- 博客(27)
- 收藏
- 关注
RSS订阅原创 成就和好友：在线多人游戏玩家留存的关键因素
随着游戏等级的变化，长期留存的关键指标也在变化。在从初级到高级阶段，成就特征对玩家非常重要，但一旦玩家达到游戏提供的最高等级，社交特征就成为了预测长期留存的最重要因素。
2024-12-22 22:35:18
796
1
原创 使用生存分析进行游戏时间测量
在本文中，我们描述了用于测量留存的生存分析方法，重点是总游戏时间：这使得游戏开发者能够更好地对游戏进行基准测试。
2024-12-21 22:49:24
844
2
原创 在实际环境中预测玩家流失
在本研究中，我们重点预测五款移动/社交F2P游戏中的流失。我们概述了在游戏中进行流失预测的挑战，并定义了用于流失预测的行为特征 [7], [8]。在提出不同的流失模型后，我们使用保留可能性的统计模型和非线性行为函数的组合，捕捉五款不同游戏中的玩家参与行为。
2024-11-30 22:15:00
1203
原创 大R玩家流失预测在休闲社交游戏中的应用
本文重点预测休闲社交游戏中高价值玩家的流失，并尝试评估可以从预测流失模型中获得的业务影响。测试结果表明，在预测的流失事件发生前不久联系玩家显著提高了与玩家沟通的有效性。结果还显示，发放免费游戏内货币对玩家的流失率或货币化没有显著影响。
2024-11-30 10:23:28
1395
原创 使用生存集成模型进行流失预测
我们首次在社交游戏领域开发了一种生存集成模型，该模型提供了全面的分析以及准确的流失预测。对于每个玩家，我们预测流失概率随时间的变化，这使得可以区分不同的忠诚度档案。此外，我们评估了解释预测玩家生存时间的风险因素。我们的结果表明，生存集成模型的流失预测显著提高了传统分析方法（如Cox回归）的准确性和稳健性。
2024-11-28 22:15:31
1042
原创 英雄联盟游戏使用生存分析预测玩家流失
本文工作的目标是了解特定行为特征对玩家继续玩《英雄联盟》这款电竞游戏的可能性的影响。这里提出了一种基于生存分析的方法，使用混合效应 Cox 回归来预测玩家流失。生存分析为流失预测问题提供了一种有用的方法，因为它不仅提供了流失率，还评估了有离开游戏风险的玩家特征。还展示了主要指标的风险率，结果显示比赛之间的时间间隔是潜在流失的强指标。
2024-11-26 22:47:26
1448
原创 网易游戏用户流失预测实践
我们首先探索并分析了真实世界MMORPG用户的行为，包括参与度、生命周期天数、游戏内行为等。根据分析见解，我们开发了一种名为ChurnPred的流失预测模型，通过利用在线游戏中的游戏内行为和登录行为。我们提出了一种时间感知过滤机制和多视角机制进行行为建模。在真实世界数据集上进行的综合实验表明，与最新方法相比，所提出模型的有效性。
2024-11-24 21:29:44
1236
3
原创 客户流失分析综述
引言客户流失这个术语通常用来描述在特定时间或合同期内停止与公司进行业务往来的客户倾向性[1]。传统上，关于客户流失的研究始于客户关系管理（CRM）[2]。在运营服务时，防止客户流失至关重要。过去，客户获取相对于流失数量的效率是良好的。然而，随着市场因服务全球化和激烈竞争而饱和，客户获取成本迅速上升[3][4]。Reinartz, Werner, Jacquelyn S. Thomas 和 Viswanathan Kumar（2005）表明，从长期业务运营来看，在CRM方面努力提高所有客户的留存率不如在
2024-11-23 21:49:16
1609
原创 游戏玩家留存的快速预测
引入了启发式建模方法，作为构建预测短期留存的简单规则的一种方式。与常见的分类算法相比，我们基于启发式的方法使用玩家活动的第一会话、第一天和第一周的信息，达到了合理且可比较的性能。
2024-11-17 22:04:28
1381
原创 聚类算法的选择及评估
本文的目标在于识别一种系统的聚类算法选择逻辑及相应的验证概念。其目标是使潜在用户能够选择最适合其需求和基础数据聚类问题属性的算法。
2024-11-17 11:53:10
1113
原创 聚类算法综述
聚类算法旨在根据数据中的固有模式和相似性将数据组织成组或簇。它们在当今生活中扮演着重要角色，例如在市场营销和电子商务、医疗保健、数据组织和分析以及社交媒体中。现有众多聚类算法，并且不断有新的算法被引入。每个算法都有其自身的优点和缺点，截至目前，还没有适用于所有任务的通用算法。在这项工作中，我们分析了现有的聚类算法，并从五个不同维度对主流算法进行分类：基本原理和特征、数据点分配到簇、数据集容量、预定义簇数量和应用领域。这种分类有助于研究人员从不同角度理解聚类算法，并帮助他们识别适合解决特定任务的算法。
2024-11-03 20:03:16
1407
原创 powerlaw：用于分析幂律分布的Python库
本文介绍专门用于分析幂律分布的python库powerlaw，提供了丰富的工具来拟合、比较和可视化幂律分布及其他类型的分布（如指数分布、对数正态分布等）。
2024-11-03 13:40:37
1868
原创 利用K-means聚类进行用户分群
游戏行业正经历前所未有的增长，玩家参与和游戏内货币化成为开发者和游戏发行商的关键关注点。K-means聚类是一种流行的机器学习算法，为基于相似特征对玩家进行细分提供了强大的工具，从而实现更个性化的游戏体验和优化的收入生成。通过利用数据驱动的策略，游戏公司可以提升玩家体验，推动有针对性的营销活动，并优化货币化策略。有效的用户分群可以显著增加游戏内消费，因为个性化的优惠和内容更能引起玩家的共鸣。确保数据的准确性、完整性和一致性对于可靠的聚类和可操作的见解至关重要。“游戏的未来在于数据驱动的个性化和玩家参与。
