保持知情
在收件箱中获取行业新闻…
今天注册
数据 - 尤其是数据定义了F2P手机游戏玩家的行为 - 现在是一项大型且复杂的业务。
然而，正如忍者指标首席执行官德米特里·威廉姆斯（Dmitri Williams）在他的GDC Europe 2015谈话中深入研究了名为“高级游戏分析”的演讲，该行业正在迅速发展，尤其是随着更多的现金花费，这迫使更成熟的科学基础。
当然，作为起点，威廉姆斯说，市场人士必须将其支出和收入归还给收购来源。加强了良好归因数据的重要性。
然而，大约有40％的开发人员仍在尝试通过手动过程来做这种事情。不准确和不可计算的东西。
取而代之的是，机器学习系统，即寻找数据模式的自动系统 - 现成的分析公司现在正在更简单地进行此类分析。
开发人员转向自动系统时的一个困境是，他们是黑匣子，这是没有人理解如何产生结果的。
威廉姆斯警告说：“您对数据的数据 *和 *对结果的信心没有充分的了解。”
机器学习
威廉姆斯说，就基础科学的变化而言，该行业预测人们将要做的事情（即从游戏中流失）的能力正在迅速增长。
机器学习对于设置您需要应用于数据所需的许多规则至关重要。这使计算更加复杂，但也更加准确。
开发人员转移到自动系统时的一个困境是，它们是黑匣子，没人能理解。
准确性改善的另一个原因是社交网络的影响，这使市场员在个人的行为方式上更准确，无论是投票支持政党还是在游戏中花钱，还是邀请朋友加入联盟。
此外，玩家如何使用社交网络（即他们的病毒性）现在被突出显示并反映在这些玩家为广告商的货币价值中。
给我看钱
所有这些准确性都很重要，因为对于游戏开发人员来说，他们应该跟踪的最重要的指标是每个玩家的寿命价值。
威廉姆斯（Williams）解释说，LTV是终生模型（即玩家从游戏中离开或流失时）与玩家的价值模型的组合。
有不同的模型，即如何预测Churn，也就是Cox/危害等可生存能力模型，而改善价值模型的工作现在包括支出背后的心理和环境元素。
实际上，总而言之，威廉姆斯指出了与玩家的社会行为相关的增长价值。
威廉姆斯说：“如果你胖，你更有可能有胖朋友。我们知道脂肪是一个社会因素。吸烟，减肥或停止吸烟。”
“人们在游戏中引人注目并追踪他们的社交能力至关重要。”
的确，在为中央情报局识别恐怖分子的研究时，威廉姆斯的研究团队将其结果的准确性从50-60％提高到80-90％，当时他们将社交数据添加到其分析中。
