Algoritmo predice cuánto te aburrirás de tu videojuego favorito
Hace casi tres meses, el jugador de Elite: Dangerous Deluvian Reyes Cruz preparó un viaje para ver cómo de lejos podían viajar del sistema Sol. Para estar seguros, prepararon suficiente combustible para un viaje de vuelta. Cerca del final de su viaje, decidieron sacar algo más de combustible de su tanque de vuelta, y eso los ha dejado varados en el espacio profundo durante meses. Ahora, varios jugadores se preparan para un intento de rescate.
La industria del videojuego se ha visto sacudida con la entrada en escena de los juegos para smartphones, dirigidos a usuarios que están constantemente conectados a internet y cambian de manera muy frecuente de juego.
La investigadora madrileña África Periañez –que dirige la división de Game Data Science en la firma de videojuegos Silicon Studio, en Tokio– ha desarrollado junto a su equipo un modelo matemático que predice cuándo un usuario va abandonar un videojuego de móvil determinado. Los resultados del trabajo fueron presentados en la International Conference on Data Science and Advanced Analytics, que se celebró el pasado mes de octubre en Montreal (Canadá).
El modelo, llamado ‘survival ensemble’, predice el día en el que un usuario va a dejar de jugar, por qué y en qué nivel del juego
Según explica Periáñez a Sinc, el algoritmo que han desarrollado utiliza, por una parte, el método denominado ensemble, “un modelo que se basa en muchos algoritmos de aprendizaje en vez de uno solo, mejorando así la precisión de la predicción, al examinar muchas más correlaciones y modelos alternativos”.
“Cada vez que ejecutamos el modelo usamos 1.000 submodelos –añade–, y cada uno de ellos es distinto y da importancia a diferentes variables y con distintas condiciones iniciales”.
Además, dentro de cada submodelo, el equipo ha usado un algoritmo de análisis de supervivencia. Estos modelos “se utilizan en medicina, por ejemplo, para predecir cuando un paciente va a experimentar un evento de interés; y en biología, para saber cómo se van a comportar determinadas células en el organismo”, detalla la responsable.
.@IEEEorgInternational #Conference on #DataScience and #AdvancedAnalytics, Oct 17-19,2016 (Montreal, Quebec, Canada) https://t.co/2FIk3BxD7y
— Agilisium (@agilisium) October 6, 2016
Combinación de modelos matemáticos
Los investigadores de Silicon Studio han combinado ahora por primera vez la potencia del algoritmo de supervivencia y de los modelos de ensemble en el campo de los videojuegos. “Con ello –dice Periáñez– hemos logrado un alto nivel predictivo, porque este algoritmo se adapta automáticamente a los datos del juego que se quiera analizar”.
Aplicado a videojuegos, el modelo –llamado survival ensemble– puede predecir el día en el que un usuario va a dejar de jugar, por qué y en qué etapa del juego.
La principal prioridad es intentar alargar la ‘vida’ del jugador y que compre lo máximo
“Desde sus primeros días en el juego ya sabemos con alta probabilidad hasta qué nivel llegará el usuario y cuántos días tardará en alcanzarlo. La principal e inmediata prioridad es intentar alargar la ‘vida’ del jugador y que compre lo máximo posible. También entender sus necesidades y diseñar un juego que sea más divertido y estimulante”, comenta.
El paradigma de la industria ha cambiado desde la aparición de los juegos para smartphones. Según África Periáñez, “las empresas cuentan con mucha información de los usuarios almacenada: sus acciones, conexiones, compras, etc. También empiezan a ver que tienen que ir hacia un modelo de desarrollo basado en datos, sabiendo quiénes son sus jugadores, qué es lo que les gusta y prediciendo sus reacciones”.
“Las compañías grandes ya están dando el paso, aunque despacio –señala–, pero los estudios medianos y pequeños no tienen tantos medios. Por eso, les ofrecemos nuestra plataforma como un servicio para que lo usen como herramienta de predicción”. El producto en código se llamaba 4Front y su denominación comercial será Yokozuna Data, que toma el nombre del rango más alto de sumo, la lucha libre japonesa.
Adaptación automática a diferentes juegos y datos
“Hemos conseguido reducir el abandono en un 5% con notificaciones personalizadas, lo que ha aumentado las ventas en un 15%”, dice Periáñez
La plataforma de Silicon Studio se adapta automáticamente a los diferentes juegos y datos. “Estamos trabajando ya con firmas japonesas y europeas y hemos probado el producto con varios juegos de nuestra compañía como Age of Ishtaria y GrandSphere”, señala Periáñez.
Según la investigadora, su sistema ha predicho con muy alta precisión quién va a abandonar el juego. “Centrándonos en los jugadores que más dinero gastan –los llamados ‘ballenas’– hemos conseguido reducir el abandono en un 5% usando notificaciones personalizadas. Solo esto ha implicado un aumento en las ventas de alrededor 15%”, subraya.
“Nuestra meta es convertirnos en líderes en el mercado internacional y democratizar la ciencia de datos en el campo de los videojuegos, un área en el que somos pioneros”, concluye.
Referencia bibliográfica: África Periáñez, Alain Saas, Anna Guitart y Colin Magne. “Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using Survival Ensembles”. IEEE International Conference on Data Science and Advanced Analytics (2016).
