有了这技术 游戏公司再也不让我管住氪金的手

这年头，小氪怡情，大氪改命。游戏氪金，乃玩家常事。

虽然，贫穷限制了我们的购买力，但你一定听说过、甚至认识这样一种壕——作为深度手游爱好者的TA，炉石卡包买买买！王者皮肤买买买！勾玉礼包还是买买买！对于养呱都可以花钱的TA来说，不撒钱，就不是真正的快乐。

在游戏产业，这样的高氪用户被称之为“鲸”。各大公司为了留住“鲸”，也可谓是使出了浑身解数。有的给配上了私人客服，发现用户连续几天不上线，便打电话咨询游戏体验；有的则定制推送，激发剁手欲望；还有的居然……额，行吧！

而日本的一家游戏公司——硅工作室（SiliconStudio）甚至用上了AI技术。

集成算法模型——待我掐指一算

为预测用户流失状况，硅工作室研究出了一种集成算法模型。

顾名思义，集成算法模型是将不同的学习算法（个体模型）组合在一起的模型。举例来说，如果要预测游戏用户的流失状况，我们应该会想要询问多个了解相关信息的人来做出决策。比如，一个知道游戏大体信息的资深游戏投资人、一个该游戏的开发工程师、一个体验过内测的游戏爱好者……当我们把这些人的预测都结合在一起考量，那这种方式就被称之为集成算法模型。

运用集成算法模型，能够更好地发挥模型的稳定性和预测能力。“三个臭皮匠，赛过诸葛亮。”尤其是当臭皮匠们的学科背景或者思考角度都不相同时，则更能全面的分析问题。这对于机器学习来说也同样。

当然，就如同之前例子中我们选择的询问对象是对预测游戏有一定了解并能在一定程度上正确预测的对象，在集成算法模型中，我们会选择的个体模型也同样需要集合一批识别错误率小于50%的模块（又被成为弱学习算法）。而为了让不同的模块“思考”的方向不同，我们则需要从样本数量（difference in population）、前提假设（difference inhypothesis）、算法模型（difference in modeling technique）以及初始种子（Difference in initial seed，即初始数值）这四个方面规划个体模型。

据硅工作室的研究人员阿非利加?佩里亚涅斯（áfrica Periá?ez）称，他们的集成模型，由1000个单独的子模型组成。

生存分析算法——看施主的操作，似有破财之相

而为了更好地分析用户行为与用户流失的关系，研究团队还将生存分析算法（survival analysis algorithm）放在了每个个体模型中。

生存分析最初运用于医学领域，其包含的要素有三：“死亡”、“生存”及“生存时间”。看到这里，或许你会觉得这是一个用于分析死亡率的模型，其实不然。

生存分析中的所谓“死亡”，其实是指研究者关心的事件结局。就拿硅工作室给用户流失下的定义——连续10天不登录游戏来说，这里的“流失”是事件结局，也就是生存分析中的“死亡”，“登录游戏”就是“生存”，而从最初一次登录到停止游戏之后连续的十天，就是“生存时间”。而运用生存分析，就是要分析在“生存时间”之内，哪些要素是影响了“流失”这一结果的。

如下图硅工作室研究计算出的生存曲线，探究的就是不同付费层次对于用户流失的影响。

在生存曲线图中，如果一个要素对于“生存”的影响不显著或根本没有影响，曲线会趋于平行甚至重合。因此显而易见的是，玩家不同付费层次对于用户流失的影响不仅存在，还可以在相当长的一段时间内明显维持。

以此类推，我们可以通过比对游戏平均时长、游戏等级、游戏水平等多种因素，快速锁定即将流失的重要玩家，从而有针对性地进行用户维护。并且，还可以准确预测出哪些玩家在哪天、哪个游戏阶段会爬墙走人，以及原因是什么。

未来潜力——玩家数据库

硅工作室的算法，是游戏产业内将集成算法模型结合生存分析算法的首次实验，且结果喜人。在应用中，工作室成功降低了5%的高氪玩家流失率，增加了15%的销售额。

这一套算法不仅具有分析准确、预测稳定的效果，在其适配游戏种类繁多的情形下，其用途也十分广泛。我们有理由相信，通过更多因素的比对及通过玩家数据的积累，将来的这一套算法甚至可以运用到游戏设计上。

而现在，硅工作室打算把这个模型作为服务商用，帮助一些中小型工作室积累用户数据。据了解，他们已经与日本和欧洲的一些公司开展了合作。

读芯君开扒

用户分析，硅工作室还差些什么？

虽然硅工作室发明的算法能够有效预测用户行为并及时止损，但其问题同样显著。首当其冲的就是其算法的复杂性。

在使用该模型时，研究人员需要大量规划可能存在的影响因素，从而运用模型检验，其全面性是有限的。同样，正如因素的规划来源于研究人员认知，其除了预测的科学度有所上升之外，并不能有效地跳脱出普遍的思维框架，从而真正的达到智能决策水平。

留言 点赞 发个朋友圈

我们一起探讨AI落地的最后一公里

作者：羊习习

参考文献链接：

https://m.guokr.com/article/442812

https://www.analyticsvidhya.com/blog/2015/08/introduction-ensemble-learning/

http://m.sohu.com/a/213155752_99895572

如需转载，请后台留言，遵守转载规范