← 返回分析服务
个性化与 ML · ML
协同过滤推荐提升游戏平台付费率
+15%
游戏平台手上早已有最强的推荐信号：玩家行为。本项目把行为日志炼成 item embedding 与推荐时机模型，商店不再向所有人推同一个组合。
流程
整合行为日志
Session、充值、道具互动由你自己的数据库导出——不引入任何第三方数据。
清洗与编码
标识符对齐、机器人与退款剔除，事件编码成玩家与道具向量。
训练协同过滤
相似玩家互相浮现对方转化的道具；冷启动道具回退到内容特征。
建时机模型
第二个模型学习玩家何时受落——session 深度、连续天数、距上次充值时间。
上线与度量
推荐经你现有商店 API 上线，设 holdout 分流；付费率对照 holdout 读数。
你需要提供
- 行为与充值日志（任何可查询形式）
- 道具目录及属性
- 一个可按玩家变化的商店位
你会得到
- 训练好的推荐与时机模型，产权归你
- serving 集成或交你工程师接入的输出
- 付费率变动的 holdout 报告
时程
四至八周，视数据就绪程度。