УДК 330.43 Эконометрия
УДК 004.85 Обучение
В статье рассматривается задача прогнозирования оттока пользователей компьютерной игры на основе методов машинного обучения. Проведён анализ поведения игроков с учётом их уровня опыта, что позволило выделить однородные кластеры аудитории и адаптировать подходы к построению моделей для каждой группы. Для решения задачи использовались современные алгоритмы ансамблевого обучения, включая XGBoost, LightGBM и CatBoost, а также методы балансировки классов и отбора информативных признаков. Особое внимание уделено интерпретации результатов: применён комплекс объяснимых моделей, что позволило выявить ключевые факторы риска и повысить прозрачность принимаемых решений. Разработанные модели прошли апробацию на реальных данных и были интегрированы в бизнес-процессы компании, обеспечив своевременное выявление до 80% склонных к уходу пользователей и способствуя оптимизации стратегий удержания.
прогнозирование оттока пользователей, машинное обучение, анализ поведения игроков, интерпретируемый искусственный интеллект, ансамблевые алгоритмы
1. Arik K., Gezer M., Tayali S.T. The study of indicators affecting customer churn in MMORPG games // Управленец. – 2022. – Т. 13, № 6. – С. 70–85
2. Bertens P., Guitart A., Periáñez Á. Games and Big Data: A Scalable Multi-Dimensional Churn Prediction Model // Proceedings of 2017 IEEE Conference on Computational Intelligence and Games (CIG). – New York, NY: IEEE, 2017. – P. 33–36
3. Hadiji F., Sifa R., Drachen A. Predicting player churn in the wild // 2014 IEEE Conference on Computational Intelligence and Games (CIG). – Piscataway, NJ: IEEE, 2014. – P. 1–8
4. Kawale J., Pal A., Srivastava J. Churn Prediction in MMORPGs: A Social Influence Based Approach // Proceedings of 2009 International Conference on Computational Science and Engineering (CSE). – Vancouver, BC: IEEE, 2009. – P. 423–428
5. Lee E., Kim B. Profit Optimizing Churn Prediction for Long-Term Loyal Customers in Online Games // IEEE Transactions on Games. – 2020. – Vol. 12, No. 1. – P. 41–53. – DOI:https://doi.org/10.1109/TG.2018.2871215.
6. Lee M., Park S., Lee S. et al. AI-based early detection to prevent user churn in MMORPG // The Korean Journal of Applied Statistics. — 2024. — Vol. 37, No. 4. — P. 525
7. Varun P.N., Yaswanth V., Tapasvi Y.T., Kulkarni V., Padmasree N. Banking Churn Prediction with Random Forest and Discrete Trees in ML // Indiana Journal of Multidisciplinary Research. — 2024. — Vol. 4, No. 3
