先说结论：不要在第一张图上动手

留存曲线只告诉你“有人没回来”，不告诉你为什么。假设某个版本上线后，第七天留存比上一个版本低了一截，这时能确认的只有一件事：数字变了。它是真的变了吗？是哪些人变了？变在哪个环节？这些都得先回答，才轮得到“怎么改”。下面拆成六步，示例数据全是假设。

第1步：确认这次下降是不是真的

先排除“数据自己出了问题”。常见的情况有：埋点在新版本里漏发，玩家被记成“没有回来”；身份合并规则变了，同一个人被拆成两个；机器人流量混进了口径；活动结束或一次大规模拉新改变了人群构成。更隐蔽的是留存定义被悄悄改过，例如“回来”原来是打开游戏，现在是完成一场对局。排除这些之前，谈原因没有意义。这部分和玩家事件到会话的数据工作流直接相关，事件质量决定了后面每一步能不能信。

第2步：分层，看是哪一类玩家在掉

整体留存是一个平均数，平均数会把结构变化藏起来。至少应该按几个维度切开看：

  • 来源：自然进入、朋友邀请、活动拉新，期待各不相同。
  • 设备与网络：低配设备的玩家可能在第一次加载时就离开了。
  • 玩家类型：偏战斗、偏探索、偏社交的玩家，对同一关的反应可能相反。
  • 版本与进入时间：同一天进入、同一版本的玩家才是可比较的同期群。

如果只有低配设备的新玩家掉了，“加奖励”与“改关卡”都可能是错方向，该看的是首次加载和教学阶段的性能；所有层同步下降，才更像通用的设计问题。

第3步：用漏斗定位掉在哪一步

把新玩家的早期路径拆成漏斗：安装后打开、完成教学、进入第一关、通过第一关、进入第二关、第二次打开游戏。漏斗每一步的转化率，比留存曲线更接近“玩家在哪里离开”。假设第一关到第二关的转化明显低于教学到第一关，关注点应放在第一关的体验上；如果最大落差在“通过第一关”和“第二次打开”之间，说明玩家完成了内容却没有回来的理由，这时奖励、提醒或目标设计才更值得怀疑。

漏斗只说明落差在哪一步，不说明为什么：关卡太难、目标不清、加载太慢、界面看不懂，都可能造成同一个落差。

第4步：看会话长度分布和流失前信号

会话长度的平均值不如它的分布有用。假设分布里出现了两个峰：一个在很短的时间，另一个在正常的时间。短峰意味着一部分玩家打开游戏后很快就走了，通常与加载、教学门槛、第一印象有关；整个分布向短端移动，则说明整体投入变浅。爱游戏在分析里还关心会话是怎么结束的：主动退出、崩溃，还是停在某个界面。

然后是流失前信号，也就是玩家最后几次会话中出现的变化：会话变短、间隔变长、连续失败后立刻退出、只领取奖励不进入对局、不再打开某类玩法。这些只是“像要走的迹象”，用来生成候选假设，不是原因的证据：连续失败后退出的玩家可能是太难，也可能只是该睡觉了。判断“太难”还是“不知道怎么走”，可以参考卡关诊断里的行为信号，把停留时间拆成战斗类和导航类。

第5步：把候选原因写成可以被推翻的假设

此时通常已有几个候选原因，比如“第二关的守卫平台让新玩家流失”“首日没有明确的第二天目标”。要把每个候选写成能被数据推翻的说法，并指定验证方式：

候选原因只看观察数据会怎样 更可靠的验证方式
第二关太难 在该关失败的玩家流失更多，但失败多的玩家本来就可能动力较弱 随机分组给一部分玩家可选提示或不同的敌人配置，比较后续回访
缺少第二天的回来理由 回访低的玩家没有未完成目标对一部分玩家展示明确的次日目标，另一部分保持原样
首次加载太慢低配设备玩家流失更多，但这类玩家也可能来源不同同一设备类型内比较加载时间不同的玩家，或先做性能优化再对比
玩法与预期不符 流失集中在特定来源 定性访谈，或在退出时提供简短、可跳过的反馈

这里的核心是区分相关与因果。“在第二关失败的玩家流失更高”，并不能推出“第二关导致了流失”，因为失败次数多的玩家可能本来就是动力更弱、对这类游戏兴趣更低的人。可靠的做法是干预：随机分组、对照测试，或者至少做前后对比并控制同期变化。定性材料同样重要，短访谈和退出反馈能说明数字背后的原因。

第6步：比较“改奖励”和“改关卡”的代价

回到会上的争论，两种改动的性质是不一样的。

  • 改奖励：通常是数值或配置层面的调整，容易分组，容易回滚，代价小。风险是它可能只是在短期内买回一批“为了奖励回来”的玩家，而没有改变玩法本身的吸引力；奖励被习惯后撤销会引发反感，可逆性没有看上去那么好。
  • 改关卡：涉及内容制作、平衡与测试，代价高，周期长，一旦改动就很难保持“一半玩家看到旧版本”的对照状态。收益是可能解决玩法层面的根本问题；风险是改完要验证仍可通关，还可能误伤已适应旧版本的玩家。

因此，证据不足时更合理的顺序是：先用便宜、可逆的方式验证假设，例如可选提示、临时的教学补充、小范围的次日目标；验证显示问题确实出在关卡结构，再投入关卡改动。如果第2步已经把问题限制在某类设备或某个来源，就直接处理那一类，不必动全局的关卡和奖励。

这棵树不解决什么

留存分析不能替代对游戏本身的判断。短线玩法的游戏次日留存低不等于设计失败，留存高的游戏也可能靠过度的登录奖励让玩家疲惫。分析的目的是让改动更有依据，而不是让指标成为设计目标。爱游戏的做法是让玩家模型把分层、漏斗、会话和流失信号整理成候选假设，再由运营、设计和数据一起决定先验证哪一个。