En Data Science, ¿cuáles son algunos proyectos específicos de la industria del juego?

Credencial agregada: trabajé en la publicación de juegos durante muchos años en varios roles, trabajando en estrecha colaboración con los desarrolladores.

Hay muchas formas en que Big Data y Data Science se cruzan con la industria del juego. Llegaré a esto desde 2 ángulos diferentes, el lado del desarrollador y el lado de publicación.

Desarrollo de juegos

Los juegos se han vuelto cada vez más complejos a medida que pasan los años. Esto se debe en parte a los avances del motor, el procesamiento de la computadora y los aumentos de rendimiento, y las demandas del jugador (entre otras cosas). Una de las cosas que realmente han crecido en la industria, detrás de escena en su mayor parte, es la incorporación del estudio psicológico en el comportamiento de los jugadores.

Muchos juegos recopilan cantidades significativas de datos sobre cómo se juegan los juegos (muchos de forma anónima, ¡así que no se asuste!). Estos datos proporcionan información sobre los comportamientos de los jugadores de los que los desarrolladores pueden aprender. El aprendizaje les permite hacer cosas como:

  • Usando “datos de abandono”, crea un nivel que sea lo suficientemente difícil de completar para hacerte sentir como si hubieras logrado algo, pero no es tan difícil que la gente abandone. Y si están renunciando a la ira, los datos mostrarán la situación que causó la frustración para que pueda abordarse en una actualización futura.
  • Descubra los puntos de impulso y compromiso. Utilizando las pruebas A / B, pueden decidir dónde colocar potenciadores, puntos de finalización de tareas u otros “logros” para mantener el nivel óptimo de atención. Espacíalos demasiado lejos, y el juego es aburrido. Demasiado cerca, y es sobrecarga de estimulación.
  • Los datos de telemetría pueden informar al desarrollador (de forma anónima) sobre las decisiones que toman los jugadores. Al igual que con qué frecuencia los jugadores de DQO eligen el AK-47 con el accesorio láser, el M16 con la mira holográfica. Al obtener datos de decisiones en el juego, pueden derivar estrategias de actualización futuras para DLC o el próximo juego para asegurarse de que se aborden los “favoritos” de todos.
  • Etc.

Publicación de juegos

Para este, me limitaré a un solo ejemplo, porque la lista es bastante interminable. Esto entra mucho en juego en términos de marketing. Por lo tanto, destacaré uno de los mejores ejemplos de ciencia de datos en esta área, la “segmentación” de clientes.

Esta es una función ALTAMENTE deseada dentro del marketing digital porque es el análisis de sus mercados existentes y potenciales en un esfuerzo por comprender mejor a los clientes.

Al hacer este ejercicio, puede tomar grandes cantidades de datos de docenas de fuentes de datos (web, social, correo electrónico, foros, escucha de medios, etc.) y alimentarlos en modelos estadísticos para extraer segmentos de clientes, como “su mercado objetivo potencial para su el nuevo juego consiste en aquellos que se clasifican a sí mismos como jugadores hardcore entre las edades de 14 y 31 años, que juegan juegos de rol como Skyrim, y que promedian una GPU GTX 1070 “.

Lo que puede hacer con esta información es aplicar ese segmento a las estrategias de publicidad paga. Por lo tanto, cuando comience el pedido anticipado, puede asegurarse de que sus anuncios digitales estén dirigidos a las personas que pudo aislar en ese segmento, y no criticados a ese jugador de CS: GO que no le gustan los juegos de rol.

Algunas cosas en las que trabajé en un sentido muy amplio, todas en el contexto de los juegos móviles multijugador:

  • Detección de abandono que se puede hacer de muchas maneras y produce diferentes salidas.
  • Detección de fraude.
  • Agrupación, que puede ser muchas cosas, para análisis, para segmentación dirigida.
  • Reglas de asociación de acciones o productos o acciones y productos.
  • Predicción de valor de por vida que está estrechamente asociada con el marketing y la adquisición de usuarios.
  • La predicción de retención suena como lo opuesto a la detección de abandono pero la detección de abandono es interesante a nivel de jugador y la predicción de retención es interesante a nivel de cohorte.

Tenga en cuenta que el resultado y los casos de uso a los que se aplican los proyectos implican otra capa de complejidad técnica. La lista describe solo los contextos.

Hay otra lista de proyectos con cosas que me gustaría probar … Tal vez algún día estarán aquí. 🙂

Suponiendo que el póker esté incluido en su definición de juegos, aquí hay un bot de póker que acaba de vencer a los humanos. Un robot de póker AI ha vencido a los profesionales.

Asistí a la presentación el verano pasado sobre esto y las posibilidades totales estaban bien en quint-billones, con el autor reclamando más posibilidades que átomos en el universo. (más como problemas difíciles de NP). Por lo tanto, un algoritmo de aprendizaje automático que juega póker (y GANANCIA) realmente está utilizando una “estrategia” similar a la inteligencia humana.

More Interesting

Inteligencia artificial: ¿Qué tan importante es el aprendizaje de transferencia / transferencia profunda?

¿Cuáles son todas las formas en que Quora usa el procesamiento del lenguaje natural (PNL)?

¿Qué es un codificador / decodificador en aprendizaje profundo?

¿Hay algún otro enfoque para resolver el sobreajuste además de la deserción y la normalización por lotes en el aprendizaje profundo?

¿Qué tan difícil es aprender TensorFlow?

Aprendizaje automático: Alex Casalboni: ¿Cuál es la mejor herramienta de ML para desenfocar caras (los tres tipos de visión izquierda, derecha y frontal) y placas en las imágenes?

¿Se puede utilizar la investigación en aprendizaje automático para complementar la epistemología?

¿Cuáles son las intersecciones entre los campos de la ciencia de datos y los sistemas complejos?

¿Cómo entiendes las ecuaciones de MLE para los clasificadores Naive Bayes en el libro de aprendizaje automático de Kevin Murphy?

Cómo convertirse en un cerebro cuant (un quant que usa IA)

¿Qué pasaría si las máquinas escribieran algunas de las preguntas sobre Quora?

¿Cuál es una explicación intuitiva de un ingenuo clasificador de Bayes?

¿Cuál es la relación entre física y aprendizaje automático / IA?

¿Cuál es la diferencia entre un contenedor y un algoritmo de filtro en Data Mining / Machine Learning?

¿Alguien ha intentado utilizar motores de recomendación y alguna forma de filtrado colaborativo para destacar agujeros en el mercado y producir conceptos para un mayor desarrollo en los productos?