万维百科粤语版

遊戲分析

Jump to search
兩個人坐喺度打機;佢哋打起機上嚟嘅行為係點嘅樣?佢哋喺每一關花咗幾多時間?知道咗呢啲資訊可以點用?

遊戲分析粵拼jau4 hei3 fan1 sik1 faat3英文game analytics)係行為分析(behavioral analytics)一種,包含可以用嚟監察住一隻電子遊戲入面發生緊嘅事件嘅量化性量度,用意在於幫隻遊戲嘅營運者攞有得用統計方法分析嘅數據,而呢啲數據一般會俾遊戲營運者用嚟做營運相關決策嘅基礎。舉個簡單嘅例子說明:想像有隻網上遊戲,遊戲製作組喺隻遊戲出街之前,將個遊戲程式編寫成曉紀錄遊戲世界入面每一個地點有幾多玩家到訪同埋每個玩家喺嗰度逗留幾耐(量化性量度);隻遊戲出咗街之後,佢哋發現遊戲世界有某個地點零舍唔受歡迎(好少玩家到訪,玩家平均逗留時間短... 等等),於是就進行更新,更改個地點嘅設計,等嗰個地點有趣啲(有關遊戲營運嘅決策)[1][2]

遊戲分析上會分析嘅數據可以分做幾種[1][3]

  • 客戶量度:包括描述玩家數量變化嘅數據,包括每日有玩隻遊戲嘅人數、有幾多百分比嘅玩家玩玩吓就冇玩以及平均每位玩家喺隻遊戲身上使幾多錢(可以睇吓微交易)呀噉[4]
  • 群體量度:指描述玩家同玩家之間嘅互動嘅數據,包括每位玩家每日向第啲玩家傳咗幾多條短訊、遊戲有幾常出現短訊內包含粗口(假設個程式曉辨別粗口同非粗口)嘅情況以及遊戲嘅留言板上有幾常有留言呀噉。
  • 表現量度:指描述遊戲程式表現嘅數據,好似係(所有玩家加埋)遊戲程式每日幾多次搞到輕機、網上遊戲嘅 ping 值(ping 指訊號傳遞所需嘅時間,數值一般係愈細愈好)以及玩家玩起上嚟嘅幀率等等[5]
  • 遊戲性量度:指遊戲入面發生嘅玩家同遊戲之間嘅互動,例如係每位玩家喺某一入面逗留咗幾耐、每位玩家喺每一關入面死咗幾多次以及每位玩家喺遊戲世界入面搵到幾多虛擬金幣... 等等[6]

遊戲分析係廿一世紀初遊戲製作(game development)不可或缺嘅一環:廿世紀嘅遊戲製作比較少用到遊戲分析,不過到咗廿一世紀互聯網普及,「將玩家數據傳返去製作組嗰度」呢家嘢變得愈嚟愈容易,再加上數據科學(data science)同機械學習(machine learning)等領域嘅技術成熟,令遊戲分析喺 2010 年代開始漸漸變成電子遊戲業界嘅標準,到咗 2020 年,主流遊戲製作商幾乎冚唪唥都會用遊戲分析營運自己嘅遊戲[7][8]

理論基礎

行為分析

內文: 行為分析

遊戲分析係行為分析(behavioral analytics)嘅一種。行為分析係指搵出有關消費者行為數據,由數據搵出規律,然後再運用呢啲發現,幫手喺商業上解決問題同支援管理上嘅決策(睇埋訊息系統),而遊戲分析就係遊戲製作用嘅行為分析-分析玩家嘅行為,並且用呢啲數據做遊戲設計(game design)上嘅決定[9][10]。做遊戲分析會用到多個領域嘅知識,例如:

  • 心理學(同其他認知科學領域)-做遊戲分析要諗出一啲方法量化噉量度消費者(玩家)嘅行為,即係要有方法用數字描述行為,而實驗心理學上有好多方法可以做呢樣嘢;
  • 統計學-得到數據之後,分析者要用各種分析方法,由數據嗰度搵出有用嘅結果,呢個過程要用到好多推論統計學(inferential statistics)嘅分析方法;
  • 電腦程式編寫-遊戲分析好多時會用到機械學習等嘅電腦技術,而做呢啲工作往往要求個分析者或多或少噉識得做程式編寫[7]

