Torrent Dişli

AI, görevleri ve turnuva zorluklarını nasıl kişiselleştirir?

1) Neden kişiselleştirmek

Misyonların ve turnuva görevlerinin AI-kişiselleştirilmesi:

Alaka düzeyini artırır (sıkıcı bir eziyet olmadan'iyi durumda "misyonlar);
Hayal kırıklığını azaltır (oyuncunun profili için zorluk ve süre);
Elde tutma ve katılımı artırır (görünür ilerleme, anlaşılabilir hedefler);
Ekonomiyi korur (kontrollü ödül verilmesi ve koşulların dürüstlüğü).

Anahtar: kişiselleştirme ve adalet dengesi - bireysel hedefler oyunlarda matematiksel avantaj sağlamamalıdır.

2) Veri sinyalleri (model girişleri)

Davranışsal: slot türleri/sağlayıcıları, ortalama oran, dönüş hızı, oturum uzunluğu, günün saati, giriş sıklığı.

İlerleme: Seviye/XP, geçmiş görevlerin tamamlanması, turnuvalarda başarı/başarısızlık, çizgi've.

Finansal: para yatırma/çekme (toplu, hassas ayrıntılar yok), bonuslara duyarlılık.

Sosyal: sohbetlere/etkinliklere, kliplere/tekrarlara, topluluk tepkilerine (varsa) katılım.

Bağlam: cihaz, giriş kanalı, içerik/sağlayıcılar üzerindeki coğrafi kısıtlamalar.

RG sinyalleri: zaman/depozito limitleri, uzun oturumlara eğilim - karmaşıklığı ve yumuşak duraklamaları azaltmak için.

💡 Önemli: Tüm modeller, uyumluluğun gerektirdiğinin ötesinde PII kullanmadan toplu, anonimleştirilmiş özelliklerle çalışır.

3) Model yığını

1. Kümeleme (denetimsiz)

K-Means/DBSCAN/HDBSCAN - davranışsal bölümler: "sprinter", "collector", "tournament starter", "brand-lay to providers".

Kullanım: Segment için görevlerin temel "çerçevesini" seçin.

2. Eğilim puanlaması (denetimli)

Hedef: X görevini T penceresinde tamamlama olasılığı, turnuvaya katılma/turnuvayı bitirme olasılığı.

Modeller: Gradient Boosting (GBDT), lojistik regresyon, tablo transformatörleri.

3. Bağlamsal haydutlar

Amaç: Keşif/sömürü kontrolü bağlamında görev türü ve karmaşıklığının çevrimiçi seçimi.

Yöntemler: LinUCB/Thompson Örnekleme.

4. RL/Politika Öğrenme (isteğe bağlı)

Amaç: Oynatıcıyı aşırı ısınmadan tutmak için görev/görev dizilerini (zincirleri) optimize edin.

Kısıtlamalar: sıkı güvenlik kısıtlamaları (bkz. § 7).

4) Satışlarda boru hattı verileri ve çözümü

Etkinlik koleksiyonu: etkinlik otobüsü (Kafka/Redpanda), şemalar: spin, session_start/end, mission_progress, tournament_result.

Fichering: 1h/24h/7d çerçeveler; Agregalar (medyan oran, hız varyansı, sağlayıcı çeşitliliği).

Modellerin takılması/güncellenmesi: Her 1-7 günde bir çevrimdışı; Her oturumda çevrimiçi puanlama + haydutun kısmi ek eğitimi.

Yayın kısıtlamaları: dürüstlük politikası (oran limitleri, ödül limitleri, RG kısıtlamaları).

Karar kaydı: kim/ne zaman/hangi politika seçeneğinin gösterildiği, şans, beklenen karmaşıklık, gerçek sonuç.

5) Görev jeneratörü (karar mantığı)

1. Segment: Küme - temel görev sepeti (türler, süre).

2. Uyumluluk filtreleri: sağlayıcılar, coğrafi, RG kısıtlamaları (günlük zaman sınırları dahil).

3. Eğilim puanlaması: Adayların tamamlanma olasılığı ve beklenen değere göre sıralanması (EV Retensna).

4. Bağlamsal haydut: ε -açıklama ile 1-2 en iyi adayların seçimi.

5. Ayarlama zorluğu: Hedefleri (dönüş sayısı/bahis/zaman) çevresel bir pencereye uyarlama (örn. Hafta içi/hafta sonu).

6. Emisyon Sınırı: Mevsimsel Jeton/Kozmetik Bütçe Kontrolü.

7. Anlamlı bir alternatif: 1 yedek görev sunun (her X saatte bir "değiştir" düğmesi).

6) Turnuva görevlerinin kişiselleştirilmesi

MMR ve tarihe göre lig/bölüm seçimi VIP'den bağımsızdır (önceki makaleye bakın).

