2015年10月3日

[遊戲數據] 什麼是留存率


留存率,顧名思義就是玩家留下來的比率,這也是所有 App 數據裡們最重要的。
神來也的創辦人 Mike Jiang 曾經說過,ARM 模型內最重要的數字不是把人導進來的 Acquisition、也不是跟錢有關的 Monetization,而是 Retention 留存率。

為什麼

為什麼留存率這麼重要?要說明這件事前得先來探討 ARM 模型內的其他兩個數據 - Acquisition & Monetization。

現在的 App 環境,要把玩家導入 App 內最有效的方式不外乎是買廣告,只要有錢,你可以買到你想要的玩家,而這些玩家下載 App 後、打開 App、把 App 留在手機中,這些行為又進一步提昇 App 在 App Store 或是 Google Play 上排行榜的排名,排名的提升又導來更多流量。因此 Aquisition 這件事大部分取決於你有多少銀彈,也就是說 Aquisition 可以靠非產品面的方式獲得。

再說到 Monetization,什麼樣的玩家比較容易付費,是下載完當天就刪除的玩家?還是七天後刪除的玩家?還是一個月後才刪除的玩家?是什麼樣的 App 營收會比較高?是一款下載後就想刪除的 App?還是下載後玩家會保留七天的 App?還是玩家會留在手機內一個月的 App?答案顯而易知。因此 Monetization 這件事的效果依賴著玩家留存,玩家留得越久,效果越好。

回到 Retention,如果把玩家導進來但留不住,就沒辦法有營收。如果玩家留得不夠久,收費的效力會低。因此可以說 ARM 模型中,Acqusition 跟 Monetization 是依靠著 Retention 才有辦法發揮最大的效力,因此 ARM 模型中最重要的是 Retention。

怎麼算

假設今天有 100 個新玩家打開 App,明天這 100 個新玩家之中有 40 人再次打開 App,那麼次日留存率(或稱為 Day1 留存率)是 40%。
假設這 100 個新玩家之中有 20 人在第 7 天再次打開 App,那 7 日留存率就是 20%。
依此類推,第 30 天時有 10 個玩家打開 App,那 30 日留存率(或稱為月留存率)是 10%。

Day N 留存率



如果我們只看 Day1 留存率,把每一天新進的用戶的 Day1 留存率畫成圖,就成了上圖。

次日留存率是很先期的指標,新用戶今天進來後,後天就可以看到結果。
因此這張圖除了可以看到次日留存率外,最重要的是當我們對 App 做了調整,後天馬上可以看到調整後的次日留存率。
當次日留存率變好時表示我們做對了一些事,可以繼續加強。變差時因為才過了一、兩天,也可以即時修正,不會因為過了很久才發現做錯事,要改也來不及。

某日新用戶的留存率


留存率的另一個呈現方式是把某一天的新進用戶後續的每日留存率製作成上圖,由圖可以知道某一天進來的用戶在 Day N 的留存率。

如果把每一天的這張圖都拿出來看,可以知道我們的 App 在那一天的落差最大,落差最大的地方代表用戶進來後到那一天的流失最多,要優先把洞補起來。絕大部分的情況都是 Day0 → Day1 的落差最大,所以次日留存率除了是先期指標外,也是所有留存率中最重要的指標。

以上圖來說,假設 Day0 有 100 人進來,Day1 的留存率是 49.49%,意思是隔日只剩下 50 人有打開 App,等於損失了另外 50 人。當我們好不容易找了 100 人下載 App,沒想到隔天有一半的人不再打開 App,這是多大的損失。

當然你可以說這 50 人很有可能第三天、第四天還會再回來,但通常來說,除非 App 是跟時間有高度相關的,例如旅遊類型的高峰是在週末跟週末前幾天、高速公路類型的是在假日,否則離開的用戶很難再回來。
用戶不打開的 App 過沒多久一定會被刪除,被刪除的 App 通常看到也不會再下載。

攤開來看留存率

以上除了各種圖自己的比較外,有時候我們也會想要合在一起比較各圖之間的落差,在各種圖之間切換總是不太方便,因此有了下面這種表現方式。

最左邊的 Install Date 是 App 安裝日,第二行 Cohort Size 是當日安裝數,後續的 1、2、3...是 Day N 的留存率。顏色越接近綠色,留存率越高、顏色越接近橘色,留存率越低。

從表中可以很清楚的比較出

  1. 任何兩安裝日間的差別,例如 9/23/15 的 Day1 留存率有 32.9%,到了 9/24/15 突然降低到 20.0%,從顏色上馬上知道有落差,就可以回頭找 9/24 是不是發生了什麼問題?導致 Day1 留存率變低。
  2. 各個 Day N 留存率之間的差別,9/28/15 當日安裝的用戶,在 Day2 → Day3 之間顏色落差過大,跌了 6.6%,這時候就可以回想到底是什麼原因造成的?如果以遊戲來說,會不會是每日登入送的獎勵改掉了呢?導致玩家留下來的意願降低...,不同的服務會有不同的原因、不同的解釋方式。

40-20-10 法則

上述圖表擷取自知名的手機分析服務 Flurry,不同分析服務,提供的呈現留存率方式不盡相同,但只要把握原則去解讀,八九不離十。

那到底怎樣的數據是好的呢?遊戲 App 中流傳著 40-20-10 法則,次日留存率要達到 40%、7 日留存要達到 20%、30 日留存達到 10%,代表這是一個及格的遊戲。

另外一種說法是,7 日留存率是次日留存率的一半、30 日留存率又是 7 日留存率的一半,其實 40-20-10 法則也符合這樣的說法。

但如果以應用類型的 App 來說,普遍都要比 40-20-10 來得高,因為遊戲可能下載後不喜歡就刪了,但工具型的 App 即使現在用不到,用戶也會有種之後也許會用到的心態,而留在手機內。

當然不同的 App,標準會不太一樣。新聞或社群類型的次日留存率應該要比其他種類的 App 高,且 7 日、30 日留存率肯定不能砍半再砍半,要保持接近次日留存率才是合理的標準。

工具型類型的 App 的次日留存不會太好看,但是 7日、30 日會非常接近次日留存率。

不管怎麼說,把握大原則,留存率沒人在嫌高的,當然是越高越好!

最後還是要強調一點,數據只是讓我們找出問題的工具之一,數據無法解決我們的問題,要解決問題還是要自己去發掘、去測試、去了解用戶才行。

搭配 [遊戲數據] ARM 模型 服用,效果更好!

photo credit: Numbers And Finance via photopin (license)
Related Posts Plugin for WordPress, Blogger...