Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

SEGA : Growth hacking by Spark ML for Mobile games

2,891 views

Published on

SEGA : Growth hacking by Spark ML for Mobile games

Published in: Technology
  • Be the first to comment

SEGA : Growth hacking by Spark ML for Mobile games

  1. 1. SEGA Games Co., Ltd. SEGA Networks Company SEGA : Growth hacking by Spark ML for Mobile games
  2. 2. ◆ 自己紹介 SEGA Games Co., Ltd. SEGA Networks Company 2 村上 宰和(むらかみ ただかず) 所属 株式会社セガゲームス セガネットワークスカンパニー IT統括部 共通基盤開発部 データマイニングセクション 主な業務 ・Hadoopベースのデータ基盤・分析基盤構築 ・直近はSpark MLlibを活用した予測基盤構築 ・業務課題に対する予測活用提案 マイブーム ・畑で野菜栽培 ・コーヒードリッピング、テイスティング ・San Francisco 49ers(NFL)
  3. 3. ◆ アジェンダ SEGA Games Co., Ltd. SEGA Networks Company 3 1. Motivation 2. Challenge 3. Case Study 4. Summary 5. Next Challenge
  4. 4. 1. Motivation 2. Challenge 3. Case Study 4. Summary 5. Next Challenge SEGA Games Co., Ltd. SEGA Networks Company 4 Motivation 1
  5. 5. ◆ モバイルゲームビジネスとは? SEGA Games Co., Ltd. SEGA Networks Company 5 売上 日数 売り切り型ゲーム モバイルゲーム (悪い状態) モバイルゲーム (良い状態)  今までの売り切り型とは異なり、継続的なサービスを提供するビジ ネスモデル  売上も、長期にわたり継続的に確保
  6. 6. 売上 日数 売り切り型ゲーム モバイルゲーム (悪い状態) モバイルゲーム (良い状態)  売上維持のために適切な【運営】が必要  では、どうやって? ◆ ビジネスの課題 SEGA Games Co., Ltd. SEGA Networks Company 6 適 切 な 運 営
  7. 7. ◆ ビジネスへの貢献 SEGA Games Co., Ltd. SEGA Networks Company 7 徹底的にデータを駆使して、適切な運営の実現に貢献する あらゆるデータを精査し、これを活用してサービスを成長させる = 【 グロースハック 】
  8. 8. ◆ 分析による課題解決 SEGA Games Co., Ltd. SEGA Networks Company 8  まずはデータ分析で解決  具体的には、時系列分析、比較分析、内訳分析等を実施 急に売上が下がってきた! 巻き返したい アクティブユーザが減少している。 歯止めをかけたい イベントの出足が悪い。 途中でてこ入れしたい 前回販売したゲーム内商品が売れ た!次回も売れたい! 売上関連のKPIで時系列的に悪化 トレンドの指標を改善 流出したユーザが属する層を内訳 分析で特定し改善 イベント関連データを内訳分析し、 悪化要因抽出・改善 各商品のデータを様々な軸で比較 し、好調な軸に着目 課題 解決策
  9. 9. ◆ 【対症療法】 から 【予防】 へ SEGA Games Co., Ltd. SEGA Networks Company 9 予測に基づく【 予防 】はできないのか? 分析による課題解決は【 対症療法 】
  10. 10. 1. Motivation 2. Challenge 3. Case Study 4. Summary 5. Next Challenge Challenge 2 SEGA Games Co., Ltd. SEGA Networks Company 10
  11. 11. ◆ 予測によって解決する課題 SEGA Games Co., Ltd. SEGA Networks Company 11 ユーザの特徴を明確化してサー ビス強化点としたい ユーザのゲーム離れを抑止した い 多様な属性のユーザにもゲーム を楽しんで欲しい 売上が立たないタイトルをリ リースしたくない コンテンツのクリック率を向上 させたい クエストバランス調整の属人化 を排除したい 類似ユーザをグループ分けする と特徴が明確になる? ゲームを辞めそうな人を予測し て引き留めると良い? ユーザ属性情報を予測し、属性 毎にサービスすると良い? リリース前に売上予測を行い、 事前に改善できると良い? ユーザ毎に最適なコンテンツ表 示ができると良い? 難易度や報酬等の要因で予測式 が導けると良い? 課題 仮説 1 2 3 4 5 6
  12. 12. ◆ Spark MLlibでやってみた! SEGA Games Co., Ltd. SEGA Networks Company 12  予測を実現するために、 Spark MLlibを活用  ユーザ動向データ等を「学習」して、予測能力を獲得 ユーザ動向データ等
