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(jī)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(yùn)營。
在游戲數(shù)據(jù)化運(yùn)營的背后游戲廠商需要做好版本反饋及改進(jìn),玩法改善,同時進(jìn)行評估及改進(jìn)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(yùn)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(xì)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(jìn)注冊轉(zhuǎn)化。在游戲運(yùn)營方面幫助游戲商關(guān)注與玩家的溝通細(xì)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(jìn)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(tuán)中便可以看到這一趨勢,大多用戶在勁舞團(tuán)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(qiáng)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(qiáng)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
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運(yùn)動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運(yùn)動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。