游戏从业者都知道,游戏的成功率低,即使做出过爆款游戏的团队也鲜有持续成功的案例,每个人都在自问:我的下一个爆款在哪里。
作为创意型产业,游戏的策划、开发、运营经验经常说不清道不明,甚至游戏圈的资深人士曾说过:你挖我们的主策划都没什么用,因为我们也不知道我们的游戏为什么火的。
一款游戏的设计、开发、运营、发行涉及方方面面,影响因素很多,策划和运营人员的经验又偏感性,很难简单复制传播,从而造成游戏的成功可复制性很差。
随着神经网络等机器学习技术的进步,通过对游戏历史数据、玩家游戏行为进行机器学习,从而将策划、运营等的经验进行量化,不仅可以用于评估游戏的成功可能性,而且可以预测玩家行为, 为玩家提供个性化的游戏内容,从而在提高留存、付费等方面带来颠覆性的改进。
机器学习将应用在游戏的设计、开发、运营、市场、发行的各个环节。机器学习是以大数据为基础的,有长期游戏运营数据的开发商、发行商、平台将在游戏的机器学习时代逐渐形成行业壁垒,确立核心竞争力。
小游戏厂商除非在游戏类型等方面创新,或者接受上述有数据的公司、平台的反哺,否则在成熟游戏类型方面的空间将进一步压缩。现有的游戏的开发商、发行商如果不能顺应机器学习这个发展方向,在不久的将来,很大可能会被淘汰。
机器学习在游戏中的应用的优势
传统的游戏分析主要是统计、分析,通过统计玩家群体的整体的留存(次日/3日/7日/月等长短期留存)、付费率、arpu/arppu、LTV等指标,通过人(数据分析师、策划、运营)来分析并发现问题,然后通过AB测试等调优手段进行优化。
传统的统计分析手段应用在游戏中,面临几个方面的挑战:
1、影响因素过多,“人”在确定各因素的影响系数时力不从心,分析的结果比较单一。
2、统计、分析的结果是群体性指标,面对单个个体的分析很少。
3、对于预测、改进的帮助有限。
机器学习的强项正好是在复杂的多因素环境下找到规律,从而弥补“人”统计分析的不足。另外,机器学习的学习对象和验证/预测对象都是个体,从而能够在对游戏的改进过程中提供个性化和有针对性的改进措施。