金沟屯镇| 黄孝河路| 镜子胡同| 解放街| 甲天下广场| 黄纬路元吉里| 金川区| 浑江市| 锦秋办事处| 吉安路| 金科苑| 吉兆路天桥| 金子山乡| 姜楼村委会| 酒仙桥商场| 江西武夷山国家级自然保护区管理局| 济美里| 金洞乡| 回龙山镇| 金蟾大道| 璜山镇| 酱棚营| 金钟河东街碧水里| 夹湖乡| 金泘沱| 黄松峪乡| 尖沙咀| 金桥镇| 黄羊木头镇| 江苏常熟市新港镇| 锦川| 金淘村| 黄崖洞镇| 集士港镇| 江海| 将乐| 蕉坑村| 锦霞北园| 黄泥田| 冀县铁路家属院| 嘉兴学院医学院| 教师进修学校| 近海乡| 金钟河东街迎福里| 径下| 九尺镇| 九龙游乐园| 回民区政府| 黄尾镇| 黄陂北路| 黄旗屯街道| 回龙寺| 汇川路| 慧忠路西口| 几哈点| 吉强镇| 火烧岛| 会理县| 黄泉寺村| 景福苑| 劲松| 解放南路龙都花园| 江苏锡山区东湖塘镇| 江西省都昌县| 江陵路滨安路口| 嘉园三里| 徽州区| 旌阳镇| 金福| 江根乡| 嘉陵道咸阳北里| 霍吉尔特蒙古族乡| 久住| 金郝庄乡| 江北村| 惠农| 金海| 嘉应观乡| 黄连| 解放街| 集星村| 金鱼弄| 江苏赣榆县青口镇| 黄兴路步行街| 津霸公路沁芳里| 甲子海边公路| 靖江路街靖江南里| 江苏武进区潘家镇| 汇贤居| 金岗集村委会| 吉尔吉斯斯坦| 金坪| 鸡场布依族苗族乡| 金伦大厦| 甲谷乡| 金泉花园西区| 活水村| 江苏吴中区车坊镇| 黄鹿镇| 蒋家坡| 金桥新路| 黄沙乡| 枧底镇| 金安桥北| 九里区政府| 剑南镇| 金海湖| 京山村| 加利福尼亚州| 金昌市区| 景尔胡同| 火车站开发区| 江苏虎丘区东渚镇| 金交椅| 旧关| 嘉怡锦湾| 江南水乡| 杰仁嘎查| 金窝| 经爪爪| 久庆镇| 九猪坳| 黄英| 惠东县| 惠山道| 霍城镇| 济南| 霍州营| 祭头| 黄山塘| 黄龙雅苑| 景虹新村| 井家峧| 解放南路冯家胡同三条| 金泘沱| 津霸公路沁芳里| 接壤| 尖凸仔| 建宏陶瓷厂| 剑南街道| 加麻乡| 黄山垅| 井口镇| 金宇街道| 教育学院| 江苏昆山市石浦镇| 江城区渔业管理虚拟镇| 尖岩村| 稽山公寓| 黄陂桥乡| 金茂建材市场| 江阳| 甲尔多乡| 黄吕庄村村委会| 景东县| 解放南路富裕| 嘉苑别墅| 火石坝村| 金龙镇街道| 江阴经济开发区石庄办事处| 江边街道| 计生局| 经贸学校| 晋安河| 辉煌| 金刚镇| 贾家湾| 韭菜园路| 江苏仪征市真州镇| 黄羌林场江西坪工区| 进口社区| 吉玛乡| 金狮立交桥| 江北镇| 景福苑| 建设街居委会| 九峰乡| 江苏宜兴市范道镇| 金岩乡| 加格达奇| 金龙镇街道| 建全村| 静海县静海镇胜利街| 江苏武进区湟里镇| 黄码乡| 建设路东| 金山开发区| 吉曲乡| 巨化生活区| 惠商弄| 江苏江阴市青阳镇| 景江城市花园| 江北交警支队| 金马站| 火车站东| 江苏惠山区堰桥镇| 经建乡| 黄塘水| 江苏武进区芙蓉镇| 金裕集团| 黄泥丘| 火烧坪乡| 建港花园| 江苏宜兴市宜城镇| 近湖镇| 景丰胡同| 黄泥莨| 黄兴路桥| 吉利集团| 建昌道街道| 江苏昆山市蓬朗镇| 进步巷| 金塘开发区| 京泰路街道| 黄马乡| 金庄村委会| 井龙街道| 泾阳| 景宁畲族自治县| 九如| 京西八齐洞| 荆湾村| 金牙头村村委会| 金钟南路| 金厦街道| 金华速冻厂| 角奎镇| 嘉怡锦湾| 吉岭| 黄沙铺镇| 金鼎中学| 江苏新北区新桥镇| 建西镇| 吉强镇| 黄沙洋| 劲松街道| 教场口| 建昌道铁工西里| 吉家庄镇| 九曲水| 金会中| 江山市| 姬家庄| 晋江二中| 江北管理区| 吉安乡| 金洲桥| 江苏姜堰市溱潼镇| 鸡笼山林场| 金鹰国际| 健康街道| 九里乡| 胶辊厂| 机车厂| 金城街道| 吉首市| 锦河农场| 霍营小区社区| 金陵二村| 吉田洋| 金林社区| 火山| 江苏北塘区山北镇| 黄羌林场窝尾工区| 建设街道| 京都花园| 货运市场| 江西武夷山国家级自然保护区管理局| 黄塘乡| 江苏虎丘区枫桥镇| 久合垸乡| 积玉桥街道| 捷胜| 静安区| 百度

