Entwicklung Forecasting Modelle im Casual Gaming

Für Gaming Unternehmen European Games Group haben wir anhand eines prediktiven Ansatzes drei verschiedene Forecasting Modelle zur Umsatzentwicklung & Nutzeraktivität entwickelt, die wir in dieser Case Study vorstellen.

Wenn sie auch einen starken Partner im Bereich individuelle Software-Entwicklung suchen, dann sind wir Ihr kompetenter IT-Berater für Digitalisierung, Webentwicklung und komplexe Software-Lösungen.

⚪ Software Entwicklung seit 2017 ⚪ 100% deutsche Entwickler ⚪ Regelmäßige vor Ort Termine

Kostenlosen Kennenlerntermin vereinbaren

Innovation aus Leidenschaft

Zusammenfassung

Für das Gaming Unternehmen European Games Group haben wir 3 verschiedene User Forecasting Systeme entwickelt und umgesetzt. Die 3 Modelle beinhalteten einmal das Forecasting der Umsatzentwicklung vergangener und zukünftiger User Kohorten, das Forecasting der Nutzeraktivität und die Wahrscheinlich für einen Kauf auf Nutzerlevel.

Die Zielsetzung des Projekts war es, Marketing Kampagnen und insgesamt Kanäle zu identifizieren, die möglichst günstig, wertvolle Spieler anlocken. Ebenso sollte der Umsatz pro Spiel und Land zur besseren Cash-Flow Planung vorhergesagt werden.

Wir nutzen hierbei ein prediktives Model, das in abgewandelter Form bereits im Mobile Gaming eingesetzt wurde.

Model 1 - Verhältnismodell

Das Verhältnismodel wertet historische Daten aus, um Trends in der (relativen) Umsatzentwicklung zu finden und wendet diesen Trend auf neue Kohorten an. Durch die Berechnung aggregierter wöchentlicher Umsatzsummen und ihrer prozentualen Entwicklung im Zeitverlauf, ermittelt das Verhältnismodell die durchschnittliche prozentuale Entwicklung dieser wöchentlichen Umsatzsummen und wendet diese Entwicklungsfaktoren auf neue Kohorten an.

Da das Ziel des Models darin besteht, Vorhersagen für ein Jahr zu treffen, sind mindestens ein ganzes Jahr an Trainingsdaten erforderlich, damit das Verhältnismodell funktioniert.

Das Verhältnismodell kann über verschiedene Spiele hinweg verwendet werden, indem die Umsatzentwicklungsfaktoren von Spiel A berechnet und auf ein anderes Spiel B angewendet werden.

Modell 2 - User-Retention-Modell

Das User-Retention-Model wertet historische Daten aus, um verschiedene Funktionen (linear, Potenz, exponentiell) für die Anzahl aktiver Benutzer und den Umsatz pro aktivem Benutzer zu berechnen. Durch Multiplikation der beiden Faktoren erhalten wir die Umsatzprognose für 365 Tage für jede Kohorte.

Da das Ziel des Models darin besteht, Vorhersagen für ein Jahr zu treffen, muss die Datendichte für das User-Retention-Model sehr hoch sein. Außerdem machen große Sprünge in der Benutzeraktivität durch Reaktivierung oder besondere In-Game Ereignisse die Vorhersagen schwierig beziehungsweise ungenauer.

Das Retention-Modell kann über verschiedene Spiele hinweg verwendet werden, indem die Funktionen für ein Spiel A als Trainingsdaten berechnet und auf ein anderes Spiel B angewendet werden. Dies ermöglicht es, Umsatzprognosen für Spiel B zu erstellen, selbst wenn keine Daten für ein ganzes Jahr Daten vorhanden sind. Die Entscheidung, welche Spieldaten zur Prognose der Einnahmen eines anderen Spiels verwendet werden sollen, muss jedoch vom Benutzer des Modells getroffen werden, und man sollte wissen, dass die Anwendung von Trainingsdaten von einem Spiel auf ein anderes normalerweise zu einer schlechteren Prognose führt, als die Verwendung der eigenen historischen Daten des Spiels .

Modell 3 - Zahlungswahrscheinlichkeit

Das dritte Model hat den Zweck, für jeden einzelnen Nutzer eine „nächste Zahlungswahrscheinlichkeit“ zu berechnen. Basierend auf den historischen Daten anderer Benutzerprofile aus derselben Region, Plattform usw. wird die nächste Zahlungswahrscheinlichkeit berechnet. Die Zahlungswahrscheinlichkeit ist immer eine Zahl zwischen 0 und 1.

Dieses Model ist nicht besonders gut geeignet, um zukünftige Einnahmen auf Gesamtspielebene vorherzusagen. Ebenso benötigt dieses Model sehr viele Daten (Benutzerprofile), um stabile Prognosen zu liefern.

Ein Vorteil von Model 3 ist, dass es spieleübergreifend einsetzbar ist, da es nur auf die alten Benutzerprofile eines Spiels ankommt.

Software Entwicklung "Made in Germany"

Warum sind wir der richtige IT-Dienstleister für Sie?

Wir arbeiten mit 100% In-House-Entwicklern in und aus Deutschland, die über einen umfangreichen Tech-Stack verfügen. Dadurch garantieren wir höchste Qualität und einen reibungslosen Ablauf in der Entwicklung und Kommunikation.

Wir setzen dabei unterschiedliche Technologien im Bereich der individuellen Software-Entwicklung, IT-Beratung, Schnittstellen Entwicklung, KI Entwicklung und der Überarbeitung von Legacy Software ein.