Análisis de Big Data para la monetización de videojuegos, juegos móviles y sociales.

Comprenda e influencie el comportamiento rentable del consumidor

La industria del juego está experimentando cambios tremendos, pues el espectro tradicional del juego se expande para incluir nuevos tipos de juegos, plataformas y jugadores. Los desarrolladores de juegos y marcas tienen la oportunidad de aplicar estas técnicas de análisis de grandes volúmenes de datos para capturar la riqueza y variedad de información de comportamiento y de multiestructuras de los juegos y los jugadores. Puede almacenar estos datos en bases de datos NoSQL e integrarlos con bases de datos relacionales transaccionales para ganar ventajas competitivas interesantes a través de conocimientos más profundos y prácticos.

Kimberly Chulis, CEO and Co-founder, Core Analytics, LLC

Photograph of Kimberly ChulisKimberly Chulis es una de las fundadoras originales de Core Analytics, LLC. Con más de 18 años de experiencia profesional en análisis avanzado, ha demostrado experiencia analítica en proyectos en varias compañías e industrias, que incluyen WellPoint, HCSC, UHG, Great West, Accenture, Ogilvy, Microsoft, Sprint/Nextel, Commonwealth Edison, TXU, Eloyalty, SPSS, Allstate, Cendant y otros en los sectores financieros, de telecomunicaciones, cuidado de la salud, energéticos, sin fines de lucro, de venta y educacionales. Kimberly ha realizado investigaciones de postgrado en el programa Human Services Consumer Behavior de la Universidad de Purdue y tiene una maestría en economía con un enfoque en economía de la salud y econometría de la Universidad de Illinois en Chicago.



24-09-2012

Está ocurriendo una revolución en la industria del juego. La mera magintud de la industria global del juego es asombrosa. De acuerdo con el analista industrial Collin Sebastian de RW Baird, los videojuegos generaron ingresos de USD 60 mil millones en 2011 y se espera que lleguen a USD 80 mil millones para 2014. Mientras que los pronósticos y los patrones de crecimiento esperados por tipo de juego difieren, en dependencia de las fuentes, algunos anuncian a la industria del videojuego como el medio de comunicación masivo de la década (ver Recursos). Los juegos de computadora se proyectan en USD 20 mil millones, y se anticipa que los juegos sociales ganen unos USD 2 mil millones este año (2012). A la vez que estos números indican que la porción más grande del mercado actual corresponde a la industria de los videojuegos, está ocurriendo un cambio preferencial importante y un cambio demográfico de jugador que se espera puede resultar en una disminución parcial en la popularidad de los videojuegos básicos y una rápida disminución en la variedad de consola.

Los juegos sociales se ofrecen ahora a una fracción del precio a través de redes sociales como Facebook y se juegan en varias plataformas móviles como Android e iOS. Estos juegos son distintos a los videojuegos tradicionales y de multijugador masivo en línea (MMO). Los jugadores expertos tradicionales son mayormente de sexo masculino, de entre 18 y 34 años, quienes compran videojuegos para consola y juegos de computadora que pagan en efectivo y con tarjetas de crédito para jugar solos o dentro de un ambiente interactivo limitado. La rápida adopción de juegos móviles representa un cambio fundamental en el espectro tradicional del juego, lo que expande quién, cómo y por qué los jugadores están jugando. Los jugadores sociales tienden a ser un 54 por ciento de sexo femenino, utilizan pago móvil y PayPal para las compras y juegan a través de plataformas y dispositivos (ver Recursos). Hay diferencias impactantes de mayor interés que están emergiendo en los patrones de ingresos por juegos a través de los dispositivos. Investigaciones recientes llevadas a cabo por Newzoo indican que juegos iOS generan 85 por ciento de ingresos por juegos en plataformas Android y otras.

El análisis industrial apunta a una disminución esperable en los juegos de consola y hardware, y aparatos relacionados, con los juegos basados en la Web convirtiéndose en la plataforma de preferencia. De acuerdo con ABI Research, esta tendencia será equiparada con el crecimiento continuo en videojuegos jugados en la computadora y un crecimiento explosivo en juegos móviles, este último llegará a USD 16 mil millones para 2016 según lo esperado. Esto significa una gran oportunidad para proveedores de análisis.


Análisis de juegos

Aunque la industria global de juegos es ahora más grande que la industria musical y del mismo tamaño que la industria cinematográfica, los desarrolladores de juegos están recién comenzando a adoptar análisis avanzado para soportar desarrollo de juegos, diseño de productos, medidas de comercialización dirigidas y optimización de la monetización impulsada por la información en el juego. La industria de análisis de juegos correspondiente se encuentra todavía poco atendida. La lista del nicho de proveedores de análisis para juegos sociales y móviles continúa en expansión con la representación de Kontagent, Flurry, Mixpanel, Totango, Claritics y Google Analytics. Hay muchos menos proveedores enfocándose en la computadora y los juegos MMO; y no parece haber un solo proveedor de análisis enfocado en producir análisis de plataforma entre juegos.

