用留存看清游戏用户的回访情况

仅凭总用户数难以看清的回访情况

查看用户数可以了解游戏的整体使用规模，却很难判断在某个时间点活跃的用户之后是否还会回来。即使总用户数保持稳定，是老用户持续回访的结果，还是流失用户被新用户替代的结果，含义也截然不同。因此，需要把在同一时间点做出特定行为的用户划分为一个群组，观察他们之后是否再次登录，或重复做出期望的行为。

改进内容所需的用户留存分析

游戏策划需要确认新内容或版本更新是否带来了用户的持续活跃。如果上线了新内容，就要看参与的用户之后是否继续使用该内容，或再次进入游戏；如果进行了版本更新，则需要对比更新后回访是否保持，以及更新前后新增用户的回访情况是否有所不同。

再进一步查看国家、OS 等用户环境的差异，就能明确变化明显的时间点和用户群组。这样不仅能看到用户对内容的初期反应，还能确认之后用户的活跃是否得以延续，从而确定改进的优先级。

Hive Analytics 的留存

Hive Analytics 的留存功能，会把在特定时间点触发起始事件的用户组成一个群组，分析他们之后是否触发回访事件。起始事件和回访事件设为同一事件时，可以查看同一行为是否重复发生；选择不同的事件时，则可以查看起始行为之后是否接续了其他行为。

设置项目和查询时间段后，可以在按日、按周、按月中选择聚合单位，并指定起始事件、回访事件和用户识别依据。把起始事件的属性添加为维度值，就能按国家、OS 等条件划分用户群组进行对比；借助筛选，还可以进一步限定要分析的用户和事件范围。

留存结果可以通过表格或折线图查看。表格按经过天数，对比同一时间段内做出起始行为的用户的回访数量和比例；折线图则展示特定用户群组留存率的变化趋势。

实际查看用户留存

下面分别看两种做法：按维度缩小范围，查看版本更新后新增用户的回访变化；以及为起始事件和回访事件设置不同事件，查看新内容上线后的用户行为。

查看新增用户的回访情况

要查看版本更新后新增用户的回访情况，可以把起始事件和回访事件都设为登录，并在起始事件上应用新增用户条件。下方界面显示，自 2026 年 9 月 10 日起，新增用户的次日留存降到了 50% 以下。

要确认整体数值的变化出现在哪个用户群组，可以加入国家维度。把 2026 年 9 月 13 日的结果按国家展开，次日留存分别为 JP 33%、KR 50%、US 75%。在整体留存为 47% 的情况下，可以看出 JP 用户的数值相对偏低，从而缩小后续分析的范围。

查看新内容上线后的留存

下方界面是按 Hive Analytics 事件模板结构发送新内容相关事件时，查看内容使用后回访情况的示例。将起始事件设为 contents_success 并应用 modeTypeName = tutorial1 条件，再把回访事件指定为登录事件 app_login。

这样就能按经过天数查看完成新手教程内容的用户之后是否再次登录。留存不仅能查看同一事件的重复发生，也能查看完成内容后再次登录这类不同行为之间的流转。

开始使用 Hive Analytics

借助留存功能，可以按时间段划分的用户群组，查看做出特定行为的用户之后是否回访，或是否继续做出期望的行为。看清仅凭整体用户规模难以发现的回访和留存情况，就能明确需要改进内容的时间点和用户群组。

Hive Analytics 是一款面向游戏的专业分析解决方案，可将通过 Hive SDK 采集的事件按用户群组进行组织，分析回访和重复行为的情况。现在就前往 Hive Analytics，设置起始事件和回访事件，查看用户的留存情况吧。