绿梦研究助手Research copilot
知识库检索已接入优化台

把玩家反馈,
变成可行动的判断。

直接提问,获得基于过往研究的业务结论、关键证据与下一步建议。

Enter 发送 · Shift + Enter 换行已索引历次测试报告、表格文本与来源位置
01

从一个真实问题开始

选择业务最常问的研究问题

02

研究回答

先看结论,需要时再展开证据

前期流失诊断直接数据支持
你问

玩家在前期最有可能因为什么原因而流失?

一句话结论

游戏的吸引力还没有建立起来,体验成本却已经先出现了。

前期流失不是某一个系统单独造成的,而是首抽吸引力不足、剧情推进偏慢、操作跑图门槛共同叠加的结果。

12.9%首抽后流失峰值一级流失节点最高
5.8%长剧情转跑腿推进动力中断
5.5%连续跳跃节点操作门槛暴露
5.4%复杂返回路线寻路成本上升

关键发现

按业务影响排序
01
首抽没有形成期待回报

角色吸引力和配队价值尚未建立,首次抽卡也没有提供足够的满足感。

02
长剧情后继续跑腿

玩家没有立即进入更有吸引力的体验,流程性任务打断继续推进的动力。

03
跳跃与寻路带来劝退

连续跳跃、冲刺和复杂返回路线,对移动端玩家的影响尤其明显。

04
品质感放大负面感受

建模、画面和操作流畅度不足,会让玩家更不愿意承受后续体验成本。

业务判断

前期留存的关键不是继续增加教学,而是让玩家在承担学习成本之前,先感受到角色值得获得、战斗值得期待、后续内容值得继续。

建议优先级从左到右
  1. 1首抽价值与反馈
  2. 2剧情后的跑腿节奏
  3. 3跳跃与寻路体验
  4. 4基础品质与操作

推荐追问基于这条回答深入了解

当前回答

玩家在前期最有可能因为什么原因而流失?

从这里也可以直接开始对话;Enter 发送,Shift + Enter 换行
03

每个结论,
都能回到原始证据。

不是让业务阅读更多报告,而是在需要确认时,能够快速知道数字来自哪里、适用于谁。

结论先行

第一屏只呈现判断、关键数字和下一步动作。

01
证据分级

区分直接证据、方向信号和解释性材料。

02
分母清晰

明确是全部玩家、低评价玩家还是特定阶段人群。

03
原文可追溯

保留测试、章节、指标和原始题目位置。

04
04

业务每问一次,
助手就更懂该怎么回答。

对不满意的回答补充原因,系统会把问题送入维护者复盘台,分别优化知识资料、检索逻辑、证据口径或业务话术。

  1. 01收集真实问题保留原问题、回答与引用证据
  2. 02识别问题类型判断该补资料,还是改检索与表达
  3. 03回归验证用同一问题复问,确认结果变好