Tuyên bố thú vị nhất trong buổi thuyết trình Stacked không phải là phần thưởng 200M hay con số doanh thu 25 triệu đô la. Đó là nhà kinh tế học trò chơi AI. Một AI ngồi trên động cơ LiveOps, phân tích hành vi của người chơi và đưa ra các thử nghiệm đáng chạy. Không chỉ là tự động hóa. Thực sự là trí tuệ về những gì có hiệu quả.
Tôi đã suy nghĩ về tuyên bố đó một thời gian và càng suy nghĩ, tôi càng nhận ra rằng "nhà kinh tế học trò chơi AI" là một cụm từ cố gắng nghe có vẻ chung chung trong khi thực tế cơ bản có lẽ rất cụ thể.
Đây là ý tôi. Các mô hình học máy phân tích hành vi người chơi được đào tạo trên dữ liệu hành vi người chơi. Mô hình học các mẫu: những hành động của người chơi nào dự đoán sự rời bỏ, những khoảnh khắc nào trong một phiên dự đoán một lần mua, kích thước phần thưởng nào kích thích việc quay lại mà không kích thích hành vi bán hàng ngay lập tức.
Những mẫu này là có thật và có thể học được. Vấn đề không phải là liệu mô hình có thể học chúng hay không. Mà là liệu các mẫu mà nó đã học được trong một hệ sinh thái trò chơi có chuyển giao sang một hệ sinh thái trò chơi khác hay không.
AI của Stacked đã được đào tạo trên hệ sinh thái Pixels. Hệ sinh thái đó có những đặc điểm riêng. Pixels là một trò chơi mô phỏng nông trại với một cơ sở người chơi gốc crypto. Những người chơi đã ở lại đủ lâu để tạo ra hơn 200M tương tác phần thưởng có một hồ sơ hành vi cụ thể: họ hiểu biết về Web3, thoải mái với kinh tế token, và đã tự chọn vào một hệ sinh thái đã chạy các chiến dịch phần thưởng đủ lâu để mô hình học được điều gì hiệu quả với họ.
Đây là một tập dữ liệu phong phú, cụ thể và có giá trị. Nó cũng chính xác là như vậy: cụ thể.
Khi studio bên ngoài đầu tiên tích hợp Stacked, nhà kinh tế học trò chơi AI đến với những niềm tin trước đó được điều chỉnh trên hành vi người chơi của Pixels. Các thí nghiệm đầu tiên mà nó đề xuất sẽ phản ánh những niềm tin đó. Một số đề xuất trong số đó sẽ đúng, vì các nguyên tắc thiết kế trò chơi tốt có thể chuyển giao. Một số sẽ sai, vì hồ sơ người chơi là khác nhau.
Câu hỏi mà không ai trong bài thuyết trình của Stacked đang hỏi lớn tiếng là: sai bao nhiêu, trong bao lâu, và với chi phí nào?
Trong trường hợp tốt nhất, mô hình điều chỉnh lại nhanh chóng. Studio bên ngoài chạy chiến dịch đầu tiên, thu thập dữ liệu hành vi từ cơ sở người chơi của họ, AI tích hợp điều này, chiến dịch thứ hai tốt hơn, thứ ba vẫn tốt hơn. Đây là cách mà các hệ thống ML sản xuất cải thiện. Nếu vòng lặp điều chỉnh lại của Stacked chặt chẽ, chi phí khởi động là vài tuần với các chiến dịch không tối ưu. Có thể quản lý được. Có thể thậm chí được mong đợi bởi các studio với kỳ vọng thực tế về AI hành vi.
Trong trường hợp không tốt lắm, mô hình chậm điều chỉnh lại vì người chơi của studio bên ngoài
hành vi thực sự khác biệt đến mức các thí nghiệm ban đầu tạo ra tín hiệu gây nhầm lẫn. Một khán giả trò chơi di động bình thường tình cờ bước vào Web3 không hành xử giống như một người nông dân crypto của Pixels. Các đường cong rời bỏ trông khác nhau. Phản ứng với phần thưởng token trông khác nhau.
Các phiên ngắn hơn, tần suất mua sắm thấp hơn, mối tương quan giữa phần thưởng và giữ chân có thể không giống nhau.
Tôi thấy mình thực sự không chắc chắn về trường hợp nào áp dụng, và tôi nghĩ rằng sự không chắc chắn đó có ý nghĩa chứ không chỉ là một khoảng trống trong thông tin của tôi.
