網(wǎng)絡(luò)游戲運(yùn)營中的數(shù)據(jù)挖掘技術(shù)及相關(guān)案例分析-資料下載頁
2025-04-30 13:09本頁面
【正文】 高信息增益，以此作為根節(jié)點(diǎn)， 并出現(xiàn)兩個(gè)分歧，對應(yīng)兩個(gè)結(jié)果，以此類推生成決策樹圖（）。 從這個(gè)決策樹中，可以很清楚地分析出不同類型的客戶，這樣在 CRM 決策中可以對不同 類型的客戶選擇不同的策略。 由決策樹可以很容易地得到“IFTHEN”形式的分類規(guī)則： IF “高消費(fèi)”=“Y” THEN 類別標(biāo)記=“優(yōu)質(zhì)客戶” THEN 類別標(biāo)記=“優(yōu)質(zhì)客戶” IF “高消費(fèi)”=“N”AND 消費(fèi)=“Y” AND “持續(xù)高消費(fèi)”=“N” THEN 類別標(biāo)記=“消費(fèi)客戶” IF “高消費(fèi)”=“N”AND 消費(fèi)=“N” AND “長期在線”=“Y” AND “高收入”=“Y” THEN 類別標(biāo)記=“潛在客戶” IF “高消費(fèi)”=“N”AND 消費(fèi)=“N” AND “長期在線”=“Y” AND “高收入”=“N” THEN 類別標(biāo)記=“普通客戶” IF “高消費(fèi)”=“N”AND 消費(fèi)=“N” AND “長期在線”=“N” THEN 類別標(biāo)記=“無效帳號” 我們可以利用神經(jīng)網(wǎng)絡(luò)挖掘技術(shù)來預(yù)測玩家流失的可能性。 首先我們通過對歷史數(shù)據(jù)的統(tǒng)計(jì)分析，發(fā)現(xiàn)多數(shù)流失玩家都有一些共同的數(shù)據(jù)變化，比如： 自身帳號上的虛擬幣或者虛擬物品大量減少或轉(zhuǎn)移；消費(fèi)明顯下降；上線時(shí)間明顯減少；在“好 友”中有一定數(shù)量的好友離開游戲（上線時(shí)間減少或不上線）等等； 然后，我們根據(jù)這些共同點(diǎn)，對現(xiàn)在的玩家數(shù)據(jù)進(jìn)行比較，對玩家的某一項(xiàng)內(nèi)容的現(xiàn)狀給 定一個(gè)計(jì)算機(jī)判斷值， 并乘以通過大量數(shù)據(jù)得出的一個(gè)“權(quán)值”， 然后把所有項(xiàng)目得出的數(shù)據(jù)相加， 就得到了一個(gè)代表玩家流失的可能性的數(shù)值。 如圖（）：某玩家好友里有 3 名已被判斷為流失客戶，計(jì)算機(jī)根據(jù)函數(shù)公式得出判斷值（其 實(shí)就是玩家好友流失程度）為 ,而通過大量歷史數(shù)據(jù)“學(xué)習(xí)”得出該項(xiàng)目權(quán)值（其實(shí)就是好友流 失對玩家離開游戲的影響度）為 ，所以該項(xiàng)目最終值為 。所有項(xiàng)目最終值相加結(jié)果為 ，因?yàn)楸平谠o定的參考值 1，所以計(jì)算機(jī)判斷玩家將會(huì)流失。 事實(shí)上，神經(jīng)元預(yù)測值完全取決于聯(lián)結(jié)網(wǎng)絡(luò)的權(quán)值，輸出結(jié)果的正確率也取決于權(quán)值的判定。 因此神經(jīng)網(wǎng)絡(luò)挖掘技術(shù)需要不斷“學(xué)習(xí)”歷史數(shù)據(jù)來修正其權(quán)值，以達(dá)到趨于正確的判定結(jié)果。 粗糙集理論的出發(fā)點(diǎn)是假定所研究的每個(gè)對象涉及的一些信息，比如對流失玩家信息進(jìn)行 挖掘，可以得到流失玩家的一些相似信息，并對目前玩家相比較，以預(yù)測玩家是否會(huì)流失。 現(xiàn)在我們通過對整個(gè)玩家數(shù)據(jù)庫進(jìn)行粗糙集數(shù)據(jù)挖掘，以得到一些看不到的有效信息。 表（）是玩家數(shù)據(jù)庫中的一段資料截取，我們要通過它來說明如何對玩家資料進(jìn)行有 效的信息挖掘。 策略 1：去掉沒有意義的屬性。比如“玩家 ID”，雖然全部為不同屬性值，但其本身對數(shù)據(jù) ： 挖掘毫無意義，我們可以直接去除，無需計(jì)算； 策略 2：面向?qū)傩赃M(jìn)行概念提升。