Muchos de estos productos disponibles proveen de manera adecuada la lista esperable de mediciones estándar para los juegos sociales (ver Recursos), la cual incluye lo siguiente:

  • Usuarios activos por día (DAU)
  • Usuarios activos por mes (MAU)
  • Un índice combinado de DAU/MAU
  • Compromiso, lo que mide el tiempo utilizado en jugar un juego
  • Factor K, lo que representa la tasa de infección de juegos virulentos a medida que el núcleo y la base de jugadores ocasionales se expande
  • Ingreso promedio por usuario (ARPU)
  • Valor de vida (LTV), que captura el valor de un jugador para el juego basado en compras internas y otros comportamientos relacionados con la monetización, la influencia del jugador en la viralidad y la promoción de juegos de internet.

Monetización del juego

Tradicionalmente, los videojuegos y los juegos sociales han tenido modelos de negocios claramente distintos. Actualmente hay una convergencia de abordajes de monetización de negocios entre los tipos de juegos. Históricamente, los videojuegos dependían de un modelo basado en suscripción que requería a los jugadores hacer la compra inicial de un juego y suscribirse a una tarifa mensual regular. Este modelo de negocios está siendo reemplazado por algunos juegos con los modelos de prueba de juego gratuito que le siguen de cerca a los modelos freemium emergentes que ofrecen típicamente los juegos sociales (ver Recursos). Hoy los términos móvil y social son frecuentemente utilizados de manera indistinta; sin embargo, probablemente se convertirán en géneros de juegos distintos a medida que los patrones de distribución de juegos se desarrollan. De esta manera se expandirá el acceso a los juegos y se incrementará en gran medida el universo de jugadores potenciales correspondiente. Mientras que hoy algunos juegos están disponibles sólo en ciertos sitios como Facebook, en plataformas individuales como la computadora o la Xbox, o en dispositivos específicos como el iPhone o iPad, eventualmente los títulos de muchos juegos serán lanzados a través de más plataformas en un formato más independiente del sitio y del dispositivo.

Los juegos móviles y sociales hacen dinero (monetizan) de pocas formas, y los modelos de negocios y de monetización están cambiando de manera dinámica. Algunos juegos, como el juego de palabras W.E.L.D.E.R. basado en iOS, cobran un cargo de suscripción de compra inicial pero eventualmente podrían trasladarse a un modelo freemium. Otros juegos como los de Facebook dependen de la venta de bienes virtuales. Juegos como CityVille de Zinga encajan en el molde donde los jugadores utilizan dinero físico o crédito de Facebook para comprar bienes dentro del juego y de esa manera desempeñarse mejor, ganar ventajas, obtener acceso premium y moverse a niveles más avanzados de manera más rápida. Una tercera forma de monetización de juegos es la publicidad dentro de los juegos. Compañías como TapJoy ofrecen letreros de publicidad dentro del juego, ofertas en video y publicidades de página completa intersticial. Hay una lista en crecimiento de compañías que ofrecen modelos híbridos que apuntan a aumentar la conciencia de los nuevos juegos y de la optimización de la monetización. A medida que los juegos y los modelos de monetización asociados evolucionan, la relevancia de los análisis subyacentes para identificar los segmentos de jugadores, cómo juegan, la propensión a hacer clic en una propaganda dentro del juego o pagar en efectivo por bienes virtuales se vuelve exponencialmente mayor. Los proveedores actuales ofrecen mediciones estándar, y otros proveedores como Flurry y Kiip ofrecen bienes virtuales o motores de optimización de recomendación de publicidades. Mientras que la industria de los análisis de juegos está dando grandes pasos para ponerse al día, todavía se encuentra en una etapa de infancia. Los almacenes de reservas de datos sociales prácticamente sin utilizar a nivel de la identificación del jugador existen como indicadores potenciales que pueden ser unidos a la segmentación y a la propensión a comprar modelos que pueden conducir el desarrollo del juego basado en valor, la localización, las ofertas orientadas a los juegos y las publicidades. Estos datos sociales también pueden medir el éxito de los números netos de los promotores, identificar a los jugadores promotores y rastrear la redención de las ofertas dentro de los juegos.