  13. 13. ◆ Spark MLlibとは? SEGA Games Co., Ltd. SEGA Networks Company 13 種類 用途 分類 要素が該当するカテゴリを推測 回帰 予測計算式を導出して数量を予測 クラスタリング 要素の集合をグループ分けしつつ、要因抽出 協調フィルタリング レコメンデーションを行う  Spark MLlibは、Hadoopのエコシステムの1つであるSparkに付 属するマシンラーニングライブラリ  主に4つの種類・用途がある
  14. 14. ◆ 使用したアルゴリズムと選定理由 SEGA Games Co., Ltd. SEGA Networks Company 14  ロジスティック回帰 : 物事が発生する「確率」を予測する用途に最適  K-means : クラスタ数が所与の場合、比較的高速かつ高精度 種類 アルゴリズム 分類 サポートベクタマシン(SVM) デシジョンツリー(Gini Impurity/Entropy/Variance) ナイーブベイズ 回帰 ロジスティック回帰 線形回帰 クラスタリング K-means 混合正規分布モデル(GMM) 潜在的ディリクレ配分法(LDA) 協調フィルタリング 交互最小二乗法(ALS)
  15. 15. 1. Motivation 2. Challenge 3. Case Study 4. Summary 5. Next Challenge Case Study 3 SEGA Games Co., Ltd. SEGA Networks Company 15
  16. 16. ◆ 予測によって解決した課題 SEGA Games Co., Ltd. SEGA Networks Company 16 ユーザの特徴を明確化してサー ビス強化点としたい ユーザのゲーム離れを抑止した い 多様な属性のユーザにもゲーム を楽しんで欲しい 売上が立たないタイトルをリ リースしたくない コンテンツのクリック率を向上 させたい クエストバランス調整の属人化 を排除したい 類似ユーザをグループ分けする と特徴が明確になる? ゲームを辞めそうな人を予測し て引き留めると良い? ユーザ属性情報を予測し、属性 毎にサービスすると良い? リリース前に売上予測を行い、 事前に改善できると良い? ユーザ毎に最適なコンテンツ表 示ができると良い? 難易度や報酬等の要因で予測式 が導けると良い? 課題 仮説 1 2 3 4 5 6
  17. 17. ◆ ケース① ユーザの特徴明確化 SEGA Games Co., Ltd. SEGA Networks Company 17 ユーザの特徴を明確化してサー ビス強化点としたい 類似ユーザをグループ分けする と特徴が明確になる? 課題 仮説 1 Spark MLlibのK-meansアルゴリズムで、ユーザを「類似した」ユー ザ同士で3つのクラスタ(グループ)に分けた ⇒ どの変数(要因)でクラスタが明確に分かれるかを把握 解決策
  18. 18. ◆ ケース① ユーザの特徴明確化 SEGA Games Co., Ltd. SEGA Networks Company 18 頻度 値  変数X1、X2、X3においてクラスタが明確に分かれた  ユーザの特徴は、これらの変数で説明可能  ユーザの特徴を把握でき、サービス強化点として考慮できるように なった 変数 X1 変数 X2 変数 X3
  19. 19. ◆ ケース② ユーザのゲーム離れを抑止 SEGA Games Co., Ltd. SEGA Networks Company 19 ユーザのゲーム離れを抑止した い ゲームを辞めそうな人を予測し て引き留めると良い? 課題 仮説 2 Spark MLlibのロジスティック回帰アルゴリズムで、ユーザのn日後残 存確率を予測 ⇒ n日後残存確率に応じて、個別のサービスを提供 解決策
  20. 20. ◆ ケース② ユーザのゲーム離れを抑止 SEGA Games Co., Ltd. SEGA Networks Company 20  効果計測の指標として、【継続率】を適用  継続率で約20%程度の向上を目指す 継続率(%) 週 対応前 対応後(予定)
  21. 21. ◆ ケース② ユーザのゲーム離れを抑止 SEGA Games Co., Ltd. SEGA Networks Company 21  n日後残存確率が High/Middle/Low のどれに該当するかによって、 ユーザをカテゴリ分け n日後残存確率(%) 変数X High Middle Low 実際には残存した 実際には辞めた 予測 実際
  22. 22. ◆ ケース② ユーザのゲーム離れを抑止 SEGA Games Co., Ltd. SEGA Networks Company 22  どのカテゴリでも、約10%以内の誤差で、 n日後残存確率の予測が できた! A : n日後残存確率の カテゴリ(= x) A’ : Aの中央値 B : 実際にn日後 に残存した割合 誤差 B – A’ Low (x < 20%) 10% 3.37% -6.63% Middle (20% <= x < 80%) 50% 39.23% -10.77% High (80% <= x) 90% 95.43% 5.43%
