什么样的留存率算是平均水平

好玩的游戏超多啊，每个时期吊炸天的游戏都不一样，毕竟手游很快红起来，又很快没人玩了，每个人的口味都不一样，比较实用的还是给你这样一个手游排行榜，这个是18183手游排行榜，里面包含2个大榜单，18183新游期待榜和18183热门手游榜，亲可以依据具体情况去选择，这里每天都更新，现在多人玩的游戏一看就知道了，选起来也方便，给你地址

手游留存什么意思 游戏留存率

手游留存什么意思 游戏留存率

运营主要的指标是什么？7天活跃，14天活跃 ARPU

我觉得所有指标其实都是一个一个维度深化下去的。数据是永无止境的，关键是你想要数据解决什么问题。与其思考运营重要的指标是什么，不如思考对于游戏重要关注什么。我觉得设计一款游戏重要的指标归根结底就是2点：留存和收入。我们做的大部分的策划和思考都来自于提高这2个数据，从而衍生出所谓的7日活跃和14日活跃，月活跃。同时为了提高隔日或者7日留存的数据，我们又要设计很多运营方面跟游戏相关的数据去检查这些数据跟留存数据的关系。

为什么关注7天活跃？

有个词叫体验线。是用来衡量每个玩家从接触游戏到不同阶段所享受到游戏乐趣的不同感觉。我们认为，隔日留存跟七天留存重要，是因为这段时间如果能够给玩家带来很好的游戏体验，用户留下来的概率会增加不少。

前期我们主要关注3个数据：新手通过率和隔日留存，7日留存。而且我一直主观认为，建立一个好的新手通过率的模型会直接影响留存数据。例如，一个游戏会做新手，关键是到多少级更好呢？的越久意味着流失越大，而没意味着玩家还没懂玩游戏就已经流失，同时也会影响留存。我建议策划主观设定一个阶段的新手等级，根据新手通过率和隔日留存建模型，不断修正新手。所以我们为了提高隔日留存，又会有一系列的数据指标，去验证设计的方案。

我相信，当你设计好了目标，到底是为了提高留存还是收入，你就能想到各种运营数据去优化游戏的体验。

现在的手游动不动 80% 次日留存，是如何做到的呢？

现在的手游动不动 80% 次日留存，重要的一点就是可以能留住玩家。当今游戏产业迅速发展，手游产业更是一块必争之地，动不动 80% 次日留存也是游戏开发商必须要做到的一点。

通过丰富的游戏体验提高日存留时间 现在的游戏产业竞争相当激烈，每个游戏开发商都希望自己的游戏可以挣钱，所以这就要提高游戏的丰富体验。

比如说“荣耀”是各方面做的都十分完善的一款MOBA手游，喜爱MOBA类型的玩家就会在荣耀中得到和电脑中MOBA游戏相似的体验感。

有针对性的使用群体提高日存留时间论现在火的莫过于荣耀、荒野行动、恋与制作人。这里要提到的就是“恋与制作人”，游戏的本身定位就是一款超现实的恋爱。

其使用和消费群体是广大年轻女性，这款游戏的代入感会很强，玩家往往会感受到超出现实生活的一种游戏体验，可以和高富帅谈情说爱，这何尝不是一种美好的人生。

通过游戏活动和在线奖励在挽救日存留游戏的寿命和热度是有限的，并且新游戏推出的速度日益加快，这样就对老款游戏带来巨大的冲击。老款游戏会推出一些优惠活动、在线活动来维持玩家的日存留。

这也是老款游戏继续维持下去的办法。比如“荣耀”在2017年上半年，几乎无人不知无人无人不晓，但还是走了下坡路。所以荣耀推出各种活动来维持日存留。

如何提高手游留存 《神武》手游树立楷模

轻松快乐玩手游

重度手游很容易因为过于重度造成玩家流失，而轻松快乐是《神武》手游的一大优势，舒缓的游戏节奏、清新的画风、可爱的宠物等回合制元素加上《神武》手游极其人性化的智能作系统极大地降低了玩家的作负担，让玩家轻轻松松玩手游，流失率自然降低不少。

社交元素保留存

除了依靠游戏品质留住玩家之外，社交体验也是保证留存率的利器。《神武》手游的语音聊天系统、帮派系统、实时对战等设定让玩家在游戏中充分地与其他玩家交流、交朋友，打造边玩边聊，人山人海的社交手游。这种良好的社交体验有效地增强了用户粘性，提高留存。

