プレイヤーが構築したデッキを用いて対戦する PvP ゲームにおいて、代表的なデッキ構築パターン (アーキタイプ)、そして各アーキタイプの使用頻度、 総合勝率、 対戦成績などの KPI を継続して観測することは、 現状のゲームバランスを把握し、 プレイヤーのゲーム体験を向上させる上で有用である。 本講演では、 『逆転オセロニア』における、 機械学習モデル (トピックモデル) を用いた、 大規模データからのデッキアーキタイプの抽出、 アーキタイプに関連する KPI の可視化、 これらを用いたゲーム運用への活用について紹介する。
講演者プロフィール
安達 涼
人間の意思決定プロセスの数理モデル化と、その神経基盤を解明する研究に従事し、カリフォルニア工科大学PhD(計算論的神経科学)を取得。2018年3月にデータアナリストとしてDeNA入社。機械学習の手法のみならず、行動経済学の知見などを用い、人間のゲーム内外での行動データを包括的に理解することで、ゲームタイトルの運営力・UX向上を目指している。
《講演者からのメッセージ》
モデル構築から実運用まで幅広い内容をカバーしますので、みなさまお気軽にお越しください。
岩城 惇
大学卒業後、ゲーム制作の道へ。アクションゲームやRPGの開発に携わる。
『逆転オセロニア』では運用プランナーとして機械学習を用いたキャラクターのレベルデザインに携わっている。
《講演者からのメッセージ》
機械学習が実際に運用の現場で活用されている「生」の様子をお伝えできればと考えております。
