Авторы:

Арик Каан, Преподаватель кафедры многомерного моделирования и анимации. Университет прикладных наук Сакарья

Гезер Мурат, PhD (Электротехника и Электроника), доцент кафедры информатики. Стамбульский университет

Толун Тайали Седа, PhD (Количественные методы), профессор кафедры количественных методов. Стамбульский университет

Аннотация:

В последние годы произошел существенный рост популярности игровой индустрии, занявшей лидирующие позиции в сфере досуга и развлечений. Способность онлайн-игр быстро генерировать высокие доходы обусловила научный и практический интерес к взаимодействию с потребителями в этой сфере и выявлению причин их оттока. Исследование направлено на выявление наиболее эффективных алгоритмов машинного обучения по определению потенциальной готовности пользователей покинуть онлайн-игру (проблема классификации) и вероятной продолжительности их участия (проблема регрессии). Методологическая основа исследования представлена положениями поведенческой экономики. Для решения поставленных задач использовались методы и алгоритмы машинного обучения. Информационную базу составили анонимные игровые лог-данные 10 тысяч пользователей MMORPG-игры Blade and Soul. Согласно полученным результатам, для анализа оттока пользователей наиболее эффективен алгоритм XGBoost, а для анализа продолжительности их участия в игре – алгоритмы MLP и GBR. Наибольшую значимость для прогнозирования потенциального оттока пользователей продемонстрировали такие показатели, как продолжительность игровой сессии и жизни персонажа, частота появления пользователя в игре и др. Полученные результаты могут быть полезны компаниям – разработчикам игр при выявлении трендов и паттернов поведения пользователей, их готовности прекратить участие в игре и причин данного решения, определении сегментов игроков, наиболее подверженных риску оттока.

Ключевые слова:

прогнозирование оттока пользователей онлайн-игр; бизнес-аналитика; онлайн-игра; машинное обучение; искусственный интеллект.

Скачать полный текст статьи