Mình đã từng xây một fraud detection system từ đầu. Mất bốn tháng. Nó vẫn không tốt bằng thứ Pixels offer trong một ngày integration.
Năm 2022, mình làm việc với một startup gaming nhỏ đang cố build analytics infrastructure riêng. Không phải vì họ thích tự xây. Mà vì không có vendor nào offer đúng thứ họ cần ở mức giá họ có thể trả. Mình ngồi trong cuộc họp mà CEO hỏi: "chúng ta cần bao lâu để có LTV model chạy được?" Data scientist trả lời: "sáu tuần nếu data clean. Ba tháng nếu không."
Data không clean. Mất gần bốn tháng.
Rồi họ cần fraud detection. Thêm hai tháng nữa. Session depth analysis. Thêm một tháng. Churn prediction. Thêm sáu tuần.
Tổng cộng gần một năm để có bốn metric mà bây giờ Pixels offer qua một REST endpoint với integration time dưới một ngày.
Mình đọc dòng đó trong whitepaper và ngồi im một lúc.
Bốn metric đó không phải bốn thứ random được bundle lại với nhau để trông impressive. Chúng là bốn góc nhìn khác nhau về cùng một câu hỏi: người chơi này có giá trị với ecosystem không, và nếu có thì giá trị đó tồn tại bao lâu?
LTV curve là góc nhìn tài chính. Nó dự đoán tổng doanh thu mà một người chơi sẽ tạo ra trong toàn bộ lifetime của họ trong game, không phải chỉ hôm nay hay tuần này. Metric này khó xây vì nó đòi hỏi historical cohort data đủ dài để model học được pattern. Studio mới không có historical data. Họ phải ước tính dựa trên proxy metrics và thường sai theo cách tốn tiền nhất: over-invest vào cohort có LTV thấp, under-invest vào cohort có LTV cao.
Fraud score là góc nhìn bảo mật. Không phải rule-based blocking kiểu "IP này đã tạo mười account." Đó là behavioral anomaly detection: người chơi này hành xử như người thật hay như script? Farming pattern có consistent quá không? Session timing có random đủ không? Click pattern có human enough không? Fraud detection tốt đòi hỏi đủ data về cả người chơi thật lẫn bot để model biết ranh giới ở đâu. Data đó chỉ có được từ adversarial conditions thật, không phải từ synthetic test data.
Session depth là góc nhìn engagement. Không phải "người này login bao nhiêu lần" mà là "khi họ login, họ làm gì và đi sâu đến đâu trong game loop." Người chơi login năm phút để claim daily reward và người chơi login hai giờ để craft T3 recipe đều được tính là "active" trong DAU. Session depth phân biệt hai nhóm đó. Metric này quan trọng với reward targeting vì người có session depth cao hơn thường có LTV cao hơn và fraud score thấp hơn.
Churn vector là góc nhìn dự báo. Không phải "người này đã churn" mà là "người này đang có bao nhiêu phần trăm khả năng churn trong bảy ngày tới và vì lý do gì." Churn vì hết content khác với churn vì streak thua. Churn vì bạn bè rời đi khác với churn vì token giảm giá. Mỗi churn reason đòi hỏi intervention khác nhau. Model churn vector tốt phải học được những pattern đó từ đủ nhiều people đã churn theo đủ nhiều cách khác nhau.
Đây là lý do tại sao bốn metric này không thể tách rời nhau khi dùng cho reward targeting.
LTV cao nhưng fraud score cao có nghĩa là bạn đang nhìn vào một bot được thiết kế để trông có giá trị. Session depth cao nhưng churn vector cao có nghĩa là người chơi đang engaged nhưng sắp rời đi vì lý do gì đó bạn chưa hiểu. Fraud score thấp và LTV thấp có nghĩa là người chơi thật nhưng không phải cohort bạn nên invest rewards vào.
Khi AI game economist của Stacked quyết định phát reward cho ai, nó đang cross-reference cả bốn metric cùng lúc. Không phải từng cái một. Một người chơi với LTV curve đang tăng, fraud score thấp, session depth vừa drop nhẹ, và churn vector vừa tăng là người cần intervention ngay hôm nay, trước khi họ rời đi. Reward đúng lúc đó có thể flip churn vector. Reward sai lúc đó là lãng phí budget.
Không có cái nào trong bốn metric đó đủ để đưa ra quyết định đó một mình.
Bây giờ mình sẽ nói về phần mà hầu hết bài viết về Pixels bỏ qua.
Xây bốn metric đó tốn thời gian. Nhưng thứ thật sự tốn thời gian không phải là xây chúng. Là xây chúng trên data thật từ người chơi thật trong adversarial conditions thật.
LTV model được train trên simulated data sẽ fail khi gặp người chơi thật có behavior không ai predict được. Fraud detection được train trên synthetic bot data sẽ bị bypass bởi bot thật được thiết kế để game detection system. Session depth model được train trên một game sẽ misinterpret session pattern của game khác genre.
Pixels có gì mà startup gaming trong cuộc họp đó năm 2022 không có: hàng triệu người chơi thật, hàng trăm triệu rewards đã được xử lý, fraud attack thật đã được đối phó, churn pattern thật đã được observe qua nhiều cohort và nhiều giai đoạn thị trường khác nhau.
Dataset đó không mua được. Không thể replicate bằng cách raise thêm vốn và hire thêm data scientist. Nó chỉ được xây bằng cách vận hành một ecosystem thật đủ lâu và survive qua đủ nhiều thứ có thể giết nó.
Studio integrate Pixels Events API trong một ngày không chỉ nhận được bốn metric. Họ nhận được bốn metric đã được calibrate trên production data thật. Đó là thứ khác hoàn toàn với bốn metric được xây từ đầu trong môi trường clean.
Mình nghĩ đến startup gaming đó năm 2022. Họ đã build tất cả những thứ đó từ đầu. Mất gần một năm, tốn tiền không nhỏ, và cuối cùng có một hệ thống hoạt động ở mức "đủ dùng" chứ không phải "thật sự tốt."
Nếu Pixels Events API tồn tại lúc đó, câu hỏi trong cuộc họp đó sẽ không phải "mất bao lâu để xây." Câu hỏi sẽ là "chúng ta có nên tự xây không."
Câu trả lời khá rõ.