Онлайн-игры представляют собой особую сферу применения искусственного интеллекта, потому что игроки оставляют огромное количество информации, на базе которой можно принимать важные для бизнеса решения. Сегодня мы обсудим, что именно может делать искусственный интеллект для онлайн-игр, и в чем тонкости применения аналитики на практике.
Каждый разработчик онлайн-игры хочет увеличить конверсию, повысить монетизацию и максимально расширить аудиторию игроков. Чтобы добиться этого можно и нужно заниматься рекламой и продвижением своего продукта, но также очень важно собирать и анализировать данные о поведении игроков, чтобы обеспечить развитие игры в желаемом для пользователей направлении.
Игровым аналитикам хорошо знакомы такие метрики, как эмоциональное состояние, реакция на механику и паттерны поведения пользователей. Но только их детальный анализ для каждого отдельно взятого игрока позволяет не только повысить количество конверсий для отдельно взятых пользователей, но также запустить “сарафанное радио”, сделав игру более привлекательной для аудитории.
Обычно для этого применяются алгоритмы предиктивной аналитики. Но когда речь заходит об этой технологии, многие сразу начинают вспоминать феномен “Черного лебедя” и указывают на то, что эти методы опираются на данные из прошлого. Это совершенно верно, ведь предиктивная аналитика позволяет сопоставить уже имеющиеся данные о пользователях и сделать прогнозы на будущее. Аналитические инструменты, конечно, не позволяют предсказать события с 100% вероятностью, но готовят прогноз, обычно, оценивая также вероятность его исполнения.
Больше, чем просто предиктивный анализ
Тем не менее, для онлайн-игр существует возможность более глубокого анализа за счет интеграции аналитической нейросети с движком игры. Дело в том, что игроки оставляют огромное количество информации, которую можно анализировать “на лету”. Время, проведенное в раздумье перед покупкой, количество входов и выходов в каждую зону, принципы поведения в различных ситуациях, частота входа в приложение, наличие или отсутствие реакции на рассылки и push-уведомления — все это является ценной информацией для комплексного анализа. И в случае с ИИ, он происходит для каждого пользователя, тогда как человек может лишь отсматривать метрики в общем, находя в области для оптимизации в целом.
Поведение и эмоциональность игрока
Мы сейчас занимаемся развитием алгоритмов машинного обучения, отслеживающих и анализирующих поведение пользователей в играх формата f2p и match3. Благодаря этому нейросеть может непрерывно анализировать причины поведения и отслеживать эмоциональное состояние игрока. Алгоритм вычисляет по множеству факторов и помогает делать персональные предложения, исходя из психотипа пользователя.
Сегментация профилей
Технологии искусственного интеллекта помогают разделить всех ваших пользователей на несколько сегментов. Каких именно — выбираете вы сами. Например, можно определить, 30% игроков, которые максимально вероятно совершат покупку в ближайшем будущем или, наоборот, 10% склоняющихся к тому, чтобы покинуть игру. В этом случае можно применить соответствующие меры: сделать особые предложения каждой из групп.
Другой вариант сегментации — по социальным группам или психологическим типам. В зависимости от того, какого поведения придерживается игрок, какие ситуации доставляют ему удовольствие, и какой может быть его мотивация для совершения покупок. Такой подход помогает увеличить APRU за счет персонализации предложений. Например, в Amazon уверены, что 30% продаж мирового ритейлера происходят за счет правильных персональных рекомендаций.
Кстати, никто не мешает применять столь же взвешенный подход к персональным предложениям в играх, одновременно оценивая результативность таргетированных кампаний для каждого психотипа игрока.
Синхронизация баз для рассылок
Большинство разработчиков постоянно напоминают пользователям о своей игре при помощи рассылок и уведомлений. Однако одинаковые сообщения для всех отличаются невысокой эффективностью. Все чаще разработчики создают различные рассылки для разных категорий пользователей, например, для активных, для тех, кто давно не заходил в приложение, для игроков с низким балансом и так далее. Чем больше паттернов рассылок, тем лучше персонализация, но при этом сложнее определять, кому больше подойдет очередное уведомление. Мы в Smartcoders решаем эту проблему за счет создания персонифицированной рекламы на основе психотипа игрока и интеграции с движком игры. Каждое следующее действие (или бездействие) пользователя улучшает качество классификации и может стать причиной для перехода в другую категорию рассылок. Так что человек. только что “купивший кристаллы”, никогда не получит предложения купить — его персональная рассылка будет нацелена на следующие игровые действия.
Анализ причин ухода
Пока новые игроки приходят на платформу, старые покидают ее. Однако процесс оттока пользователей также можно замедлить. Для этого ИИ анализирует поведение всей вашей аудитории и выявляет игроков, с наибольшей вероятностью собирающихся покинуть игру. Опираясь на накопленные данные для каждого из них можно найти причину отказа: кто-то давно не может победить дракона, у второго хронически не хватает монет, а третьему слишком просто и надоело играть. В каждой из ситуаций вы имеете возможность удержать игрока, предложив ему то, что нужно прямо сейчас.
Другая ситуация — “спящий” пользователь. Чтобы вернуть его, нужно проанализировать всю историю его действий и понять, чего ему не хватало в игре. Сегодня искусственный интеллект может справиться с этой задачей вообще без участия аналитика, предложив одновременно улучшения игрового процесса, а также персональную рассылку для пользователя.
Тюнинг игровой механики
Впрочем, игровая механика нуждается в постоянном мониторинге. Как известно, пользователю должно быть интересно и достаточно сложно проходить уровни, но не настолько, чтобы он надолго застревал в игровом процессе. Искусственный интеллект помогает определить “узкие места”, которые снижают мотивацию игроков (возможно, в привязке к их психологическим профилям), а также “широкие места”, которые игроки проходят слишком легко и не тратят на них никаких ресурсов (а значит не совершают покупок).
Например, однажды, обнаружив неэффективную механику с “сундуками” в Indigo Games изменили игровой процесс и добились увеличения ARPU на 20%, а удержания игроков — на 2-3%. Учитывая, что ИИ выявляет подобные неприятности в реальном времени, оценивая поведения игроков, польза от такой аналитики может оказаться внушительной.
Совместное развитие вместе с нейросетью
Хотя игровая аналитика давно уже стала реальностью, грамотное использование ИИ позволяет сделать развитие игры более персонализированным, наладить работу с аудиторией, удерживать игроков и планомерно увеличивать ARPU. Однако все это становится возможным только в случае интеграции нейросети с игровым движком.
Мы в Smartcoders стремимся к прозрачному и партнерскому взаимодействию с игровыми платформами, и поэтому подготовили SDK, который легко интегрируется с любой системой через открытые API. Более того, если вы не уверены в результате или у вас нет бюджета на развитие своего аналитического инструментария, можно запустить совместный проект с оплатой за полученный результат. Благодаря подобным инициативам предиктивная аналитика в онлайн-играх становится доступной даже для indie разработчиков.
Получить демо можно на нашем сайте smartcoders.ai
