数据思维|方法论太干，不如来看5W2H分析流失用户实例

最新推荐文章于 2021-03-29 20:46:23 发布

数据万花筒

最新推荐文章于 2021-03-29 20:46:23 发布

阅读量800

点赞数

文章标签：游戏人工智能大数据 java 编程语言

本文链接： https://blog.csdn.net/weixin_41432734/article/details/113156575

版权

点击上方蓝字关注我们

本文旨在分享经验和方法，故用到的数据均为虚构数据。

5W2H分析法是每个数据分析师入门必学的分析方法，但是方法论都太干了，没有应用场景、没有实战实例，方法论都只会停留在纸上谈兵的阶段，这篇文章干湿结合，以用户流失分析为场景，阐释5W2H分析方法。

情景介绍

某款游戏自上线以来R2留存一直低于同类游戏的金标准，且R2留存持续走低。最近，运营拿R2留存数据找到我，想要让我们分析下R2留存持续走低的原因，看能不能从数据入手找到一些解决办法。于是，我选择了5W2H分析方法。

5W2H分析方法介绍

5W2H分析法又叫七何分析法，以五个W开头的英语单词和两个以H开头的英语单词进行设问。

5W的内容

1.What-发生了什么？

2.When-何时？在什么时候发生的？

3.Where-何地？在哪里发生的？

4.Who-是谁？

5.Why-为什么会这样？

2H的内容

1.How-怎样做？

2.How Much-多少？做到什么程度？数量如何？费用如何？

以游戏流失为例，详解5W2H方法

用5W2H方法分析新游戏用户流失主要可以归纳为以下六个步骤：

(1)What阶段：明确游戏现有问题，即需要对R2留存进行分析，找出影响R2留存的因素并提出相应解决方案。

(2)When和Where阶段：通过漏斗分析定位用户流失等级和步骤。

(3)Who阶段：通过用户群分析找出流失用户的属性、特征以及来源渠道。

(4)Why阶段：根据上述分析的结果初步推测用户流失的原因。

(5)How和How Much阶段：根据上述的分析提出假设，以数据指导、玩家反馈以及运营经验为依据，相应地调整游戏设计。最后，对调整方案进行排期，实施方案，通过A/B Test检验假设是否正确，调整是否有效。

3.1漏斗分析确定玩家流失等级和流失环节

漏斗分析是用户流失分析的常见方法，它可以反映用户行为路径的转化率或者流失率。我们通过漏斗分析定位到80%的流失用户都是在前六级流失的，而一般情况下，玩家升到6级只需要完成新手引导以及前三局人机局比赛即可。于是，我们把分析的焦点转换为分析玩家在新手引导以及前三局人机局的漏斗。根据局内漏斗的分析我们发现15%的玩家在新手引导阶段流失，所以对新手引导阶段每一个步骤的漏斗转化研究也是必须的。最后，我们找到了落脚点，新手引导阶段第9步流失率较高，这个步骤可能存在一定问题。

除了局内的漏斗，我们还可以分析用户局外的行为漏斗，也就是平时常说的用户流失前的N步，这样也能为我们找到一定的落脚点。

3.2 用户群分析确定流失用户属性

流失用户属性的分析主要可以为游戏的优化提供指导意见，通过用户群的分析，我们需要明确游戏能够吸引什么样的玩家，什么样的玩家更容易在游戏中留下来，哪类玩家是造成流失的主要原因。

用户属性可以包括用户来源渠道，用户社会属性以及其他特征。例如，我们通过社会属性分析发现，流失玩家中新手玩家占比高达80%；运营内存较小的用户流失占比较高。

3.3 流失归因，方案设计实施

根据漏斗分析和用户群分析我们在数据层面看到了一些现象，同时运营也通过问卷收集到玩家的反馈，根据这些结果我们提出一些假设。例如，针对新手引导阶段用户流失严重，我们推测新手引导对用户不够友好；针对玩家反馈游戏太卡，我们推测网络交互可能有问题。通过数据分析和用户反馈可以优化的方向，当然也离不开策划和运营多年的工作经验。最后，通过A/B Test验证调整方案效果如何。