比如“IP 地址”，“常州”和“無錫”都屬于江蘇，那么都提升 ： IF “高消費(fèi)”=“N”AND 消費(fèi)=“Y” AND “持續(xù)高消費(fèi)”=“Y” 為江蘇，“浙江寧波”提升為“浙江”，減少差異數(shù)量。提升過程中要控制提升進(jìn)度，防止泛化，使 指定推動(dòng)有意義。概念提升后要注意清除冗余數(shù)據(jù)。 策略 3：指定泛化，控制概念提升。比如：“周消費(fèi)”中可以指定，小于 50 元為“低”，大于 ： 100 元為“高”，50100 元為“中”。 策略 4：規(guī)則轉(zhuǎn)換。經(jīng)過概念提升以后，宏元組被濃縮，可以被拆取轉(zhuǎn)換至多條規(guī)則，并 ： 增加一項(xiàng)“覆蓋度”來提供定量信息。 策略 5：覆蓋度的累積。在知識(shí)基表歸納濃縮過程中，去掉冗余元組時(shí)，應(yīng)將元組覆蓋度 ： 加到與其完全相同的覆蓋度上。 經(jīng)過上面 5 個(gè)策略規(guī)則，計(jì)算機(jī)將生成類似表（）的數(shù)據(jù)表。 … … … … … … … 通過上表，我們可以分析得到如：華南地區(qū)非學(xué)生的男性玩家消費(fèi)能力很高，約占總玩家 6%（設(shè)數(shù)據(jù)總數(shù)量為 100 條）。同時(shí)在挖掘地方數(shù)據(jù)時(shí)，可以控制概念提升，將“IP 地址”范圍 縮小到省，乃至市，以方便地方性質(zhì)客戶服務(wù)的決策。 第五章 總結(jié) 數(shù)據(jù)挖掘技術(shù)及其應(yīng)用是目前國際上的一個(gè)研究熱點(diǎn)， 并在許多行業(yè)中得到了很好的應(yīng)用。 其中在各行業(yè)客戶關(guān)系管理上也獲得了巨大的成功，體現(xiàn)了其優(yōu)越性和發(fā)展?jié)摿Α?目前，我國的網(wǎng)絡(luò)游戲業(yè)正處于蓬勃發(fā)展階段，綜合應(yīng)用數(shù)據(jù)挖掘技術(shù)有利于運(yùn)營商對玩 家進(jìn)行有效地客戶關(guān)系管理，并能夠幫助運(yùn)營商在激烈的市場競爭中更好地盈利。 參 考 文 獻(xiàn) [1]艾瑞市場調(diào)查《2007 年第二季度中國網(wǎng)絡(luò)游戲季度研究報(bào)告》[R].. [2]百度風(fēng)云榜《2007 網(wǎng)絡(luò)游戲行業(yè)報(bào)告（簡報(bào)）》[R].. [3]鞠偉平,鄧憶瑞．基于決策樹的數(shù)據(jù)挖掘方法在 C R M 中的應(yīng)用研究[J]． 商業(yè)經(jīng)濟(jì),2007 (286):1921． [4]董寧．?dāng)?shù)據(jù)挖掘技術(shù)在 CRM 中的應(yīng)用[J]．計(jì)算機(jī)工程與設(shè)計(jì),2007,28 (6):14291432． [5]曹萍．利用數(shù)據(jù)挖掘技術(shù)(DM)提升客戶關(guān)系管理(CRM)[J]． 科技管理研究,2005 (5):5152，25． [6]SPSS Inc. Building profitable customer relationships with data mining[EB/OL]. [7]MargaretH. Dunham 著,[M].清華大學(xué)出版社, 2005． [M].北京：電子工業(yè)出版社，2002 .257369. [9]魏娟,(CRM)[J]. 商業(yè)研究,2005,12(7):5356. 萬志華, CRM 中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2004,25(12):2326. [11]鄒志文,[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2005,26(9):23042307. [12]李斌,[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2005,26(2):540542.9 / 9
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1