女人在生孩子的时候一定要有个爱你的人陪着!产妇生孩子女人

2018-09-19 12:55 来源:红网

  女人在生孩子的时候一定要有个爱你的人陪着!产妇生孩子女人

  百度第二层,阐释了对台工作和处理两岸关系的基本原则,也就是坚持一中原则和体现一中原则的九二共识。相反,在迅速加息的情况下,股价有可能下跌。

银联国际首席执行官蔡剑波表示:今年以来,银联国际着力用新思路拓展业务、与新机构开展合作、以新方法推动业务落地。英国《经济学人》周刊称,数字领域优势的争夺已然展开。

  安峰山指出,该案有关条款,尽管不具法律约束力,但严重违反一个中国原则和中美三个联合公报规定,向台独分裂势力发出严重错误信号,给复杂严峻的两岸关系形势和台海地区和平稳定造成严重冲击。据香港《南华早报》3月23日报道,一年前,58岁的林福敬仍觉得自己只是网络新手,但如今她已经是直播账户中拥有着75000多名粉丝的河北乡村大妈。

  地中海东部充斥了美国、俄罗斯、土耳其、以色列、伊朗、叙利亚和北约成员国的海上巡逻舰艇。该协定将在签约国批准后的180天内生效。

贺一诚在十三届全国人大一次会议间隙对记者说:只要他一进赌场,大家马上就知道了,有的人刚坐下来,单位领导的电话就打过来了。

  另据台湾中央社3月23日报道,针对美中贸易战爆发,中国外交部发言人华春莹今天重话宣示,来而不往非礼也,我们会奉陪到底,美方不要捡了芝麻丢了西瓜,既损人更害己。

  杜比实验室是行业内公认的全球影音技术领域的领先者。确切地说,这将涉及发射一枚航天器,以某种方式改变这颗小行星一部分的颜色。

  此外据英国《每日电讯报》网站3月22日报道,去年的虚假贸易战成为过去,特朗普总统向中国投下了真正的、危险的集束炸弹。

  新华社记者毛思倩摄3月23日报道俄媒称,世界贸易组织(WTO)21日消息称,世贸组织承认美国使用不正确价格基准对一系列中国商品征收了反补贴税。

  同时,叙政府军还利用各型火炮,对反对派控制区纵深实施不间断的炮击。

  百度紧接着第二天,中国外交部新闻发言人华春莹就在当日的例行记者会上表示,按照中俄两国元首年度互访惯例,普京总统年内将访华。

  建造破冰船的竞赛已经打响并且正在进行,而只拥有一艘规模适于航海的破冰船的美国处在了落后的位置。以色列国防军一位高级军官说,通过整个演习,我们研究了俄罗斯(在叙利亚)驻军的各种影响。

  百度 百度 百度

  女人在生孩子的时候一定要有个爱你的人陪着!产妇生孩子女人

 
责编:
炼数成金 门户 商业智能 深度学习 查看内容

女人在生孩子的时候一定要有个爱你的人陪着!产妇生孩子女人

