Turnirlar ishtirokchilarini AI yordamida segmentatsiya qilish
1) Nima uchun turnir o’yinchilarini segmentlash kerak
AI segmentatsiyasi quyidagilarga yordam beradi:- Halol ekish va matchmeykit (MMR/liga, saralash savatlari).
- Vazifalar va jadvallarni (vaqt slotlari, ivent uzunligi) individuallashtirish.
- Sovrinlar iqtisodiyotini boshqarish (maqsadli qamrov va mukofotlar emissiyasi).
- Xavf va yukni kamaytirish (RG-qo’riqchilar, zo’ravonlikka qarshi).
- Tegishli maqsadlar va meta-progressiyaning murakkabligini his qilish orqali retenshnni oshirish.
2) Ma’lumotlar va signallar
O’yin/turnirlardagi xatti-harakatlar
Sur’at: spin/min, o’rtacha va dispersiya.
Ishtirok etish xususiyati: tadbirlarning chastotasi, saralash muddati, marralar ulushi.
Kontentning xilma-xilligi: provayderlar/janrlar, yangilik.
Skill & Raqobatbardoshlik
Pozitsiyalar tarixi (top-X%, yakuniy stollar), natijaning barqarorligi.
MMR/Elo, K-factor, ligani oshirishga javob.
Iqtisodiyot
Proksi qiymati: aylanmasi/depozitlar chastotasi (agregatsiya qilingan), mukofotlarga sezgirlik (e’lon qilinganda ishtirok etishga konvertatsiya qilish).
Ijtimoiy signallar
Chat/kliplar/jamoalardagi faollik, reportlar va xvast postlar.
Kontekst va RG
Sutka vaqti, qurilma, ketma-ket sessiyalar, limitlar va RG bayroqlari (yukni kamaytirish uchun).
3) Fichering (misollar)
Natijaning barqarorligi: pozitsiyaning o’zgarish koeffitsiyenti, P75 → P25 delta.
Skill-gradient: divizionlar o’rtasida o’tgandan keyin MMR o’sishi/pasayishi.
Vaqtdagi ishtiroki: haftaning soatlari/kunlari bo’yicha xitlar, avtokorrelyatsiya.
Kontentning xilma-xilligi: provayderlar/janrlar entropiyasi.
Iqtisodiy sezgirlik: promo/bustlarda ishtirok etish uplift.
RG-yuk: sessiyalarning o’rtacha davomiyligi va tezligi, ogohlantirishlar oqimi.
4) Segmentatsiya model steki
1. Klaster (unsupervised): K-Means/HDBSCAN xulq-atvor segmentlari uchun.
2. Embeddingi:- User2Vec yaqinligi uchun Game2Vec provayderlar/iventlar (Skip-gram) ketma-ketligi bo’yicha
- 3. Grafik segmentatsiya: Birgalikda ishtirok etish jamoalari (Community Detection) - kollyuziya/pati o’yinlarini tutish uchun foydalidir.
- 4. Propensiti-modellar (supervised): yo’qotishlardan keyin ishtirok etish/marraga erishish/qaytish ehtimoli.
- 5. Aralash tipologiya: yakuniy segmentlar = × skilla xatti-harakati × iqtisodiyot × xavf uyg’unligi.
5) Tipologiya namunasi (skelet)
S1 «Sprinter-kvalifikator»: qisqa intensiv kirish, yuqori cho’qqilar, past barqarorlik.
S2 «Staer-turnirchi»: uzun saralash, barqaror top-25%, o’rtacha tezlik.
S3 «Kontent kollektori»: provayderlarning yuqori entropiyasi, «xilma-xillik» missiyalarini yaxshi ko’radi.
S4 «Master final»: yuqori MMR, tor provayderlar puli, yuqori% yakuniy stollar.
S5 «Mavsumiy ovchi»: bustlar/iventlar davrida to’lqinlar bilan faol.
S6 «Risk-signal RG»: charchoq belgilari/uzoq strik-sessiyalar - yumshoq stsenariylarni talab qiladi.
6) Ligalar va ekish bilan bog’lash
Segmentlar MMRni almashtirmaydi, balki uni boyitadi: segment saralash uzunligiga, vazifalar turiga, jadvalga ta’sir qiladi, lekin matematik imkoniyatlar/qoidalarga emas.
Placement-o’yinlar + segment va joriy liga o’rtasidagi aniq miss-o’yinda tezkor ap/daun.
Adolat: VIP-maqom MMRga ta’sir qilmaydi va o’yinda ustunlik bermaydi.
7) Segmentlardan amalda foydalanish
Turnirlar formatlari: sprint/marafon/ S1/S2 ostida aralash.
Mikro-vazifalar: S3 uchun provayderlarning xilma-xilligi, S1 uchun tezlikni nazorat qilish.
Jadval: odatdagi faollik bo’yicha slotlarning shaxsiy tavsiyalari.
Mukofotlar: kosmetika/setlarga urg’u berish; kamdan-kam hollarda - hamma uchun umumiy, pay-to-winsiz.
Kommunikatsiyalar: matn/tonallik, strategiya maslahatlari (axloqiy-neytral).
RG-qo’riqchilar: S6 uchun - yumshoq tanaffuslar, missiya uzunligini cheklash, murakkablikni kamaytirish.
8) Anti-abyuz va komplayens
Kollyuziya/smurfing: graf-signallar va xulq-atvor biometriyasi; Master-ligalarda tasodifiy KYC.
Rate limiting: urinishlar uchun kapa/re-entry; takrorlanuvchi tsikllarda sovutish.
