小白學資料分析--到底要怎麼做流失分析
最近看了很多關於流失分析的文章，也構建了一些模型，流失這個問題看似有些讓人抓不住一根主線來做，這幾天也有幾個朋友問我怎麼來做流失的分析，但是最近工作變動，外加上很忙，就沒有很好的跟他們說說這個問題。說道流失流失分析，很多人都知道使用決策樹演算法，C5.0、Chaid、Quest或者貝葉斯，也有用聚類分析的，總的來說流失分析的方法很多，但這些都是技術層面的，也算不上是一個流失模型。
前幾天看到一篇文章來講述怎麼分析永恆之塔的流失(http://data.gameres.com/msg_186099.html)，方法和過程真的很不錯，不過流失分析遠比這個還要多，其原因在於，那篇文章中，作者是選取了1-10級的新手作為研究物件，而實際上，流失分析面向的物件不僅僅就是新手(廢話，誰都知道!)，這句話是句廢話，現在看，做資料分析的都明白，然而一旦真的做資料分析，研究流失率時，往往就忽略了我們要對那些人進行流失分析，眉毛鬍子一把抓。
早先寫過一篇關於流失分析設計的文章(http://data.gameres.com/msg_183700.html)，但是後來反映設計的過於複雜和繁瑣，沒必要這麼分析。其實，我覺得很有必要。流失分析不是你信手拈來就開始做你的流失分析的。在之前的文章中，主要設計的是歷史使用者的流失分析方式，把歷史使用者的流失分成了留存、沉默、流失、迴流、植物等幾類情況，實際上這種分類的形式是由玩家的遊戲生命程序(生命週期)決定的，原因我覺得有以下幾點：
1.遊戲程序不同，使用者的反饋不同;
2.不同階段的流失使用者，不同的挽留措施;
3.不同生命程序，流失使用者特徵不同。
正如文章所言，流失分析很多情況下只是告訴你誰會流失，流失的人有什麼特徵，而這兩點對應的是流失分析的兩個方面：
1.誰會流失->流失使用者的預測，告訴你流失的可能;
2.流失特徵->流失使用者的特徵，告訴你流失的特徵。
而流失分析最終的目的是透過這兩點，僅僅結合業務分析流失的原因(再好的演算法，模型不會告訴你原因)，而解決了誰會流失，流失特徵，流失的原因，那麼就可以進行挽留措施的實施，到此一個完整的流失分析閉環才形成。
形成閉環的原因在於，新的一批使用者會繼續檢驗我們的流失分析模型，我們希望在同樣的遊戲程序時期或者狀態下，能夠透過不斷的`修正模型，使之具有普適性。這樣的一些模型最後組合起來，就可以比較全面的描述玩家不同的遊戲生命程序的流失特徵。當然這需要不斷的實驗和分析，因為使用者的質量也是要考慮的。最後，建立在反覆使用模型分析的基礎上，得到顯著性的模型框架。
而這個過程中，值得我們注意的是，往往我們很多時候做的是這其中一小部分，而我們恰恰把這一小部分放大認為是流失分析的全部，比如我們做了40級-50級的流失使用者，找出流失使用者可能性，流失特徵，但是往往忽略做一些挽留的措施，挽留的措施有的是軟性的，比如透過活動，獎勵等實施，也有透過更改系統設計來彌補，但是這要看你做的流失分析使用者流失的嚴重程度，換句話說如果這一階段的流失是一部分客群引起的高流失，而這部分客群不代表我們整體客群(流失客群的特徵與之前歷史客群在該階段流失特徵不符合，那麼這就不是系統設計的因素造成的)，此時就不能輕易使用更改系統設計的辦法，多數情況下采取軟性的手段，幫助使用者過度。
然而，回頭來看，站在一個高度來看我們是根據了玩家的遊戲程序到什麼階段(處於的狀態)來確定我們的流失分析物件和方法的。
看了永恆之塔的流失分析我發現，之前的針對新手的流失分析沒有深入的做過研究，PRARA模型關注的很多也是使用者保有留存的問題，可以看得出一批新使用者，我們關注更多的是留存問題，而那些歷史使用者我們關注的流失問題。
針對使用者流失的設計我們大概有月流失，周流失，沉默，然而我們在這塊的分析遠遠沒有達到一個高度，畢竟我們的收入主體還是來源於這些歷史使用者，本身來說付費轉化，遊戲學習成本都很低了，專注這些使用者，做好挽留發揮的效益更大。
然而新使用者正如文章也提及的情況，新使用者對遊戲的學習，操控，熟悉還不完全，即使我們獲取了資訊，流失特徵，流失可能性，大概我們想找出來玩家為什麼還是會離開難度就會比較大，即使我們有最好的新手體驗流程和新手緩衝期，但不能避免的使用者流失(當然這不是說新使用者的留存、流失分析不重要)。然而反過來當玩家遊戲生命週期進入穩定期或者提升期，卻面臨了很大的流失，那麼我們獲取流失特徵，分析流失可能性，最後做出挽留得到的效益遠遠大於新手的流失分析。
說了上面這句話大概看到的人會笑，會噴我，補充一句的是，一個遊戲就像一個池子，有進水口，也有出水口，我們希望進水口大，出水口小，然而進水口再大，你不進水，有一天出水口也會讓池子乾涸，因此控制出水的同時，也要想辦法做好進水口，也就是如何做好新玩家的分析，預測，挽留。因為留下的新玩家有一天也會變成我們定義的老使用者，進而變成我們要設法挽留的老使用者。每個玩家在遊戲中都是有生命週期的，流失分析的目的是拉長這個週期的同時，將價值發揮到最大。