Как технологии промышленного моделирования помогают приносить серьезную прибыль разработчикам бесплатных видеоигр
Компания Wargaming масштабирует свои решения для аналитики, чтобы обрабатывать терабайты пользовательских данных в день
Автор: Элисон Болен (Alison Bolen), редактор SAS Insights
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.
Масштабирование решений аналитики для обработки терабайта данных в день
Что требуется компании Wargaming, чтобы обеспечить быстрое повторное использование логики сложных моделей для нескольких тысяч других моделей?
Об этом в видеоролике рассказывает Александр Рябов, руководитель отдела бизнес-аналитики и обработки данных компании Wargaming.
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.
Практическая реализация создания масштабных моделей
Рекомендации экспертов по промышленному применению аналитики в отчете TDWI Best Practices Report.
Получить технический документ бесплатно
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».
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 Александр Рябов Руководитель подразделения бизнес-аналитики и обработки данных Wargaming
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».
Recommended reading
- Article Что нового большие данные привнесли в дискуссию о конфиденциальностиКогда речь заходит о рекламе и конфиденциальности, рекламодатели действительно не заботятся о том, что мы делаем или куда мы переходим. Их волнует только одно: заставить нас покупать то, что они продают.
- Article Ваш персональный data scientistImagine pushing a button on your desk and asking for the latest sales forecasts the same way you might ask Siri for the weather forecast. Find out what else is possible with a combination of natural language processing and machine learning.
- Series Preparing a new generation for leadership in a big data worldWords of wisdom from university leader Dr. Michael Rappa on the role data scientists play, tips for hiring them and how to make the most of this career path.
- Using Hadoop as an Analytics CatalystLearn how to get the most out of Hadoop by developing a sound strategy for analyzing data in this new storage environment.