Turnuvada bireysel mikro hedefler: "3 sağlayıcı oynayın", "hızınızı koruyun ≤N döndürün/dak",'en iyi % X için rozet "- eğilimleri bükün.

Esnek katılım pencereleri: oyuncunun daha sık çevrimiçi olduğu zaman dilimleri; AI bir tarama oturumu önerir.

Profile göre ödül izleri: Nadir olanları dikkate alan kozmetik ve belirteçler, ancak RTP/mülkiyeti artırmadan.

7) AI Bütünlük Kuralları, Sorumlulukları ve Sınırlamaları

Güvenlik kısıtlamaları: Günde maksimum N kişisel görev; RG yorulma sinyallerinde artan karmaşıklığın yasaklanması.

Şeffaflık: "Görevler nasıl seçilir" ekranı: segmentler, bağlam, başarısızlıklara karşı koruma (acıma zamanlayıcıları), ödül başlıkları.

Adalet: Herkes için aynı ödül tavan; Kişiselleştirme, ortaya çıkan değer yerine yolu değiştirir.

Sorumlu Oyun: yumuşak duraklamalar, "dinlenme" önerileri, günlük sınırlar - politikalarda yerleşik.

Gizlilik: yalnızca agregalar; Model özelliklerinde düzenleyici minimumun ötesinde hiçbir PII yoktur.

8) Kötüye kullanım ve oyun karşıtı

Tekdüze döngülerin tespiti: yüksek görev sıklığına sahip tekrarlar - değişkenlik gerektirir (sağlayıcı/bahis/zaman).

Hız sınırı: En fazla X görev/gün, "hızlı" görevler arasında bekleme süresi.

Zorluk Korumaları: Alt/Üst Sınırlar; Keskin atlayışlar yasaktır.

Turnuva Kolüzyonları: Ağ/Davranışsal İmzalar, Ana Liglerde Rastgele KYC Kontrolleri.

Günlük denetimi: kararların açıklanabilirliği (sebep kodları: segment, eğilimler, haydut-kol).

9) Başarı metrikleri

Kişiselleştirilmiş karşı temel D7/D30 yükseltin.

Görev Tamamlama Oranı ve Medyan Tamamlama Süresi (TTC).

Yapışkanlık (DAU/MAU), Avg Oturum Uzunluğu (RG korumaları ile).

Ödüllerin gini dağılımı (benzer çabalarla eşitlik).

"Adaletsizlik'ile Şikayet Oranı ve Sessize Alma/Vazgeçme Oranı kişiselleştirmesi.

ROI Ödülü/GGR'ye Emisyon - Promosyon Ekonomisinin Sürdürülebilirliği.

Keşif Maliyet haydut ve Pişmanlık - ε/Thompson Örnekleme kurmak için.

10) Çalıştırılacak A/B kalıpları

1. Görev türleri: sağlayıcıya özel vs tür.

2. Görev uzunluğu: kısa (≤15 dakika) vs orta (30-40 dakika).

3. Acıma zamanlayıcıları: Aynı p₀ sert vs yumuşak.

4. Haydut algoritması: LinUCB vs Thompson; Farklı ε.

5. Görev değişikliği: erişim 1/gün vs 2/gün.

6. Turnuva mikro hedefleri: Bir vs iki paralel.

11) Şablonlar (JSON) görevleri ve turnuva görevleri

Görev (kişiselleştirilmiş):

