現(xiàn)今我們游戲使用屏可劃分為三種:終端屏幕、電視屏以及PC屏,而終端設(shè)備不僅在工作中和生活中扮演了重要的角色,更占據(jù)了我們碎片化的時間。而根據(jù)《2014年1-3月中國移動游戲產(chǎn)業(yè)報告》顯示,在App Store中國區(qū)暢銷榜中,游戲產(chǎn)品的數(shù)量占比接近九成(89%),而應(yīng)用類軟件只占據(jù)11%。那么當(dāng)當(dāng)游戲遇見大數(shù)據(jù)后又會有怎樣的不同呢?
UCloud高級架構(gòu)師韓新亮在《手機游戲云服務(wù)平臺》這一分享話題中指出社交屬性現(xiàn)今對于游戲起到了決定性的作用,用戶通過好友分享的一些內(nèi)容可能會產(chǎn)生試玩的念頭,從而也使一種增加用戶粘性的手段。此外也可以通過大數(shù)據(jù)來發(fā)現(xiàn)游戲中哪一個關(guān)卡用戶流失率較大,這樣也能夠提供給玩家一種更好的游戲體驗。
以著名游戲公司EA舉例,EA在全球范圍擁有20億的游戲玩家,每天生產(chǎn)的游戲數(shù)據(jù)就有50TB之多,若是想策劃出提升玩家體驗優(yōu)化的設(shè)計前提,就需做好游戲數(shù)據(jù)化運營。
在游戲數(shù)據(jù)化運營的背后游戲廠商需要做好版本反饋及改進,玩法改善,同時進行評估及改進以及特征用戶研究。在交互方面做好可用性支持以及市場環(huán)境與輿論的反饋,并提供用戶分類以及VIP等服務(wù),保障賬號的安全。
大數(shù)據(jù)不僅能夠提升游戲的體驗性,在推廣和運營方面也起到了很大助力。大數(shù)據(jù)可在游戲推廣中為游戲廠商抓住傳播細節(jié),通過爬蟲分析辨別核心視覺范圍內(nèi),文字的核心內(nèi)容,同時關(guān)聯(lián)游戲內(nèi)容,并在用戶興趣點最高的時刻向其展示相關(guān)的游戲,促進注冊轉(zhuǎn)化。在游戲運營方面幫助游戲商關(guān)注與玩家的溝通細節(jié),通過大數(shù)據(jù)來分析用戶關(guān)注的內(nèi)容以及游戲下載的內(nèi)容,了解更多的用戶需求,進行精準(zhǔn)的定位推送。
現(xiàn)今,緊靠游戲畫面以及創(chuàng)新已經(jīng)不足以在激烈的競爭中存活,而從最早的網(wǎng)游勁舞團中便可以看到這一趨勢,大多用戶在勁舞團中創(chuàng)建角色并不是去為了體驗上下左右的‘快感’,而是為了感受到里面的社交屬性,當(dāng)然這是一種唯美的說法。
這樣的特征同樣在MMORPG游戲中得以體現(xiàn),中國MMORPG用戶的行為特征排在前四位的分別是練級、打造強化裝備、做任務(wù)與探索和聊天結(jié)交朋友,其比例為44.7%、42.6%、40.6%和39.7%。
當(dāng)下玩家玩的并不是游戲而是社交,理由其實很直白,再多的任務(wù)總有一天會玩膩,但擁有固定的社交圈子卻很難離開。社交才是游戲生存之本這一定論也并非空穴來風(fēng),所以除了在前臺堅持技術(shù)創(chuàng)新以外,更應(yīng)加強后端的大數(shù)據(jù)分析,才能讓游戲為企業(yè)與用戶帶來更多的價值。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。