Lý do nó có ý nghĩa: đề xuất giá trị của Stacked đối với các studio bên ngoài gần như hoàn toàn dựa vào lớp AI. Khả năng kháng gian lận là quan trọng. Tính hữu ích xuyên trò chơi của PIXEL là quan trọng. Nhưng bất kỳ đội kỹ thuật nào đủ động lực cũng có thể xây dựng một hệ thống phân phối phần thưởng. Điều khó khăn để xây dựng từ đầu là một hệ thống biết ai cần nhắm đến, khi nào, và với kích thước phần thưởng nào. Đó là công việc của nhà kinh tế học AI. Nếu nhà kinh tế học AI mạnh ngay từ đầu cho các studio mới, Stacked có một lợi thế cạnh tranh bền vững. Nếu nó chỉ mạnh sau khi điều chỉnh lại nhiều trên dữ liệu người chơi của từng studio, thì đó là một doanh nghiệp dịch vụ với thời gian onboarding dài, không phải là một nền tảng.
Đội ngũ Pixels có lợi thế vì đã ở đây trước đó. Họ đã xây dựng Stacked bằng cách chạy các chiến dịch trong trò chơi của chính mình và học được điều gì hiệu quả. Họ có những vết sẹo từ những quyết định nhắm mục tiêu sai và dữ liệu từ những quyết định đúng. Họ hiểu hệ thống tốt hơn bất kỳ studio bên ngoài nào sẽ hiểu, vì họ là những người đã xây dựng nó.
Nhưng có một khoảnh khắc cụ thể mà tôi vẫn tưởng tượng. Một studio bên ngoài đã tích hợp Stacked được sáu tuần, xem xét hai báo cáo chiến dịch đầu tiên của họ, thấy sự gia tăng nhỏ hơn mốc chuẩn từ tài liệu thuyết trình của Pixels, và hỏi: hệ thống này không hoạt động cho chúng tôi, hay vẫn đang khởi động?
Câu hỏi đó không có câu trả lời tốt trừ khi Stacked đã truyền đạt rõ ràng thời gian điều chỉnh lại từ trước.
"AI mất khoảng X tuần để điều chỉnh cho hồ sơ người chơi của một studio mới dựa trên kinh nghiệm triển khai hệ thống của chúng tôi" là một câu có thể thực sự có tác dụng trong một cuộc trò chuyện đối tác phát triển. Một điều gì đó trung thực và cụ thể hơn là "nhà kinh tế học trò chơi AI" như một mô tả sản phẩm hai từ.
Điều Stacked cần để làm cho điều này không mập mờ là một giải thích minh bạch về phương pháp học chuyển giao, cách mà AI điều chỉnh các niềm tin được đào tạo từ Pixels sang dữ liệu studio mới, hoặc một nghiên cứu trường hợp công bố từ một studio bên ngoài cho thấy đường cong điều chỉnh lại. Hiện tại nó không có cả hai. Đó không phải là một sự thất bại sản phẩm. Đó là một khoảng cách giao tiếp sẽ trở nên rõ ràng hơn với mỗi studio mới được onboard.
Lời khẳng định của nhà kinh tế học trò chơi AI là hấp dẫn trong bối cảnh những gì nó đã làm bên trong Pixels.
200M phần thưởng đã được xử lý và $25M+ doanh thu hỗ trợ không xảy ra nếu việc nhắm mục tiêu là ngẫu nhiên. Hệ thống rõ ràng đã học được điều gì đó thực sự. Điều mà tôi không thể giải quyết từ bên ngoài là liệu "đã học được điều gì đó thực sự về hành vi người chơi" có nghĩa là đã học được điều gì đó chung, có thể áp dụng cho các nhóm người chơi khác nhau, hay đã học được điều gì đó riêng biệt của Pixels, có thể áp dụng cho những người chơi nông trại gốc crypto.
Những cái này sẽ cảm thấy như một sản phẩm tương tự bên trong Pixels và cảm thấy như một sản phẩm rất khác bên trong một studio xây dựng điều gì đó trong một thể loại hoàn toàn khác. Đó là khoảng cách đào tạo mà nhà kinh tế học trò chơi AI không thể tự dự đoán.
Việc đội ngũ Pixels làm cho câu chuyện điều chỉnh lại trở nên rõ ràng trước hay sau khi hoàn thành tích hợp studio bên ngoài đầu tiên là một sự lựa chọn. Cả hai con đường đều dẫn đến đâu đó. Một trong số đó thì suôn sẻ hơn nhiều.
