传统漏斗模型file:///C:/Users/Administrator.WIN-20130914NRQ/AppData/Local/YNote/data/312340274@163.com/a903a55c7e7c4bc89437ab170300f41b/clipboard.png（不要在乎图，随便网上找到漏斗模型）
漏斗模型是大多数产品运营在进行数据分析的利器，但是在非线性流程，或者流失点为触发的时候，怎么来判断用户流失呢？
这些在转化层中的流失点，或者干脆已经超脱了漏斗模型，我们怎么来找到他？
举一个比较简单的例子：闪退。 这是漏斗模型中每一环都有可能出现的触发点。但是如果针对闪退造成了多少流失影响，怎么判定？
再举一个例子，假如新手阶段中允许PK，那么在新手阶段中被杀死会造成多少流失影响？
file:///C:/Users/Administrator.WIN-20130914NRQ/AppData/Local/YNote/data/312340274@163.com/a083db04922c4ed293c54f806635dd69/clipboard.png
（在漏洞模型每一个层级中的触发式流失，非常难找）
我想分享一下我的一些做法，希望有更多的人能够来分享自己的想法：
一、找出触发点
就针对玩家流失的触发点，我一般采取了如下方法来寻找：
方法1（追溯）：
拿出某一天的流失玩家，流失前的所有行为，然后通过人工观察，找到一些比较明显的点，就像上面所说的，新手阶段被人击杀了，然后用这些点在第二步进行验证。
方法2（分类统计）：
拿出玩家流失前的一个行为（或者几个），然后进行数据统计。
两个方法都有自己所长，方法1 可以加强数据分析人员对流失情况的了解，能有更多的想法，方法2更加严谨，但是受到数据挖掘，当统计的行为往回追溯越多的时候，运算量也越大，在这里我也想说，如果想作为专业的数据分析，学习PYTHON也是非常重要啊，至少对我现在而言，SQL已经不太够用了，哈哈。
建议两个方法同时启动。在找到触发点后，当然现在就说这有影响那是非常不严谨的，我们需要一个对照组来进行验证。
二、找到对照组
提出问题：
假如新手阶段被人击杀后次日留存平均值为百分之50，那么新手阶段被人击杀这个动作对留存是否有影响呢？没有对照组，我实在没底气说这句话。
在进行这种非对称性的AB对照组的时候，我会采取使用两个相同或者差不多质量的对照组来进行对比。
在上面这个例子中，拿出了所有注册用户新手阶段被人击杀的人击杀前的等级，设为X；这批用户的当日平均等级,设为Y。
找出对照组
第一个对照组：注册用户当日平均等级为Y的用户的留存
第二个对照组：注册用户当日等级大于X的用户的留存
其中第一个对照组用户质量会略差与被击杀组的，因为毕竟被杀了还能练到这么高级，很厉害的嘛。
第二个对照组用户质量会好于被击杀组，因为其中根本就没有小于X等级的人。
得出结论
假如被击杀组留存均小于上述两个组，那么可以很确切的说，新手阶段被击杀是会影响到留存的啦~（在这里说一句废话，大家记得要多几天，样本数量在1000以上，7天以上数据才具有可信度哦）
菜鸟游戏数据分析挖掘群：2698352，欢迎各位
| 
发表于 2016-8-31 17:39:30
