Как технологии промышленного моделирования помогают приносить серьезную прибыль разработчикам бесплатных видеоигр

Ежедневно миллионы пользователей играют в World of Tanks, устраивая виртуальные танковые бои, и многие из них ни копейки не заплатили за доступ к игре. И тем не менее компания Wargaming, разработчик World of Tanks, заработала в игровой индустрии уже не один миллиард.

Каким же образом этот игровой гигант работает над своими «условно бесплатными» играми и получает выгоду от каждого клиента, даже от тех, кто не заплатил ни копейки? Частично это объясняется использованием аналитики.

Цель Wargaming — повысить качество взаимодействия с игроками всех уровней. Любой может бесплатно играть на компьютерах с Mac или Windows, на игровых приставках и мобильных устройствах, при желании покупая дополнительные возможности непосредственно из интерфейса игры.

Самая популярная игра Wargaming — World of Tanks — насчитывает более 110 миллионов зарегистрированных пользователей, и компания собирает данные по каждому сделанному выстрелу и каждому ходу в каждой игровой онлайн-сессии. «Ежедневно в любой момент к нашим игровым серверам подключается примерно 4 миллиона пользователей, — говорит Александр Рябов, руководитель подразделения бизнес-аналитики и обработки данных компании Wargaming. — Они участвуют во множестве боев, и каждый из них содержит массу событий, которые все вместе и создают несколько терабайт данных ежедневно».

Wargaming начинает получать данные пользователя с момента его входа в игру и вплоть до выхода. Компания также собирает и анализирует журналы внутриигрового чата и упоминания названий своих игр в социальных сетях и на форумах популярных игровых сообществ. Затем на основе этих данных создаются модели удержания клиентов, разрабатываются стратегии перекрестных продаж других игр и превращения не приносящих прибыли игроков в пользователей платных услуг, отслеживается весь процесс взаимодействия с игроком, а также осуществляется оптимизация игр с учетом выявленных недостатков и конфликтов.

В целом, Wargaming обрабатывает более 30 терабайт данных в месяц. 98% данных хранится в Hadoop, установленном в системе Oracle Big Data Appliance. Управление Hadoop осуществляется с помощью технологий Cloudera. После размещения данных в Hadoop разработчики процессов ETL создают витрины данных, которые поддерживают интеграцию в SAS® для создания моделей и их передачи в производство.

Как оптимизировать игровой процесс и формировать лучшие предложения для клиентов с помощью аналитики

Команда специалистов по data science компании Wargaming занимается разработкой моделей, результаты которых можно отправить в модуль обработки событий в игре, в CRM-системы компании и обратно исследователям данных для дополнительного моделирования.

Например, недавно специалисты заметили, что игроки постоянно погибают в одном и том же месте игры. «Поэтому, чтобы сбалансировать игровую карту, на этом месте возвели холм, — объясняет Рябов. — Наши data scientists создали тепловую карту игры, на которой отчетливо виден каждый выстрел, сделанный в конкретный период времени».

Благодаря аналитике также можно определить, когда игроки упускают какие-либо элементы игры, и отправить им соответствующее уведомление, чтобы улучшить игровой процесс в следующей сессии. В сообщении игроку можно указать, в каком месте находится то или иное оружие, или подсказать, какой полезный объект на местности был пропущен в предыдущей игре.

«Это поможет пользователям улучшить результаты следующей игры и получить больше удовольствия от игрового процесса, — говорит Рябов. — Это единичный пример, конечно, однако можно добиться подобных результатов, используя инструменты моделирования и впоследствии передавая модели в производство».

Чтобы дополнительно повысить качество обслуживания пользователей, компания Wargaming использует текстовый анализ отзывов игроков из социальных сетей или непосредственно из личного разговора. «Мы можем применить фильтрацию к контенту соцсетей, чтобы получить общий анализ тональности игры. Мы также используем этот анализ для оптимизации поддержки клиентов и выявления сильнейших игроков по нескольким каналам», — говорит Рябов.

Масштабирование решений аналитики для работы в рамках массовой многопользовательской онлайн-игры

Когда три года назад компания Wargaming создавала свою программу бизнес-аналитики, она использовала технологии на основе открытого исходного кода. «Как только мы осознали важность глубокого анализа и добычи данных, мы перешли к созданию первых продвинутых аналитических моделей с помощью R, Spark, Python и других решений с открытым исходным кодом», — говорит Рябов.

Однако вскоре команда осознала, что масштабирование этих первых операций для использования в нескольких тысячах моделей при ежедневном увеличении объемов данных грозит большими проблемами. Рябов так описывает этот начальный период использования аналитики с открытым кодом в компании: «Самой большой проблемой для нас была масштабируемость. Наши data scientists предлагают концепцию модели, преобразовывают и извлекают данные, а затем нам необходимо автоматизировать обработку результатов. Все это раньше делалось вручную и занимало львиную долю рабочего времени разработчиков».

По словам Рябова, на внедрение первых моделей, созданных его командой, потребовалось от трех месяцев до полугода: «Как только мы поняли, что нам предстоит запускать несколько сотен или даже тысяч моделей для всех наших игр, всех регионов и всех временных периодов, мы стали искать решение, которое мы могли бы масштабировать в соответствии с нашими потребностями».

После детального исследования Рябов и его команда нашли то, что им было нужно. «SAS Factory Miner и SAS Model Manager идеально нам подошли, — говорит Рябов, — поскольку теперь мы можем взять одну модель и размножить ее в зависимости от количества временных периодов, регионов или продуктов. То есть модель фактически одна и та же, но мы можем поместить ее в производственную среду, где она будет запущена, обработана и использована неоднократно, практически в промышленных масштабах. По результатам наших исследований решения SAS оказались единственным достойным вариантом».

После подготовки данных и определения надлежащей методики моделирования нужен всего один сотрудник для создания необходимого количества аналогичных экземпляров: «Чтобы вручную создавать и поддерживать такое огромное количество моделей, потребуется не менее 10–20 человек, и, естественно, ошибок при этом не избежать, - утверждает Рябов. –  Но такая автоматизированная производственная среда, как SAS, ошибок не допускает».

Преимущества промышленного моделирования

Автоматизированная и реализованная в промышленных масштабах технология моделирования дала Wargaming ряд бесценных преимуществ:

• Большая часть кодирования теперь выполнятся с помощью метода point-and-click («укажи и щелкни»), что позволяет быстро и легко создавать модели.
• Время на разработку и развертывание моделей сократилось на 60 %.
• На 80 % уменьшились трудозатраты на администрирование хранилищ данных при развертывании и автоматизации моделей.

Таким образом специалисты по data science Wargaming могут создавать и развертывать большее число моделей за меньшее время, что позволяет увеличить прибыль, более эффективно использовать ресурсы и сократить альтернативные издержки. Рынок продолжает развиваться, и для создания продуктов, ориентированных на различные платформы, Wargaming сможет запускать еще больше моделей, обеспечивать более эффективное привлечение и удержание клиентов и применять сложную аналитику в рамках единой аналитической платформы.

И что более важно, игроки от этого также выигрывают. «Наши data scientists — это талантливая команда, полная новаторских идей и готовая предлагать игрокам именно то, чего они хотят, в нужное время, — говорит Рябов. — А SAS помогает нам повысить общую удовлетворенность пользователей и качество их обслуживания».

Кроме того, улучшенный игровой процесс помогает превратить бесплатных пользователей в постоянных клиентов, готовых платить за игру. «Как говорит основатель нашей компании Виктор Кислый, наша конечная цель — сделать игроков счастливыми. Если они довольны, то все остальное приложится».