游戏为了让玩家进入付费环节，会在一些特定关卡加大难度，激发玩家的胜负欲，进而引导玩家付费。然而，过度的游戏关卡难度有可能导致玩家流失。针对这一现象，笔者展开了以下研究，让我们来看看吧。
我司有两款玩法相近的消除类游戏，两款游戏基本框架相同，在文内分别称A和B。B款游戏晚一年发行，相比A在消除玩法上做了创新，可以组合更多的形状来生成消除道具。
两款游戏我都有体验。B的组合消除更有趣灵活，但是玩B游戏的时候，常常会越玩越生气——明明是个消除游戏，我才玩到100多关，几乎每一关都要失败两三次以上。而且这种失败很明显是有意为之——卡在最后一两步让玩家付费（付费率并没有A高），公司的舆情监控也发现很多玩家反馈B款消除游戏的关卡很难。
我不禁思考：这种简单粗暴的难度关卡难道不会加速玩家流失吗？
因此，我想要对比A、B两款游戏中，不同关卡难易度的分布以及对玩家流失的影响。
一、用户画像对比
目的：比较A、B两款游戏的定位用户类型和偏好是否一致。
这个分析需要用到用户洞察的用户分群：
B比A晚一年发行，可以预计B的很多玩家都来源于A的游戏用户，高重合度的活跃用户画像也验证了这点：
1. 两款游戏玩家的地域分布基本相同，都集中在一线到二线城市；
2. 男女比例均为3:7，典型用户群体为24~40岁之间本科学历的已婚女性。
A的性别分布如下：
B的性别分布如下：
A的学历分布如下：
B的学历分布如下：
由此可知，A、B两款游戏的核心玩家基本重合，均以高学历、较好的生活环境、有钱有时间的年轻已婚女性为主，兴趣爱好以新闻资讯、游戏和其他休闲娱乐产品为主。
二、关卡难度对比
在两款游戏定位用户基本一致的前提下，说明两款游戏玩家有相同的行为偏好，因此可以剔除分析的玩家群体不是同一类的情况。在此基础上，分析关卡的难易程度以及分布情况。
通过分析玩家历史通关数据，得出玩家在每个关卡的平均通关次数（平均通关次数=总通关次数÷玩家数）。如下图总结可知：
1. A游戏关卡的平均通关次数主要集中在2-3次，占比31.2%，而B游戏关卡的平均通关次数主要集中在3-4次，占比28.4%。
2. 将平均通关次数大于等于6次以上的关卡称为高难度关卡，则500个关卡中，B游戏中有95个高难度关卡，比A游戏要多80关。
3. B的关卡难度普遍高于A，B游戏中需要尝试2次及以上才能通关的关卡占比97.2%（A游戏占比89%）。对于玩家体验来说，在不计道具帮助的情况下，能一次通过的关卡少之又少，在屡屡失败的关卡面前，总体感受就是难。
1. 无论A游戏还是B游戏，除了第一个关卡区间和最后一个关卡区间，高难度关卡的区间分布基本均衡。
2. A游戏每25关中有一个高难度关卡，B游戏每5关中就有一个高难度关卡（好难）。
3. 结合上图可知，A游戏平均每5关中有2个简单关卡（1-3次通关），3个中等难度关卡（3-6次通关），穿插少数高难度关卡。B游戏平均每5关有1个简单关卡，3个中等难度关卡，1个高难度关卡。
三、关卡难易程度分布对玩家流失的影响
现统计各个关卡区间的平均流失率：
（各关卡区间平均流失率=（当日停留在该关卡区间而7日后流失的玩家数量÷关卡数量） ÷当日活跃玩家总数量）
分析发现如下特征：
1. B游戏在各关卡的平均流失率（0.0247%）普遍高于A游戏在各关卡的平均流失率（0.0118%）。
2. 无论A还是B，都有在前100关卡流失严重的情况，考虑到前100关卡多为新增玩家的流失，流失原因多样，关卡难易度不是影响新增玩家流失的主要因素。
但是B的高难度关卡比A更容易造成新增玩家流失（B在1-100关有13个高难度关卡，A仅有1个）；在第100-300关卡，高难度关卡的流失率远大于关卡区间平均流失率，是玩家流失的主要因素。
3. B在前100关的平均流失远大于A，而关卡越往后，A和B的流失越少，关卡平均流失和高难度关卡平均流失也越相近，因此300关之后的高难度关卡对流失的影响极小，不是流失主因。
四、防止B游戏玩家继续流失的措施
最后，综上分析，提出一些针对关卡的改进建议：
1. 整体来看，B游戏关卡缺少明显的难易度区分（5=1+3+1），且普遍偏难。
建议在游戏关卡设计上，直接减少高难度关卡数量，增加简单关卡数量，并将简单关卡设计得更简单（让玩家更容易一次过关），中等难度关卡数量暂时保持不变。
2. 在“1”的基础上，前300关内，建议降低高难度关卡的比重，可在300关之后适当增加高难度关卡比重。
3. B游戏在前100关卡有新增玩家流失严重的情况，需要对包括关卡难易度在内的各种影响因素（如体力限制、金币奖赏、道具奖赏）综合进行人工干预，降低B游戏新增玩家的流失率。
4. 对于中高难度关卡，建议加入一些条件触发小插件，如失败三次以上赠送消除道具/失败五次以上智能调低难度阀值等等，适当减少玩家挫折感。
五、干预效果监测
在改进关卡难度设计后，按上文分析路径固化成基础报表进行查看，干预效果可从如下两方面验证：
1. B游戏的总体流失率、各关卡区间平均流失率是否与上周相比降低。
2. B游戏的平均关卡流失率是否向A游戏的平均关卡流失率接近。
注：此篇分析数据源均来源于公司内部数据平台，涉及的具体数值进行了脱敏处理（百分比没有）。
相关阅读
万元悬赏数据高手｜2019「友盟杯」数据分析大赛报名启动！
你的坚持值得被肯定｜2019「友盟杯」数据分析大赛结果公布
一款家居后APP，如何用增长黑客方法实现从0到40万增长？
产品高于需求：低频产品也可以有高用户活跃度
渠道评估怎么做，才能让App假量灰产无处遁形？
我的朋友老曹，居然用数据工具搞了这么多事
针对直播产品的成熟期，重构用户运营体系方案
拆解主要数据，分析社交类产品的数据运营方法
如何利用数据驱动，从0.5到1搭建App积分体系？
以抖音和陆金服为例，解构数据分析三个核心原理
用AB实验分析个人中心的首页改版
