关卡流失诊断
定位关卡卡点、分析流失根因、输出优化建议——适用于所有关卡制进度游戏。
关卡流失诊断是 ThinkingAI 行业 Skill 库中的一项关卡健康度诊断能力,帮助游戏运营团队识别造成用户流失的关卡卡点,分析流失根因,并提供可落地的优化建议——把"哪个关卡在赶走用户"这个问题从模糊直觉变成精准数据。这正是 ThinkingAI「10 年行业经验沉淀为开箱即用 Skill」的体现。
找到了,是关卡 25。你的留存下滑基本可以由这一个关卡解释。
一、卡点定位
近 30 天流失的新用户中,25.9% 的人最后停留在关卡 25——第二名(关卡 12)只有 7.3%。这是典型的单点卡死,不是全局松动。
二、关卡 25 的行为特征
| 指标 | 关卡 25 | 相邻关卡均值 |
|---|---|---|
| 通关率 | 42% | 78% |
| 平均尝试次数 | 6.8 次 | 2.1 次 |
| 失败后次日回访率 | 31% | 67% |
三、机制层面的根因
对比关卡配置发现:关卡 25 是玩法机制的切换点——前 24 关全部是「限时消除」,25 关首次切换为「步数限制」。新用户在没有任何过渡的情况下遭遇规则变化,连续失败 6–7 次后弃游。这不是单纯的数值难度问题,是设计型卡点。
分群结果支持你的第二个假设——主要是新用户的适应问题,且引导环节确实有缺口,但难度也偏高,两个因素叠加:
| 指标 | 新用户 | 老用户 |
|---|---|---|
| 关卡 25 通关率 | 35% | 61% |
| 平均尝试次数 | 7.4 次 | 3.2 次 |
| 步数玩法教学引导完成率 | 44% | —(老用户版本无此引导) |
两个信号:① 老用户通关率 61%,虽能过但也低于关卡均值 78%——说明关卡本身偏难;② 新用户的步数教学引导完成率只有 44%(其他引导环节都在 90% 以上)——引导本身被跳过或中断,超过一半的新用户是在不理解新规则的状态下硬打的。
优化建议(按优先级)
行业痛点
关卡制进度游戏的用户流失往往集中在少数卡点关卡——30% 的流失用户集中在 1-2 个卡点关卡,卡点关卡流失率可达正常关卡的 5 倍以上。运营团队通常只知道整体留存下降,不知道具体哪个关卡赶走用户。传统做法逐个关卡查留存和通关率,30 个关卡就要拉 30 次数据,一次完整排查耗时 1-2 天。
核心价值
- 自动识别卡点关卡:分析用户最后尝试的关卡,定位流失集中点,输出流失率和通关率对照表
- 根因分析深入到关卡层面:区分难度型卡点、疲劳型卡点、设计型卡点
- 分群对比:新老用户、付费用户 vs 免费用户在同一关卡的表现差异,帮助制定差异化干预策略
- 版本更新前后对比模式:量化新版本/活动对关卡流失的影响
- 输出针对性优化建议:难度调优、奖励设计、引导机制、社交助推等具体方案
适用场景
三消/卡牌/RPG 等关卡制游戏整体留存下降,需要定位流失卡点
某关卡难度调整后,需要评估改版是否改善流失问题
新用户和老用户在同一关卡表现差异大,需要制定差异化难度策略
付费用户 vs 免费用户通关率差距明显,需要评估付费关卡设计是否合理
大版本更新或节日活动后,需要对比前后关卡流失变化
实战案例
常见疑问
只适合三消游戏吗?
不是。所有有关卡进度机制的游戏都适用,如卡牌闯关、RPG 副本、SLG 城池推进、跑酷赛道等。
怎么定义流失?
默认为 3 天无活跃,可根据游戏类型调整:轻度休闲用 1-2 天,重度 RPG 用 5-7 天。
卡点关卡和漏斗流失有什么区别?
卡点诊断聚焦关卡内难度设计导致弃游,漏斗流失分析聚焦整体流程转化率。
相关 Skills 推荐
用「关卡流失诊断」武装你的 Agent
预约演示,看看它如何在你的业务场景中落地

