三星联合三所知名大学正在研究如何利用AI预测及

小提示：您能找到这篇{三星联合三所知名大学正在研究如何利用AI预测及}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的三星联合三所知名大学正在研究如何利用AI预测及内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

据 Newzoo 发布的《20推广软文方案18 全球游戏市场报告》显示，2018 年手游创造了 703 亿美元的收入，且这一数字预计到 2021 年攀升至 1063 亿美元。

但是，对于手游行业来说，用户流失是非常大的难题，且衡量标准往往很难预测。

用户流失有两种类型，一种是微观层面的，关系到 App 自身和特定用户；另一种是宏观层面的，即 App 和整体用户之间的流失。这两者之间互相影响，但并不易察觉，这对发行商和开发者来说都是一项难题。

不过，一篇来自三星美国研究中心、德克萨斯 A&M 大学、匹兹堡大学和亚利桑那大学的研究团队共同撰写的论文——《大型手游微观和宏观层面的用户流失分析》显示，在 AI 的帮助下，有望得出一种分析用户流失的更优方案。

研究人员认为，随着移动设备的普及，手游已经成为一个有着数十亿美元收入的市场，前景十分乐观。然而，手游平台和服务面临着一个关键的挑战，既设法了解导致用户流失的原因有哪些。研究人员首次对微观层面的用户流失进行了预测，也对宏观层面的用户流失进行排名，并以此对手游进行了大规模的用户流失分析。

流失预测系统已经不是什么新鲜事物了，但是，之前的方法只能预测一款或少数几款手游的流失，并没有考虑到用户和应用程序的交互数据，例如 Wi-Fi 的连接状态、屏幕的亮度和音量大小。

相比之下，研究人员拟建的系统采用了从三星游戏启动器（Samsung game Launcher）收集了游戏开启、关闭、安装和卸载的详细交互数据。这一套系统，允许三星手机用户定制其手机在满足某些变量时的反应。此外，研究人员使用图形来模拟用户和游戏之间的关系（描述连接各种实体关系的数据库），并使用深度神经网络公关危机处理大赛捕获信息以及用户与游戏交互的“动态”方式。通过附加的图形和算法，就可以总结宏观客户流失。具体来说，该系统能够根据近期可能流网上建设失的用户总数为游戏生成一个列表。

为了构建用于训练人工智能学习模型的数据集，研究人员在得到美国和韩国用户同意的情况下，从三星游戏启动器中匿名收集了数万款手游和数亿用户 4 个月的数据。搜集的数据包括：游戏历史、游戏概况（既游戏类型、开发者、下载量、评级值和评级数量等）和用户信息（例如设备型号和区域）。

与以往的微流失率预测方法相比，研究人员的系统与多个基线相比，显示出了“优越”的性能，在微观流失率预测和宏观流失率预测方面都达到了最高水准。更更有甚者，因为它的输入只包含游戏的属性及其关系，研究人员指出，该系统还可以用于预测其他领域的用户流失，比如苹果音乐的会员流失和 Facebook 的取消订阅。