Machine learning et hyper-casual gaming : jusqu’où va la personnalisation ?
Entre le 22 et le 28 mars uniquement, selon le cabinet d’analyse AppAnnie, ce sont environ 1,2 milliard de téléchargements sur smartphones qui ont été enregistrés au niveau mondial.
Parmi les tendances, le secteur de l’hyper-casual gaming, qui s’adresse à des joueurs occasionnels qui recherchent des sessions de jeu courtes, a le vent en poupe. En effet, ce modèle de jeu est particulièrement attractif dans la mesure où il allie détente et rapidité d’exécution, et ce dans n’importe quelle situation.
Mais au-delà du divertissement, ce sont des volumes de données massifs qui transitent lors de ces sessions. Une opportunité sans précédent pour les marques qui peuvent ainsi analyser via le machine learning ces dernières pour comprendre les comportements des utilisateurs, en amont, pendant et après le jeu.
Mieux cibler pour attirer les utilisateurs
Le travail réalisé actuellement grâce au machine learning est-il uniquement lié à l’expérience de jeu même ? La réponse est non. En effet, pour comprendre l’ampleur des possibilités existantes, il faut déjà envisager une première étape qui est celle de l’avant jeu. Un moment décisif pour les éditeurs de jeux-vidéos où l’étude de l’audience est indispensable pour être sûr de proposer le bon jeu aux bonnes personnes.
Le machine learning intervient alors comme véritable outil permettant de déterminer les habitudes et comportements des utilisateurs pour que leur soit proposé par la suite des jeux susceptibles de leur plaire, et ainsi mieux les fidéliser. En se basant sur les habitudes des utilisateurs, les régies sont en mesure de savoir quel type de jeu aura le plus de chance d’intéresser tel ou tel joueur. Etant donné la quantité de données disponibles, le machine learning permet d’améliorer sensiblement leurs modèles de ciblage.
Proposer une expérience de jeu adaptée pour fidéliser
Mais à quoi sert d’attirer un utilisateur si l’expérience de jeu n’est pas suffisamment concluante pour garder son attention ? Une question pour laquelle le machine learning apporte effectivement une réponse.
Par l’analyse des données récoltées, le machine learning détermine ainsi le niveau de difficulté qui peut être proposé aux utilisateurs, le rythme idéal pour avancer dans le jeu, ou encore les cadeaux à distribuer au joueur par exemple. L’adaptation aux besoins et désirs des utilisateurs constitue ainsi un facteur clé qui évitera toute frustration de leur part, et une envie décuplée de continuer à jouer, ou de tester d’autres jeux similaires.
Et c’est également la création des jeux même qui se voit impactée par le machine learning. En effet, les données qui sont collectées lors des sessions de jeux sont elles-mêmes analysées et constituent l’élément de base définissant le type de jeu (gameplay, profondeur de jeu, metagame) à créer et développer pour répondre aux nouvelles demandes.
Machine learning et jeux-vidéos : des capacités créatives à exploiter ?
Au-delà de l’expérience présente – avant, pendant et après le jeu – de nouvelles perspectives sont offertes grâce au machine learning. En outre, le transfert de style, technique de deep learning permettant de générer de nouveaux contenus via des algorithmes, apporte un véritable vivier en termes de créativité […..]
Source:: Machine learning et hyper-casual gaming : jusqu’où va la personnalisation ?
