Small Games-Big Data
Advanced Analytics zur Optimierung mobiler Spiele
| Programm / Ausschreibung | BASIS, Basisprogramm, Budgetjahr 2019 | Status | abgeschlossen |
|---|---|---|---|
| Projektstart | 01.02.2019 | Projektende | 31.07.2020 |
| Zeitraum | 2019 - 2020 | Projektlaufzeit | 18 Monate |
| Keywords | |||
Projektbeschreibung
Bei Free-to-Play Spielen ist es wesentlich für den/die spezifische/n SpielerIn attraktive Angebote zur richtigen Zeit bereitzustellen, da Umsätze mit In-App-Käufen und Werbung generiert werden. Auf Basis von validen Vorhersagemodellen zu wissen, welche Inhalte für welche SpielerInnen am wahrscheinlichsten attraktiv sind, ermöglicht neben der Steuerung der Produktentwicklung (Fokus auf am häufigsten genutzte Features, Verbesserung problematischer Elemente) auch den gezielten (und kosteneffizienten) Einsatz von Marketingmaßnahmen. Bestehende Data Analytics Tool sind jedoch nicht in der Lage komplexe Analysemethoden (Machine Learning von wirtschaftlichen Kennzahlen wie dem Customer Lifetime Value) angepasst auf die inhaltlichen, datenschutzrechtlichen und ressourcenbezogenen Bedürfnisse von kleinen und mittleren SpieleentwicklerInnen bereitzustellen.
Das übergeordnete Ziel des Projekts ist es eine Erhöhung der Retentionrate und des Customer Lifetime Values zu ermöglichen, indem SpielerInnen auf Basis einer Analyse von Spieldaten besser adressiert werden können. Dieses Ziel wird über vier Unterziele erreicht: 1) Entwicklung eines neuen CLV Modells mithilfe von Methoden des Maschinellen Lernens, welches den Wert der SpielerInnen im mobilen FTP Games Bereich verlässlich vorhersagen kann, 2) Erforschung von Interventionsstrategien nach Modellen Persuasiver Technologien zur Steigerung des CLV, 3) Implementierung von Data Pipelines für Analyse und Monitoring des CLV, die bei unterschiedlichsten mobilen Spielen für die Analyse eingesetzt werden können und damit die Kosten für Data Analytics senken, und 4) Schaffung einer ressourcenschonenden Dateninfrastruktur für den Einsatz des CLV Modells und der Interventionsstrategien in Echtzeit.