  23. 23. ◆ ケース② ユーザのゲーム離れを抑止 SEGA Games Co., Ltd. SEGA Networks Company 23 継続率(%) 週 対応後(実際) (わずかに目標(+20%)には届かなかったけど…) 大幅(+15%)な継続率向上が見られた。 ⇒ ユーザのゲーム離れ抑止に効果があった!
  24. 24. ◆ ケース③ 多様な属性のユーザも楽しませる SEGA Games Co., Ltd. SEGA Networks Company 24 多様な属性のユーザにもゲーム を楽しんで欲しい ユーザ属性情報を予測し、属性 毎にサービスすると良い? 課題 仮説 3 ※ 今回はユーザの「性別」を予測 Spark MLlibのロジスティック回帰アルゴリ ズムで、ユーザのプレイデータから性別を予 測 ⇒ 予測属性に応じて、個別にサービスを提供 解決策 Event A Event B
  25. 25. ◆ ケース③ 多様な属性のユーザも楽しませる SEGA Games Co., Ltd. SEGA Networks Company 25 * GoogleのTensorFlowにて検証。Spark MLlibでは未サポート  いくつかのアルゴリズムを試行し、結果的にロジスティック回帰が 最も高い82%の精度を出した  ユーザの性別を予測し個別にサービスを提供して、どちらの性別の ユーザも楽しませる事ができるようになった アルゴリズム 精度 ロジスティック回帰 82% デシジョンツリー(Gini Impurity) 81% * ディープラーニング(6層) 73% * ニューラルネットワーク(2層) 71%
  26. 26. 1. Motivation 2. Challenge 3. Case Study 4. Summary 5. Next Challenge Summary 4 SEGA Games Co., Ltd. SEGA Networks Company 26
  27. 27. ◆ まとめ SEGA Games Co., Ltd. SEGA Networks Company 27  Spark MLlibを使って予測したら、みんなに良い事があった  データエンジニアにとっては、難しい予測処理をMLlibに 任せられた  データアナリストにとっては、運営担当者に精度の高い予 測結果を提供できるようになった  運営担当者にとっては、精度の高い予測結果を活用して、 「予防」対応を実施できるようになった  エンドユーザにとっては、自分に合うサービスが増えて、 もっとプレイを継続したい気になれた つまり、みんながHappyになった!!
  28. 28. 1. Motivation 2. Challenge 3. Case Study 4. Summary 5. Next Challenge Next Challenge 5 SEGA Games Co., Ltd. SEGA Networks Company 28
  29. 29. ◆ 予測によって解決しようとしている課題 SEGA Games Co., Ltd. SEGA Networks Company 29 ユーザの特徴を明確化してサー ビス強化点としたい ユーザのゲーム離れを抑止した い 多様な属性のユーザにもゲーム を楽しんで欲しい 売上が立たないタイトルをリ リースしたくない コンテンツのクリック率を向上 させたい クエストバランス調整の属人化 を排除したい 類似ユーザをグループ分けする と特徴が明確になる? ゲームを辞めそうな人を予測し て引き留めると良い? ユーザ属性情報を予測し、属性 毎にサービスすると良い? リリース前に売上予測を行い、 事前に改善できると良い? ユーザ毎に最適なコンテンツ表 示ができると良い? 難易度や報酬等の要因で予測式 が導けると良い? 課題 仮説 1 2 3 4 5 6
  30. 30. ◆ ケース④ 不採算見込タイトルの事前改善 SEGA Games Co., Ltd. SEGA Networks Company 30 売上が立たないタイトルをリ リースしたくない リリース前に売上予測を行い、 事前に改善できると良い? 課題 仮説 4 Spark MLlibの線形回帰アルゴリズムで予測計算式を導出し、一定期 間後の売上高を予測 検討している解決策 売上 日数 now
  31. 31. ◆ ケース⑤ コンテンツの認知度向上 SEGA Games Co., Ltd. SEGA Networks Company 31 コンテンツのクリック率を向上 させたい ユーザ毎に最適なコンテンツ表 示ができると良い? 課題 仮説 5 Spark MLlibの交互最小二乗法(ALS)アルゴリズムで、自分に近い嗜 好を持つ他ユーザがクリックしたコンテンツをレコメンド 検討している解決策 A B C C X Y
  32. 32. ◆ ケース⑥ クエストバランス調整属人化排除 SEGA Games Co., Ltd. SEGA Networks Company 32 クエストバランス調整の属人化 を排除したい 難易度や報酬等の要因で予測式 が導けると良い? 課題 仮説 6 仮説も検討中
  33. 33. ◆ Finally… SEGA Games Co., Ltd. SEGA Networks Company 33 We are hiring!! http://sega-net.com/recruit/  ビッグデータ  マシンラーニング  モバイルゲーム に興味がある  データエンジニア  データアナリスト
  34. 34. SEGA Games Co., Ltd. SEGA Networks Company 34 Thank You

×