論文の概要: A Time Series Approach To Player Churn and Conversion in Videogames

• arxiv url: http://arxiv.org/abs/2003.10287v1
• Date: Fri, 13 Mar 2020 20:16:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 01:30:39.287244
• Title: A Time Series Approach To Player Churn and Conversion in Videogames
• Title（参考訳）: ビデオゲームにおけるプレイヤーチャーンとコンバージョンへの時系列的アプローチ
• Authors: Ana Fern\'andez del R\'io, Anna Guitart and \'Africa Peri\'a\~nez
• Abstract要約: 次に、ステートスペース時系列のアプローチを使用して、異なるグループ間の日々の変換率をモデル化する。 この研究は、情報のないマーケティングやプロモーションキャンペーンの検出にも使われる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Players of a free-to-play game are divided into three main groups: non-paying active users, paying active users and inactive users. A State Space time series approach is then used to model the daily conversion rates between the different groups, i.e., the probability of transitioning from one group to another. This allows, not only for predictions on how these rates are to evolve, but also for a deeper understanding of the impact that in-game planning and calendar effects have. It is also used in this work for the detection of marketing and promotion campaigns about which no information is available. In particular, two different State Space formulations are considered and compared: an Autoregressive Integrated Moving Average process and an Unobserved Components approach, in both cases with a linear regression to explanatory variables. Both yield very close estimations for covariate parameters, producing forecasts with similar performances for most transition rates. While the Unobserved Components approach is more robust and needs less human intervention in regards to model definition, it produces significantly worse forecasts for non-paying user abandonment probability. More critically, it also fails to detect a plausible marketing and promotion campaign scenario.
• Abstract（参考訳）: フリー・トゥ・プレイゲームのプレイヤーは、非有料アクティブユーザー、有料アクティブユーザー、非アクティブユーザーという3つの主要なグループに分けられる。 状態空間時系列のアプローチは、異なるグループ間の日々の変換率、すなわちあるグループから別のグループへ遷移する確率をモデル化するために使われる。 これにより、これらのレートがどのように進化するかの予測だけでなく、ゲーム内プランニングやカレンダー効果の影響をより深く理解することができる。 この研究は、情報がないマーケティングやプロモーションキャンペーンの検出にも利用されている。 特に、2つの異なる状態空間の定式化が検討され比較される: 自己回帰統合移動平均過程と非観測成分アプローチ、どちらの場合も説明変数への線形回帰である。 両者は共変量パラメーターを非常によく推定し、ほとんどの遷移速度で同様の性能の予測を生成する。 Unobserved Componentsアプローチは、モデル定義に関してより堅牢で、人間の介入を少なくするが、非支払いのユーザ放棄確率を著しく悪化させる。 さらに重要なのは、マーケティングやプロモーションキャンペーンのシナリオを検知できないことだ。

関連論文リスト

• Auto-Encoding Bayesian Inverse Games [36.06617326128679]
  ゲームの性質が不明な逆ゲーム問題を考える。 既存の最大推定手法は、未知のパラメータの点推定のみを提供する。 ベイズ的視点を採り、ゲームパラメータの後方分布を構成する。 この構造化されたVAEは、観測された相互作用のラベルのないデータセットから訓練することができる。
  論文  参考訳（メタデータ） (2024-02-14T02:17:37Z)
• Multiple Instance Learning for Uplift Modeling [46.1924474929763]
  昇降モデリングは、プロモーションキャンペーンの効果を推定するために、パフォーマンスマーケティングで広く使われている。 本フレームワークは,各バッグのユーザアップリフト予測をバッグ単位のATE予測として要約し,そのATEラベルに正規化する。 2つのデータセットで行った実験は、提案フレームワークの有効性と普遍性を示している。
  論文  参考訳（メタデータ） (2023-12-15T09:28:40Z)
• Confidence-Based Model Selection: When to Take Shortcuts for Subpopulation Shifts [119.22672589020394]
  モデル信頼度がモデル選択を効果的に導くことができるConfidence-based Model Selection (CosMoS)を提案する。 我々はCosMoSを,データ分散シフトのレベルが異なる複数のテストセットを持つ4つのデータセットで評価した。
  論文  参考訳（メタデータ） (2023-06-19T18:48:15Z)
• ZigZag: Universal Sampling-free Uncertainty Estimation Through Two-Step Inference [54.17205151960878]
  汎用的でデプロイが容易なサンプリング不要のアプローチを導入します。 我々は,最先端手法と同等の信頼性のある不確実性推定を,計算コストを著しく低減した形で生成する。
  論文  参考訳（メタデータ） (2022-11-21T13:23:09Z)
• Rethinking Missing Data: Aleatoric Uncertainty-Aware Recommendation [59.500347564280204]
  本稿では, Aleatoric Uncertainty-aware Recommendation (AUR) フレームワークを提案する。 AURは、新しい不確実性推定器と通常のレコメンデータモデルで構成されている。 誤ラベルの可能性がペアの可能性を反映しているため、AURは不確実性に応じてレコメンデーションを行う。
  論文  参考訳（メタデータ） (2022-09-22T04:32:51Z)
• Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
  ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。 本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:38:20Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Two-level monotonic multistage recommender systems [5.983189537988243]
  パーソナライズされた予測のためのイベントのモノトニック連鎖を特徴付ける2レベルモノトニック特性 ユーザ固有の振る舞いを異なる段階で学習するための正規化コスト関数。 ブロックワイズ座標降下に基づくアルゴリズム
  論文  参考訳（メタデータ） (2021-10-06T08:50:32Z)
• Predicting with Confidence on Unseen Distributions [90.68414180153897]
  ドメイン適応と予測不確実性文学を結びつけて、挑戦的な未知分布のモデル精度を予測する。 分類器の予測における信頼度(DoC)の差は,様々な変化に対して,分類器の性能変化を推定することに成功した。 具体的には, 合成分布と自然分布の区別について検討し, その単純さにもかかわらず, DoCは分布差の定量化に優れることを示した。
  論文  参考訳（メタデータ） (2021-07-07T15:50:18Z)
• Split: Inferring Unobserved Event Probabilities for Disentangling Brand-Customer Interactions [0.0]
  多くの場合、データは複数のイベントで構成された複合イベントのみを含んでいます。 ひとつのアプローチは、関心のないイベントのプロキシとして複合イベントを使用することだ。 本稿では,複合イベントに関する情報と複合イベントの集約データに基づいて,興味のあるイベントを識別する直接的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-08T14:31:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。