NHẬN DIỆN NGƯỜI DÙNG RỜI BỎ DỊCH VỤ SỚM TRONG TRÒ CHƠI DI ĐỘNG MIỄN PHÍ SỬ DỤNG HỆ THỐNG MÔ HÌNH HAI GIAI ĐOẠN

NHẬN DIỆN NGƯỜI DÙNG RỜI BỎ DỊCH VỤ SỚM TRONG TRÒ CHƠI DI ĐỘNG MIỄN PHÍ SỬ DỤNG HỆ THỐNG MÔ HÌNH HAI GIAI ĐOẠN

220201015 - Hà Đăng Hoàng

Sự bùng nổ vượt bậc của lĩnh vực công nghiệp trò chơi di động, đặc biệt là các trò chơi áp dụng mô hình trò chơi miễn phí, đã tạo ra nhu cầu ngày càng cao trong việc tối ưu hóa tỷ lệ giữ chân người dùng. Tuy nhiên, tỷ lệ rời bỏ dịch vụ sớm, đặc biệt trong các thể loại trò chơi như “Siêu giải trí” và “Rảnh tay”, đang trở thành một thách thức lớn đối với các nhà phát triển khi lên tới hơn 60% ngay trong phiên đầu tiên. Để giải quyết vấn đề này, luận văn này đề xuất một hệ thống nhận diện rời bỏ sớm hai giai đoạn nhằm dự đoán liệu người dùng có tiếp tục sử dụng ứng dụng sau phiên đầu tiên hay không. Hệ thống sử dụng các tính năng tổng quát hóa được thu thập trong quá trình hướng dẫn sử dụng và phiên đầu tiên, cùng với việc kết hợp các mô hình học máy như eXtreme Gradient Boosting, Gradient Boosted Trees Classifier, và các mô hình mạng nơ-ron như Artificial Neural Networks và Feature Tokenizer -Transformer. Qua việc nghiên cứu và xây dựng các mô hình này, hệ thống đạt được kết quả Area Under ROC Curve cao nhất là 99% trên ba bộ dữ liệu thực tế với hơn 700,000 người dùng, cho thấy khả năng tốt trong việc nhận diện sớm người dùng có khả năng rời bỏ. Kết quả này nhấn mạnh vai trò quan trọng của việc lựa chọn mô hình và tập đặc trưng phù hợp, đồng thời đề xuất các phương pháp xử lý dữ liệu tối ưu như sử dụng mô hình Gradient Boosted Regression Trees để cải thiện độ chính xác và tránh thiên vị trong bối cảnh thiếu dữ liệu. Hệ thống đề xuất không chỉ đáp ứng tốt yêu cầu khái quát hóa trên nhiều thể loại trò chơi khác nhau mà còn cung cấp cơ sở vững chắc cho các chiến lược giữ chân người dùng hiệu quả trong giai đoạn đầu sử dụng với kết quả thực nghiệm bằng phương pháp kiểm thử phân tập trên ứng dụng thực tế.

Trân trọng.