高校合作申请流程
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 [email protected]