,后续会详细分析具体原因。

1.3 付费情况


从每日数据可以看出

整体收入的付费率和ARPPU比较稳定,收入降低主要是停止导量,老用户流失导致。

3月14日额外开启抽奖功能促进收入明显,付费率和ARRPU都有显著提升。

后续还会再分析首充动力和复购情况,看看能不能进一步挖掘付费率的提升,以及VIP分布和LTV情况,看看ARPPU还没有进一步提升的可能。

微观数据分析

2.1 新增数据分析

2.1.1 不同渠道的新增情况


可以看出,除了UC的量比较大以外,其他各个渠道新增的量级都比较相似,后续新增大幅度减少主要是因为内测期间,我们并不想扩大规模,于是陆续关闭了下载。

2.1.2 新增到游戏的转化情况

玩家从下载→安装→登录→创角,这一系列的流程完成后,才能真正形成新增。哪一步有问题,都会影响转化率,从而损失新增。

所以,在TA平台通过漏斗模型,我们可以看到在这个过程新增的损失情况。


整体来看转化率都还是比较高的。当然这个也要分渠道再看每个渠道的情况,毕竟每个渠道账号体系不同,包体不同,可能会出现部分渠道转化率偏低的情况。

2.2 留存数据分析

既然发现了3留问题严重,我们可以深入看一下,到底3留的问题出现在哪里。通过TA后台,我们可以快速的通过图表看到数据结果。

2.2.1 不同渠道的留存变化


红色线为总体留存平均值,可以看出,应用宝、小米、UC用户的3日后留存都明显偏低。3日留存在不同的渠道最高和最低的点,两者相差10%。

考虑到产生2日、3日留存的玩家都是已经对游戏有一定了解,产生这么大的差异考虑可能原因是2点:

不同渠道的素材图不同,吸引来的目标用户不同,而应用宝、小米、UC的素材恰好吸引的不是我们的目标用户。

应用宝、小米、UC的用户对我们这个游戏类型本身不感冒,这个要对比一下其他同类型游戏是不是也有数据偏低的问题。

不过,这2点考虑都需要跟商务同学沟通下,看看是否能够提升渠道的用户质量。

总之,区别渠道质量来客观审视留存的高低是非常有必要的。很可能一两个渠道的数据异常,就拉低了整体留存,让我们做出错误的判断。

2.2.2 不同等级的流失变化


首先看一下基本的不同等级的流失人数和流失概率。可以看出流失凸点分别是4级、6级、10级、13级、21级以及23~30级。

知道流失凸点还不够,最重要的是知道在流失凸点时,玩家究竟做了什么?

我们对任务、引导、升级、通关等数据进行了埋点,根据流失埋点数据,我们可以看到不同等级的玩家在流失前做的最后一件事:


以此,我们可以快速找到玩家流失点,再结合实际游戏体验,发现问题的核心原因主要在于:引导、任务以及副本上。

在进一步拆分问题之前,我们先看一下,付费玩家的留存数据。

2.2.3 不同付费额度留存变化


付费对玩家留存影响也是非常大的。从TA平台,我拉取了不同VIP等级的流失曲线,可以看到,即使是V1玩家,整体的留存也是远远好于V0玩家的。

所以说,通过提高首充吸引力,让玩家尽快充值来提升游戏的流失成本,从而提高游戏留存,这个方法确实有效。同时,在23~30级这个点上,V0~V3玩家的流失都有所上升。

此时,导致留存较低的节点已经初步找到了:4级、13级、21级、28级,V0~V3的玩家的留存低,是整体留存较低的重要原因。那么进一步去看这些玩家在对应等级的经历,即可更加细化的找到问题原因。

这里就拿21级这一个点,来举例说明一下:

/21级(第2天):dungeon_1008、dungeon_1011、升级/

结合上文玩家流失前做过的最后一件事可以看出,21级最大的流失点是进入副本关卡(dungeon),针对关卡这个点,很可能是难度导致了较低付费玩家的流失。

那么,对比一下不同付费的关卡通关成功率吧。


可以看出,在玩家流失高点,也是关卡通过率的低点。而对于V3以上的玩家来说,可能由于其装备水平本身较高,所以并没有感受到卡点的存在,整体关卡通过率都比较高。

那么,结合上文流失前玩家做的最后一件事,可以看出:

