這款遊戲竟用 Google AI 達到了用戶 40% 成長？

[billy.ryoko]

說到 Google AI（機器學習）在遊戲領域的應用，首先想到的可能是《星海爭霸 II：自由之翼》、《Dota 2》對戰中 AI 的學習。這些對遊戲梯度的研發發揮積極作用，類似概念也能應用到廣告投放、用戶獲取。



中國游族網路發行的《狂暴之翼》曾在上線後短期內做到 4,100 萬美元（約 2.8 億人民幣）月營收，和 150 萬左右的日活躍用戶，並登頂 34 個國家暢銷榜，是近幾年到海外發展成功的 MMO 產品中較具代表性的一款。

根據游族的說法，這款產品的成功得益於用戶面覆蓋較廣及相對精準的投放。這其中機器學習扮演重要的角色。機器學習投放幫助《狂暴之翼》在中國之外額外獲取了 40% 用戶。

Google 機器學習的投放方式，有效利用遊戲內的生態數據指導用戶獲取，基於在遊戲內短期用戶行為來預判其價值。透過這樣的方式獲取到數量更大、價值更高的用戶。

當機器學習應用到 MMO 投放
遊戲投放問題的關鍵永遠都關乎「尋找正確的目標玩家」。

對游族而言，之前的用戶篩選、劃定是透過長期人工判斷與最佳化得出的結論。這樣的體系下，游族篩選發現《狂暴之翼》用戶的年齡層是 18~45 歲，用戶整體 80% 是男性。

游族的自我定位是「輕娛樂供應商」──「《狂暴之翼》的用戶其實是全世界普通人。他可能沒有生活在發達國家，也沒有高薪工作，但這種普通人其實是我們真正的目標用戶。希望能滿足這類用戶精神、文化娛樂的需求。」游族市場部門的高級副總裁李博這樣介紹。

游族最初投放的做法，是透過拆分用戶所在地區和興趣及素材等精細化，這個過程的人工成本耗費巨大。

隨著市場競爭加劇，用戶獲取成本也隨之升高，到 2017 年，游族在美國市場的單用戶成本從 2014 年的 1 美元上漲到 10 美元。

海外用戶成本上漲，在這樣的市場背景下怎樣持續獲取高價值用戶，成了投放的重點。而之前利用人工判斷和篩選的方式造成很大阻礙。游族精細化投放模式，需要大量人力負責，不藉助機器和技術的情況下，基本只能以堆積人力來解決，最終變成低效投放。

這樣的局面亟待相應的技術解決。以往的投放工具是基於實際投放效果來獲取用戶，而引入機器學習之後，可建立數據模型預測，做決策時間更快。這直接推動游族與 Google 建立合作。

從游族來看， 與 Google 建立合作能有效利用投放優勢──涵蓋用戶面夠廣泛，有強大的用戶涵蓋能力和數據積累；搭建模型能力和演算法研究能力都屬頂尖。Google 開始提供技術支援和引導之後，《狂暴之翼》遊戲內生態數據使用效率和發揮價值都有明顯提升。

「除了降低用戶成本之外，（機器學習）還有很多很重要的應用場景。比如有 100 個遊戲用戶，他們的年齡、收入、喜好各不相同。應用人工智慧方式，能為每個用戶提供個性化的需求。不僅是關卡設計、社交體驗，還有遊戲 NPC、劇情互動及團隊成員組成。這些都可以最佳化。」

Google 機器學習技術讓投放團隊效率提升 140 倍
Google 的機器學習和預測數據模型，要怎樣應用到一款 MMORPG 的市場行銷，游族數位行銷經理黃曉捷介紹 3 階段步驟：

「第一步我們自己的資料科學家團隊會建立一個數據模型，利用遊戲生態數據訓練這個模型。這是第一步。第二步是當這個數據預測模型訓練得夠聰明，就開始跟 Google 的 API 形成數據傳輸。第三步是 Google 拿到我們傳輸給它的數據之後，再進行 look alike 學習，這是另一個數據學習模型。這三步之後，我們就可以獲取更多高價值的用戶。」

Google 相關技術引入後，大幅度提高團隊的工作效率，「以前平均每天要新建 70 多個 campaign，現在每天只要新建 0.5 個，大概提升了 140 倍，這樣有更多時間做更有創造力的工作。」黃曉捷說。

在她看來，如果沒有應用 Google 的人工智慧預測演算法，《狂暴之翼》的全球用戶可能只有目前 60%，或是要花費數倍成本才能達到現在的用戶量級，有太多用戶按照傳統方式無法觸達，這些都是預測數據模型和機器學習共同作用的結果。

Google 的預測數據模型和機器學習在廣告應用主要計算兩方面：預測付費用戶數、預測付費用戶價值。這兩方面分別對應機器學習的分類問題和回歸問題。

預測數據模型，預測到高價值用戶時，讓公司將行銷資源投入其他方向。機器學習則相當於代替人工做數據分析和求最佳解，為遊戲公司省下大量人力成本。應用相關技術後，廣告的短期 ROI 提升了 2.4 倍，付費人數提升了 1.45 倍。

除了在用戶獲取、轉化的助力，隨著技術應用深入，相關 AI 技術也有機會在營運層面發揮作用，成為遊戲公司維持用戶的重要工具，「在游族內部，我們大量做測試和驗證，有很多營運研究。比如我們遊戲版本活動都在嘗試用 AI 做，每個玩家看到的內容可能都不一樣，這更能滿足用戶需求，所以這個（技術）很重要。」談到相關技術的擴大應用，李博積極肯定機器學習的前景。

（本文由 遊戲葡萄 授權轉載；首圖來源：狂暴之翼）