遊戲業積極導入AI，
進口椰子水
，提升戰力與獲利。 本報系資料庫 分享 facebook 你相信嗎？擁有風靡全球1.5億玩家的線上遊戲「戰車世界」，
關鍵字優化
，有超過80%的玩家選擇不付費。然而，
兒童成長桌椅
，它背後開發商戰遊網卻仍持續成長，
燕窩品牌
，全球擴編至15個據點，
瓦斯 配送
，超過4，
印刷
，000名員工。其背後武器就是引入人工智慧（AI）提供即時個人化互動，
大里美甲教學
，提升玩家付費轉換率與終身價值。全球遊戲業產值持續看漲，
彰化美丙教學
，據國際研究調查機構Newzoo最新調查，2019年將來到1.5兆美元，年增長率達9.6%。 VVIP 會員限定！ 使用活動金幣灌溉優質新聞，抽 iPhone 11、仟元現金。
贊助好新聞 如何使用金幣灌溉新聞 剩餘的活動金幣 枚 活動金幣僅能作為灌溉新聞使用，不能折現、亦不能另作其他用途。參與贊助後，可以參加活動抽獎，並成為 udn 產品的搶先使用者。 贊助好新聞 如何使用金幣灌溉新聞 ×
■ 活動時間 2019年10月21日 – 2019年11月20日
■ 活動辦法 活動期間您可獲得活動金幣 3，000 枚，當您看到優質新聞，即可點按文章中的「贊助好新聞」按鈕贊助該篇文章，且可隨時至會員中心查詢目前金幣的使用狀況。
■ 贊助說明 每篇文章僅能贊助一次，每次扣 10 枚金幣。 不限一天能贊助幾篇文章。(可一天把3，000枚金幣發完，亦可一天發100枚、 分30天把金幣發完) 越多天登入贊助，中獎機率越高。(一天把3，000枚金幣發完，同等有一次抽 獎機會，分30天把金幣發完，同等有30次抽獎) 活動金幣僅能作為灌溉新聞使用，不能折現、亦不能另作其他用途；活動結束後系統將自動回收金幣並關閉該功能。 參與灌溉新聞後，可以參加活動抽獎，並成為 udn 產品的搶先使用者。
■ 活動贈品 每篇文章僅能贊助一次，每次扣 10 枚金幣。 協助獎：U利點數 200 元， 500 位 灌溉獎：現金獎 5000 元，共 20 位 成長獎：iPhone 11 (64G)，共 2 位 活動結束後，將由系統抽出得獎者，於 11/30 前公佈得獎名單，並以 e-mail 方式通知得獎者領獎。
中獎名單 個資聲明 注意事項 ×
i
恭喜您獲得活動金幣 3，000 枚 點按文章中的「贊助好新聞」，以活動金幣贊助該篇文章，支持心中優質新聞。iPhone 11、仟元現金….等您帶回家。越多天登入贊助，中獎機率越高！ ×
i
提醒：您今天尚未使用活動金幣 點按文章中的「贊助好新聞」，以活動金幣贊助該篇文章，支持心中優質新聞。iPhone 11、仟元現金….等您帶回家。越多天登入贊助，中獎機率越高！ 面對持續成長的玩家數量、虛擬帳號、遊戲模式等，分秒湧來的巨量數據，開始促使業者紛紛尋求AI助力。在台灣，遊戲股王鈊象電子日前才對外發表，其導入AI短短半年，已讓部分遊戲平台付費率與營收皆成長超過160%。在背後協助鈊象打造「自動化」玩家照顧策略的國際分析大廠SAS，迄今已獲得台灣六家遊戲業者指名合作。究竟遊戲產業對AI需求為何？這波AI浪潮快速流向遊戲業的因素在哪？SAS台灣業務顧問部副總陳新銓提出下列觀察：會員貼標 分析客戶樣貌一、揭密真實玩家行為，「會員貼標」必打基礎。「遊戲業最特別之處，在於玩家都有『身世之謎』。」陳新銓說：「匿名、一人多組帳號，會讓業者掌握不到真實年齡、性別、IP位址等資訊，難以做客戶樣貌分析。」這與如金融或零售業，能先取得客戶會員資本資訊的做法截然不同。加上業者們過往多使用基本BI工具作敘述性統計，輔以業務規則作主觀判斷。如此處理資料量受限、洞察範圍小，資深同仁的經歷也難複製。因此須仰賴AI，將玩家數位行為軌跡「貼標」、經機器學習找出複雜的行為模式，量化其偏好與貢獻值。如此分析快、時效高，才得以精準描繪玩家屬性，制定敏捷的行銷策略。鈊象與SAS當初即在「金猴爺」遊戲中，啟動「玩家貼標」專案。針對玩家「遊戲習慣」類型偏好、遊玩行為等，及「儲值習慣」: 付費金額頻率、場景偏好等，產出特徵分群，隨後推薦合適的遊戲優惠，建立精準的個人化玩家禮包推薦系統。下一步還要優化成「自動化」推薦，減少人員設定的耗時。流失預警 先留客再獲客二、先「留客」再「獲客」，應對低忠誠度產業特性。遊戲業另一特性在於玩家對產品的嘗鮮期短。如何差異化經營留住有價值玩家？對此，陳新銓指出「利用AI做到『流失預警』是另一核心。」與鈊象合作的另一重點就是「消費疲弱分析」，團隊觀察玩家儲值行為前後期的變化，取出行為數據結合付費狀態建立模型，開始定義出高、中、低三類「玩家消費疲弱風險值」，當玩家產生高風險的情況時，即啟動特殊照顧策略，避免玩家流失。上述「留客」過程累積的數據資產，還可以轉換成下一階段「獲客」的重要利基。陳新銓解釋，往往數位通路上的分析，僅「深度玩家」的數據較齊全。然業者如能利用「深度玩家」數據建立模型，計算出相似玩家樣貌，提供相應的行銷方案給尚未儲值的「體驗式玩家」，並測試其儲值或上線的轉換率，再把相關數據餵進AI學習系統，即可開啟「獲客」的另一自主學習流程。陳新銓強調：「消費者忠誠度低的產業，在導入AI時，還須把『流程自動化』這需求考慮進來，縮短分析周期，先求『快』再求『準』，才可有效照顧玩家。」偵測異常 防套利打水客三、降低防弊成本，活用分析人才提升獲利。有些玩家會挑戰遊戲或優惠設計的漏洞進行套利，例如：在零和遊戲中對押、採大數法則作返水套利、採類馬丁策略下注等，這些套利玩家（打水客）是多數遊戲業者首要杜絕的對象。然而，套利行為日新月異，專業人員的經驗法則也防不勝防。仰賴AI建立異常偵測模型，在數據洪流中即時抓到打水客，將能有效提升遊戲平台的公平性。目前SAS的異常偵測模型，已助業者成功地擋下超過千萬元的潛在金額損失。陳新銓說：「透過機器學習模型演算，找出高風險的異常玩家，可協助業者避免蒙受詐欺的巨額損失，有效控制風險，降低營運成本。」陳新銓提醒，AI在遊戲業的應用不勝枚舉。無論是遊戲內的玩家行為、禮包消費、平台交易、遊戲外的輿情分析、營運狀態或是業務常規等。凡有數據流的地方，就是AI可施展之處。加上遊戲產業，原先就培養許多進階統計分析人才做遊戲開發，相較其他產業接軌AI快速。如能好好玩數據，拓展分群、精準行銷、即時推薦、預測及自動化等應用，搶先智能化的業者，即可加速航向獲利新藍海。，