游戏数据科学

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。

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。

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。

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。

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。

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。

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。

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

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。