Notifications
Article
GameTune:机器学习让游戏测试更加简便
Updated 15 days ago
1.9 K
2
我们推出了一款新的游戏测试工具GameTune,它应用了新的机器学习功能,可根据不同条件做出智能的决策,做到“精确到个人”的游戏优化。
作者:Mikko Lehtinen和Sylvia Lam,2019年11月8日
原文链接:https://blogs.unity3d.com/2019/11/08/simplify-your-game-testing-with-our-new-machine-learning-product-gametune/

今年的Unite大会上,最激动人心的发布消息之一便是GameTune的beta测试了。GameTune是一款具有机器学习功能的游戏优化软件。
在运营游戏时,不断地推出新功能和新活动是必不可少的。但是要如何才能保证每个功能都可以完美地表现在玩家眼前呢?许多开发者选择在发布改动前广泛地进行A/B测试,即使测试本身也要花费几周来设计、执行和分析。况且并非每次测试都能产出有用的结果,开发者可能在几周后才能意识到某个新功能在游戏中造成了负面影响。
这正是我们设计与创建GameTune的原因。不论规模大小,任何工作室都能使用GameTune来驾驭Unity的机器学习功能,实现更多的测试、更快的洞察、更迅速的反应。

工作原理

首先,向GameTune提出一个问题,然后选择一个优化度量标准。不同的问题可将游戏导向不同的商业目标。在上方示例中,我们与位于赫尔辛基的Futureplay工作室合作,研究其《Idle Farming Empire》(放置农场帝国)。工作室希望测试教程的完成时间,目的是增加教程的吸引力。
接着,为GameTune决策引擎提供多个选择,如本例中的四种速度,从非常慢到非常快。
GameTune则根据不同玩家选择最能留下玩家的速度,确定每个玩家的教程时间。
传统的A/B测试只能揭示最适合平均玩家的对策,而GameTune则能为每个玩家提供最好的体验。
游戏中任何部分都能具有动态性。用户可以测试资源、内购折扣、新用户体验以及更多。
观看以下视频,了解Futureplay是如何使用GameTune来提高利润和用户黏性的。

轻松使用GameTune

快来申请参加beta测试吧。在申请完毕后,可遵循如下步骤在生产流程中整合应用GameTune。
首先,在游戏中整合进GameTune SDK。该SDK可以轻易启用GameTune服务和其机器学习功能。
与GameTune的互动遵循“你问我答”模型。首先,为你的“问题”命名,名字应反映游戏优化目标(如level_difficulty关卡难度)。然后,为“问题”设置不同的回答(如简单、中等、困难)。当玩家参与到游戏中,“问题”会出现,而GameTune会根据该用户的设置作出一个最优的“回答”。
每个“问题”都能设置一个不同的优化目标。我们可以在GameTune dashboard(Projects – 选择一个项目 – Optimization → GameTune)中设置优化目标。例如,你的“问题”可以是为了提高游戏黏性、最大化用户转化(用户已执行过特定操作)、或最大化玩家生命期价值。
最后一步是将相关优化目标上玩家的每次完整行动报告给GameTune。比方说,如果目标是最大化广告印象,则每次玩家观看广告,都应有某种奖励。而在黏性优化上,玩家每次回到游戏,奖励会自动发放。通过学习,GameTune会在下次类似用户属性信息经过系统后,做出最优的选择。
在游戏首次发布时,GameTune并不知道“问题”中不同选择的结果。搜集了一定的数据后,GameTune会给任何用户随机选择一个“回答”,此时它与A/B测试非常相似。进一步搜集数据后,GameTune会自动建立起一个机器学习模型,优化也就开始了。随着更多的用户讯息流经系统,该模型会持续地根据用户偏好学习迭代,所产出的结果也就更加精确。

开始使用

现在就来申请beta测试吧。

开发过程中遇到问题?打开Unity Connect App或者Unity编辑器内置群聊工具,在“技术交流”群聊组中提问。
Tags:
Unity China
710
Comments
椿屿楸峰@zel
21 days ago
沙发
0
哈咯自行车
25 days ago
是沙发诶
0