O publikacji
Publikacja przedstawia analizę czynników wpływających na zaangażowanie graczy w grach online z wykorzystaniem eksploracyjnej analizy danych oraz metod interpretowalnego uczenia maszynowego. Badanie koncentruje się na identyfikacji zachowań graczy, które w największym stopniu wpływają na długoterminową aktywność, postępy w grze oraz skłonność do dokonywania zakupów wewnątrz aplikacji.
Opis
W badaniu wykorzystano zbiór danych obejmujący ponad 40 000 profili graczy reprezentujących różne gatunki gier, grupy wiekowe oraz poziomy zaangażowania. Analiza objęła zachowania związane z częstotliwością rozgrywek, całkowitym czasem gry, długością sesji, postępami w grze oraz aktywnością zakupową.
W celu uzyskania przejrzystych i łatwych do interpretacji wyników zastosowano wieloetapowe podejście obejmujące eksploracyjną analizę danych, analizy porównawcze oraz modele uczenia maszynowego. Szczególny nacisk położono na interpretowalność modelu oraz identyfikację najważniejszych czynników odpowiadających za poziom zaangażowania graczy.
Najważniejsze osiągnięcia
- analiza ponad 40 000 profili graczy,
- kompleksowa eksploracyjna analiza danych (EDA),
- wykorzystanie interpretowalnego modelu Random Forest,
- identyfikacja najważniejszych czynników wpływających na zaangażowanie graczy,
- analiza zależności pomiędzy aktywnością gracza, postępem w grze i monetyzacją,
- opracowanie interpretowalnego modelu opisującego mechanizmy zaangażowania w grach online.
Kluczowe wyniki
Badanie wykazało, że największy wpływ na poziom zaangażowania graczy mają:
- liczba sesji rozgrywki w tygodniu,
- całkowity czas spędzony w grze,
- poziom postępu gracza,
- liczba odblokowanych osiągnięć.
Wyniki wskazują również, że regularność rozgrywki ma większe znaczenie dla utrzymania wysokiego zaangażowania niż długość pojedynczej sesji. Zaobserwowano ponadto, że gracze o najwyższym poziomie zaangażowania częściej dokonują zakupów w grze oraz osiągają wyższy poziom rozwoju postaci.
Znaczenie badań
Przedstawione wyniki pokazują, że interpretowalne modele sztucznej inteligencji mogą skutecznie wspierać analizę zachowań graczy oraz identyfikację czynników odpowiedzialnych za długoterminowe zaangażowanie. Opracowane podejście może znaleźć zastosowanie w projektowaniu gier, analizie zachowań użytkowników, optymalizacji mechanik rozgrywki oraz rozwoju systemów wspomagających podejmowanie decyzji w branży gier komputerowych
Dane publikacji
| Informacja | Wartość |
|---|---|
| Tytuł | Behavioral Determinants of Player Engagement in Online Games: An Exploratory Data Analysis and Interpretable Machine Learning Study |
| Autor | Antoni Ciesielski |
| Rok publikacji | 2025 |
| Rodzaj publikacji | Artykuł naukowy |
| Tematyka | Sztuczna inteligencja, uczenie maszynowe, analiza danych, analityka gier, zachowania graczy |