游戏玩家流失原因分析

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 [e-mail]