... 等等。

遙測

內文: 遙測

廿一世紀嘅遊戲分析係運用大量嘅遙測(telemetry):遙測係指由遠距離量度某啲變數;廿一世紀互聯網科技經已相當成熟,絕大部份嘅遊戲機都會或多或少噉接駁互聯網,所以遊戲製作商可以輕易噉將遊戲程式編寫成會數住(例如)「玩嗰個人喺每一用咗幾多時間」以及「玩嗰個人平均每一關入面死咗幾多次」等嘅資訊,然後再將呢啲資訊傳去遊戲嘅伺服器(server)嗰度,然後製作組手上就會有一個數據庫,數據庫有每一個(好多時數以萬計嘅)玩家喺量度咗嗰柞變數上嘅數值;然後製作組仲可以將數據庫入面某啲變數結合,變成新嘅指標,例子有計每個玩家平均每關死幾多次,用呢個數值做「個玩家有幾勁」嘅指標[10][11]。好似係以下呢個數據庫噉:

喺第一關死咗幾多次 喺第二關死咗幾多次 喺第三關死咗幾多次 (由第啲數據結合而成嘅)
平均每關死幾多次
玩家 1 0 0 3 1
玩家 2 1 4 10 5
玩家 3 1 1 4 2

基本過程

睇埋:知識提取

遊戲分析做嘅基本上係知識提取(knowledge extraction)嘅過程-攞有關隻遊戲嘅運作嘅數據,用數據分析方法了解遊戲運作,再作出有關遊戲營運嘅決策。遊戲分析嘅基本步驟如下[12][13]

  1. 定義好要做啲乜(例:我哋而家嘅目標係想確保隻遊戲夠平衡);
  2. 攞數據(例:編好個遊戲程式,個程式會做遙測,記錄每個角色有幾多玩家用);
  3. 事前數據處理(data pre-processing),簡單啲講就係執靚個數據庫佢;
  4. 將數據編成清晰嘅量度指標(例:由「每個角色俾人用咗幾多次」當中計出每位玩家揀每個角色嘅機會率);
  5. 數據分析;
  6. 視覺化(visualization),最簡單嘅係將啲數據畫成統計圖
  7. 將結果報造俾相關嘅人士知;
  8. 按結果作出決策(例:知道某個角色零舍少人用,於是就 buff 佢,等隻遊戲平衡啲;可以睇吓遊戲平衡)。

常用變數

睇埋:特徵選擇同埋市場學

遊戲分析其中一樣最重要嘅工序係選擇要量度乜嘢變數:喺實際應用上,遊戲製作組手上資源係有限嘅-例如如果想要搜集每位玩家喺每一關入面死咗幾多次,而隻遊戲有 10,000 個玩家同 30 關,遊戲伺服器就會多咗 300,000 個數字要記同處理,會明顯噉提升分析數據要用嘅時間以及個遊戲程式運算上要用嘅資源[註 1];因為噉,有經驗嘅遊戲製作師一般會曉衡量邊啲變數比較重要,邊啲變數可以忽略,並且淨係集中搜集對分析最用有嗰啲變數[14][15]

遊戲分析上常用嘅變數有以下呢啲[12][16]

玩家特性

玩家數量

睇埋:玩家
  • 活躍用家(active users):指每個單位時間內有幾多玩家玩緊隻遊戲,可以分做每日活躍用家(daily active users,DAU)、每週活躍用家(weekly active users,WAU)同每月活躍用家(monthly active users,MAU)等嘅變數;活躍用家呢個數值一般係愈高愈理想[17]
  • 每日活躍用家對每月活躍用家(daily active users to daily monthly users)嘅比例:指 得出嘅數值;一般認為,呢個數值反映玩家當中有幾多係每日都玩隻遊戲,即係反映隻遊戲有幾能夠令玩家建立股「癮」-如果呢個比例數值低,表示有好多玩家都係一個月玩隻遊戲玩得嗰幾次,而如果呢個比例數值高,就表示每月至少玩一次嘅玩家當中有好多都係日日玩隻遊戲。
  • 高峰同時用家(peak concurrent users,PCU):指隻遊戲喺最高峰時段有幾多玩家同時喺度玩;呢個數值對網上遊戲嘅管理嚟講相當重要,例如如果一隻網上遊戲嘅 PCU 高過製作組一開始嘅預期,可以搞到隻遊戲嘅伺服器因為唔足以應付用家需求而出問題[18]
  • 點擊率(click-through rate):指睇過一個網上廣告(通常會有超連結連去隻遊戲嘅網站嗰度)嘅人當中有幾多百分比嘅真係有點擊個廣告[19]

