8点做好流失分析报告用户流失分析报告怎么写( 三 ) _生活知识

20级-33级，流失用户参与“活动副本A ”的比例略低于活跃用户。
33级之后，流失用户“活动副本A ”的比例明显低于活跃用户。
可能因为活跃用户比流失用户更懂得玩游戏，在前期升级过程中以做任务为主，较少参与活动副本A 。
33级以后，活跃用户人均参与“活动副本A ”的次数高于流失用户60次，同样说明活跃用户比流失用户更懂得玩游戏。如下图所示。
8、用户账号余额
97%的流失用户余额为高于20 元，比活跃用户高24个百分点，流失用户账号余额较充足，说明玩家不是因为余额不够而流失。
我们从以上8个方面的数据对7天流失用户的特征进行了分析，然后，我们进一步了解每日流失用户特征，将从3个方面入手。
二、每日流失用户
1、每日流失和新用户导入关系
从下图可以看出，每日导入的新用户越少，流失用户数越多。说明新用户的增加在带来游戏人气的同时，还能提高用户的游戏黏度，降低流失。
说明：以上“每日流失用户”指每天未登陆游戏的用户。
每日新用户变化率=（当日新用户数量-前一天新用户数量） /前一天新用户数量
每日流失用户变化率=（当日未登陆游戏用户数量-前一天未登陆游戏用户数量） /前一天未登陆游戏用户数量
2、每日流失用户群体和地域
由于无法直接区分游戏数据中的账号是学生还是上班族，故在分析流失用户群体前，先对获取该数据的来源和思路做个说明如下。
该游戏在开测时做了问卷调查，其中人口属性问题中包含用户职业，总样本量超过3万个。其结果如下图所示。
【8点做好流失分析报告用户流失分析报告怎么写】因玩家填写调查问卷时必须已用游戏账号登录，所以能将玩家账号和游戏登录日志匹配，并区分工作日和周末，得出不同群体玩家的登录习惯。
通过对比不同群体的用户上线习惯数据发现，上班族、专业人员、中高级管理人员、公务员、私企老板其登录习惯相近，因此可以将这些用户归为一大类，此处统一归为上班族，而学生、自由职业者、工人/外出务工者的登录习惯相近，此处统一归为学生。
根据以下两种图，可以看出不同职业用户上线习惯：
上班族的上线时间受工作时段影响较大。在“工作日”白天和晚上的上线高峰时间点分别在12点和20点。“周末”的上线高峰时间点虽和“工作日”一样，但是白天和晚上的人数差距明显缩小。
学生没有明显的工作时段和非工作时段，因学生在周末不受上课影响，“周末”的上线高峰时间点和上班族一样。
说明：工作日为周一至周五；周末为周六和周日。
我们先选取3万个调查用户中学生和上班族的登录日志作为样本，选取登陆日志为观察指标，区分工作日和周末，使用K-means算法，找到学生和上班族上线时间的重要特征，根据该特征，应用到游戏内所有流失用户，按上线习惯分为上班族和学生。得出下图结果。
流失用户群体中，上班族和学生的比例为：55：45，其分布基本和活跃用户一致。
说明：以上聚类分析的方法在《游戏数据分析实战》一书中的第六章活跃用户细分中有详细的介绍，因此在本次案例中省去了用SPSS的“K-均值聚类”将用户分为学生和上班族的操作步骤。
将用户类型和地域数据结合，得出上班族中上海用户流失率最高，为77%，和上海的上班族用户多有关。如下图所示。
将用户类型和每天的登录日志结合，得出上班族在周末的流失率较工作日减少3%个点。说明上班族在周末有更多的时间玩游戏。而学生群体的流失比例受周末的影响不大。如下图所示。
3、每日流失用户各等级人数情况
30级玩家流失数量相对21-29级流失玩家数上升较快。如下图所示。
从8月5日开始，每日未登陆的50级用户量陡升，尽管50级玩家人数在不断增加，每日不登陆不一定真正流失，近期也应密切关注50级用户的游戏情况。如下图所示。
因1-20级每日流失用户数趋势无异常，此处的图表省略。
三、流失用户电话调查结果
为了进一步了解玩家流失的原因，筛选上海地区7天流失用户的手机号码给客服进行电话回访，共成功回访用户 807名 , 其中上班族占了80% 。