用留存，掌握遊戲玩家的回訪狀況

只看整體使用者數，難以掌握回訪狀況

查看使用者數可以了解遊戲整體的使用規模，但難以得知特定時間活躍的使用者之後是否會回訪。即使整體使用者數維持相近，背後的意義卻不同——可能是既有使用者持續回訪，也可能是流失的使用者被新使用者取代。因此必須將同一時間做出特定行為的使用者歸為一組，再確認他們之後是否重新連線，或重複做出期望的行為。

改善內容所需的使用者留存分析

遊戲企劃需要確認新內容或更新是否帶動使用者的持續活動。若新增內容，要看參與的使用者之後是否持續使用該內容，或回到遊戲中；若進行更新，則要確認之後的回訪是否維持，以及更新前後加入的新使用者，其回訪狀況是否有所變化。

再加上確認國家、OS 等使用者環境的差異，就能具體掌握變化明顯的時間點與使用者群組。藉此不僅能看出對內容的初期反應，也能確認之後使用者的活動是否持續，進而決定改善的優先順序。

Hive Analytics 的留存

Hive Analytics 的留存功能，會將特定時間觸發基準事件的使用者歸為一組，分析他們之後是否觸發回訪事件。將基準事件與回訪事件設為相同事件，可確認同一行為是否重複發生；選擇不同事件，則可確認基準行為之後是否接續了其他行為。

設定專案與查詢期間後，可選擇日、週、月其中一種彙總單位，並指定基準事件、回訪事件與使用者識別依據。將基準事件的屬性加入維度，即可依國家、OS 等條件區分並比較使用者群組；搭配篩選器，則能進一步限縮要分析的使用者與事件範圍。

留存結果可以用表格或折線圖查看。表格會依經過天數，比較同期間做出基準行為的使用者回訪數與比例；折線圖則能呈現特定使用者群組的留存率隨時間變化的趨勢。

實際查看使用者留存

一起來看兩種做法：依維度篩選更新後新使用者的回訪變化，以及分別設定基準事件與回訪事件，確認新內容上線後的行為。

查看新使用者的回訪狀況

若要確認更新後新使用者的回訪狀況，可將基準事件與回訪事件都設為登入，並在基準事件套用新使用者條件。下方畫面顯示，自 2026 年 9 月 10 日起，新使用者的第 1 日留存降到 50% 以下。

若想確認整體數值的變化出現在哪個使用者群組，可以加入國家維度。將 2026 年 9 月 13 日的結果依國家展開後，第 1 日留存分別為 JP 33%、KR 50%、US 75%。在整體留存為 47% 的情況下，可看出 JP 使用者的數值相對偏低，藉此縮小進一步分析的範圍。

查看新內容上線後的留存

下方畫面是以 Analytics 事件範本結構傳送新內容相關事件時，查看內容使用後回訪狀況的範例。將基準事件設為 contents_success，套用 modeTypeName = tutorial1 條件，再將回訪事件指定為登入事件 app_login。

如此一來，就能依經過天數確認完成新手教學內容的使用者，之後是否再次登入。留存不僅能確認同一事件的重複發生，也能確認完成內容後重新連線等不同行為之間的流程。

開始使用 Hive Analytics

善用留存功能，就能依時間區分的使用者群組，確認做出特定行為的使用者之後是否回訪，或持續做出期望的行為。查看光靠整體使用者規模無法得知的回訪與留存狀況，就能具體掌握需要改善內容的時間點與使用者群組。

Hive Analytics 是一款遊戲專屬的分析解決方案，能將透過 Hive SDK 收集的事件依使用者群組分類，分析回訪與重複行為的狀況。現在就到 Hive Analytics 設定基準事件與回訪事件，查看使用者的留存狀況吧。