【数据科学】App Annie游戏分析产品Game IQ背后的秘

小提示：您能找到这篇{【数据科学】App Annie游戏分析产品Game IQ背后的秘}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的【数据科学】App Annie游戏分析产品Game IQ背后的秘内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

应用商店中有成千上万的游戏应用，每个月还有数以千计的新移动游戏发布，App Annie如何在高精细度结构下，准确、高效、可扩展地覆盖全球市场上绝大多数游戏应用？在本文中，我们将带您了解我们游戏分类自动化产品——Game IQ——背后的数据科学秘密。

Game IQ采用了哪些数据科学技术？

1 收集功能：从文本到指标

我们的机器学习模型从向模型输入数据的功能开始，因此模型的最终表现在很大程度上取决于输入功能的质量。那么游戏的哪些信息能够帮助我们将游戏划分到设定的类别中呢？

我们深入挖掘了每款游戏的大量数据和功能，最终，我们选择使用以下三种类型的功能：

文本功能：应用相关的文本信息

指标功能：关于市场估算和应用使用行为的App Annie数据

亲和度功能：跨应用亲和度

每一种功能都体现了游戏的不同方面。文本功能包含有关应用内容和游戏玩法的详细信息；指标功能携带量化信号，在更高层次上划分应用；应用的亲和度让我们能够发现类似的应用集群。

2 利用混合模型提供准确性

因为文本、指标和亲和度功能的格式非常不同，所以我们选择为这三种类型的功能分别构建一个单独的模型。我们首先人工分类数千个游戏作为一个训练数据集。其次，在这个数据集上分别训练这三个独立的模型，并可以独立生成一款游戏在每个类别中的概率。然后，将这些概率输入到另一个经过训练的模型中，以输出最终的分类结果。在数据科学中，这危机公关韩国岁月号是一种称为模型融合的集成学习方法，通常通过结合一组强大但多样的模型来提高模型的预测精度。

3 置信度：通过人为干预避免错误

与所有机器学习模型一样，我们的模型不可避免地会在某些情况下出现失误。通常，当输入模型中的游戏功能信息不全，无法借此准确判断游戏类别时，就会出现这种情况。为此，我们开发了一种独有的方法来计算每个类别预测的置信度，这样我们就知道模型是否有把握做出正确的预测。对于那些置信度低于临界值的预测，我们会将预测发送到人工分类平台进行进一步审核。这种灵活的人机闭环设置进一步保证了我们分类的质量。

数据科学如何将Game IQ打造成更好的产品？

除了创建一个高效和可扩展的分类解决方案外，数据科学模型还有一个额外的好处，那就是减少了主观性的回旋空间。利用数据，我们能够尽可能以抽象的方式代替主观判断，否则许多应用都会被模糊地归类。

Moon Active的《金币大师》便是其中一款令我们感到为难的应用。《金币大师》是一款非常成功的游戏，它集成了许多不同的硬核游戏循环，从建造和攻击村庄到基于概率的老虎机机制都包含其中。

《金币大师》的应用截屏和游戏循环

可以预见，如果只看应用截屏、阅读应用描述和玩游戏，很难对这种混合类型的建造游戏进行分类。然而，数据似乎提供了更为清晰的线索：

在比较收入与活跃用户数比率以及收入与下载量比率之间的关系时，《金币大师》呈现了常见于博彩类应用的市场表现特征。通过将市场估算整合到分类模型中，我们获得了一个独特的优势，即能够尽可能减少主观判断需要。

数据科学将如何继续改善Game IQ？

我们将持续改进数据科学模型。客户关于游戏分类的反馈对我们来说是非常有价危机公关7w原则值的！您的反馈将作为数据的补充，输入到我舆情重点们的模型中，以此不断提高预测的可靠性和准确性。