大数据下的游戏营销模式革新
邓大付博士腾讯专家工程师
Bio:毕业于华中科技大学，现任腾讯IEG运营部数据中心技术副总监，负责腾讯游戏的数据挖掘相关工作，包括有用户画像，推荐系统，基础算法研究等。主要感兴趣的领域包括有分布式计算平台系统架构，机器学习算法等。
===================================================
这个讲座时间比较短，内容也比较少，不过还是让我开拓了眼界，比如TX游戏数据的规模、游戏服务器的规模以及游戏中一些算法、模型的应用。
===================================================
Fig 1，整体框架。
Fig 2，游戏数据规模，36PB，每天还增加2000亿。
Fig 3，服务器规模。
Fig 4，数据分析的流程。可以在原始数据层看出数据来源，对玩家分析时，并不仅仅采用玩家在当前游戏中的数据，还会利用玩家在其他游戏中的数据。
Fig 5，第一个案例。主要是玩家的挽回，减少玩家流失。
Fig 6，礼包推荐、战队推荐，据说是可以获取玩家每一局的大量数据，比如玩家的队友、对手、每个人的装备、死亡方式等；
在这里可以看出通过数据进行用户画像之后得到一个宽表，然后用C50决策树对新手和高手进行礼包推荐；利用逻辑回归LR对一般用户进行战队推荐；
具体的细节就没有更多详细说明了。
Fig 7，实际效果。
Fig 8，将推荐系统应用到游戏商城。
Fig 9，系统框架。
Fig 10，一些特征。
Fig 11，模型。
Fig 12，做对比的时候只要比“热销法”好，一般就认为推荐是好的。
Fig 13，实际效果。可以看出这种方法减少了翻页数、提升了点击率以及购买转化率。
本文转自ZH奶酪博客园博客，原文链接：http://www.cnblogs.com/CheeseZH/p/3908598.html，如需转载请自行联系原作者