Adolat: mukofotlar qiymatining chegarasi bir xil; segmentatsiya yo’lni o’zgartiradi/UX, yutuq EV emas.
Shaffoflik: «Segmentatsiya qanday ishlaydi» ekrani: ichki tarozilarni ochmasdan umumiy tamoyillar.
9) Muvaffaqiyat metrikasi
Uplift D7/D30 segmentlar boʻyicha vs nazorat.
Participation Rate/Completion Rate missiyalari va saralash.
SP taqsimoti (Gini) - mavsumiy taraqqiyotning bir tekisligi.
Mukofotgacha bo’lgan vaqt P95 - dispersiya nazorati.
Complaint/Abuse rate, Smurf/Collusion flags.
RG-metriklar: yumshoq pauzalar ulushi, ortiqcha uzunlikdagi sessiyalarning kamayishi.
Prize ROI/Emission to GGR - reklama iqtisodiyotining barqarorligi.
10) A/B-patternlar
1. K-Means vs HDBSCAN segmentatsiyasi (shovqinga chidamlilik, klaster barqarorligi).
2. Embeddinglar qoʻshilgan holda vs ularsiz (formatlar tavsiyalarining sifati).
3. Mikro vazifalar: bitta vs ikkita parallel.
4. Vaqt slotlari: shaxsiy vs qat’iy.
5. RG-gvardiya ostonasi: yumshoq va qattiq.
6. Tanlov uzunligi: qisqa vs uzun S1/S2 uchun.
11) JSON namunalari
O’yinchi segmenti kartochkasi (agregatlar + teglar):json
{
"user_id": "u_87421", "segments": ["S1_sprinter", "S3_collector"], "mmr": 1420, "features": {
"pace_spm_med": 52, "pace_spm_cv": 0. 31, "finish_top10_rate": 0. 18, "provider_entropy": 1. 92, "evening_participation_rate": 0. 64
}, "rg_flags": {"long_sessions": true, "cooldown_suggested": true}, "updated_at": "2025-10-24T10:00:00Z"
}
Turnir/vazifalar formati bo’yicha yechim:
json
{
"decision_id": "d_s3_2025_10_24_1000", "user_id": "u_87421", "recommendation": {
"qualifier_format": "sprint_20min", "time_slot": "evening", "micro_tasks": [
{"type":"pace_control","max_spm":48,"duration_min":20}, {"type":"provider_diversity","providers":3}
], "reentry_cap": 1
}, "fairness": {"vip_neutral": true, "reward_cap_equivalent": true}, "rg": {"enforced_break_min": 10}
}
12) Payplayn va prodakshen
Arxitektura:- Voqealar → Kafka/Redpanda → fichering batch/stream (1h/24h/7d oyna).
- SLA yetkazib berish bilan Feature Store (onlayn/oflayn).
- 1-7 kunda bir marta klasterlash/embeddinga o’rgatish; kirishda segmentlarni onlayn belgilash.
- Echimlar orkestri: Segmentation API → Matchmaking/Tasks/Comms.
python ctx = build_context(user_id)
x = feature_store. fetch(user_id)
z = user2vec. embed(x. sequence)
cluster = hdbscan. predict(z)
segment = postprocess(cluster, mmr=ctx. mmr, rg=ctx. rg_flags)
emit_segment(user_id, segment)
13) UX va kommunikatsiyalar
«Sening ostingda» bo’lgan lobbi: formati, davomiyligi, vaqt bo’shliqlari - bitta blokda.
Hech qanday manipulyatsiyasiz ohang: «Kechqurun qisqa saralashchini tavsiya qilamiz - siz odatda shunday o’ynaysiz».
Nazorat variantlari: formatni/slotni oʻzgartirish, shaxsiy tavsiyalarni oʻchirish.
Jim VFX: vazifalar bo’yicha siljish belgilari, spamsiz.
14) Halollik va RG tekshiruvi
- Segmentatsiya o’yinlardagi RTP/imkoniyatlarga ta’sir qilmaydi.
- Mukofot qiymati hamma uchun bir xil.
- Ish tamoyillarining shaffof sahifasi.
- Anti-abyuz (kollyuziyalar, smurfing, rate limits) kiritilgan.
- RG qo’riqchilari faol: pauzalar, davomiylik chegaralari, murakkablikni kamaytirish.
- Qarorlar daftarlari va tushuntirish auditi (reason codes).
15) Joriy etish rejasi
1. MVP (3-5 hafta): K-Means + bazaviy fichering; format/slot tavsiyalari; shaffoflik ekrani.
2. v0. 9: embeddingi User2Vec/Game2Vec; HDBSCAN; anti-abyuz graf-signallari.
3. v1. 0: segmentlarni onlayn yangilash, vazifalar uchun banditlar bilan bog’lanish; «halollik» hisobotlari va RG-tahlil.
4. Keyingi: segmentlar bo’yicha vazifalar zanjirini RL-sozlash; kross-promo, mavsumiy shablonlar.
AI segmentatsiyasi MMR ustidagi ma’nolar qatlamidir: u imkoniyatlarni o’zgartirmaydi, lekin o’yinchining uslubiga mos ravishda formatni, davomiylikni, vazifalar va kommunikatsiyalarni tanlaydi. Klaster, embedding va propensit kombinatsiyasi barqaror tipologiyani beradi; zo’ravonlikka qarshi va RG qo’riqchilari tizimni halol tutadilar; (Gini, P95, ROI emissiyalari) turnirlar ekotizimi ham adolatli, ham samarali bo’lganini tasdiqlaydi.