投稿日: CIKM 論文紹介

Modeling Paying Behavior in Game Social Networks

Fang, Zhanpeng and Zhou, Xinyu and Tang, Jie and Shao, Wei and Fong, A.C.M. and Sun, Longjun and Ding, Ying and Zhou, Ling and Luo, Jarder
In Proc. of CIKM 2014

概要

オンラインゲーム上でのユーザの課金をモデル化した論文。DNF、QQSpeedという実在するオンラインゲーム上でのユーザのデータから、課金に影響する特徴量を分析してモデルに活かした。さらに、提案モデルをオンラインゲーム上で実際に試すことで、従来よりも高い確率で非課金ユーザを課金ユーザに誘導できることを示した。著者の中に上記2つのオンラインゲーム会社の人も含まれており、実データを扱える強みを活かした論文。

先行研究との違い

オンラインゲーム上でのユーザ間のインタラクションや、ユーザのグループ構成を分析した研究はあったが、課金に着目した研究はない。

予備調査

オンラインゲーム上の課金ユーザと非課金ユーザを、Demographicsの観点とSocial effectsの観点から分析。

Demographicsではユーザ個人の情報に着目し、

  • 女性より男性の方が課金しやすい。
  • ユーザのレベルを上中下に分けたとき、中の人が最も課金しやすい。
  • ゲーム中で他のユーザと繋がりがある(同じグループで一緒に敵と戦うなど)ユーザの方が課金しやすい。

などの知見を得た。

Social effectsでは、あるユーザと繋がりのあるユーザ集合の情報に着目し、

  • 多くの課金ユーザと繋がりがあるユーザほど課金ユーザになりやすい。
  • 課金しているユーザとの繋がりが、頻繁に一緒に敵と戦うような強い繋がりであるほど、課金ユーザになりやすい。

などの知見を得た。

手法

ユーザごとに素性を用意して、Factorization Machines (FM) モデルを使ってそのユーザが課金しそうな度合いを0~1のスコアで求める。使用する素性のカテゴリは(1)性別やレベルなどのuser attribute features、(2)課金ユーザと繋がっている数などのsocial effect features、(3)アイテムを購入した回数などのin-game behavior features。
ユーザのネットワーク情報をFMに組み込んだのが手法の最大の特徴。強い繋がりのあるユーザとは課金に対する振る舞いが似ているという仮説に基づいてネットワーク情報を取り入れている。

評価方法

オンラインゲームのデータをトレーニング用とテスト用に用意して精度を測るオフライン評価と、実際にゲーム上でモデルを適用して課金しそうなユーザにメッセージを送ってその課金率を調べるオンライン評価を行った。

関連研究

  • 密度ベースのクラスタリング。
  • J. Sander, M. Ester, H.-P. Kriegel, and X. Xu. Density-based clustering in spatial databases: The algorithm gdbscan and its applications. Data Mining and Knowledge Discovery, 2(2):169–194, 1998.

  • 異なるコミュニティと繋がりのあるユーザ=structural hole spanner。
  • R. S. Burt. Structural holes: The social structure of competition. Harvard University Press, 2009.

  • structural hole spannerを推定するHISアルゴリズム。
  • T. Lou and J. Tang. Mining structural hole spanners through information diffusion in social networks. In WWW’13, pages 825–836, 2013.

  • ソーシャルネットワーク上でのStrong/Weak Tie。
  • M. S. Granovetter. The strength of weak ties. American journal of sociology, pages 1360–1380, 1973.


-CIKM, 論文紹介

関連記事

Who uses web search for what: and how

Weber, Ingmar Jaimes, Alejandro In Proc. of WSDM 2011 http://dl.acm.org/citation.cfm?id=1935839 概要 Y …

How smart does your profile image look? Estimating intelligence from social network profile images

Wei, Xingjie and Stillwell, David In Proc. of WSDM 2017 概要 Facebookの1,122ユーザを対象にして、(1)ユーザのIQ、(2)ユーザの …

Understanding the importance of location, time, and people in mobile local search behavior

Teevan, Jaime Karlson, Amy Amini, Shahriyar Brush, A. J. Bernheim Krumm, John In Proc. of MobileHCI …

Your neighbors affect your ratings: on geographical neighborhood influence to rating prediction

Hu, Longke and Sun, Aixin and Liu, Yong In Proc. of SIGIR 2014 概要 店sの周辺の店の情報を利用することで、ユーザuのsに対するレーティン …

Learning from the Past: Answering New Questions with Past Answers

A. Shtok, G. Dror, Y. Maarek, and I. Szpektor In Proc. of WWW 2012 http://dl.acm.org/citation.cfm?id …