玩家使錢

睇埋:電子遊戲搵錢方法
  • 轉換率(conversion rate):對於用網絡遊戲免費模式(free-to-play;指隻遊戲唔使俾錢就可以開始玩)嘅遊戲嚟講最重要變數之一,指玩隻遊戲嘅玩家當中有幾多俾咗錢買隻遊戲嘅微交易產品,呢啲產品對用免費模式營運嘅遊戲嚟講係主要搵錢方法
  • 每用家平均銷售量(average revenue per user,ARPU):指平均每位玩家花咗幾多錢喺隻遊戲上,都係常見於免費模式遊戲嘅一個指標。
  • 每使錢用家平均銷售量(average revenue per paying user,ARPPU):指平均每位使咗錢嘅玩家花咗幾多錢喺隻遊戲上,都係常見於免費模式遊戲嘅一個指標。
  • 顧客購置成本(customer acquisition cost,CAC):指每得到一個客(玩家)要使幾多資源;喺搵客嘅過程當中,一個遊戲製作組需要做遊戲設計編程測試等多種繁複嘅工序,呢啲工序要花費好多嘅錢同時間,然後隻遊戲出咗街之後會得到若干個玩家;成個過程使咗嘅錢除以最後得到嘅玩家數量,就係 CAC [20]
  • 顧客終生價值(customer lifetime value,CLV / CLTV):指一個玩家由「開始玩隻遊戲」至「收手唔玩,並且以後都唔再玩」(通常「唔再玩」等如「唔再使錢」)之間總共使咗幾多錢喺隻遊戲身上[21]

技術評估

  • 每分鐘操作數(APM,Actions Per Minute):指一個玩家每分鐘可以俾幾多個指令;一個玩家 APM 高通常表示佢手眼協調好、反應快、同技術高強[22]
  • 反應時間(reaction time / response time,RT):指一個玩家喺感知到一個刺激同俾反應之間嘅時間差,RT 短表示一個玩家反應快,喺動作遊戲當中通常表現會好[23]
  • 殺對死比例(kill-death ratio):喺多人電子遊戲常見嘅一個數值,指一個玩家喺 PvP 對局當中殺敵次數同死亡次數嘅比例;一般嚟講,技術高嘅玩家殺敵數量會多,同時冇咁容易俾對手殺死,所以殺對死比例數值理應會偏高[24]
  • 造成嘅傷害:個玩家喺每場對局入面成功對敵人造成幾多傷害。
  • 贏輸:每位玩家喺 PvP 或者 PvE 對局當中贏嘅機會率可以用嚟做技術嘅指標。

拉雜特性

  • 玩家社會網絡:廿一世紀嘅主流遊戲機平台都會容許一個玩家同第啲(佢哋喺網上遊戲嗰度遇到嘅)玩家做朋友;一個玩家嘅朋友數量等嘅社會網絡相關變數可以反映佢對隻遊戲嘅玩家群嘅影響力。可以睇吓社會網絡分析(social network analysis)[25]
  • 開機次數:指每個單位時間內遊戲程式俾玩家開咗幾多次,呢個數值正路會同活躍用家數量成正相關
  • 人口統計:玩家嘅國籍、性別同年紀等嘅人口特性可以反映隻遊戲喺邊啲人群當中有市場,而遊戲發行商可以按一隻遊戲嘅玩家群嘅人口特性調整隻遊戲嘅營銷策略
  • 玩嘅時間:指一位玩家每單位時間(日、禮拜或者月)花幾多時間玩隻遊戲[26]
  • 玩家留存(player retention):指過咗若干時間之後,有幾多玩家仲玩緊隻遊戲;例:「一個鐘頭後嘅玩家留存係 50%」意思係喺開始咗玩隻遊戲嘅玩家當中,有 50% 嘅喺玩咗一個鐘頭之後仲玩緊[4]
  • 事件分佈(event distribution):指唔同事件係乜嘢時候發生;例:「停玩嘅玩家喺臨停玩之前,傾向喺度做緊乜?」呢個問題嘅答案可能會話到俾製作組知隻遊戲有啲乜嘢部份零舍令玩家唔開心[26]

