本申請提供了一種流失預測模型的訓練方法、玩家流失原因分析方法及裝置，該訓練方法包括：獲取多個目標玩家分別對應的游戲日志，并構造包括多個類別的流失原因特征和流失結果的訓練數據集；將流失原因特征作為流失預測模型的輸入，根據流失預測模型的輸出結果以及流失原因特征對應的流失結果，調整流失預測模型，直至流失預測模型的損失值最小或者所有的模型參數都訓練結束時，選取對應的準確率最高的內部結構，得到訓練好的流失預測模型。本申請，能夠提高流失預測模型預測結果的準確率，并且，通過流失預測模型輸出目標玩家流失的預測值，降低了人工成本，提高了分析效率；另外，模型的可解釋好，便于玩家查看；且模型易于擴展，適用性好。

技術領域

本申請涉及游戲技術領域，具體而言，涉及一種流失預測模型的訓練方法、玩家流失原因分析方法及裝置。

背景技術

在游戲領域，玩家的行為與游戲的運營息息相關，比如，玩家長時間未登錄游戲(也即玩家流失)，會影響游戲的營收。

以玩家流失為例，游戲廠商通常要分析玩家流失的原因，通過分析玩家流失的原因，針對性地改進游戲，增強玩家的游戲體驗，提升玩家留存率，進而增加游戲營收。目前，游戲廠商基于以下方法分析游戲玩家流失的原因：通過玩家的歷史數據對流失玩家群體和留存玩家群體進行對比分析，以確定流失玩家的流失原因。

但是，該種方式中，需要人工對大量數據進行對比分析，人工成本高，分析效率低，且不易擴展，因此，無法滿足如今無處不在的在線游戲。

發明內容

有鑒于此，本申請的目的在于提供一種流失預測模型的訓練方法、玩家流失原因分析方法及裝置，在訓練階段，通過包括多個類別的流失原因特征的訓練數據集訓練流失預測模型，提高了模型預測結果的準確率；在應用階段，通過流失預測模型輸出目標玩家流失的預測值，并對該預測值進行解釋，降低了人工成本，提高了分析效率和分析準確率，便于玩家查看；另外，模型易于擴展，適用性好。

第一方面，本申請實施例提供了一種流失預測模型的訓練方法，所述訓練方法包括：

獲取多個目標玩家分別對應的游戲日志，并根據所述游戲日志構造訓練數據集；其中，所述訓練數據集中的每個訓練數據包括多個類別的流失原因特征和流失結果，所述流失結果包括是或否；

將所述流失原因特征作為流失預測模型的輸入，根據所述流失預測模型的輸出結果以及所述流失原因特征對應的流失結果，訓練所述流失預測模型，直至所述流失預測模型的損失值最小或者所有的模型參數都訓練結束時，選取對應的準確率最高的內部結構，得到訓練好的流失預測模型；其中，訓練好的所述流失預測模型用于基于輸入的目標流失原因特征輸出用于表征所述流失結果為是的預測值。

在一種可能的實施方式中，所述流失原因特征的類別包括以下至少之一：

社交影響類別、資源平衡類別、玩法挫敗類別、游戲角色成長類別、游戲元素偏好類別。

在一種可能的實施方式中，所述根據所述游戲日志構造訓練數據集，包括：

基于目標玩家對應的游戲日志，構建所述目標玩家對應的特征畫像表，所述特征畫像表中包括所述目標玩家對應的多個類別的流失原因特征；

基于所述目標玩家對應的游戲日志，確定所述目標玩家對應的流失結果；

基于多個目標玩家分別對應的特征畫像表和該多個目標玩家分別對應的流失結果，構造訓練數據集。

在一種可能的實施方式中，所述獲取多個目標玩家分別對應的游戲日志，包括：

獲取每個目標玩家在以每個目標時間點為中心的第一預設時間段內的登錄信息；所述目標時間點為該目標玩家的流失起始時間點之前一段時間內的時間點；

根據該目標玩家在每個目標時間點對應的登錄信息以及預設的標準值，確定該目標玩家對應的轉折時間點；