互动影游上线后看什么数据：选择率、完成率、复玩率与结局分布

上线后最重要的不是做一面指标墙，而是分清四个问题：玩家是否看懂选择、是否顺利完成、是否愿意探索、内容与技术在哪个节点阻断。选择率、完成率、复玩率和结局分布必须以真实曝光和可玩机会为分母，并按版本、平台与首轮/复玩分层。

某选项选择率＝选择该项的人数÷看见且有资格选择该项的人数。不能除以全部玩家，因为条件、语言、资源和前置路线会改变曝光。限时选择还要单列超时、未输入和界面失焦。

同时观察决策时长分布。几乎所有人瞬间点同一项，可能是答案太明显，也可能文案位置造成默认；长时间犹豫可能是价值冲突成功，也可能选项难懂。结合测试录像与反馈解释。

从启动、完成序章、到达各章、首次结局到正常结束形成漏斗。每一步同时查看媒体错误、崩溃、加载时间和主动退出。内容流失与技术流失不能混为一谈。

完成率按 cohort 观察：首次游玩日期、平台、版本、语言和设备档位。热修复后总体上升，可能只是新增玩家构成不同；同类 cohort 才能比较变化。

复玩可以是结局后点击新路线、重新进入早期章节、使用已读跳过或在若干天内开始第二次会话。先选与产品目标一致的定义，例如“首次结局后七天内开始新时间线”。把崩溃后重启和读档纠错排除。

再看复玩深度：只是点开，还是到达新节点或新结局？高启动、低进展可能说明重复内容太多、跳过不好用或提示没有方向。

各结局占比使用至少完成一次的玩家为分母，并区分首轮与累计。极少结局可能本来就是隐藏奖励；若主要结局几乎无人到达，先验证条件、存档和路径是否正常，再讨论玩家偏好。

结局数量少不代表体验单一。把主要结局与尾声变体分层展示，并查看到达它所需的关键状态。不要为了让柱状图均匀而强行修改剧情。

每个关键节点并列显示到达人数、选项曝光、提交、媒体准备失败、退出、平均等待和下一节点到达。这样能发现按钮点击正常却在视频切换后大量消失的问题。单独看选择率会漏掉这类断点。

对存档恢复、已读跳过和辅助设置也做健康指标：恢复成功率、跳过后新内容到达率、计时辅助使用后的完成率。目的不是评价玩家，而是确认功能履行承诺。

定期归类客服、评论、社区讨论和访谈，保留原意而非只统计正负面。将重复主题关联到节点与版本，例如“选项误导”“字幕太快”“角色动机不明”。数据告诉你哪里异常，玩家语言帮助理解为什么。

不要拿小样本评论直接代表全部，也不要用总体均值否定具体障碍。两类证据相互校验。

改选项文案前写预期：理解错误下降，提交率提高，同时关系分支满意度不能下降。热修复后观察目标指标和保护指标，避免提高完成率却消灭有意义的犹豫。

不是所有分布都要优化。作品可能故意让某个选择痛苦、某个结局稀有；只要玩家理解、技术可靠且符合创作目标，就不必追求平均。

只收集必要的匿名事件，提供适当告知和控制，按政策限制访问与保留。过滤内部测试、机器人、重复上报和异常时钟；仪表盘显示事件版本、样本数与数据延迟。数据管线不可信时，暂停重大内容决策。

首日关注启动、崩溃、下载和存档等阻断；首周看章节漏斗与重复反馈；样本稳定后再分析选择与结局。过早根据几十名核心粉丝改剧情，容易把噪声放大。每次评审记录观察、解释、证据强度、决定和复查时间。

将内容实验与紧急修复分开。修复错误路径可以尽快发布；改变选项含义或结局条件需要版本标记、保护指标和玩家沟通。否则前后 cohort 面对不同作品，数据无法直接比较。

下一步：为选择率、章节完成、复玩和结局分布各写一个精确定义、分母、分层维度和可触发的动作；用十个测试会话手工复算，确认仪表盘与原始事件一致。