Ostotapahtuman tekevien pelaajien määrän ennustaminen elinaika-analyysia ja EM-algoritmia soveltamalla
Numminen, Riikka (2018-05-23)
Ostotapahtuman tekevien pelaajien määrän ennustaminen elinaika-analyysia ja EM-algoritmia soveltamalla
Numminen, Riikka
(23.05.2018)
Tätä artikkelia/julkaisua ei ole tallennettu UTUPubiin. Julkaisun tiedoissa voi kuitenkin olla linkki toisaalle tallennettuun artikkeliin / julkaisuun.
Turun yliopisto
Tiivistelmä
Tässä työssä tutkitaan menetelmää, jolla pyritään ennustamaan rajoitetulla aikavälillä kerätystä mobiilipelien pelaajadatasta ostotapahtuman tekevien pelaajien määrä. Kirjallisuuskatsauksessa esitellään elinaika-analyysin käsitteitä ja yleisimpiä malleja sekä johdettavan mallin optimiratkaisun selvittämiseen käytettävä Expectation Maximization -algoritmi. Ostotapahtuman tekevien pelaajien määrän ennustamisessa käytetään elinaika-analyysin mixture cure -mallia. Teoriaosuuden lopuksi johdetaan mallille funktiot, jotka tarvitaan EM-algoritmin käyttämiseen. Menetelmä implementoidaan R-ohjelmointikielellä.
Mallia käytetään Hipster Sheep -nimisestä pelistä [1] kerättyyn dataan ja se toimii pääasiassa odotusten mukaisesti. Joillain harvoilla otoksilla havaittiin ongelma mixture cure -mallin ja eksponenttijakauman toisistaan erottamisessa. Ongelman aiheuttavasta datasta ei pystytä erottamaan, tekevätkö kaikki pelaajat ostotapahtuman (eksponenttijakauma hitaalla ostotahdilla) vai onko datassa pelaajia, jotka eivät sitä tee, vaikka niitä seurattaisiin äärettömän pitkään (mixture cure -malli kohtuullisella ostotahdilla).
Lisäksi tutkitaan generoidulla datalla otoskoon ja ostotapahtuman tekevien pelaajien määrän vaikutusta mallin toimivuuteen. Huomataan, että malli toimii sitä paremmin, mitä enemmän pelaajia on, mitä useampi pelaaja tekee ostotapahtuman ja mitä isompi osa ostotapahtuman tekevistä pelaajista tekee sen tarkasteluhetkeen mennessä. Liian pienellä otoksella ja liian pienellä ostotapahtuman tekevien pelaajien sekä tarkasteluhetkeen mennessä tehtyjen ostotapahtumien määrällä mallin antama ratkaisu vaihtelee melko paljon otoksesta riippuen. Yhteenvedossa esitetään kehitysidea, jolla saadaan poistettua edellä mainitut ongelmat.
Mallia käytetään Hipster Sheep -nimisestä pelistä [1] kerättyyn dataan ja se toimii pääasiassa odotusten mukaisesti. Joillain harvoilla otoksilla havaittiin ongelma mixture cure -mallin ja eksponenttijakauman toisistaan erottamisessa. Ongelman aiheuttavasta datasta ei pystytä erottamaan, tekevätkö kaikki pelaajat ostotapahtuman (eksponenttijakauma hitaalla ostotahdilla) vai onko datassa pelaajia, jotka eivät sitä tee, vaikka niitä seurattaisiin äärettömän pitkään (mixture cure -malli kohtuullisella ostotahdilla).
Lisäksi tutkitaan generoidulla datalla otoskoon ja ostotapahtuman tekevien pelaajien määrän vaikutusta mallin toimivuuteen. Huomataan, että malli toimii sitä paremmin, mitä enemmän pelaajia on, mitä useampi pelaaja tekee ostotapahtuman ja mitä isompi osa ostotapahtuman tekevistä pelaajista tekee sen tarkasteluhetkeen mennessä. Liian pienellä otoksella ja liian pienellä ostotapahtuman tekevien pelaajien sekä tarkasteluhetkeen mennessä tehtyjen ostotapahtumien määrällä mallin antama ratkaisu vaihtelee melko paljon otoksesta riippuen. Yhteenvedossa esitetään kehitysidea, jolla saadaan poistettua edellä mainitut ongelmat.