速記AI課程-統計與資料分析(六)

資料科學如何輔助線上遊戲虛寶銷售

本次分享第三主題-虛寶銷售

因為花了一些時間與同學討論怎麼讓台灣人工智慧學校更好,因此執行長陳昇瑋親自上陣分享的時間的所剩不多,於是挑選了線上遊戲虛擬寶物銷售這個主題來跟大家分享。

線上遊戲的虛寶製作成本並不高。以服裝來說,美術人員先參考各種來源畫出戰袍,轉為3D模型,然後就可以販售了(根本暴利…)。之前各遊戲公司的重點多半著重在要推薦玩家買什麼樣的虛寶,而較少人把放心力在「如何設計出暢銷的虛寶」。

那要怎麼樣透過資料科學,來協助設計師設計出暢銷的虛寶呢?(以下以服裝為例)

首先,我們要利用Feature Engineering,把虛寶解構。簡單來說,我們需要判斷各虛寶是屬於什麼樣風格,是可愛、性感還是俏皮,專業一點的說法,就是貼上各種風格的標籤(Tag),這個部分目前還是需要透過人類判斷後再給標籤。富如Netflix可以請專職Tagger,按照SOP看影片並標註555種標籤;經費有限者可以透過如Amazon Mechanical Turk(簡稱MTurk)的群眾外包(Crowdsourcing)平台,把工作分包給世界各地的人。陳的團隊既沒請專職Tagger,也沒用MTurk,而是自己客出(很猛)。

於是號召群眾給所有虛寶貼上風格標籤,再進行整理,畢竟群包雖便宜,但品質仍需要把關。經過重重篩選與比對,最終找出了50個風格詞彙,是最常用來形容這遊戲所有虛寶的形容詞。接著再做一次群包,判定每個虛寶符合50個風格詞彙的哪幾個,因此計算出一個比例。如某件虛寶,其中一個詞彙「彩衣」的比例是0.667,表示10個人裡面有6個以上認為這個虛寶是彩衣。

通常專案走到這步,大部分的工作就快完成了,只差分析建模。但因為花了80%的時間,所以到這時還沒產出通常案子都會被釘…。接下來,要知道每件衣服的銷量如何,但是通常首周銷量遠大於後續、越活躍的玩家越會買虛寶,因此需要設計一個去除發售時間、期間、玩家購買力等影響的一個指標(Sales Index,簡稱SI),來表示這個虛寶是否暢銷。

不同虛寶的風格與暢銷程度關係(From 陳昇瑋)

最後,只要找出風格標籤跟SI之相關係數,以及丟進ML建模,即可得知遊戲玩家喜歡哪種風格的衣服,會賣多少件。以此遊戲為例,玩家喜歡彩衣與飄逸風,不喜歡過於性感之服裝,設計師就可以依照此方向設計各種不同風格的彩衣,然後遊戲公司荷包滿滿了。

之後還可以針對服裝的裙長、是否要含皮帶、不同類型玩家、不同國家的喜好繼續細分,設計更精準的服裝。

陳最後給了一個建議:產品本身是可解構的,如果我們只把商品ID拿來分析,是非常可惜的!

聽到前面標Tag的苦工,忽然想起林肯曾經說過的一句話,頗適合描繪資料分析專案的重要成功因素。

若給我六小時砍一棵樹,我會把前四個小時拿來磨利斧頭。
Give me six hours to chop down a tree and I will spend the first four sharpening the axe.

商管 * 科技 | 顧問 + 稽核 | AI X Fraud |

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store