2024-11-03 11:13:33
999
原创 使用预测或实际LTV计算ROI
在上篇文章中，我们讨论了如何在游戏尚未发布时预测LTV。现在，你可以估算7天、30天、60天……180天的大致LTV，并将其与成本进行比较。让我们学习如何做到这一点。
2024-10-23 22:24:20
1158
原创 为新项目构建留存模型并计算LTV
对于新游戏，即使是粗略的估算也比没有好。拥有某种模型总比在您的损益预测中使用随机的LTV数字要好。通过估算LTV，我们可以在用户获取成本、营销预算和整体业务策略上做出更明智的决策。
2024-10-22 20:25:48
715
原创 长期ROI预测技术方案综述
通过对游戏进行长期ROI预测，可以更准确地计算未来的收入和利润，帮助发行投放制定更准确的投放预算和策略，更好地分配资源，优化广告投放的投入，从而实现更高的投资回报。
2024-10-19 15:52:54
1361
原创 基于深度概率模型的用户生命周期价值预测
ZLIN论文提出专为 LTV 标签数据设计的混合 ZILN 损失函数，并提倡使用归一化基尼系数来量化模型的区分能力，推广使用十分位图来评估模型的校准能力。
2024-07-28 22:04:46
1414
原创 ODMN亿级用户的用户生命周期价值预测：来自快手的工业级解决方案
快手ODMN引入了一个订单依赖单调网络，建模了不同时间跨度LTV之间的有序依赖关系，从而大大提高了模型性能。ODMN框架已成功部署在快手的多个业务场景中，并取得了优异的性能。
2024-07-18 20:44:20
2981
原创 CMLTV用于用户生命周期价值预测的对比多视角框架
华为CMLTV是一个多视角框架，该框架通过联合优化具有不同特征和优势的多种回归器来编码和融合全面的知识。该系统已经在华为的移动游戏中心上线部署，并实现了32.26%的总支付金额增长。
2024-07-16 20:23:29
1168
原创 perCLTV游戏个性化用户生命周期价值预测的通用系统
网易perCLTV系统从流失预测和支付预测这两个子任务出发，以序列门控多任务学习的方式重新审视个性化CLTV预测问题，通过异构玩家行为数据来建模不同类型游戏的CLTV，在弹窗推荐和流失干预的两个精准营销应用中取得了显著的改进。
2024-07-15 20:00:10
649
原创 ExpLTV通过专家路由和大R识别预测用户生命周期价值
ExpLTV，一种新颖的多任务框架，用于在统一的方式下执行 LTV 预测和游戏鲸鱼检测。
2024-06-19 07:07:50
1538
2
原创 超长行为序列数据处理：基于搜索的兴趣模型
阿里SIM基于搜索的兴趣模型，采用两阶段搜索机制，能处理超长用户行为序列，并将长期序列用户行为数据建模的最大长度推进到 54000。该模型已在阿里的展示广告系统中作为主模型部署，带来了 7.1% 的 CTR 提升和 4.4% 的 RPM 提升。
2024-06-15 11:52:41
1038
原创 推荐系统用户行为建模综述
文章总结了用户行为建模（UBM）的四个方向，包括传统 UBM、长序列 UBM、多类型 UBM 以及带有辅助信息的 UBM，并比较不同方向的特点和指标，最后得到结论，长序列 UBM遥遥领先。
2024-06-13 20:34:38
1142
原创 MSDMT使用多源数据和多任务学习预测用户流失和付费
对于用户流失和付费预测任务，MSDMT模型创造性地引入玩家画像、行为序列和社交网络在内的异构多源数据，取得显著的改进。
2024-06-13 07:01:22
2162
原创 BST行为序列Transformer模型
阿里Qiwei Chen等人在2019年5月发表的论文《Behavior sequence transformer for e-commerce recommendation in Alibaba》，创造性地将Transformer模型应用于用户行为序列数据，开创了在用户数据上使用Transformer模型的新方向。特此将BST论文全文翻译，总共6107字，以供大家参考和学习。
2024-06-12 14:17:21
1231
原创 万字长文介绍用户生命周期价值预测模型MDLUR
目前业界对于用户生命周期价值预测最新并且最成功的模型是2023年8月Junwoo Yun等人发表的《Multi Datasource LTV User Representation （MDLUR）》。根据论文的表述，该模型正是采用了最新的Transformer模型架构，并达到了行业内SOTA的水平。SOTA，全称State-Of-The-Art，用于描述机器学习中取得某个任务上当前最优效果的模型。特此将MDLUR论文全文翻译，总共11650字，以供大家参考和学习。
2024-06-10 16:53:47
1915
2
原创 游戏用户生命周期价值预测模型综述
从预测模型综述可以清晰看到游戏用户生命周期价值预测的模型演化历程，从非机器学习的传统模型，到机器学习模型和深度学习模型，再到最新最热门的Transformer模型，模型能处理的数据种类越来越多，能处理的数据量也越来越大，有很明显的由小到大，向大模型转变的趋势。最新的MDLUR模型能处理用户信息数据、用户行为序列数据和用户时间序列数据等各种数据，进而得到业内最好SOTA的技术指标，并能支持游戏行业中常见的用户生命周期价值预测和用户留存流失预测等各种预测任务。
2024-06-08 17:11:12
3270
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人