【數(shù)據(jù)科學】App Annie游戲分析產(chǎn)品Game IQ背后的秘密

應用商店中有成千上萬的游戲應用，每個月還有數(shù)以千計的新移動游戲發(fā)布，App Annie如何在高精細度結(jié)構(gòu)下，準確、高效、可擴展地覆蓋全球市場上絕大多數(shù)游戲應用？在本文中，我們將帶您了解我們游戲分類自動化產(chǎn)品——Game IQ——背后的數(shù)據(jù)科學秘密。

Game IQ采用了哪些數(shù)據(jù)科學技術(shù)？

1 收集功能：從文本到指標

我們的機器學習模型從向模型輸入數(shù)據(jù)的功能開始，因此模型的最終表現(xiàn)在很大程度上取決于輸入功能的質(zhì)量。那么游戲的哪些信息能夠幫助我們將游戲劃分到設(shè)定的類別中呢？

我們深入挖掘了每款游戲的大量數(shù)據(jù)和功能，最終，我們選擇使用以下三種類型的功能：

·文本功能：應用相關(guān)的文本信息

·指標功能：關(guān)于市場估算和應用使用行為的App Annie數(shù)據(jù)

·親和度功能：跨應用親和度

每一種功能都體現(xiàn)了游戲的不同方面。文本功能包含有關(guān)應用內(nèi)容和游戲玩法的詳細信息；指標功能攜帶量化信號，在更高層次上劃分應用；應用的親和度讓我們能夠發(fā)現(xiàn)類似的應用集群。

2 利用混合模型提供準確性

因為文本、指標和親和度功能的格式非常不同，所以我們選擇為這三種類型的功能分別構(gòu)建一個單獨的模型。我們首先人工分類數(shù)千個游戲作為一個訓練數(shù)據(jù)集。其次，在這個數(shù)據(jù)集上分別訓練這三個獨立的模型，并可以獨立生成一款游戲在每個類別中的概率。然后，將這些概率輸入到另一個經(jīng)過訓練的模型中，以輸出最終的分類結(jié)果。在數(shù)據(jù)科學中，這是一種稱為模型融合的集成學習方法，通常通過結(jié)合一組強大但多樣的模型來提高模型的預測精度。

3 置信度：通過人為干預避免錯誤

與所有機器學習模型一樣，我們的模型不可避免地會在某些情況下出現(xiàn)失誤。通常，當輸入模型中的游戲功能信息不全，無法借此準確判斷游戲類別時，就會出現(xiàn)這種情況。為此，我們開發(fā)了一種獨有的方法來計算每個類別預測的置信度，這樣我們就知道模型是否有把握做出正確的預測。對于那些置信度低于臨界值的預測，我們會將預測發(fā)送到人工分類平臺進行進一步審核。這種靈活的人機閉環(huán)設(shè)置進一步保證了我們分類的質(zhì)量。

數(shù)據(jù)科學如何將Game IQ打造成更好的產(chǎn)品？

除了創(chuàng)建一個高效和可擴展的分類解決方案外，數(shù)據(jù)科學模型還有一個額外的好處，那就是減少了主觀性的回旋空間。利用數(shù)據(jù)，我們能夠盡可能以抽象的方式代替主觀判斷，否則許多應用都會被模糊地歸類。

Moon Active的《金幣大師》便是其中一款令我們感到為難的應用?！督饚糯髱煛肥且豢罘浅３晒Φ挠螒?，它集成了許多不同的硬核游戲循環(huán)，從建造和攻擊村莊到基于概率的老虎機機制都包含其中。

《金幣大師》的應用截屏和游戲循環(huán)

可以預見，如果只看應用截屏、閱讀應用描述和玩游戲，很難對這種混合類型的建造游戲進行分類。然而，數(shù)據(jù)似乎提供了更為清晰的線索：

在比較收入與活躍用戶數(shù)比率以及收入與下載量比率之間的關(guān)系時，《金幣大師》呈現(xiàn)了常見于博彩類應用的市場表現(xiàn)特征。通過將市場估算整合到分類模型中，我們獲得了一個獨特的優(yōu)勢，即能夠盡可能減少主觀判斷需要。

數(shù)據(jù)科學將如何繼續(xù)改善Game IQ？

我們將持續(xù)改進數(shù)據(jù)科學模型。客戶關(guān)于游戲分類的反饋對我們來說是非常有價值的！您的反饋將作為數(shù)據(jù)的補充，輸入到我們的模型中，以此不斷提高預測的可靠性和準確性。