百度 3月25日报道港媒称,中国于近日确认进行了一系列海上电磁炮试验,美国海军作战部长则在本月国会一个小组委员会讲话时呼吁对这种武器给予更多关注,并表示尚未进行过电磁炮海上试射的美国正充分投入于完善这一武器装置,尽管有报道说这个计划因成本和技术原因被取消。

2018-5-7 11:05| 发布者: 炼数成金_小数| 查看: 13463| 评论: 0|来自: Google

摘要: 近年来,移动端游戏随着智能手机技术的发展,越来越成为人们娱乐休闲的新模式。据 NewZoo 数据调查研究发现,全球手机端游戏已达到 21 亿玩家规模,呈 14% 同比年增长趋势,其中大部分玩家有在游戏中付费的经历。对 ...

工具 模型 机器学习 架构 案例

近年来,移动端游戏随着智能手机技术的发展,越来越成为人们娱乐休闲的新模式。据 NewZoo 数据调查研究发现,全球手机端游戏已达到 21 亿玩家规模,呈 14% 同比年增长趋势,其中大部分玩家有在游戏中付费的经历。

对于 SLG 策略类型手机游戏,由于前期用户需要时间了解及熟练游戏操作,即使有付费倾向,一般也会比较滞后。这种滞后为游戏的内部运营,市场投放效果的衡量及优化带来了很大挑战。本文基于一款日活 600 万的明星 SLG 游戏,根据游戏内用户的 500+ 个特征行为,对未付费用户在下载安装后 28 天内是否会转化为付费用户加以预测。

文章尽量避免涉及过多的技术细节,主要从系统架构的角度加以阐述,如何自动化一套机器学习预测系统并与 Google UAC (通用应用广告平台) 相结合,最终提高 7 倍转化率,2.6 倍投资回报率,降低 63% 付费用户获取成本。

数据准备
数据包括两部分, 预测目标 Y 及用户参数 X,其中用户参数 X 又分为状态参数 Xs 和行为参数 Xb。

原始数据符合如下模板:


其中,每行数据为每一位用户每天的行为参数汇总和状态快照。如若用户当天未登录,则不需记录当天状态或行为。如果用户前 n-1 天未付费,在第 n 天发生付费转化,则该用户有 n 行数据 (假设用户每天登陆)。
状态参数 (当天零点快照) 包括但不限于,游戏内人物等级,游戏内金币数量,登陆游戏手机品牌,登陆游戏地点等。
行为参数包括但不限于 (推荐四种对预测付费最重要的行为,其他行为越多越好):
付费相关类行为:打开付费窗口,点击付费按钮(还未确认付费成功)
游戏币购买物品:这里物品可缩小范围到游戏的核心追求品类,如皮肤,武器等
社交行为:是否加入公会,在团队发言次数,社交账号分享等
打折类行为:打开打折商店等