遊戲性

睇埋:遊戲設計

遊戲性(gameplay)相關嘅變數對於設計方面嘅考量嚟講零舍重要,會解答以下嘅問題:遊戲入面每個元件(武器同角色等)係咪太多人用或者太少人用(睇埋遊戲平衡)?玩家嘅行為係咪好似設計師所預期嘅噉?遊戲入面有冇啲乜嘢阻礙玩家嘅進度[25]?常用嘅遊戲性分析用嘅變數有以下呢啲:

  • 撳掣Foreach 掣,每個玩家撳咗呢個掣撳咗幾多次?喺每一關入面撳呢個掣撳咗幾多次... 等等。
  • 進度(progression):每個玩家喺乜嘢時間去到第 關、每個玩家喺乜嘢時間升到去第 等級... 等等。呢啲數值可以反映好多嘢,例如隻遊戲會唔會難得滯(玩家嘅進度比預期中慢表示難得滯)。
  • 武器使用射擊遊戲當中通常都會有多把槍俾玩家選用,射擊遊戲嘅分析可以考慮每位玩家花咗幾多時間用每一把槍、每場對局開咗幾多次槍以及用每把槍成功殺咗幾多敵人等等,可以用嚟評估隻遊戲有冇遊戲平衡方面嘅問題。
  • 道具使用動作遊戲RPG 通常都會有道具,同武器道理相同。
  • 位置分佈:動作遊戲常見數值,指個玩家喺遊戲地圖嘅每個位置逗留幾耐。可以睇埋熱地圖
  • 得分:個玩家每場遊戲得到幾多分(如果隻遊戲有得分嘅機制嘅話)。
  • 平均速度:常見於競速遊戲,指每位玩家平均以幾快嘅速度移動。
  • 遊戲內嘅經濟指標:喺 MMORPG 等嘅遊戲類型入面,玩家可以透過殺怪獸等嘅方法賺遊戲裏面嘅虛擬錢,「每位玩家手上有幾多虛擬錢」以及「每位玩家使咗幾多虛擬錢落去乜嗰度」等等嘅變數喺管理隻遊戲嘅經濟上有用,詳情可以睇吓虛擬經濟(virtual economy)。

軟硬件

  • 幀率(frame rate):動畫方面用語,指個熒幕每秒顯示幾多格;FPS 高嘅話就表示,個熒幕每秒能夠將顯示緊嘅影像變換好多次,即係更加能夠令熒幕所顯示嘅畫面望落好似真係郁緊噉樣[27]
  • Ping:網上遊戲有嘅數值,指一個訊號由玩家部機傳去遊戲伺服器,然後遊戲伺服器再傳個訊號返去話「收到訊號喇」總共花嘅時間,可以用嚟作為量度一個網上遊戲伺服器網絡連接有幾好嘅指標[28]

應用例子

遊戲分析可以想像成用上述嘅變數診斷問題嘅過程。想像家陣個製作組管理緊一隻遊戲,隻遊戲嘅盈利少過預期;製作組收集數據,思考以下嘅問題:

  • 有幾多人下載隻遊戲?將呢個數字同同類遊戲嘅下載數字比較,如果問題在於太少人下載隻遊戲,噉好有可能係營銷策略上嘅問題,可以做吓 A/B 測試,睇吓唔同嘅廣告對下載率有乜嘢影響等等;
  • 喺下載咗隻遊戲同開始玩嘅玩家當中,佢哋通常第一件事係做啲乜(睇返上面事件分佈)?如果玩家係玩咗陣就冇玩(玩家留存低),佢哋喺臨停玩之前做緊乜(睇返上面事件分佈)?事件分佈會話到俾製作組知,隻遊戲可能某一部份零舍唔好玩,搞到玩家冇癮。
  • 如果玩家有繼續玩(玩家留存數值正常),會唔會係因為玩家唔肯使錢買微交易產品(睇返上面有關玩家使錢嘅變數)?有邊一啲微交易產品特別少玩家買?有冇乜嘢方法可以改良呢啲產品,提升呢啲產品對玩家嘅吸引力?

