来源：OPmeta优化研习社
背景
说明
在《游戏中埋点数据的分析方法》（上篇）中，谈到拆解法和排除法如何使用，本篇文章继续介绍数据分析中另外两种常用方法：提问法和漏斗分析法。
01提问法所谓提问法, 就是对于数据异常，不断发起提问，再针对提出的问题找出原因。
此方法的关键点在于提出问题、引发思考, 帮助我们找到答案。在使用提问法的过程中，也会利用到排除法、拆解法。
提问法大概分为三个步骤：
步骤一：观察数据，获取数据信息
步骤二：针对异常情况，提出疑问
步骤三：根据疑问，寻找原因
接下来，就用实际的案例讲解提问法的使用。
在找某款游戏用户流失原因时，通过统计该游戏各个关卡的独立用户数据（先了解用户是在哪些关卡流失的），得出以下图表：
横坐标：关卡（0-初级 1-中级 2-高级 3-困难 4-专业）
纵坐标：独立用户数
步骤一：观察数据，获取数据信息
通过观察上图，可以获取到如下信息：
（1）用户主要分布于初级模式
（2）初级、高级、困难、专业模式玩家大多数处于第一关，从第二关开始，逐步流失。
步骤二：针对观察得到的信息，提出疑问
（1）为什么用户主要分布于初级模式？
（2）用户进入高级、困难、专业模式，体验完第一关后，为什么没有继续玩第二关？
步骤三：根据疑问，寻找关联原因
提出疑问后，通过寻找关联因素再进行排除，最终找到答案。
比如想要了解用户流失的原因，那么就基于游戏本身，思考与用户流失的相关因素有哪些？
通常用户流失原因可能有：
01
用户在游戏中的体验感不佳。
可以通过实际体验游戏，了解是否存在问题。如Bug、卡顿、闪退、操作不顺畅等。
02
游戏玩法不吸引用户。
如果游戏内容过于单一、缺乏创新，用户很容易产生厌倦感，从而流失。可以了解用户的在线时长和进入关卡次数多少去分析。如果玩家在线时长较短且进入关卡次数较少，就能得出游戏玩法不够有吸引力。也可以通过玩家重玩率去了解用户对游戏玩法的喜爱情况。
03
游戏难度。
需要分析游戏的失败率。一款游戏难度过高，会导致玩家在游戏中的挫败感较强。难度较低，玩家在游戏中又没法获得挑战。理想失败率曲线应该是平稳的(用户技巧提升，难度也对应提升)。
可以把失败率和重试率曲线置于同一张图表上进行分析，如果个别关卡的失败率高，重试率也高，说明玩家挑战该关卡的意愿足够。反之，如果个别关卡失败率很高但重试率低，则需要继续挖掘导致玩家重试率低的因素。
04
与游戏玩法关联的资源设置不合理。
比如游戏玩法与金币、钻石、体力等资源数值相关，当玩家在游戏中资源较为匮乏时，无法继续推进游戏进度，就会导致玩家流失。此时需要去观察每关用户资源流入流出是否平衡。
05
游戏插屏弹出频次过多。
插屏对玩家游戏干扰性太强。这种情况可以根据插屏展现频次或体验游戏深入了解。
06
其他原因。
导致玩家流失的原因很多，可能是一个原因，可能是多个原因。需要基于游戏本身，来考虑流失因素，找到用户流失根本因素。
现在继续分析上文中提到的问题，“为什么用户主要分布于初级模式？”
该游戏的初级模式主要有48个关卡，在整理初级模式用户数据时发现，当玩家在第20关时，累计流失率已经达到90%，也就是说在前20关内用户基本完全流失（如下图）。
“而是什么原因导致用户的流失呢？”
结合上方导致用户流失的关联因素，一一排除后，猜测可能原因为游戏难度较为简单或者游戏玩法不吸引用户。
结合数据去证明猜测，先观察初级模式前20关的失败率曲线，发现每关卡独立用户是在逐步减少的，没有因为失败率很高导致相邻关卡之间，出现断崖式独立用户数下降。
