场景分析:游戏关卡难度对玩家流失的影响

游戏为了让玩家进入付费环节,会在一些特定

游戏为了让玩家进入付费环节,会在一些特定关卡加大难度,激发玩家的胜负欲,进而引导玩家付费。然而,过度的游戏关卡难度有可能导致玩家流失。针对这一现象,笔者展开了以下研究,让我们来看看吧。

我司有两款玩法相近的消除类游戏,两款游戏基本框架相同,在文内分别称A和B。B款游戏晚一年发行,相比A在消除玩法上做了创新,可以组合更多的形状来生成消除道具。

两款游戏我都有体验。B的组合消除更有趣灵活,但是玩B游戏的时候,常常会越玩越生气——明明是个消除游戏,我才玩到100多关,几乎每一关都要失败两三次以上。而且这种失败很明显是有意为之——卡在最后一两步让玩家付费(付费率并没有A高),公司的舆情监控也发现很多玩家反馈B款消除游戏的关卡很难。

我不禁思考:这种简单粗暴的难度关卡难道不会加速玩家流失吗?

因此,我想要对比A、B两款游戏中,不同关卡难易度的分布以及对玩家流失的影响。

一、用户画像对比

目的:比较A、B两款游戏的定位用户类型和偏好是否一致。

这个分析需要用到用户洞察的用户分群:

B比A晚一年发行,可以预计B的很多玩家都来源于A的游戏用户,高重合度的活跃用户画像也验证了这点:

1. 两款游戏玩家的地域分布基本相同,都集中在一线到二线城市;

2. 男女比例均为3:7,典型用户群体为24~40岁之间本科学历的已婚女性。

A的性别分布如下:

B的性别分布如下:

A的学历分布如下:

B的学历分布如下:

由此可知,A、B两款游戏的核心玩家基本重合,均以高学历、较好的生活环境、有钱有时间的年轻已婚女性为主,兴趣爱好以新闻资讯、游戏和其他休闲娱乐产品为主。

二、关卡难度对比

目的:比较A、B两款游戏的前500个关卡的难易度。

在两款游戏定位用户基本一致的前提下,说明两款游戏玩家有相同的行为偏好,因此可以剔除分析的玩家群体不是同一类的情况。在此基础上,分析关卡的难易程度以及分布情况。

通过分析玩家历史通关数据,得出玩家在每个关卡的平均通关次数(平均通关次数=总通关次数÷玩家数)。如下图总结可知:

1. A游戏关卡的平均通关次数主要集中在2-3次,占比31.2%,而B游戏关卡的平均通关次数主要集中在3-4次,占比28.4%。

2. 将平均通关次数大于等于6次以上的关卡称为高难度关卡,则500个关卡中,B游戏中有95个高难度关卡,比A游戏要多80关。

3. B的关卡难度普遍高于A,B游戏中需要尝试2次及以上才能通关的关卡占比97.2%(A游戏占比89%)。对于玩家体验来说,在不计道具帮助的情况下,能一次通过的关卡少之又少,在屡屡失败的关卡面前,总体感受就是难。

近一步观察这些高难度关卡在各关卡区间的分布,可以看出:

1. 无论A游戏还是B游戏,除了第一个关卡区间和最后一个关卡区间,高难度关卡的区间分布基本均衡。

2. A游戏每25关中有一个高难度关卡,B游戏每5关中就有一个高难度关卡(好难)。

3. 结合上图可知,A游戏平均每5关中有2个简单关卡(1-3次通关),3个中等难度关卡(3-6次通关),穿插少数高难度关卡。B游戏平均每5关有1个简单关卡,3个中等难度关卡,1个高难度关卡。

三、关卡难易程度分布对玩家流失的影响

现统计各个关卡区间的平均流失率:

(各关卡区间平均流失率=(当日停留在该关卡区间而7日后流失的玩家数量÷关卡数量) ÷当日活跃玩家总数量)

分析发现如下特征:

1. B游戏在各关卡的平均流失率(0.0247%)普遍高于A游戏在各关卡的平均流失率(0.0118%)。

2. 无论A还是B,都有在前100关卡流失严重的情况,考虑到前100关卡多为新增玩家的流失,流失原因多样,关卡难易度不是影响新增玩家流失的主要因素。

但是B的高难度关卡比A更容易造成新增玩家流失(B在1-100关有13个高难度关卡,A仅有1个);在第100-300关卡,高难度关卡的流失率远大于关卡区间平均流失率,是玩家流失的主要因素。

3. B在前100关的平均流失远大于A,而关卡越往后,A和B的流失越少,关卡平均流失和高难度关卡平均流失也越相近,因此300关之后的高难度关卡对流失的影响极小,不是流失主因。

四、防止B游戏玩家继续流失的措施

最后,综上分析,提出一些针对关卡的改进建议:

1. 整体来看,B游戏关卡缺少明显的难易度区分(5=1+3+1),且普遍偏难。

建议在游戏关卡设计上,直接减少高难度关卡数量,增加简单关卡数量,并将简单关卡设计得更简单(让玩家更容易一次过关),中等难度关卡数量暂时保持不变。

2. 在“1”的基础上,前300关内,建议降低高难度关卡的比重,可在300关之后适当增加高难度关卡比重。

3. B游戏在前100关卡有新增玩家流失严重的情况,需要对包括关卡难易度在内的各种影响因素(如体力限制、金币奖赏、道具奖赏)综合进行人工干预,降低B游戏新增玩家的流失率。

4. 对于中高难度关卡,建议加入一些条件触发小插件,如失败三次以上赠送消除道具/失败五次以上智能调低难度阀值等等,适当减少玩家挫折感。

五、干预效果监测

在改进关卡难度设计后,按上文分析路径固化成基础报表进行查看,干预效果可从如下两方面验证:

1. B游戏的总体流失率、各关卡区间平均流失率是否与上周相比降低。

2. B游戏的平均关卡流失率是否向A游戏的平均关卡流失率接近。

注:此篇分析数据源均来源于公司内部数据平台,涉及的具体数值进行了脱敏处理(百分比没有)。

相关阅读

万元悬赏数据高手|2019「友盟杯」数据分析大赛报名启动!

你的坚持值得被肯定|2019「友盟杯」数据分析大赛结果公布

一款家居后APP,如何用增长黑客方法实现从0到40万增长?

产品高于需求:低频产品也可以有高用户活跃度

渠道评估怎么做,才能让App假量灰产无处遁形?

我的朋友老曹,居然用数据工具搞了这么多事

针对直播产品的成熟期,重构用户运营体系方案

拆解主要数据,分析社交类产品的数据运营方法

如何利用数据驱动,从0.5到1搭建App积分体系?

作者:甄芳

本文为「人人都是产品经理」社区和友盟+联合举办的“2019「友盟杯」数据分析大赛”中获奖作品,未经作者及平台许可,禁止转载

本文部分数据有脱敏处理,非全部真实数据

题图来自Unsplash,基于CC0协议

相关推荐

评论 抢沙发

取 消
暂无评论...