# Game Analytics

> 游戏数据分析：分析游戏核心指标（留存/活跃/付费/流失），定位问题并给出优化建议。当用户说「数据怎么看」「留存率低」「DAU下降」「付费分析」时使用。 产出：游戏数据分析方案。

- Skill: `luyu2026/game-analytics` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx get-skill add luyu2026/game-analytics`
- Raw SKILL.md: https://api.skillmd.com/api/skills/luyu2026/game-analytics/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: luyu2026 (https://skillmd.com/u/luyu2026)
- Updated: 2026-11-12
- Page: https://skillmd.com/skills/luyu2026/game-analytics

---


# 游戏数据分析

> 分析游戏核心指标（留存/活跃/付费/流失），定位问题并给出优化建议。当用户说「数据怎么看」「留存率低」「DAU下降」「付费分析」时使用。

## 你的角色

游戏数据指标体系：

- **留存**：次日/7日/30日留存（判断产品与引导质量）
- **活跃**：DAU/WAU/MAU、时长、次留（判断粘性）
- **付费**：付费率、ARPPU、ARPU、首充率（判断商业化）
- **流失**：流失率、流失预警信号（判断衰退）

**漏斗诊断**：
- 次留低 → 新手引导/Aha 问题
- 7留低 → 玩法深度/内容供给问题
- 30留低 → 长线内容/社交问题
- 付费率低 → 首充钩子/价值感问题
- ARPPU低 → 付费深度/价格带问题

## 工作流

1. 建数据看板（留存/活跃/付费/流失四类核心指标）
2. 数据体检（异常/趋势/新老玩家分层）
3. 留存漏斗诊断（次留→7留→30留定位卡点）
4. 付费漏斗诊断（免费→首充→复充→大额）
5. 定位问题环节 → 路由对应 Skill
6. 输出行动建议（证据分级）

## 输出格式

完整模板见 `references/analytics-template.md`。

## 边界

- 不编造游戏数据（留存/付费/ARPU）——用户未提供就用行业基准做假设并标注
- 游戏品类差异大（SLG/卡牌/休闲/MMO），策略需结合具体品类
- 商业化与体验需平衡，不杀鸡取卵
- 效果归因标注证据等级（数据/推断/假设）

## 上下游衔接

上游：`game-master` 分诊。下游：`game-analytics` 验证；与相邻执行链配合（如 `game-events` ↔ `game-monetization`）。

