这类群体有区别于游戏玩家，首先他们的目的是来提现。其次才是。。。。。。
优化分为投放初期和增长期两部分。
想办法把想赚钱的人拉进来和我们一起赚钱，还有就是想办法把他们从非游戏玩家转变成游戏玩家。
场景 1 ：投放初期，如何优化用户流失前最后一个行为场景
此方法适用于游戏投放初期，需收集 7 天以上的用户行为数据，重点分析用户退出游戏前最后一个行为场景，降低用户流失率即达到了提升留存率的目的。
游戏 A 背景说明：答题闯关+网赚游戏，投放测试期 8 天，日新增 400+。次留存处于 30%-35% 之间，3 留 15%-20% ，次留、3 留均不及格，需尽快提出优化方案，否则有停投风险。以下是针对性进行优化的分析过程：
▍第一步：快速找到用户流失原因
快速定位用户流失原因，是提升留存的必要条件。
游戏 A 流失用户定义：根据 3 日未活跃用户的召回推送点击率和领取召回奖励的比例低于 0.5%，因此定义 3 天内未活跃的用户为流失用户。
首先，通过【用户分群】功能，新建一个条件分群，将最后一次活跃时间是在 3 天前的用户定义为“流失用户人群”；
再使用【属性分析】功能，查看流失用户群在流失前的最后一个事件行为主要集中在哪些事件；
由此，我们得出结论，即关卡难度、红包金额和获取体力场景的广告是造成用户流失的主要原因。
▍第二步：提出留存优化策略对症下药
通过以上 2 步，我们快速定位到了用户流失的原因，逐一解决即可提升留存。以下是具体的优化方案：
1. 更换流失率较高的关卡
针对关卡难度问题，使用 TA 系统的【属性分析】功能确认流失用户关卡分布，找到凸点后，安排运营更换流失占比较高的关卡题目。
2. 优化红包策略
针对红包金额导致用户流失的问题，通过分析留存超过 3 天的用户第一天的红包金额可以了解到，新增用户首日获得金额 > 8 元留存率超过 80%，因此需将红包在关卡中前置，让用户更容易得到红包从而建立提现信心。
3. 优化体力卡点
针对体力场景流失原因，通过查询玩家离开游戏时的体力分布，可看出体力值为 0、1、2、3、4 的各用户数如下图。结合体力恢复推送的点击率在 8% 左右，我们可以得出结论：有 75% 的用户在体力为 0 时选择退出游戏，等待体力恢复后继续游戏。
因此我们的优化策略是：给新用户体力大幅度提升，次日恢复正常。让新用户首日能更加深入的体验游戏的乐趣，达到上瘾目的，提升第二日留存。
通过 A/B 测试，我们发现，不仅留存提升，而且还变相增加了其他场景视频广告的请求数量，促进了 ARPU 的上升。
▍第三步：优化效果验证，数据会说话
以上优化策略上线后测试 3 天，很快便验证了数据分析的价值：新用户留存提升了 10%，5 关、10 关通关率分别提升了 10% 和 5% ，人均日使用时长增加了 10 分钟，用户的活跃深度、留存意愿都达到了优秀投放产品的数据指标。
场景 2 增长期，如何找到产品的 Aha Moment
此方法适用于游戏增长期，用户量越多越有助于分析出游戏中激励用户留存下来的的关键行为，提炼出忠实用户的共同行为特征，从而引导更多用户完成该行为来达到提升留存的目的。
游戏 B 背景说明：消除+网赚游戏，用户增长期，日新增 2000+，合理控制成本下获取更多用户，注重用户质量。
相信大家都听过“Aha Moment”，用《增长黑客》里面的定义，Aha Moment 实际上就是用户接触产品后的一些特定行为，这些特定行为对于产品留存率有着决定性的影响，可以说是产品爆发的拐点。最典型的案例就是 Facebook把新注册用户在 10 天内关注 7 个好友，作为 Facebook 的 Aha Moment。原因是 Facebook 在对用户行为进行分析后发现，好友数是影响用户留存和活跃的关键指标。
每一款产品的 Aha Moment 都不同，如何使用数据分析快速找到你 Aha Moment 呢？
▍拆解新用户进阶路径的关键行为，制作多个自定义留存报表
以游戏 B 为例，新用户通过各渠道下载了 APP 之后的行为路径见下图：
根据以上行为路径，拆解出影响用户留存的关键行为，并新建多个完成不同行为的用户留存报表。
完成 10 关用户留存报表（游戏上瘾对留存的影响）；
领取 3 个/ 5 个闯关红包留存报表（红包数量对留存的影响）；
完成签到行为留存报表（签到活动对留存的影响）；
红包挑战成功1次以上的用户留存报表（红包挑战玩法对留存的影响）；
领取分时段红包留存报表（分时红包对留存的影响）；
对比不同行为留存报表，找出与留存相关性最强的行为，可初步认定该行为是产品的 Aha Moment。
▍加强用户行为引导，通过 A/B Test 验证因果性
通过对比分析，我们可以看出“参与红包挑战成功 1 次以上”的用户留存报表，次留曲线 60%，3 留40%，7 留20%，留存率远高于平均留存率。因此我们需要围绕着“如何提高用户参与红包挑战的成功率”提出优化留存策略：
首页强化【红包挑战】入口
降低红包挑战题目难度
延长挑战时长
进入游戏时赠送道具
上线2天后，对比数据发现新用户挑战人数占比提升 5%，挑战成功率提升 20%，新用户留存也上升了 3%，验证了改优化策略有效，接下来就可以面向全量用户更新此策略。
以上 2 种提升用户留存率的分析方法，分别是根据当前用户规模和数据量使用了 TA 系统的【用户分群】【属性分析】【事件分析】【分布分析】【自定义留存】等分析模型，通过降低用户流失和提高用户转化行为的方法来提升留存。
虽然本文是基于“网赚游戏”的运营总结出的提升用户留存的方法论，对不同游戏产品来说需要构建的数据指标也不太相同，但数据分析的思路都是可借鉴的。对于休闲、超休闲类的小游戏来说，别人在拼野蛮增长的时候，我们换个角度，用体系化、精细化的运营模式来驱动增长，会有意想不到的惊喜。