对原始数据处理后,得到如下数据 (假设模型目标是基于未付费用户下载后 7 天行为预测下载后 28 天内是否会付费):
预测目标 Y:如果用户下载游戏后 28 天内发生付费转化,则为 1,否则为 0
用户参数 X:假设原始数据中对于用户 i, 有 j 行数据,经过处理后每个用户只有一行数据


注 1:推荐取 7 天以内行为作预测基础,这样可以在用户下载安装 APP 后七天内产生预测,进而及时把预测信号发送给 Google UAC 广告投放平台,便于 UAC 平台内的机器学习。

注 2:推荐取 28 天内的付费作预测目标,这样便于在一个月内完成预测效果及 Google UAC 广告平台投放效果的衡量。

数据清洗与特征工程
对数据进行清洗
用 0 填充所有缺失值
以列为单位,标准化变形。sklearn.preprocessing.StandardScaler
主成分分析 PCA:降维到原纬度数量的一半。

经过数据清洗和特征工程处理后,得到如下数据(假设模型目标是基于未付费用户下载后7天行为预测下载后 28 天内会不会付费):
将处理后的数据按 1:1 分成两部分,train 和 test
预测目标没有变化,即 Y_noTransform_train, Y_noTransform_test:如果用户下载游戏后 28 天内付过费,则为 1,否则为 0;
相对应的用户参数经过变形,即 X_transformed_train, X_transformed_test;每个用户一行数据,但经过 PCA 降维之后,很难理解X中每一列代表什么行为。

基于TensorFlow深度神经网络分类器建模
创建分类器
设计系统时,选择调用 tensorflow Python API,直接建立 DNNClassifier 对象,省去了大量从底层开始架构模型的时间。对解决简单分类问题很有效,推荐给大家。
classifier = tf.estimator.DNNClassifier()

训练分类器
调用 DNNClassifier 对象的 fit 函数,建立训练模块。

classifier.fit(X_transformed_train, Y_noTransform_train, steps=2000, batch_size=5000)

分类器预测
调用 DNNClassifier 对象的 predict 函数,建立预测模块。输出为 0 或 1,0 代表分类器认为转化概率低于 50%,即不会付费转化,1 代表分类器认为转化概率大于等于 50%,即大概率付费转化。50% 为 predict 函数默认的缺省阈值,如需改变此阈值,则要调用 predict_proba 函数,输出为转化概率,而不再是 0 或 1。

Y_predict = classifier.predict(X_transformed_test)

分类器验证
Y_predict 和 Y_noTransform_test 都是真对同一批测试者,前者为预测值,后者为实际值。通过比较得出 Precision 和 Recall,以此衡量预测模型的准确度。如果用于 Google 广告平台的投放,则 Recall 比 Precision 重要,应尽量提高 Recall。如果用户内部运营,则 Precision 比 Recall 重要,应尽量提高 Precision。

其中 precision 代表精度,recall 代表广度。f1 是综合考虑 precision,recall 的整体参数。具体定义如下:


经过多次调参迭代,模型性能如下所示,


注:蓝色竖虚线与 x 轴的交点是使 f1 达到较高点的预测概率的取值

系统设计
系统基于 Google Cloud Platform,简称 GCP,进行架构。激活了 GCP 中三个组件,BigQuery, Compute Engine 和 Storage。每天,基于游戏内新产生的数据运行“预测模块”,对每个用户加以评估,是否会付费转化。每季度初,基于过去 120 天内注册的用户数据运行“训练模块”,对模型加以更新。这里采用了混合数据集的方法,即90天新数据,30 天老数据,以保证模型和谷歌广告投放平台的合作顺畅。

每季度

每天


预测结果在 Google UAC 广告平台的应用
Univeral App Campaign 即通用应用广告系列(以下简称 UAC),是 Google 开发的基于大数据和机器学习的移动端应用广告投放平台。旨在帮助用户简化广告投放流程,更轻松地在 Google 用户量最多的各款产品和服务(包括 Google 搜索、Google Play、YouTube 和 Google 展示广告网络)中宣传自己的应用 APP。用户只需添加几行文字、设置出价、提供一些素材资料,系统会自动优化其余部分(包括具体广告的设计、广告投放的目标定位和出价等),从而帮助用户推广应用 APP。

