Gaming Analytics hoạt động

Hệ gợi ý sản phẩm

Recommendation — Gợi ý nội dung

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Đánh giá hệ gợi ý Precision@k, Recall@k, NDCG, MAP

Bộ chỉ số chuẩn cho hệ gợi ý, kèm cảnh báo vì sao điểm ngoại tuyến hay không khớp kết quả A/B test trực tuyến.

Precision@5 0.6000
Recall@5 0.7500
NDCG@5 0.7366
MAP@5 0.5667
① Tham số

Precision và recall theo độ sâu danh sách

Precision@iRecall@i
Precision và recall theo độ sâu danh sách1.090.780.470.1612345678

Trục ngang là số mục lấy. Cắt càng sâu thì recall càng tăng và precision càng giảm — chọn k = 5 là chọn một điểm trên đường đánh đổi này, không phải tìm một điểm tối ưu khách quan.

Diễn giải nhanh

Precision@5 = 0.600 — trúng 3/5

Trong 5 mục gợi ý đầu tiên. Con số này nói về chất lượng màn hình đầu tiên người dùng nhìn thấy, và đó thường là toàn bộ những gì họ nhìn.

Recall@5 = 0.750 — bắt được 3/4 mục liên quan

Trần của recall@5 là 100% vì chỉ lấy 5 mục cho 4 mục liên quan. So recall với trần đó, đừng so với 100%.

NDCG@5 = 0.737, trúng đầu tiên ở vị trí 1

NDCG chia cho thứ hạng lý tưởng nên nó đã chuẩn hoá theo số mục liên quan có thể trúng. Vị trí trúng đầu tiên là thứ người dùng cảm nhận rõ nhất.

Đo trên 4 mục được coi là liên quan

Nhãn 'liên quan' lấy từ lịch sử, mà lịch sử chỉ ghi lại những gì hệ cũ đã từng gợi ý. Mục tốt mà hệ cũ chưa bao giờ hiển thị sẽ bị chấm là sai — đó là lý do điểm ngoại tuyến hay lệch khỏi kết quả A/B test.

Khi nào con số này sai: Chỉ số ngoại tuyến thường KHÔNG tương quan tốt với kết quả A/B test trực tuyến. Nguyên nhân: dữ liệu lịch sử chỉ ghi những gì hệ cũ đã gợi ý, nên bạn đang chấm điểm trên một mẫu đã bị hệ cũ chọn lọc.

Chi tiết

F1@5 0.6667
Số trúng 3/5
Vị trí trúng đầu tiên 1
Chuỗi trúng/trượt ●○●○●
NDCG phạt gì Trúng ở vị trí thấp có giá trị ít hơn trúng ở đầu

Precision và recall theo độ sâu danh sách

Precision@iRecall@i
Precision và recall theo độ sâu danh sách1.090.780.470.1612345678

Trục ngang là số mục lấy. Cắt càng sâu thì recall càng tăng và precision càng giảm — chọn k = 5 là chọn một điểm trên đường đánh đổi này, không phải tìm một điểm tối ưu khách quan.

Đóng góp vào DCG theo từng vị trí

Đóng góp vào DCG theo từng vị trí1.120.74670.37330#1: 1.000#2: 0.000#3: 0.500#4: 0.000#5: 0.387#1#2#3#4#5

Mỗi lần trúng đóng góp 1/log₂(vị trí+1). Trúng ở vị trí 1 đáng 1,00 còn trúng ở vị trí 5 chỉ đáng 0.39 — đó là toàn bộ nội dung của việc NDCG phạt thứ hạng thấp.

