建模早期用户-游戏交互以联合估计存活时间与流失概率
机器学习
2019-08-22 v3 机器学习
摘要
旨在识别和预测玩家参与度的数据驱动方法在游戏行业中日益流行。这是由于追踪和存储大量游戏内遥测数据的实践不断增长,加之希望根据最终用户需求定制游戏体验。这些方法不仅对于采用游戏即服务(GaaS)模式的公司(例如用于再参与策略)有用,对于在持续内容交付机制下运作的公司(例如用于更好的受众定位)也同样有用。后者面临的一大挑战是构建数据高效、整体且能以最小调整泛化到多种游戏标题和类型上的用户参与度模型。本工作利用根植于参与度和行为科学研究的理论框架,构建仅使用最小一组与游戏无关的指标即可估计参与度相关行为的模型。通过一系列实验,我们展示了通过建模早期用户-游戏交互,该方法能够对多种类型中的若干单人游戏进行长期存活时间和流失概率的联合估计。所提出的模型非常适用于行业应用,因为它依赖最小一组指标和观测、随用户数量良好扩展,并明确设计用于跨多种不同标题工作。
引用
@article{arxiv.1905.10998,
title = {Modelling Early User-Game Interactions for Joint Estimation of Survival Time and Churn Probability},
author = {Valerio Bonometti and Charles Ringer and Mark Hall and Alex R. Wade and Anders Drachen},
journal= {arXiv preprint arXiv:1905.10998},
year = {2019}
}
备注
Submitted to IEEE Conference on Games 2019