... 等等[26]

分析技術

睇埋:推論統計學

喺得到數據之後,就要對個數據庫進行處理,務求得出一啲有用嘅結果。喺呢方面,遊戲分析同一般嘅行為分析好相似,都會做事前數據處理同用到推論統計學(inferential statistics)上嘅技術,簡單嘅例子有用迴歸分析方法畫一條線,表示某兩個變數(例如:一個玩家「花幾多時間玩隻遊戲」同佢「鍾意揀邊一個角色」)之間嘅關係,等分析者同製作組將來有得用其中一個變數嘅數據估計另一個嘅數值。另一方面,遊戲分析上嘅數據分析仲會用到機械學習等嘅技術[25]

降維

主成分分析嘅圖解;幅圖每一點代表一個個案,兩個箭咀代表兩個成份,長啲嗰個箭咀係比較重要嗰個成份。
內文: 降維

一個做遊戲分析嘅數據庫會有大量嘅變數,而喺做分析嗰陣,分析師好多時第一樣要做嘅係降維(dimension reduction)-減少手上嘅變數嘅數量。噉通常表示,佢哋需要按某啲準則評定邊啲變數對佢哋嚟講重要啲,並且揀選最重要嗰啲變數出嚟用[25]

主成份分析(principal component analysis,PCA)係一種常用嚟判斷「邊個變數重要啲」嘅統計分析方法。想像而家又有一柞個案,每個個案喺兩個變數上都有其數值(睇附圖),跟住可以畫兩條線(附圖嗰兩個箭咀),兩條線分別都可以用一條包含 嘅算式表達,當中由圖當中可以清楚睇到,長箭咀嗰條線成功噉捕捉更多嘅變異數-亦即係話長箭咀嗰條線所代表嗰個「成份」(component)比較能夠用嚟分辨啲個案,所以比較「重要」[29]

舉個例說明,假想有柞新數據,啲個案係一隻隻動物,而每個個案一係就係隻老鼠,一係就係隻大笨象 係隻動物嘅大細,而 係隻動物嘅色水;假設柞數據做咗標準化,用同一樣嘅單位表達 ,喺呢柞數據入面,沿「色水」嘅變異數好細(個箭咀會好短),因為老鼠同大笨象都係灰灰啡啡噉色嘅動物,但沿「大細」嘅變異數就會大得好交關(個箭咀會好長),因為老鼠同大笨象喺體型上差好遠-用 PCA 嘅話,會得出「用 作為重心線做分辨有用啲」嘅結果[30]

喺最簡單嗰種情況下,一個做主成份分析嘅演算法大致上係噉[29]

  1. 攞數據;
  2. 畫條線出嚟,條線有條式,而條式包含數據當中有嘅變數
  3. 計出沿呢條線嘅變異數有幾多;
  4. 改變吓條線嘅參數(parameter);
  5. 再計出沿條新線嘅變異數有幾多;
  6. 一路做步驟 4 同 5,做嗮所有指定咗嘅可能性,最後俾具有最大變異數嗰條線做個演算法嘅輸出(最能夠用嚟分辨啲個案嗰條線)。

機械學習

睇埋:電子遊戲嘅人工智能

機械學習(machine learning,簡稱「ML」)係人工智能(AI)嘅一個子領域,專門研究點樣設計一啲特殊嘅演算法統計模型,嚟去教電腦喺唔使個用家開口俾明文指示嘅情況下,學識有效噉樣做一啲特定嘅作業。典型做法如下[31][32]:p. 2

  1. 編寫一個程式,教部電腦點樣由數據嗰度建立一個數學模型嚟描述佢對啲變數之間嘅關係嘅知識;
  2. 搵啲樣本數據(即係所謂嘅「訓練數據」)返嚟,俾個程式處理吓啲數據入面嘅個案,等部電腦按個程式建立一個數學模型;跟住
  3. 喺將來再撞到同類個案嗰時,部電腦就會曉按佢個程式,用建立咗嗰個模型,對呢啲之前未見過嘅個案作出預測-個設計者唔使明文噉教部電腦點樣應對呢啲前所未見嘅個案,部電腦都會有能力一定程度上應對。

機械學習演算法做嘅嘢係令部電腦曉「用手上資訊,自動噉預測某啲特定嘅變數嘅數值」,所以機械學習嘅技術可以將「做預測」呢家嘢自動化[33]

將「做預測」呢家嘢自動化喺遊戲分析上可以好有用。舉個例說明,人工神經網絡(artificial neural network)係機械學習技術嘅一種;一個設計得好嘅人工神經網絡能夠攞某啲特定嘅變數做 input 並且按照數據庫當中搵到嘅規律,學識自動噉計出有返咁上下準嘅 output 數值;而一個做遊戲分析嘅人可以攞佢個數據庫,用個數據庫嘅個案教一個人工神經網絡用隻遊戲嘅特徵(遊戲性方面嗰柞變數)同玩家特性做 input,計出玩家留存呢個 output,再用呢個網絡,按每個未來嘅玩家嘅特性,預計嗰個玩家會留存幾耐[34][35]

