熱門:瘦小腿瘦小腿瘦小腿

  1. 首頁
  2. 科技日報
  3. 遊戲

有個這個AI,遊戲剛上市就能知道誰是人民幣玩家

  • 小白兔

  • 2019-07-06 14:30:34

郭一璞 假裝發自 千代田

量子位 報道 | 公眾號 QbitAI

網遊,或者說,氪金手遊,是一種很神奇的生態——總是由一部分大R(高額付費玩家)在養活遊戲團隊,而一部分零元黨(免費玩家)在白嫖。

那麼,鎖定大R就是網遊公司的重點工作任務,僱摳腳大漢冒充專屬客服美眉、給大R們組織各種玩家活動見面會,都是“客戶答謝”的手段。

但實際上,下載一個網遊的大部分玩家都流失了,只有一少部分人才能成為大R,甚至好不容易吸引來的土豪也可能會中途解除安裝。

像這張圖上展示的一樣,大部分玩家都會很快解除安裝脫坑,一些哪怕是氪金玩家也會玩著玩著就棄了,只有少量玩家會持續往遊戲裡充錢,成為支撐遊戲公司股價的中流砥柱。

那麼,如何保證不在“白嫖”的玩家身上浪費精力,並且在遊戲剛開服的時候提前找到那些氪金大佬,讓他們貢獻最多的鈔票呢?

位於日本東京千代田的資料公司Yokozuna Data就研究出了一套AI方法,可以根據使用者行為,在遊戲剛進入市場的時候,就能找到那些未來會氪金大佬,然後通過各種活動、更新和設計,榨乾他們的錢袋。

何時開始氪金?

首先,要拿現成的遊戲當資料集。

這家日本公司找了兩個遊戲,一個是《Age of Ishtaria》,中文名可以譯作《伊斯塔利亞時代》。

另一個是《Grand Sphere》,中文譯名《宿命的王女與龍之騎士》,畢竟是根據日文名來的,名字又長又戲精,TapTap評分8.4分。

兩個遊戲的都是Yokozuna Data公司CEO的前東家出品,都是以可愛的小姐姐為主角抽卡對戰遊戲,追求SSR的大佬們可以盡情氪氪氪。

研究者們找到了《伊斯塔利亞時代》2015年1月至2017年2月期間的遊戲資料,還有《宿命的王女與龍之騎士》2017年6月至2018年5月期間的遊戲資料,包含每位玩家每日在遊戲裡的活動記錄,比如遊戲時間、遊戲行為、溝通會話等。

資料集不包含新玩家,因為許多玩家手機上的遊戲應用都不會保留到第二天,自然也不可能是付費使用者,沒有從他們身上掙錢的可能性。

因此,兩款遊戲中分別只有5.32%和5.30%的玩家進入了資料集中,總共30000名《伊斯塔利亞時代》的玩家,和10000名《宿命的王女與龍之騎士》的玩家,他們的資料被隨機分配,30%成為了訓練集,70%成為了測試集。

研究者們選取了三個影響他們是否付費主要的變數:

玩家生命週期:從註冊開始,一名玩家總共玩了多少天。

等級:大部分遊戲都會有的級別系統。

總共遊戲時間:每位玩家在遊戲裡累計玩了多少個小時。

三個變數和使用者是否付費息息相關。

《伊斯塔利亞時代》遊戲中,玩的日子長的玩家付費比例更高:

等級越高的玩家,同樣付費比例越高,幾百級的玩家幾乎個個都氪金:

遊戲時長越長的玩家,付費比例越高,玩幾千個小時的玩家基本都是付費的:

這些圖上的陰影表示有95%的置信區間。

另外,如果你把付費的玩家單拎出來,就可以看到他們是在玩到第幾天、第幾級、第幾個小時的時候開始付費的。

大部分付費玩家都是在玩這個遊戲的一個月內就開始付費了:

此時,他們的等級基本都不到50級:

總共也沒肝幾十個小時:

畢竟,免費玩家才肝遊戲,付費玩家都是直接氪的。

生存分析模型

有了資料之後,研究團隊啟用了生存分析模型(Survival analysis model),這也是首次使用生存分析的方法來做遊戲付費使用者研究。

主要用到了三種主要方法:

條件推理森林,Conditional Inference Forest

隨機森林演算法, Random Survival Forest

COX迴歸,Cox Regression

既然玩家付費狀況和他們玩的天數、等級、小時數有關,那麼久用這三種方法預測玩家玩的天數、等級、小時數,進而預測他們是否會付費。

通過上面的三種方法,分別預測天數、等級、小時數三個數值,得到了9個結果點陣圖:

鑑於大部分玩家脫坑太快,比較小的數字點陣太密集,把它換成對數點陣圖就會清晰一些:

從資料來看,無論採用的是三種之中的哪種方法,假陽性和假陰性都很低:

也就是說,通過使用者行為來預測其玩一款遊戲持續的日期、等級、時間,是可以通過生存分析的方法做出準確預測的,而這些玩的日子久、等級高、時間長的使用者,多數都是付費的。

因此,對於一款剛上市的遊戲來說,通過開服前幾天內玩家們的遊戲行為,就可以找到那些未來極有可能會充值付費的玩家,這樣,就能做出針對性舉措了。

研究者在論文中說,這種方法的確可以定位到具體玩家,基於過去行為預測未來的舉動,藉此來進行定製化的遊戲體驗。

畢竟,為了大R的感受而將遊戲改版,也不是什麼新鮮事。

另外,還能讓遊戲公司適度激勵小R和零元黨,促進他們的充值行為比如刺激低客單價玩家提高消費額度,或者刺激低頻次消費提升消費頻次。

傳送門

論文

From Non-Paying to Premium: Predicting User Conversion in Video Games with Ensemble Learning

作者:Anna Guitart, Shi Hui Tan, Ana Fernández del Río, Pei Pei Chen, África Periáñez

https://arxiv.org/abs/1906.10320

— 完 —

誠摯招聘

量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話介面,回覆“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態

推薦您的文章

其他文章