伏羲实验室用户画像组开放课题
  • 概述
  • 开放研究课题
    • 游戏玩家进入的下一个游戏场景预测
    • MMORPG游戏服务器的合并模拟预测
    • 基于游戏虚拟社交空间的玩家时空序列预测
    • 基于多源数据融合的游戏玩家状态预测
    • MMORPG中的虚拟游戏道具价格预测
    • 结合因果推断的时序预测
    • 游戏玩家流失预测
    • 游戏玩家流失原因分析
    • 基于玩家角色轨迹的游戏外挂检测
    • 基于玩家社交图谱的游戏外挂检测
    • 基于玩家行为序列的游戏外挂检测
    • 基于游戏客户端截图的FPS透视挂检测
    • 在线游戏中的半监督异常交易群体检测
    • 在线游戏中的交易网络子图匹配
    • 可解释的外挂检测
    • 个性化礼包生成与个性化礼包推荐
    • 基于玩家实时交互的游戏道具推荐
    • 游戏玩家时装商品搭配推荐
    • 基于游戏社交关系的玩家-帮会关系预测
    • 基于游戏战场中行为序列的玩家竞技风格挖掘
    • 基于游戏战场中行为序列的动作价值评估
    • 面向全局优化的游戏玩家组队匹配
    • 游戏数据场景下的稳定学习框架
    • 数据众包质量控制方法研究
  • 开放工程课题
    • 模型可解释性应用Demo制作
    • 用户行为序列可视化系统Demo制作
    • 因果分析仿真环境Demo制作
    • 基于区块链技术的数据加密和流转框架Demo制作
    • 游戏联邦学习框架Demo制作
    • 画像标签体系可视化Demo制作
    • 回报分解仿真环境Demo制作
    • 用户关系图谱可视化系统Demo制作
    • 游戏AutoML框架Demo制作
  • 游戏背景知识
    • 游戏基础
    • 游戏玩法知识
    • 游戏玩家分类
    • MMORPG元素
    • CCG元素
    • SPG元素
  • 游戏数据集描述
    • 伏羲游戏数据集
    • MMORPG1
    • ACT1
    • CCG1
    • SPG1
    • TAB1
  • 高校合作申请流程
    • 高校合作申请流程
Powered by GitBook
On this page
  • 课题背景
  • 问题定义
  • 问题挑战
  • 评价指标
  • 数据集描述
  • 联系我们

Was this helpful?

  1. 开放研究课题

游戏玩家流失原因分析

Previous游戏玩家流失预测Next基于玩家角色轨迹的游戏外挂检测

Last updated 3 years ago

Was this helpful?

课题背景

随着人们对于更高品质的娱乐需求,在线游戏市场近年来持续繁荣,竞争也更加激烈,如何吸引新用户和挽留老用户是对游戏的发展至关重要。随着在线游戏市场趋于饱和,游戏厂商意识到吸引新用户的成本远大于保留老用户,使得用户留存成为游戏厂商非常关心的问题。如何发现用户流失的原因,从而改进游戏,增强游戏体验,是提升用户留存率,增加游戏营收的关键。

用户流失的相关研究通常采用两种方式之一:数据分析和数据驱动的模型。前者需要极大的人工成本并且很难扩展,因此,不适用于如今无处不在的在线游戏。随着大数据和机器学习技术不断发展,由大数据驱动的模型使该情况得以改善,但流失预测的结果通常缺乏解释性,即对用户流失的解释。

如何构建一个精确的、可扩展的、可解释性好的流失预测模型,抑或是从大数据中构建因果模型,发现流失的原因,对挽留用户、提升游戏营收具有十分重要的意义。

问题定义

从海量用户数据中挖掘用户流失的原因,辅助游戏运营和游戏制作改善游戏体验和用户挽回。

问题挑战

游戏场景流失原因分析中的挑战主要包括以下几点:

  • 如流失预测开放课题所述,玩家的流失是一个渐进的过程,如何找到流失转折点,使用期间数据进行针对性分析(如图1所示,我们目前使用规则,将距离流失窗口最近的近两周活跃天数不小于10天的时间作为流失转折点,然后获取期间的数据进行分析)

  • 流失原因复杂多样,存在很多混淆变量无法获取;

  • 前沿研究算法尚不成熟,较难实际落地;

  • 获取的流失原因如何有效评估。

图1:用户流失定义

评价指标

游戏场景中流失原因分析可以通过以下指标进行评估:

  • Post-hoc accuracy;

  • 人工评价准确率;

  • 干预效果。

数据集描述

游戏数据集主要分为两个部分:

  • 用户画像数据

字段
类型
描述

role_id

string

玩家id

level

int

玩家等级

role_class

int

职业

churn_friends_ratio

double

好友流失占比

shifu_latest_log_time

int

师傅未登录天数

couple_latest_log_time

int

情缘未登录天数

……

  • 用户历史动作序列

字段
类型
描述

role_id

string

玩家id

action_id

int

动作id

objective_ids

string

动作对象id,多个对象id以逗号隔开

time_stamp

int

动作发生的时间戳

联系我们

有任何问题,请联系 xiongyu1@corp.netease.com