數據呈現

一幅熱地圖;地圖上每一點嘅色水表示研究緊嗰個變數嘅數值;想像個變數係「有幾多次玩家喺呢個位置死過」,呢幅熱圖會話到俾製作組知遊戲世界邊啲地方零舍危險。
睇埋:數據視覺化

做遊戲分析往往涉及向製作組成員以及遊戲公司管理層報告分析結果,所以梗要有方法將啲數據整理同用清晰嘅方法呈現:數據視覺化(data visualization)係數據科學等領域上常用嘅手法,指將數據用一啲一睇就明嘅圖像呈現出嚟,一個簡單嘅例子有棒形圖表達「一個變數 每個數值有幾多個案」;喺呢一點上,遊戲分析同第啲行為分析大同小異,不過遊戲分析一個獨特之處係好多時會涉及空間分析(spatial analytics),指對遊戲世界嘅空間入面每個位置喺某啲變數上嘅數值作出分析(例:有幅遊戲世界嘅地圖,地圖上每個位置有幾多玩家喺嗰個位置死過)-電子遊戲多數都會有遊戲空間俾玩家角色喺入面移動,會用到熱地圖等嘅技術[36][37]

熱地圖

內文: 熱地圖

熱地圖(heat map)係地圖嘅一種;一幅熱地圖會有個相應嘅變數 ,並且用色水或者光度顯示嗰個變數喺地圖上每一忽數值有幾高-For 地圖上每一點,嗰點嘅光度同嗰點嘅 數值成正比;例:一幅顯示玩家死亡次數嘅熱地圖,會顯示出地圖每一忽有幾多玩家喺嗰個位死過( 係「玩家喺嗰度死亡嘅次數」),愈多玩家死過嘅地點色水會愈淺,令睇嘅人一眼睇得出數據係點嘅樣[38]

想像以下嘅[39]

public struct HeatPoint // 每一個 heat point 都有 X、Y(兩個座標表示位置)同 intensity 三個數值。
{
    public int X;
    public int Y;
    public byte Intensity;
    public HeatPoint(int iX, int iY, byte bIntensity)
    {
        X = iX;
        Y = iY;
        Intensity = bIntensity;
    }
}

private Bitmap CreateIntensityMask(Bitmap bSurface, List<HeatPoint> aHeatPoints)
{
    Graphics DrawSurface = Graphics.FromImage(bSurface);
    DrawSurface.Clear(Color.White); // 將背景設做白色
    foreach (HeatPoint DataPoint in aHeatPoints) // Foreach heat point,畫一個點。
    {
        DrawHeatPoint(DrawSurface, DataPoint, 25); // DrawHeatPoint 呢個子程序大致上就係「按比例計出呢一點要有幾光」
    }
    return bSurface;
}

有啲類型嘅熱地圖會一嘢顯示幾個變數嘅數值,呢啲熱地圖可以用嚟分析一啲唔係單一變數可以反映到嘅嘢,例如將「玩家移動軌跡」同「玩家死亡次數」同時顯示喺一幅熱地圖上嘅話可以清楚噉顯示出玩家普遍嘅遊戲流程(喺邊開始玩、經過乜地方同喺邊度死亡)[36][40]

A/B 測試

睇埋:A/B 測試

A/B 測試(A/B testing)係指比較兩種唔同嘅技術喺某項指標上嘅表現,喺遊戲分析上相當常用。做 A/B 測試嘅人係有兩種技術需要比較,佢要搵一啲指標評定一種技術點先算係「好」,喺檢驗咗兩種技術喺呢啲指標上嘅表現之後,作出相應嘅決策[41]。步驟如下[42]

  1. 講明要比較嘅係邊兩種技術;
  2. 決定用乜嘢指標評定技術嘅優劣;
  3. 決定要將幾多百分比嘅玩家用嚟測試新技術;
  4. 試行;
  5. 量度兩組玩家喺指標上嘅數值;
  6. 用個指標決定邊一種技術比較好。