趣味回合

，好玩儿才能留住玩家，《神武》手游正是一款以取胜的手游。没有大规模宣传，也没有夸张的噱头，而是让玩家在游戏中慢慢体验回合制游戏特有的乐趣，以此建立起来的玩家基础可以说是非常牢固的，留存率也就提上去了。

从《神武》手游的成功可以看到，的游戏品质是保证留存率终要的因素，也是手游大作的成功之道

问个问题，不滚服的游戏怎样化地留住新手玩家

玩家只有在游戏中留住后才会有后续更多的可能性。需要重点关注的留存数据主要为，首先需要重点关注其首付行为，小R、中R：

1。

游戏运营到中后期需要重点关注的数据、购买动机以及购买场景，深入分析其需求点，要让游戏保持可发展性以及可玩性，筛选老服的大部分玩家等级是否都是集中在中高级阶段，后续更新内容要根据玩家的等级数据表现及时调整，则是相关玩家等级、道具，如果次留处于同类型的游戏的平均水平之下，缺乏新意，或者后期一些好玩的系统没有提前呈现给玩家，游戏是否有亮点,更有甚者因为过程漫长无法跳过而导致流失，玩家等级也已经升到10~15级：次日留存，3日留存，7日留存，14日留存和30日留存。次留的高低能直接体现游戏的产品品质，然后放大这些动机点来更多的非付费玩家进入。其次，但是大部分玩家真心也没记住多少内容、挣快钱,可以通过漏斗式任务设置来分析任务之间的转化率，找到任务之间低转化率的，进而结合游戏设定来进行任务优化。

2、用户行为筛选过程

员可以针对有效玩家群体进行行为数据筛选,目前一些采用分布式阶段式的重度手游改善了这种情况,在市调中也表现出玩家们对该种的接受程度,此外，就要考虑游戏前期的内容是不是与其他游戏太过雷同、新手过程

所有重度游戏无例外都会有新手,而且因为系统的越来越端游化,导致新手也越来越复杂，不要让玩家有后期无力的感觉，那么流失后的回流数据分析则可以验证游戏各种活动,这里所说的有效群体按付费情况分为两大类——玩家和付费玩家。

对于付费玩家、大R等几个付费群体的所占比例。一般会呈字塔的表现形式，分析不同级别的付费玩家的购买习惯，例如：首次购买的道具，首充金额,市面上已经有提供了重度手游任务分析系统，分析其首付动机，玩家没有看到自己感兴趣玩点在哪里。由于手游的生命周期相对较短，14日留存和30日留存就代表了游戏的长线留人能力,以往新手做法是把新手任务一股脑的全部抛给玩家，等新手任务全部完成后、任务、关卡等综合分析。从数据方面查看大量玩家所处的等级分布，有效玩家群体的留存与流失表现也极为重要、或者交互是否可以长期留住玩家，这些都可以从数据表现来具体分析。

如果说留存数据可以代表游戏的品质以及留人能力，或者更新内容对沉默玩家的唤醒效果。可以通过精准推送功能来针对沉默群体来进行特制的消息推送。其实游戏运营的更多精力应该放在游戏中的有效玩家群体，沉默玩家的唤醒成本太高，而且一般效果都不是非常好，以及首付场景等。

有部分中重度手游会沿用以前页游的运营方式——滚服，即不停地开新服洗玩家重度手游数据运营工作流程，逐一放大，低层的玩家向上一级转化。

除了对有效玩家付费群体行为数据的重点关注之外。根据道具数据表现来分析后期玩家的道具或装备饱和度，及时调整新道具或装备的更新节奏，以及通过任务停滞和关卡难度来分析玩家主要被卡在哪个，及时进行优化

的游戏与IAP的标准参数

在过去几周时间里我发布了一些关于优化游戏和用户转换的分析案例。我将使用一款现实游戏作为例子，即App Store中的《Ancient Blocks》。

本文中的报告使用了Calq，你也可以使用其它服务或自己创造这些参数。比起“如何测量”，这系列文章将更注重“测量什么”。

常见的KPI

通常情况下，不管是什么类型，所有的高级关键绩效指标都是相似的。大多数开发者所拥有的KPI包括：

天，第七天以及第三十天的用户留存—-用户多长时间回到游戏中一次。

DAU，WAU和MAU—-每日，每周以及每月的活跃用户，这是衡量活跃玩家基础的数值。

用户LTV—-这是关于玩家的终身价值(通常情况下是基于各种年龄层，性别，地理位置，广告活动等等进行衡量)。

DARPU—-每用户每日平均收入，也就是每天每个活跃用户所创造的收益。

ARPPU—-每付费用户平均收益，这是与LTV相关的测量，但它只计算真正付费的用户子集。

除此之外还存在一些特定的KPI。这些参数将帮助你明确游戏的组成部分并对其进行更好的完善。你的终目标便是通过完善更多游戏领域而提高高级KPI。

用户留存

用户留存是衡量用户在一定时期后回到游戏中的频率。天的用户留存是关于多少玩家在次游戏后的隔天回到游戏中，第七天用户留存是指七天后回到游戏中的玩家。用户留存是关于游戏是否具有粘性的关键指标。

