論文の概要: Predicting Customer Lifetime Value in Free-to-Play Games

• arxiv url: http://arxiv.org/abs/2209.12619v1
• Date: Tue, 6 Sep 2022 15:02:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 23:48:30.027696
• Title: Predicting Customer Lifetime Value in Free-to-Play Games
• Title（参考訳）: フリー・ツー・プレイゲームにおける顧客ライフタイムの予測
• Authors: Paolo Burelli
• Abstract要約: 異なる分野にわたる顧客生涯価値モデリングの概要を示す。 さまざまなプラットフォームやジャンルにわたるフリー・ツー・プレイゲームに特化した課題を紹介します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As game companies increasingly embrace a service-oriented business model, the need for predictive models of players becomes more pressing. Multiple activities, such as user acquisition, live game operations or game design need to be supported with information about the choices made by the players and the choices they could make in the future. This is especially true in the context of free-to-play games, where the absence of a pay wall and the erratic nature of the players' playing and spending behavior make predictions about the revenue and allocation of budget and resources extremely challenging. In this chapter we will present an overview of customer lifetime value modeling across different fields, we will introduce the challenges specific to free-to-play games across different platforms and genres and we will discuss the state-of-the-art solutions with practical examples and references to existing implementations.
• Abstract（参考訳）: ゲーム会社がサービス指向のビジネスモデルをますます取り入れていくにつれ、プレイヤーの予測モデルの必要性はますます強まりつつある。 ユーザ獲得、ライブゲーム操作、ゲームデザインといった複数のアクティビティは、プレイヤーが選択した情報と、将来的に選択できる選択肢でサポートする必要がある。 これは特にフリー・トゥ・プレイゲーム(英語版)の文脈において当てはまり、賃金の壁の欠如とプレイヤーのプレイや消費行動の不安定な性質は、予算と資源の分配と収入に関する予測を極めて困難にする。 本章では,様々な分野にわたる顧客生涯価値モデリングの概要を述べるとともに,さまざまなプラットフォームやジャンルのフリー・トゥ・プレイゲーム特有の課題を紹介し,実例や既存実装への言及とともに,最先端のソリューションについて論じる。

関連論文リスト

• Efficient Feature Interactions with Transformers: Improving User Spending Propensity Predictions in Gaming [0.5755004576310334]
  本稿では,ユーザがゲームラウンドに費やす確率を予測する問題について議論し,様々なダウンストリームアプリケーションに利用できるようにする。 例えば、利用者の支出適性に応じて極端にインセンティブを与えるか、または利用者の支出適性に基づいて製品リストをパーソナライズすることで、ユーザーをアップセラーする。 提案したアーキテクチャは,ゲームラウンドにおけるユーザの使用状況を予測するタスクにおいて,既存のモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-25T16:40:51Z)
• Collaborative-Enhanced Prediction of Spending on Newly Downloaded Mobile Games under Consumption Uncertainty [49.431361908465036]
  ラベルのばらつきと極端性を緩和する頑健なモデルトレーニングと評価フレームワークを提案する。 本フレームワークでは,ユーザIDに頼ることなく,ユーザのゲーム支出を予測するための協調型モデルを提案する。 当社のアプローチは、オフラインデータに対する注目すべき textbf17.11% の強化を実現し、プロダクションモデルよりも顕著に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-04-12T07:47:02Z)
• A Conceptual Design of In-Game Real and Virtual Currency Tracker [0.0]
  ゲーム内のバーチャル通貨は、プレイヤ間の不適切なゲーム行動や追加を起動することができる。 市場は、ユーザーの経済的、行動的、心理的な搾取を避けるために、ゲームや顧客保護の規制を欠いている。 本稿では,ゲーム内購入モジュールの概念を提示し,仮想通貨購入に関するリアルタイム支出をユーザが観察できるようにする。
  論文  参考訳（メタデータ） (2024-04-05T08:34:22Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
  競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。 本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。 我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-10-02T08:11:07Z)
• Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models [68.85478477006178]
  ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。 ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。 私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。 提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
  論文  参考訳（メタデータ） (2023-03-23T17:43:17Z)
• Learning Correlated Equilibria in Mean-Field Games [62.14589406821103]
  我々は平均場相関と粗相関平衡の概念を発展させる。 ゲームの構造に関する仮定を必要とせず,効率よくゲーム内で学習できることが示される。
  論文  参考訳（メタデータ） (2022-08-22T08:31:46Z)
• Human strategic decision making in parametrized games [4.264192013842095]
  我々は,人間の意思決定者がリアルタイム解法を使わずに素早く意思決定できる新しいフレームワークを提案する。 複数のプレイヤーによる設定や不完全な情報を含む様々な状況に適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-04-30T03:40:27Z)
• Individualized Context-Aware Tensor Factorization for Online Games Predictions [6.602875221541352]
  ユーザパフォーマンスとゲーム結果を予測するために,Neural Individualized Context-aware Embeddings(NICE)モデルを提案する。 提案手法は,ユーザとコンテキストの潜在表現を学習することで,異なるコンテキストにおける個人行動の違いを識別する。 我々は,MOBAゲームLeague of Legendsのデータセットを用いて,勝利の予測,個々のユーザパフォーマンス,ユーザエンゲージメントを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2021-02-22T20:46:02Z)
• Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents [65.2200847818153]
  競合シナリオでは、エージェントは動的環境を持つだけでなく、相手の行動に直接影響される。 エージェントのQ値の観察は通常、その振る舞いを説明する方法であるが、選択されたアクション間の時間的関係は示さない。
  論文  参考訳（メタデータ） (2020-07-30T11:30:42Z)

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。