English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 340: "Diretrizes para Construção de Modelos Preditivos de Abandono de Usuário em Jogos Móveis"

O aluno Vicente Vieira Filho vai apresentar seu trabalho no dia 23 de fevereiro, às 14h, no Anfiteatro Início: 23/02/2017 às 14:00 Término: 23/02/2017 às 00:00 Local: Anfiteatro do CIn

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº  340

Aluno: Vicente Vieira Filho
Orientador: Prof.  Geber Lisboa Ramalho
Co-orientador: Paulo Jorge Leitão Adeodato
Título: Diretrizes para Construção de Modelos Preditivos de Abandono de Usuário em Jogos Móveis
Data: 23/02/2017
Hora/Local: 14h – Centro de Informática - Anfiteatro

Banca Examinadora:
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática (CIn)
Prof. Germano Crispim Vasconcelos(UFPE / Centro de Informática (CIn))
Prof. Marley Maria Bernardes Rebuzzi Vellasco (PUC-RJ /Engenharia Elétrica)
Prof. Bruno Feijó (PUC-RJ / Departamento de Informática)
Prof. André Menezes Marques das Neves (UFPE / Departamento de Design)

RESUMO:

A previsão de abandono é uma atividade essencial para antecipar a intenção do consumidor de descontinuar um serviço permitindo ao fornecedor do serviço a aplicação de ações proativas de retenção e fidelização. Como a previsão de abandono  é bastante dependente do domínio de aplicação, tem-se usado técnicas de mineração de dados orientado ao domínio (D3M) e behavior scoring (BH) para construção de modelos preditivos e extração de conhecimento acionável das bases de dados das empresas.
A previsão de abandono já é utilizada com sucesso em indústrias consolidadas como telecomunicações, crédito e varejo, por exemplo. Em indústrias mais recentes, como a indústria de jogos para dispositivos móveis,  a aplicação de mineração de dados para previsão do abandono de jogadores ainda é incipiente. Os trabalhos identificados na revisão de literatura aplicam metodologias genéricas, baseadas na mineração de dados tradicional orientada a dados, sem uma discussão profunda sobre as especificidades do domínio de jogos e seus possíveis impactos na construção e na performance do modelo preditivo.
Para avançar no estado da arte em jogos móveis, começamos por identificar seus principais desafios e especificidades que se resumem nas seguintes questões: quais as principais especificidades dessa indústria relevantes para a modelagem do problema? Como essas características podem ser tratadas no processo de construção do modelo preditivo? Qual o peso dessas características, e seus possíveis tratamentos, na performance da previsão? A solução proposta é replicável para outros jogos dentro do mesmo domínio?
As respostas para essas questões são fundamentais porque fornecem diretrizes a construção de modelos preditivos para o abandono de jogadores seguindo as abordagens   de D3M e BH, que são as utilizadas com sucesso hoje em outras áreas. Para responder tais questões, nós realizamos o planejamento, a execução e a avaliação de um projeto experimental de previsão de abandono em jogos para dispositivos móveis em uma bases de dados reais levando em consideração possíveis tratamentos para desafios identificados e seus efeitos na performance do modelo preditivo.
Nosso estudo pode responder as perguntas identificando assim diretrizes de construção de modelos preditivos que ajudarão os desenvolvedores e pesquisadores  a criar melhores soluções. Como efeito colateral, também chegamos a uma configuração de  classificador com desempenho acima da média citada no estado da arte.

Palavras-chave: mineração de dados, previsão de abandono, behavior scoring, mineração de dados orientado ao domínio, jogos para dispositivos móveis, modelo de negócios free-to-play, modelo de representaçãot
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web