Danh sách gợi ý theo thứ tự

Vị tríMụcLiên quanPrecision@iRecall@i
1SP041.0000.250
2SP02không0.5000.250
3SP070.6670.500
4SP09không0.5000.500
5SP010.6000.750
6SP15không0.5000.750
7SP120.5711.000
8SP03không0.5001.000

Toàn bộ chỉ số

F1@5 0.6667
Số trúng 3/5
Vị trí trúng đầu tiên 1
Chuỗi trúng/trượt ●○●○●
NDCG phạt gì Trúng ở vị trí thấp có giá trị ít hơn trúng ở đầu

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  3. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

Hệ gợi ý sản phẩm là gì

Gợi ý trong game khác gợi ý thương mại điện tử ở mục tiêu: không phải bán được nhiều nhất mà là giữ người chơi ở lại. Gợi ý nội dung quá dễ gây chán, quá khó gây bỏ cuộc.

Làm thế nào

  1. Ước lượng kỹ năng người chơi và độ khó nội dung trên cùng thang.
  2. Gợi ý nội dung ở mức khó vừa vượt kỹ năng hiện tại.
  3. Đa dạng hoá để tránh lặp lại gây chán.
  4. Đo bằng giữ chân, không bằng tỷ lệ nhấp.

Đo bằng chỉ số nào

Tỷ lệ hoàn thành nội dung được gợi ý chỉ báo độ khó phù hợp
Giữ chân sau gợi ý chỉ số mục tiêu thật
Độ đa dạng nội dung tiêu thụ chống mệt mỏi

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! T
!
! i
!
! ư
! u
!
! t
! h
! e
! o
!
! t
!
!
! l
!
!
! n
! h
!
! p
!
! đ
!
! y
!
! n
! g
! ư
!
! i
!
! c
! h
! ơ
! i
!
! v
! à
! o
!
! n
!
! i
!
! d
! u
! n
! g
!
! d
!
! ,
!
! l
! à
! m
!
! g
! i
!
! m
!
! c
!
! m
!
! g
! i
! á
! c
!
! t
! i
! ế
! n
!
! b
!
!
! v
! à
!
! c
! u
!
! i
!
! c
! ù
! n
! g
!
! g
! i
!
! m
!
! g
! i
!
!
! c
! h
! â
! n
! .

Mô hình định lượng dùng trong Gaming

Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.

Tất cả mô hình →
Markov Chainsắp có

Trạng thái kế tiếp chỉ phụ thuộc trạng thái hiện tại.

K-Nearest Neighborssắp có

Dự đoán theo các điểm giống nhất trong quá khứ.

Reinforcement Learningsắp có

Học chính sách hành động qua thử và phần thưởng.

Agent-Based Modelsắp có

Mô phỏng hành vi tương tác của nhiều tác nhân.

Câu hỏi thường gặp

Hệ gợi ý sản phẩm là gì?

Gợi ý trong game khác gợi ý thương mại điện tử ở mục tiêu: không phải bán được nhiều nhất mà là giữ người chơi ở lại. Gợi ý nội dung quá dễ gây chán, quá khó gây bỏ cuộc.

Hệ gợi ý sản phẩm được làm như thế nào?

1. Ước lượng kỹ năng người chơi và độ khó nội dung trên cùng thang. 2. Gợi ý nội dung ở mức khó vừa vượt kỹ năng hiện tại. 3. Đa dạng hoá để tránh lặp lại gây chán. 4. Đo bằng giữ chân, không bằng tỷ lệ nhấp.

Hệ gợi ý sản phẩm hay sai ở đâu?

T ố i ư u t h e o t ỷ l ệ n h ấ p đ ẩ y n g ư ờ i c h ơ i v à o n ộ i d u n g d ễ , l à m g i ả m c ả m g i á c t i ế n b ộ v à c u ố i c ù n g g i ả m g i ữ c h â n .

Đo hệ gợi ý sản phẩm bằng chỉ số nào?

Tỷ lệ hoàn thành nội dung được gợi ý — chỉ báo độ khó phù hợp; Giữ chân sau gợi ý — chỉ số mục tiêu thật; Độ đa dạng nội dung tiêu thụ — chống mệt mỏi.

Hệ gợi ý sản phẩm trên QuantHub đã dùng được chưa?

Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.

Chủ đề khác trong Gaming

Toàn bộ Gaming
Matchmaking NPC AI Economy Simulation Player Analytics Fraud Detection Reports API Documentation