通常情况下衡量用户留存比衡量收益还重要。如果你拥有很棒的用户留存但是用户终身价值却不怎样，那么你便可以在之后做出进一步的改善。而如果是相反情况的话你可能就会措手不及。如果基于较低的用户留存率，你便更难从一款应用中获得盈利。

用户留存表格是观察一段时期后游戏留存率的有效方法：

当游戏是基于用户留存进行迭代(注：添加/删除一些功能或调整现有的功能)，我们便能够看出一些改变是否具有正面的影响。

活跃的用户基础

你可能已经听过“每日/每周/每月”活跃用户。这是关于你的活跃用户基础的产业标准尺度。例如WAU是衡量过去7天里玩游戏的特定玩家数量。使用DAU/WAU/MAU是明确你的用户是增长，收缩还是平稳的简单方法。

活跃用户衡量需要与用户留存数据一起进行分析。如果你拥有许多新用户但同时也失去了一些现有的用户，那么你的用户基础可能会趋于平稳。

游戏特定的KPI

除了常见的KPI，每一款游戏还具有特定的额外参数。这可能包含你的玩家在游戏中的进程的相关数据(如级别)，制，平衡参数，性传播以及分享循环等等。

这将衡量大多数用户进程(用户参与你的应用的互动路径，如开始一次新游戏的菜单)，如此开发者便能够对其进行迭代与优化。

《Ancient Blocks》的特定参数包含：

玩家进程：

完成了哪些关卡。

玩家是否重新玩了一个更高的难度。

关卡难度：

玩家完成一个关卡前做出了多少次尝试。

玩家在一个关卡中花费了多少时间。

玩家在完成一个关卡前使用了多少道具。

游戏内部货：

玩家在游戏货中花了多少钱?

玩家用游戏货换取了什么?

玩家在购买前通常或做些什么?

游戏内部教程

当玩家次开始玩一款游戏时，他们通常会看到一个他们如何玩游戏的互动教程。这是游戏留给玩家的印象，所以开发者需要好好完善教程。如果你的教程很糟糕，那么你的天用户留存也会很糟糕。

《Ancient Blocks》拥有基于10个步骤的教程去用户如何游戏(垂直拖动组块直至它们能够连成一条线)。

目标

关于教程的数据需要呈现出哪些领域需要进行完善的信息。通常情况下这些都是用户容易受困或花太长时间的领域。

识别教程中的阻塞点(即用户受困的地方)。

迭代这些教程步骤将能够提高游戏的用户转换率。

参数

为了完善教程，你就需要明确一组针对于教程的参数。对于《Ancient Blocks》，我们需要获得的关键参数是：

通过每个教程步骤的玩家比例。

在完成教程后继续游戏的玩家比例。

执行

使用基于行动的分析平台(就像我们使用了Calq)教程步骤非常直接。《Ancient Blocks》便使用了名为教程步骤的行动。这一行动包含名为步骤的定制属性去指示用户处于哪个教程步骤(0代表步)。我们同时也想要用户花费在每个步骤的时间长度(按秒计算)。为了做到这点我们包含了一个名为持续时间的属性。

行动

属性

教程步骤

步骤—-当前教程步骤(0代表开始，以此类推)。

持续时间—-用户完成步骤所用时间(按秒计算)。

分析

分析教程数据非常简单。我们可以通过创造一个简单的转换漏斗(每个漏斗步骤就等于每个教程阶段)去识别大多数参数。

完整的漏斗查询能够一步步地呈现完整的教程交换率。在这里我们很容易看到哪个教程“损失”了多用户。

从结果中我们可以看到：第四个步骤拥有大约97%的转换率而其它步骤拥有99%的转换率。这表明我们需要完善这一步骤。尽管只有1%的别，这却代表着我们在这一步骤中每个月可能损失1000美元的收益。而如果是一款大受欢迎的游戏，其损失可能会更大!