Json
{
"mission_id": "m. s3. Var. oyun zamanı. çeşitli. 001 "," unvan ":" Üç dünyayı aç "," segment_hint": "toplayıcı", "zorluk": "orta", "gereksinimler":
{"type": "provider _ diversity", "provider": 3, "window _ min": 30}, {"type": "bet _ range",'min ": 0. 2, "maks": 1. 0}
], "acıma": {"soft _ delta": 0. 02, "cap": 0. 4, "hard _ after _ entry": 30}, "rewards": {"tokens": 12, "cosmetic_drop": {"rarity ": "Rare"," p": 0. 12}}, "caps": {"daily _ user _ missions": 3 ", economy_token_cap": 150}
}

Turnuva mikro hedefi:

Json
{
"task_id": "t. s3. niteleyici. volta atıyor. tempo, "bağlam": {"lig": "Altın", "zaman _ yuvası": "akşam"}, "hedef": {"tip": "tempo _ kontrol", "max _ spins _ per _ min": 45, "süre _ min": 20}, "vip_neutral": doğru," ödüller ": {" sezon _ puanları ": 120},'adalet": {"max _ value _ equivalence": true}
}

12) Üretim sahte kodu (bağlamsal haydut)

python bağlam: segment, zaman, cihaz, son TTC, RG bayrakları bağlam = build_context (user_id)

Adaylar = fetch_candidate_missions (segment = bağlam. segment)
Adaylar = compliance_filter (adaylar, bağlam. Geo, bağlam. rg)

Puanlama = [(m, propensity_score (m, bağlam)) adaylarda m için]
TopK = top_by_score (skor, k = 5)

haydut'eli "seçer (kol)
seçilmiş = contextual_bandit. choose_arm (topK, bağlam)

Karmaşıklığı ayarlayalım + kişiselleştirilmiş emisyon bütçesini kontrol edelim = adjust_difficulty (seçilmiş, bağlam)
economy_budget_ok değilse (kişiselleştirilmiş):
Kişiselleştirilmiş = degrade_reward (kişiselleştirilmiş)

log_decision (user_id, bağlam, kişiselleştirilmiş)
Teslim (kişiselleştirilmiş)

13) UX desenleri

Şeffaflık: "Tarzınıza uygun: 30-40 dakika, 3 sağlayıcı, zafer - nadir bir kozmetik damla".

Kontrol: "Görevi değiştir" düğmesi (bekleme süresi), geçiş anahtarı "kişiselleştirmeyi devre dışı bırak".

Düzgünlük: zorluk göstergeleri, zaman puanı, TTC tahmini ile ilerleme çubuğu.

Sessiz VFX: Başarının Kısa Animasyonları Başarısızlığa geri bildirim - + fragmanlar/acıma ilerlemesi.

14) Yayın planı

1. MVP (3-5 hafta): kümeleme + görevler için eğilimler; statik turnuva sorunları; Emisyon kapakları; saydamlık ekranı.

2. v0. 9: bağlamsal haydut; Görev değişikliği; Turnuvalarda mikro hedefler; Tam RG Muhafızları.

3. v1. 0: RL görev zincirleri; Sosyal hedefleri; Görsel koleksiyonlar; "dürüstlük" raporları ve günlük denetimleri.

4. Sonraki: mevsimsel şablon rotasyonu, retro kozmetik geri dönüşleri, sağlayıcılarla çapraz tanıtımlar.

15) Başlangıç öncesi kontrol listesi

Kişiselleştirme RTP/matematik avantajını etkilemez.
Emisyon sınırları ve günlük görev sınırları.
Acıma zamanlayıcıları ve deterministik kilometre taşları kuruldu.
Nasıl Çalışır ekranı + sebep kodları.
RG politikaları: duraklar, sınırlar, "kişiselleştirmeyi devre dışı bırak" seçeneği.
Kötüye kullanım karşıtı: gereksinimlerin değişkenliği, hız sınırı, kararların günlük denetimi.
Plan A/B ve başarı eşikleri ile hedef KPI'ların bir listesi.

AI kişiselleştirme'daha zor'değil, daha akıllıdır: görevler ve turnuva görevleri oyuncunun tarzına uyum sağlar, ancak dürüst ve güvenli kalır, emisyonlar bütçededir ve kurallar şeffaftır. Kümeleme + eğilimler temel sağlar, bağlamsal haydutlar ekranı optimize eder, RL zincirleri geliştirir - ve tüm bunlar yalnızca açık kısıtlamalar, RG korumaları ve anlaşılır iletişim ile çalışır "hedefleri tam olarak nasıl seçtiğimiz".