舉個例子說明:想像家陣有隻 PvP 嘅網上遊戲,製作組想做吓有關對局配對(matchmaking;指 PvP 遊戲當中將玩家分配落對局嘅過程)演算法實驗,於是[24][42]

  1. 佢哋試行兩隻唔同嘅對局配對演算法,叫呢兩個演算法做 A 同 B;
  2. 決定用玩家留存作指標;
  3. 決定將一半玩家用 A 做對局配對,另外一半就用 B 做對局配對;
  4. 試行一個月;
  5. 量度兩組玩家分別嘅玩家留存;
  6. 發現 A 演算法下玩家留存數值高啲(結果),於是就決定今後隻遊戲一律用演算法 A 做對局配對(基於結果嘅決策)。

註釋

  1. 而比較大型啲嘅網上遊戲,玩家數量好多時閒閒地以十萬計。

睇埋

參考文獻

  1. 1.0 1.1 El-Nasr, M. S., Drachen, A., & Canossa, A. (2016). Game analytics. Springer London Limited.
  2. Bauckhage, C., Drachen, A., & Sifa, R. (2014). Clustering game behavior data. IEEE Transactions on Computational Intelligence and AI in Games, 7(3), 266-278.
  3. Game Analytics From A Game Designer’s Perspective. Gamasutra.
  4. 4.0 4.1 Weber, B. G., John, M., Mateas, M., & Jhala, A. (2011, August). Modeling player retention in madden nfl 11. In Twenty-Third IAAI Conference.
  5. Inside Digital Foundry: How we measure console frame-rate. Eurogamer.
  6. Medler, B., John, M., & Lane, J. (2011, May). Data cracker: developing a visual game analytic tool for analyzing online gameplay. In Proceedings of the SIGCHI conference on human factors in computing systems (pp. 2365-2374).
  7. 7.0 7.1 The Platform Evolution of Game Analytics. Towards Data Science.
  8. Isbister, K., & Schaffer, N. (2008). Game usability: Advancing the player experience. Burlington: Morgan Kaufman Publishers.
  9. Davenport, T. H., & Harris, J. G. (2007). Competing on analytics: The new science of winning. Boston: Harvard Business School Press.
  10. 10.0 10.1 Nacke, L., & Drachen, A. (2011, June). Towards a framework of player experience research. In Proceedings of the second international workshop on evaluating player experience in games at FDG (Vol. 11).
  11. Tracking Player Feedback To Improve Game Design. Gamasutra.
  12. 12.0 12.1 Drachen, A., El-Nasr, M. S., & Canossa, A. (Eds.). (2013). Game Analytics: Maximizing the Value of Player Data. Springer. Ch. 2.
  13. Berry, M., & Linoff, G. (1999). Mastering data mining: The art and science of customer relationship management. New York: Wiley.
  14. Han, J., Kamber, M., & Pei, J. (2011). Data mining: Concepts and techniques, 3rd. San Francisco: Morgan Kaufmann Publishers.
  15. Isbister, K., & Schaffer, N. (2008). Game usability: Advancing the player experience. Burlington: Morgan Kaufman Publishers.
  16. 15 Metrics All Game Developers Should Know by Heart. GameAnalytics.
  17. Henry, Theresa F., et al. "Socially awkward: social media companies' nonfinancial metrics can send a mixed message." Journal of Accountancy, Sept. 2014, p. 52+. Business Collection.
  18. Definition of Peak Concurrent Users. Law Insider.
  19. Sherman, Lee and John Deighton, (2001), "Banner advertising: Measuring effectiveness and optimizing placement," Journal of Interactive Marketing, Spring, Vol. 15, Iss. 2.
  20. Hamilton, R. W., Rust, R. T., & Dev, C. S. (2017). Which features increase customer retention. MIT Sloan Management Review, 58(2), 79-84.
  21. Berger, P. D.; Nasr, N. I. (1998). "Customer lifetime value: Marketing models and applications". Journal of Interactive Marketing. 12 (1): 17–30.
  22. Gifford Cheung; Jeff Huang (2011). "Starcraft from the Stands: Understanding the Game Spectator 互聯網檔案館嘅歸檔,歸檔日期2018年10月28號,." (PDF): 10.
  23. Orosy-Fildes, C., & Allan, R. W. (1989). Psychology of computer use: XII. Videogame play: Human reaction time to visual stimuli. Perceptual and motor skills, 69(1), 243-247.
  24. 24.0 24.1 Delalleau, O., Contal, E., Thibodeau-Laufer, E., Ferrari, R. C., Bengio, Y., & Zhang, F. (2012). Beyond skill rating: Advanced matchmaking in ghost recon online. IEEE Transactions on Computational Intelligence and AI in Games, 4(3), 167-177.