如，在第9、15、17、18、19关，失败率较高的节点，相邻关卡独立用户数没有出现较大的区别。而在第4、5、6关，失败率很低的关卡，独立用户数据表现上，也是平稳减少。因此，排除了游戏难度导致玩家流失原因。
那是否是游戏玩法不吸引用户而导致的流失？通过观察用户进入关卡次数，或者了解用户重玩游戏的数据信息来了解。
通过处理数据，发现进入关卡次数为一的用户占比为27%，进入关卡次数≤10次的用户占比为83%（详细数据参考下图：）。由此得出用户流失的主要原因为游戏玩法不够有吸引力。
如图：用户进入关卡次数
在《游戏中埋点数据的分析方法》（上篇）中上我们也提到，光观察数据是不够的。还需要体验游戏，去结合玩家在游戏中核心路径，以帮助找到答案。
比如在分析游戏A时，发现第一关失败率较高（81%）。经过体验游戏，发现新手引导较差，玩家没有理解游戏真正的玩法，导致了失败率较高。由此可以优化新手引导。参考下图：
再比如在分析游戏B的数据时，发现无论首次还是非首次闯关的用户，获取4星的人数较少，获取0星级占比最高，说明关卡难度比较大。通过体验发现游戏操作不灵敏，导致通关难度大，造成玩家产生极高的挫败感，而逐渐流失。针对此结论，可以结合游戏操作，进行优化。参考下方图：
首次闯关获取星级图表
横坐标：代表关卡
纵坐标：代表获取0星级用户数量
非首次闯关获取星级图表
横坐标：代表关卡
纵坐标：代表获取各个星级用户数量
02漏斗分析法漏斗分析属于流程分析，能够科学反映用户行为状态，以及从起点到终点各阶段用户转化率或渗透率情况的重要分析模型。漏斗分析模型常用于用户渠道来源分析、用户从下载、安装、注册、到转化等日常数据运营中。
例如：在一款游戏App中，用户从某个渠道下载应用>安装应用>启动应用>注册>创建角色……过程中，漏斗能够展现出各个阶段的转化率。通过比较各个环节用户参与的情况，能够直观了解到用户在哪些环节流失较为严重，从而聚焦于用户流失严重的环节，帮助优化迭代游戏内容。
此外，通过漏斗分析法还可以了解到用户在游戏中各个部分的渗透情况。例如，了解某个时间段进入游戏中的用户，有多少用户触发了广告，各个广告场景的渗透率如何。分析出各个广告场景在交互设计是否有问题，从而给出广告场景设计上的调优方向。
实例：分析某游戏的商店页内购情况时，统计图表如下：
由上表可以得出，商店页的渗透率较低，产生内购用户的转化率更低。结合用户在线时长以及游戏体验，发现游戏中并未对商店页面上做出任何引导。
因此在游戏优化方面建议强制引导玩家进入商店页，增加商店页的曝光量。同时引导玩家在游戏中使用汽车皮肤，加强玩家对皮肤的需求感。
而转化率低是因为皮肤单价设置过高，玩家即便进入商店页也没有足够的金币去消费，因此在调优方向上给出调低皮肤单价的建议。
总结对于游戏开发团队而言，分析埋点数据非常重要，它可以帮助开发者调优游戏，了解玩家的消费行为和需求，为后续的营销和变现提供有力的支持。因此，在开发过程中要重视埋点工作，并根据实际情况进行分析和调优，以提高游戏的品质和竞争力。
在本文中，主要讲解如何分析游戏数据的几种方法。在具体分析时可以灵活使用。当然除了基于数据层面的分析外，游戏开发团队可以对自己的游戏进行内测，也可以邀请不同类型的玩家对游戏进行体验，帮助完善游戏内容。此外，还可以根据游戏Google Play或者App store商店中游戏用户反馈内容，了解用户在哪些环节遇到了问题，也可以帮助游戏完善和优化。