关卡分析（游戏）

关卡分析（LevelAnalysis）统计游戏各关卡的通过率、失败率、卡关率与分数分布，是数值平衡与流失点定位的核心模型。对应后端 AnalyticsService.LevelAnalysis。

游戏专属模型，依赖 C# SDK 上报的关卡事件（level_start / level_finish / level_fail）与 level 字段。详见 C# SDK 接入指南。

一、它能回答什么问题

  • 哪一关的通过率最低？（卡关点，流失高发）
  • 各关的满星率（star3_rate）如何？难度曲线是否合理？
  • 哪一关挑战人数骤降？（玩家在前一关大量流失）

二、关键指标

每个 LevelStat（单关）含：

指标含义
attempt_count尝试次数（level_start）
finish_count完成次数（level_finish）
fail_count失败次数（level_fail）
pass_rate通过率（finish / (finish+fail)）
stuck_rate卡关率（1 - pass_rate，值越高越难/流失点）
avg_score平均分
star3_rate满星率（context['stars']==3 占比）
player_count挑战该关的玩家数（去重）

三、后端接口

gRPC：AnalyticsService.LevelAnalysis

字段类型说明
time_rangeTimeRange分析时间范围
app_iduint32（可选）按应用过滤
level_idstring（可选）指定关卡 ID（空 = 全部关卡）

响应 LevelAnalysisResponse：levels[]（各 LevelStat，按 player_count 降序）。

HTTP（admin 转发）

POST /admin/v1/analytics/level-analysis
Content-Type: application/json

{
  "timeRange": { "startMs": 1718169600000, "endMs": 1718774399000 }
}

四、典型场景

难度曲线调优

按关卡顺序看 pass_rate 与 stuck_rate：理想曲线是平稳缓升。若某关 stuck_rate 突增，说明难度断层，需降低该关难度或加强前序关卡引导。

流失点定位

看 player_count 沿关卡的衰减：相邻关卡挑战人数骤降处即流失点，通常对应高 stuck_rate 的关卡。

满星率评估

star3_rate 反映关卡对高端玩家的挑战度。满星率过高（人人三星）说明太简单；过低说明三星条件过苛。

五、注意事项

  • 依赖标准关卡事件：必须上报 level_start / level_finish / level_fail，且事件携带 level（关卡 ID/名）字段，否则无法统计。
  • 满星率依赖 context：star3_rate 从事件的 context['stars'] 取值，需客户端上报星级。
  • 通过率口径：pass_rate = finish / (finish + fail)，不含未结束的进行中尝试。
  • player_count 衰减是关键信号：单看通过率不够，要结合玩家数衰减定位真实流失点。

六、相关文档