伏羲实验室用户画像组开放课题
Search…
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
游戏玩家流失预测
课题背景
随着游戏市场的逐渐饱和,竞争也愈加激烈。许多研究声称吸引一个新玩家的成本远大于保留一个老玩家的成本。因此,使老玩家留存以提升游戏营收是游戏公司非常关心的问题。流失预测作为常用的提升用户留存率的手段,在电信、金融、在线游戏、电子商务等领域受到广泛研究。如图1所示,游戏用户生命周期是一个从探索成长到成熟稳定,并随着时间逐渐衰亡的过程。
在游戏领域中,大部分研究把流失预测建模为二分类问题,将未来一段时间未上线视为流失,反之视为留存,基于领域知识和数据分析,提取出有用的特征建模为用户的画像并进行分类预测。另一部分把流失预测建模为预测玩家流失的时间,即多久之后会流失,通常采用传统的回归方法和能处理删失数据的生存分析进行建模。
如何精确地对将流失的玩家进行预测,并执行有效的干预手段,提升玩家的留存,进而提升游戏的营收,对游戏的成功运营有着重要意义。
图1:游戏用户生命周期变化图
问题定义
定义一:将流失预测建模为二分类问题,未来一段时间未登陆标记为流失(如7天、14天),反之则为留存,基于领域知识和数据分析构建用户特征,进而建立流失模型,进行二分类流失预测。
定义二:将流失预测建模为预测玩家的流失时间,找到玩家最后一次登陆与当前登陆时间的距离天数作为标记,建模成回归问题。
问题挑战
游戏场景中的流失预测问题中的挑战主要包括以下几点:
如何更有效地定义流失,并与有效的干预手段结合,产生实际商业价值;
如何提升预测精度,尤其是对未来长时间流失的预测问题;
存在不可忽略且难以观测到的外部因素导致的流失,如何降低其影响。
评价指标
游戏场景中的流失预测主要通过两个指标进行评估:
二分类流失预测准确率: Accuracy、Precision、Recall、F1、AUC;
流失距离天数预测准确率:RMSE。
数据集描述
游戏数据集主要分为三个部分:
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
online_time
int
在线时长
total_exp
int
总经验
total_gold
int
游戏代币数量
……
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
用户关系网络(以游戏组队和师徒为例)
字段
类型
描述
role_id
string
玩家id
team_id
int
游戏队伍id
teacher_id
int
师傅id
student_id
int
徒弟id
……
联系我们
有任何问题,请联系
[email protected]
,
[email protected]
开放研究课题 - Previous
结合因果推断的时序预测
Next - 开放研究课题
游戏玩家流失原因分析
Last modified
4mo ago
Copy link
Outline
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