【CNMO新闻】NewZoom最近发布的全球游戏市场报告显示，2018年手机游戏创造了703亿美元的营收，这对发行商和开发商来说都是一个利好，到2021年这一数字预计将攀升至1063亿美元。
手机游戏
一篇相关的论文描述了这一现象。该论文由来自三星美国研究中心、德克萨斯农工大学、匹兹堡大学和亚利桑那大学的研究人员共同撰写。研究人员写道，随着移动设备越来越受欢迎，手机游戏已经成为一个有着数十亿美元收入的市场。这些平台和服务面临的一个关键挑战是处理手机游戏中的流失行为。论文中首次提出了支持微观层面流失预测和宏观层面流失排名的大规模手机游戏流失分析。
流失预测系统并不新鲜。但是，之前的方法只能预测一款或几款手机游戏的下载量，并且没有考虑用户应用程序的交互数据，比如Wi-Fi连接状态、屏幕亮度和音量等。
相比之下，研究人员提出的模型利用了从三星游戏启动器收集的游戏打开、关闭、安装和卸载的详细交互数据。此外，该方法使用图形(描述连接各种实体关系的数据库)来建模用户和游戏之间的关系，并使用深度神经网络来捕获上下文信息和用户与游戏交互的动态方式。通过附加的图形和算法，它可以推广到宏观客户流失预测。具体来说，它能够根据近期可能流失的用户总数生成游戏列表。
为了构建用于训练机器学习模型的数据集，研究人员从三星游戏启动器收集了4个月的数据，包括数万款手机游戏和数亿用户。这些数据是在得到美国和韩国用户同意的情况下匿名收集的。具体来说，团队记录了游戏历史、游戏概况(包括游戏类型、开发者、下载量、评级值和评级数量等特性)和用户信息(例如，设备型号和区域)。
与以往的微客户流失率预测方法相比，它在微客户流失率预测和宏观客户流失率预测方面均取得了较好的效果。由于它的输入只包含对象的属性和它们之间的关系，所以该模型还可以用于预测其他领域的用户流失，比如苹果音乐等会员业务中的客户脱离，以及脸书上的兴趣组取消订阅等。