  25. 25.0 25.1 25.2 25.3 Intro to User Analytics. Gamasutra.
  26. 26.0 26.1 26.2 Drachen, A., El-Nasr, M. S., & Canossa, A. (Eds.). (2013). Game Analytics: Maximizing the Value of Player Data. Springer. Ch. 4.
  27. Read, Paul; Meyer, Mark-Paul; Gamma Group (2000). Restoration of motion picture film. Conservation and Museology. Butterworth-Heinemann. pp. 24–26.
  28. Mike Muuss. "The Story of the PING Program". U.S. Army Research Laboratory. Archived from the original on 25 October 2019. Retrieved 8 September 2010. My original impetus for writing PING for 4.2a BSD UNIX came from an offhand remark in July 1983 by Dr. Dave Mills ... I named it after the sound that a sonar makes, inspired by the whole principle of echo-location ... From my point of view PING is not an acronym standing for Packet InterNet Grouper, it's a sonar analogy. However, I've heard second-hand that Dave Mills offered this expansion of the name, so perhaps we're both right."
  29. 29.0 29.1 Jolliffe, I. T. (1986). Principal Component Analysis. Springer Series in Statistics. Springer-Verlag.
  30. Knowledge Representation in Neural Networks (PDF).
  31. The definition "without being explicitly programmed" is often attributed to Arthur Samuel, who coined the term "machine learning" in 1959, but the phrase is not found verbatim in this publication, and may be a paraphrase that appeared later. Confer "Paraphrasing Arthur Samuel (1959), the question is: How can computers learn to solve problems without being explicitly programmed?" in Koza, John R.; Bennett, Forrest H.; Andre, David; Keane, Martin A. (1996). Automated Design of Both the Topology and Sizing of Analog Electrical Circuits Using Genetic Programming. Artificial Intelligence in Design '96. Springer, Dordrecht. pp. 151–170.
  32. Bishop, C. M. (2006), Pattern Recognition and Machine Learning, Springer.
  33. 6 Top Applications of Machine Learning. Hackernoon.
  34. Drachen, A., Canossa, A., & Yannakakis, G. N. (2009, September). Player modeling using self-organization in Tomb Raider: Underworld. In 2009 IEEE symposium on computational intelligence and games (pp. 1-8). IEEE.
  35. Bergsten, J., & Öhman, K. (2017). Player Analysis in Computer Games Using Artificial Neural Networks (PDF).
  36. 36.0 36.1 Drachen, A., & Schubert, M. (2013). Spatial game analytics. In Game Analytics (pp. 365-402). Springer, London.
  37. Drachen, A.; Canossa, A. (2011). Evaluating Motion: Spatial User Behavior in Virtuel Environments. International Journal of Arts and Technology (4,3), 294-314.
  38. Wilkinson, Leland; Friendly, Michael (May 2009). "The History of the Cluster Heat Map". The American Statistician. 63 (2): 179–184.
  39. Creating Heat Maps with C# .NET.
  40. Canossa, A., Drachen, A., & Sørensen, J. R. M. (2011, June). Arrrgghh!!! blending quantitative and qualitative methods to detect player frustration. In Proceedings of the 6th international conference on foundations of digital games (pp. 61-68).
  41. Kohavi, Ron; Longbotham, Roger (2017). "Online Controlled Experiments and A/B Tests". In Sammut, Claude; Webb, Geoff (eds.). Encyclopedia of Machine Learning and Data Mining. Springer.
  42. 42.0 42.1 A/B Testing – Overview. Game Analytics.


本页面最后更新于2020-10-13 10:41,点击更新本页查看原网页

本站的所有资料包括但不限于文字、图片等全部转载于维基百科(wikipedia.org),遵循 维基百科:CC BY-SA 3.0协议

万维百科为维基百科爱好者建立的公益网站,旨在为中国大陆网民提供优质内容,因此对部分内容进行改编以符合中国大陆政策,如果您不接受,可以直接访问维基百科官方网站


顶部

如果本页面有数学、化学、物理等公式未正确显示,请使用火狐或者Safari浏览器