一句话结论
花 22 万买量只回收 7.6 万（34.6%），回不了本——根子在留存，留存的根子在"前 3 天没让用户沉浸进去"。
流失用户不是被广告赶走、不是被某关卡住，是前 3 天浅尝即走：走的人只玩了 26 分钟，留下的人玩了 106 分钟。
2留存现状：低位平缓下滑，不是断崖
实测留存健康基准线
整条曲线系统性低于健康线约 30-40%。
关卡漏斗：1051 关，全程平缓流失、无卡死关
前 30 关每关留存上一关 88-99%，曲线平滑下行——没有任何断崖关，是全程平缓流失（关 10 略陡 88%，疑似小难度坎）。说明留存问题不是"被某关挡住"，是整体粘性不足。
3谁留下、谁离开——分水岭（跨 3 cohort 验证稳定）
对比"第 7 天还在的人"vs"走的人"的前 3 天行为：
最强信号是"投入时间"——留下的人前 3 天泡了近 2 小时，走的人不到半小时。留存看"用户做了什么"，不看"用户是谁"（国家差异 38-44%，不是主因）。
4三个被数据推翻的猜测（避免走错方向）
✗广告太多赶走用户 — 错。看广告最多的人留存最好，广告是深度参与的结果，不是流失原因。
✗卡在某关流失 — 错。没有卡死关，是全程平缓流失。
✗某类用户留存差 — 错。国家/价值层差异小，投入深度才是关键。
5着力点 + 行动建议
该做
把更多新用户前 3 天推过"沉浸分水岭"（~100 分钟 / ~50 关）前期节奏、奖励钩子、新鲜感是最强杠杆
别做
降广告频次（数据 2 次证明不是元凶）只改某一关（没有银弹卡死关）
| 行动建议 | 建议负责人 待认领 | 周期 | 验收信号 |
|---|
| 前 10 关节奏优化（先查关 10 小坎） | 产品 / 关卡设计 | 2 周 | 关10完成率↑、D7 留存↑ |
| 前期奖励钩子 / 新鲜感（让用户愿意多花时间） | 产品 / 运营 | 1 月 | 前3天人均时长↑、D7 留存↑ |
| 投放往高留存媒体倾斜（applovin 留存 2× unity） | 投放 | 即时 | applovin 占比↑、cohort 留存↑ |
| A/B 测降广告频次（排除嫌疑） | 投放 / 产品 | 2 周 | 留存无变化 = 排除广告 |
负责人与周期为建议值，待业务认领校准；验收信号用于判断动作是否奏效。
6下一步验证（相关 → 因果）
现有结论都是相关，方向要 A/B 坐实：① 测前期激活改动（引导/奖励）→ 看留存是否真升；② 测降广告频次 → 验证广告到底影不影响留存（排除嫌疑）。
数据边界（诚实）
- 相关 ≠ 因果，分水岭需 A/B 实验坐实方向
- 会话时长覆盖约 1/8 session → 绝对值低估，但留存/流失相对倍数可信
- 5 月初 cohort 偏小；放量期 D14/D28 未到期（放量通常稀释质量，留存可能更低）
- 价值层/归因维度受数数注册事件结构限制，本轮未拆（待补数据建模）
- 回收数字来自 Data Mind，行为分析来自数数——两个数据源分工，不混用