通过率相对低的关卡,与流失点重复率较高。关卡难度是影响玩家流失的核心原因之一。

2.3 付费数据分析

本次测试是第一次开付费功能,我主要是关注整体付费结构和首充动力。

付费结构帮助我们了解玩家付费能力,在后续付费活动设计上,可以根据不同能力的玩家设计不同的付费目标。而首充动力是为了让尽可能多的玩家产生破冰消费,一旦破冰后,后续付费将会更加容易,同时也对玩家留存帮助较大。

2.3.1 不同VIP等级分布


付费玩家约占20%,比例还是比较高的,V1占整体的12%左右,说明首充对玩家的吸引力很大。但V2开始比例有明显衰减,可能是小额玩家重复付费欲望不强。

为了验证这个结论,我拉取了不同档位的充值次数,来看进一步的原因。

2.3.2 充值次数对比


从表里可以看到,除了648档位重复充值次数较高外,其他的档位重复充值次数都很低。结合本次运营活动只有首充、月卡和公测付费金额双倍返还外,针对中间用户的付费活动不足,导致其缺少充值动力。

后续在公测时,应该针对不同档位的玩家有针对性的设计,拉高重复充值率。

2.3.3 玩家首充动力


虽然重复充值率偏低,但整体付费率还算可观。

多数玩家在4级开启首充后,就进行了首次付费。这得益于玩家被各个游戏教育养成的付费习惯,当然,也是我们本身奖励足够吸引人。

在13级,15级还有一个比较明显的小突起,此时差不多是第一次出现了匹配玩家付费能力的幸运礼包,促进了玩家首次付费。

同时,我按照看流失用户的思路,也看了下玩家在付费前的最后行为。


有了这个数据,我们就可以更明确知道玩家产生付费的动力来源于哪里了。当然,这个数据来源于充值前,所以对于一次性充值较多的用户,可能并不准确。但是对于首充动力,还是能够表现得很明显的。

比如我们的V1玩家付费行为21%来源于1922任务,而1922任务结束后,正好是第一次弹出首充界面的时机,可以看出这部分玩家看到首充的奖励,没怎么犹豫就进行了充值。

而V2更多的是道具驱动,再结合道具的整体销售情况,也能更加明确的得知哪些道具对哪些玩家来说更容易产生冲动了。

2.3.4 LTV对比

LTV是一个比较重要的数据,这决定了我们的买量成本和回本时间。只有知道玩家在生命周期贡献了多少钱,才能更合理的控制成本,从而产生更多的利润。


总体LTV首日7元,3日13.9元,7日18.1元;华为和官网用户LTV表现突出;首日分别达到了18.9元、15.3元;7日更达到81.2元、40.1元;

但是,虽然华为渠道的用户独树一帜,但毕竟这次是小规模内测,我们也不要忽略个别玩家对整体数据的影响。于是我拉了玩家的充值排行榜,看看是不是个体玩家导致的差异。


结果发现,果然,华为2个玩家充值遥遥领先。不过,这也进一步说明,华为的付费用户质量确实非常好,可以考虑在后续投放时,更多的偏向这个渠道了~

以上,本次数据报告就到这里。

在书写专业的测试报告时,宏观数据和微观数据要结合来看。

宏观数据可以帮我们了解到整体游戏的数据情况,发现游戏存在的问题。

微观数据,就是将宏观数据层层分解,比如流失率可以分解为流失玩家的流失曲线、流失触发点,ARPU和付费率可以分解为付费玩家的付费阶层以及付费触发点等,帮助我们找到问题的原因,从而优化游戏数据。

来源:数数科技
原地址:https://mp.weixin.qq.com/s/fxWomaswR53VgcTwdOnLNg

最新评论
暂无评论
参与评论

商务合作 查看更多

编辑推荐 查看更多