留存优化工具可以让你判断有多少玩家在90天内将仍然玩你的游戏,并过滤和划分那些玩家以确定哪些特征与被吸引的玩家(engaged players)有关系。

要使用留存优化,首先基于离散的玩家开始日期、人口统计学过滤器和按照你想要分析的分组来过滤你的玩家。

LTV_Filters

认真考虑你选择的玩家开始日期是非常重要的。留存优化可以预测从玩家开始日期起在90天窗口内产生的收入。也就是玩家安装的日期是第0天,从这一天起到未来的90天中,预测结果将会被计算出。

如果所有的玩家开始日期都已经超过90天,那么留存优化将专门根据真实的游戏数据进行工作。如果部分或者全部的玩家开始日期都小于90天,那么一个预测将会创建以填补今天到第90天之间的空白,预测将会基于真实收入数据的加权组合和预测值,权重等于每天安装的真实数量。

一旦你选择了你想要分析的玩家开始日期、过滤和分组,点击更新(UPDATE)按钮以运行留存优化工具。这个工具将返回一个数值框和一个图表来概述结果。

retention_optimiser

留存优化返回的四个值是:

总玩家:这是在选定的开始日期之间安装,且满足过滤和分组选项的玩家的总数

预计30天留存:这是玩家分组中在30天时仍然在玩的比例

预计60天留存:这是玩家分组中在60天时仍然在玩的比例

预计90天留存:这是玩家分组中在90天时仍然在玩的比例

留存预测(Retention Projection)图表展示了在玩的每一天的预测留存(即玩家仍在在玩的百分比)。蓝线展示了留存的最佳估计值,绿线和红线分别展示了最大值和最小值,留存都将在这一区间内。

由于留存优化基于从选定分组中观察到的真实数据来预测,如果玩家和付费玩家的数量过低其将无法给出一个准确的预测。如果在选定分组中玩家的总数少于100那么这个预测将会基于默认的模型参数。这种情况下,这个工具将产生一个警告,且图表看起来是这样:

retention_optimiser_poor

这种情况下产生的留存预测应当谨慎对待。如果玩家的总数少于20人那么留存优化将无法返回有价值的结果。这种情况下返回的预测不应被使用。如果总玩家数量过少,那么留存优化图表将看起来是这样:

我们报告的留存类型是基于UTC日期的第N个典型日期的留存。这意味着一个用户如果其游戏操作在其第一次事件日期后的第N天是活跃的,则被考虑留存。

Contact Us

We're not around right now. But you can send us an email and we'll get back to you, asap.