随着移動遊戲整體的火熱，現在看到太多的資料，太多資訊，很多時候我們仰慕和欽佩别人的成功，我們總是把這個行業達成所謂共識的一些資料來出來說明問題。因為我們笃信資料是有力的證據，并且可以說明實力。然而太多的時候，因為沾染了更多的外在氣氛，以至于在一些情況下看不到自己接下來的清晰的方向。比如今天說的留存率問題。
關于留存率，之前也談到了很多，包括計算标準和使用方法，不過細心的人應該懂得那些隻是一個最初級的階段，因為即使你知道的留存率是什麼，但是你會發現你依舊不知道要去做什麼？原因在于，你覺得大家都在談論，是以，我也這麼談論。很多時候，見過很多人都在詢問，這個類别的遊戲，benchmarks是多少，一方面的确很有用，因為你看到了差距，另一方面，卻發現，縱然自己知道差距，卻依舊不知道如何彌補差距，如何解決問題。
因為，所有的資料分析和資料都是以解決問題為先。
然而，我們把資料分析和資料當做了誇誇其談的佐料。
留存率的最大的窘境在于，即使，你了解到了你存在差距，但是你依舊找不到解決這個問題的辦法。比如我們都知道我們的次日留存、7日留存水準都不是很高，需要進一步提升，但是往往我們找不到方法，很多時候，我們可能回過頭來通過不斷的遊戲體驗，去尋找問題，實則現在很多人已經知道通過留存率來分析體驗的問題。然而驅動使用者體驗決策而有意義的成功标準，一定是可以明确的與使用者行為綁定的标準，而這些行為也一定是可以通過設計來影響的行為。然而我們看到了所謂現在探讨的次日留存率和7日留存率并不能準确捕捉行為，并且幫助我們完成設計，進而影響行為。
是以，我們要解開這個窘境。
是以，我們要去尋找在留存率背後的行為，而這些行為必須要能夠進行量化，同時通過設計可以影響行為。
從設計的角度來看，我們很關心如下的内容：
因為這些因素使我們通過設計可以進行改進的，而這些改進，必然會對應在一定的量化基礎之上，因為剛才提到了，隻有這樣的标準才是存在價值的，也是可以真正通過資料分析解決問題的，換句話， 隻是一個單純的留存率名額我們并不能更加清楚的發現這些問題，抑或更多的時候，隻能憑借體驗和感覺來解決問題，這種情況下其實資料分析并沒有發揮應有的作用。
留存使用者的等級分析
我們可以通過分析次日、7日、30日使用者的首日等級變化情況，了解不同品質使用者區對于遊戲内容和進度的把握情況，進而快速定位是否是遊戲内容過難，或者新手教學沒有做好導緻的結果。
如上圖所示，次日留存使用者，在首日停留的等級有22%的是在4級，而有13%的次日留存使用者直接是安裝了但是沒有進行遊戲内容，與此同時，我們對比7日留存使用者的新登日變化情況來進行對比分析：
在此，可以看到，7日留存使用者中，等級達到2的使用者有14%，而在次日留存使用者中，首日等級達到2級的比例是18%，這點來看，7日留存使用者的品質的确是高于次日留存使用者。從這點來看，圍繞遊戲本身設計的要素，比如每日遊戲時長，可以判斷使用者的首日遊戲體驗是否達到了預期的效果。是以這裡我們可以去結合使用者的遊戲時長進行判斷。
留存使用者的遊戲時長分析
作為每一個遊戲設計者，肯定會判斷自己的遊戲時硬核，還是中核，或者休閑，不同的情況對應的遊戲時長水準是不同的，比如下面的例子：
結合新增使用者等級的變化情況來看，其實我們比較容易看到，使用者的遊戲時長中有30%的人在0-10s就離開了遊戲，針對這點其實可以反映幾個潛在的問題，比如網絡的不穩定，加載問題，管道的虛假使用者等等問題。針對這款遊戲10-30min使用者的數量相對占比不高，是以對于那些首次接觸該題材的使用者來說，新手引導存在一定的問題，使用者在最開始的成長遭遇了一些問題，比如初期的贈送獎勵不足以讓使用者繼續體驗接下來的遊戲内容。不過值得肯定的一點事，在這款遊戲中，我們可以看到基本上是一個正态分布，相對合理，而在某些遊戲中，比如伺服器不穩定，或者網絡沒有解決，那麼此時使用者的遊戲時長曲線就會變成一個偏态分布，諸如下面的情況：
這種情況，可以肯定都是存在較大的問題，遊戲核心機制沒有有效的吸引住使用者，是以在這種情況，就需要去做比較深入分析和改進。關于接下來的問題，在後續的文章中接着說。