基于集成学习理解玩家参与度与游戏内购买行为
机器学习
2020-03-10 v1 人工智能
机器学习
摘要
随着电子游戏吸引越来越多玩家，游戏工作室面临的主要挑战是留住他们。我们对流失（放弃游戏）以及我们所称的“购买流失”（从付费用户到非付费用户的转变）进行了深度行为分析。我们识别了一系列流失行为画像，从而可根据流失者最终是否回到游戏（虚假流失者）——或重新开始购买（虚假购买流失者）——及其后续行为对流失者进行分类。随后，我们在若干流失与购买流失预测模型中探讨了从训练样本中排除部分或全部此类流失者的影响。我们的结果表明，在所考虑的所有模型中，丢弃“僵尸用户”（活动极其 sporadic 的玩家）与虚假流失者的某些组合具有显著的积极影响。
引用
@article{arxiv.1907.03947,
title = {Understanding Player Engagement and In-Game Purchasing Behavior with Ensemble Learning},
author = {Anna Guitart and Ana Fernández del Río and África Periáñez},
journal= {arXiv preprint arXiv:1907.03947},
year = {2020}
}
备注
Churn Prediction, Ensemble Methods, Survival Analysis, On- line Games, User Behavior