目前有三个版本,根据推广目标不同,分别为以提升 APP 下载安装量为目标、提升 APP 内事件触发频次为目标和提升 APP 内用户价值为目标。本文主要应用在 UAC 的第二个版本,以提升 APP 内事件触发频次为目标。

APP 内的事件多种多样,游戏内充值付费(以下简称 IAP,In-App-Purchase)应属最简单明了也最便于尝试的事件之一。大多数用户都有测试,但效果有好有坏,究竟是什么因素导致了效果的不同?有没有一种方法可以提升 UAC 广告投放效果?本文希望通过对大量投放经验的总结,提出一种基于预测付费用户的新的 UAC 广告投放方式,用于高质量的新用户获取。

如之前章节所述,最后得出的预测结果应为两列数据,DeviceID 及预测标签 (0 或1)。取决于预测概率阈值的不同,被标记为 1 (有付费倾向) 的用户数量及准确度也会不同。阈值越高,被标记为 1 的要求越苛刻,既被认为有付费倾向的用户数量越少,准确度越高,如图二所示。当阈值达到较高 100%,则预测事件等同于实际付费事件;当阈值达到较低 0%,则预测事件等同于 APP 安装事件。“预测事件”本质上是我们通过机器学习预测系统,创造出来的一个“假想”事件,并根据预测阈值的不同,可以在APP下载安装及最终付费之间做优化调节。

经大量实验研究发现,如果考虑把预测结果应用在 UAC 上,应尽量调节阈值,牺牲一些 precision,使 recall 尽可能高。

如下图所示,阐述了基于 TensorFlow 的机器学习预测系统与 Google UAC 广告投放平台结合的工作原理。左边蓝色的部分为本文搭建的预测系统,右侧绿色的部分为 UAC 系统。通过分析预测,找出潜在付费用户,扩大了发送给 UAC 的种子人群数量,缩短了从 APP 安装到有效转化发生的效果回馈时间,进而提升了 UAC 机器学习和广告投放的效果。


注:用户需要思考是否充值付费的时间越长,潜在付费用户群体越大

结论及未来展望
本文通过对行业背景的分析,提出了策略类手机游戏面临的挑战。并从系统架构的角度,介绍了如何对数据进行清理、特征工程、预测分类器的建模及系统自动化。其中,数据的搜集处理对模型的准确性及应用性有很大影响。文章也给出了四种对预测游戏内付费有重要影响的行为参数,并通过 PCA 主成分分析的特征降维方法,极大提高了模型的性能。另外,通过调节预测转化概率的阈值,可在精度和广度之间作以取舍,使模型的预测结果适用于不同的领域。

目前,此机器学习系统已在行业内上线,每天会分析预测上百万用户,帮助他们优化游戏内及广告体验。预测是为了更好地了解用户,进而更有效率地帮助用户。预测结果可对用户加以分层,可应用于内部运营、市场再营销、新用户获取等领域。在此案例中,通过把机器学习系统与 Google UAC 广告平台的结合,在新用户获取领域极大的提高了用户质量,使付费率提高了 7 倍,投资回报率提高了 2.6 倍。关于具体实施的细节,如感兴趣,请联系您的 Google Awords 账户经理,我们很乐意与您分享相关经验,这里不再赘述。

未来,我们会对用户终身价值 pltv 加以建模研究,期望基于用户的行为及付费数据,预测用户未来在游戏内的活跃时间及终身价值。这样可以帮助我们更细颗粒度地区分用户,构建千人千面的用户体验。

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-9-18 20:05 , Processed in 0.107649 second(s), 24 queries .

百度