游戏行业，用户留存应该如何操作？

最近，一款新的游戏产品开始运营，目前正处于用户引进期。自然，新用户的数量和保留率都不高，我们的运营目标是将活动提升到一个新的量级。由于我主要负责用户保留的部分，我对保留问题有了一些新的想法和想法。用户留存是什么？从数字层面来看，是持续使用产品的用户比例。例如，我们所说的第二天保留的新用户是指第二天登录的新用户的数据性能。对于大多数游戏产品来说，保留率直接体现在用户对产品的接受度上。当然，并非所有的产品都追求高保留率，这与用户是否愿意直接支付费用和使用频率有关。例如，对于低频工具产品，用户持续使用的概率较低，只有在需要时才会考虑。此时，关注的焦点不是保留数据。为什么要保留用户？这是一个老生常谈的问题，似乎是大多数游戏产品关注的焦点。1.对于游戏产品来说，可以说没有用户保留就不活跃，更不用说后续支付了。用户的持续存在意味着有足够的时间挖掘用户的价值，只有真正持续存在的用户才能产生商业价值。至于如何挖掘活跃用户的商业价值，常见的方式要么是广告，要么是充值，要么是新的，这些商业价值的前提是用户可以留下来。2.产品角度保留的高低反映了用户是否满足了用户的核心需求。对于游戏产品，用户的核心需求自然是玩游戏，用户可以继续登录游戏，至少表明用户满足了游戏体验，在一定程度上反映了产品满足了用户的基本需求。因此，产品的改进是一项持续的工作，用户保留的指标也可以衡量产品的价值。3.从成本的角度来看，老用户的维护成本远低于新用户的成本。用户保留率越高，老用户的运营成本越低，对产品的可持续发展和利润的提高具有重要意义。在当前互联网市场逐渐转向精细运营的总体趋势下，如何维护现有的老用户，通过老用户带来新用户，降低新用户的成本和整体运营成本是一项更重要的工作。如何保留用户？在思考如何保留用户时，最关键的问题是思考用户为什么要留下来。而不是看其他产品似乎做保留功能或活动非常有效，参考。我认为核心点是两点：如何满足用户的核心需求；如何为现有的核心需求提供更多用户留下来的理由？如何满足用户的核心需求？1)用户的核心需求是什么？这是一个很容易被忽视但又很重要的问题。对于我们自己的游戏产品来说，用户的核心需求必须是正常的游戏游戏，明确这一核心需求，我们在考虑用户保留时不会偏离方向。例如，当用户打开产品时，如果系统被卡住或崩溃，用户实际上没有体验到核心功能。在这种情况下，谈论保留是没有意义的，因为用户在那个阶段之前就已经失去了。而且改进点也很明确，就是解决性能瓶颈和卡点流失。对于没有明显的系统崩溃问题，如何定位用户流失节点，一种方法是用新用户漏斗来判断。(数据已脱敏，非实际数据)可以看出，调整前的分析表明，新用户在步骤3时明显流失，其余单步转化率在80%以上。但是步骤3的步骤降到了54%，这里用户的选择明显有问题。剩下的就是考虑如何优化这一点，减少用户流失。当时，我们有一个简单的手势指南，告诉用户一般内容，但不支持用户点击任何位置跳过，必须点击“下一步”按钮跳过，我们找到朋友测试也反馈这里有点不舒服，所以我们假设这里的操作影响用户的选择。当时有两种技术方案，一种是放大按钮，技术难度小，上线快；另一种是完全改变，支持用户随意点击跳过，但上线速度慢。经过综合评估，我们认为第一步是验证这里的假设，所以我们选择了一种简单的技术方法。调整上线后，同一位置的流失率确实明显下降，说明这里影响了用户的流失。验证了这个假设，我们不断优化这个问题，准备以80%的转化目标彻底解决这个问题。这里介绍的只是一个相对简单的点，但关键是在明确核心需求是否满足的前提下，找到影响用户接触需求的路径点，即解决用户接触核心功能的障碍。2)是否满足了额外的需求？也就是说，用户是否不知道自己的需求，我们通过操作发现这可能是用户的需求，然后使用产品功能来满足这一点，用户在产品使用过程中获得“惊喜点”，从而对产品有更高的评价，更容易留下来。例如，ios系统比Android系统更容易使用的原因之一是，有时用户在使用过程中会发现惊喜。比如ios的捷径功能，屏幕使用时间功能，对于刚有使用需求的用户来说是一个很好的满足。如何发现这些功能或操作策略应该基于对用户的理解。我们可以通过用户研究获得用户的需求或槽点，也可以通过大数据分析用户的行为路径，结合业务流程找到用户的需求点。关于用户保留的魔法数字，有一种广泛的说法是在硅谷的Facebook、通过长期分析，Twitter等互联网公司发现，如果新用户在一定时间内以某种频率使用某种功能，保留数据就会上升。例如，如果你发现有多少用户关注新用户，你会发现这些用户的保留率更高。因此，产品或运营活动更注重给用户更多关注的机会。回到自己的游戏产品，相应的逻辑是分析用户玩了多少游戏更容易留下来。不过，仔细想想，会不会是喜欢的用户碰巧玩了这么多游戏？因此，在找到这个魔法数字时，必须对用户进行分类。玩了一段时间的用户也会进行比较，而不仅仅是对新用户群进行比较。由于不同的用户接触产品的时间不同，接触时间较长的用户必须更有可能达到一定的值。