Además de los enfoques corrientes de monetización de juegos detallados anteriormente, está surgiendo otra tendencia de marketing que merece ser mencionada y que también es relevante desde un enfoque del análisis avanzado de juegos. La gamificación es una de las tendencias de empresa más reciente para el 2012, que incluye el uso de la mecánica de juego y el diseño para motivar a la gente e impulsar comportamientos específicos (ver Recursos). En el sentido del comportamiento del consumidor, la gamificación involucra la introducción de elementos de juego como tablas de posiciones, insignias, trofeos, puntos, monedas y créditos virtuales y más para recompensar comportamientos deseados. En un ejemplo claro, Bunchball e IBM® se han unido para introducir la gamificación para lograr la adopción del usuario y el compromiso con el ambiente de IBM Connections (ver Recursos). Compañías del cuidado de la salud como UnitedHealth Group han integrado las estrategias de la gamificación y los videojuegos para promover el manejo independiente de comportamientos saludables y del bienestar. Se espera que para el 2016 se inviertan de manera directa unos USD 2 mil en gamificación. A medida que estos programas ganan popularidad y se implementan a mayor escala, las soluciones de análisis de datos para medir los impactos de los programas de gamificación en el compromiso de los consumidores y la lealtad estarán en gran demanda.

Con todo el crecimiento esperable alrededor de los videojuegos, juegos sociales y móviles, y el crecimiento de la adopción de la gamificación por parte de las empresas, se podría esperar que las soluciones de análisis de juegos y gamificación asociadas fueran más maduras. Existe una gran barrera para el análisis rápido de datos de juego y de jugadores que ha dificultado el rápido avance en este espacio. La pura masa de información de dentro del juego, de subida de nivel, de adquisición de habilidades, de compra dentro del juego y de periferia a nivel de jugador individual representa un desafío para las estructuras de bases de datos. Los sistemas heredados de gestión de base de datos relacional (SGBDR) no han sido construidos para administrar, almacenar y procesar los petabytes de datos generados por MMO modernos y juegos sociales o móviles. Nuevas soluciones para grandes volúmenes de datos están basadas en tecnología NoSQL (ver Recursos) y son mucho más adecuadas para administrar el volumen cambiante de datos, los recursos y el formato de datos estructurados, semiestructurados y desestructurados, y para filtrar los conjuntos de datos a un nivel administrable como medio de entrada de soluciones de análisis de datos en el acto.


Avances tecnológicos en bases de datos

Las bases de datos relacionales se han utilizado de manera generalizada desde su introducción a la escena en los setenta. Mientras que ha crecido exponencialmente el uso de las bases de usuarios de aplicaciones online y en datos resultantes de sistemas online y móviles durante este tiempo, no se han introducido nuevas soluciones que se adecuen mejor a la administración de datos a escala tan grande ni en uso más amplio. Se han introducido distintos métodos para extender la capacidad de sistemas heredados.

  • Sharding es la práctica de partición de datos a través de diversos servidores, lo que requiere conocimientos de la ubicación de datos en el servidor y son limitados por el hecho de que no se pueden hacer uniones a través de segmentos. Se deben mantener esquemas para cada servidor.
  • La desnormalización es otro método que involucra el agrupamiento y el indexación de datos redundantes y que, por lo general, resultan en latencia y problemas para mantener la concurrencia en sistemas de bases de datos relacionales.
  • La caché distribuida almacena datos recientes en la memoria, por lo cual es útil cuando se necesitan datos. La aplicación (web, de juegos, de red social, del motor de búsqueda, etc.) verifica primero un sistema de caché distribuida, como un memcached, para los datos necesarios en lugar de regresar a la base de datos relacional.

Las nuevas tecnologías NoSQL evitan los defectos comunes de las bases de datos relacionales y la necesidad resultante de emplear métodos de extensión de espectro descritos en el párrafo anterior. No requieren un esquema o uniones, y no son relaciones. Estas bases de datos pueden manejar datos estructurados, semiestructurados y desestructurados. Se pueden agregar datos adicionales a los almacenes en cualquier momento independientemente del formato y pueden estar inmediatamente disponibles para análisis. Estas bases de datos pueden administrar fácilmente estructuras de datos jerárquicos/anidados y son elásticas, ya que automáticamente expanden datos a través de los servidores a medida que los datos se expanden y se contraen sin impactar el desempeño (ver Recursos).

Hay una variedad tipos de bases de datos NoSQL que incluyen almacenes de datos, almacenamiento en columnas, almacenamiento de valores claves, bases de datos XML y bases de datos gráficos. Hay poco más de 122 bases de datos NoSQL en uso y el número continúa en expansión. Existen varias opciones NoSQL populares de código abierto que incluyen almacenamiento en columnas como Apache CouchDB y MongoDB, y almacenamientos en columnas de gran amplitud, como Apache Cassandra, Apache Hadoo y Hbase. También existen herramientas de análisis de código abierto que se encuentran en la cima de sistemas como el paradigma de Hadoop MapReduce. Apache Mahout es un motor de aprendizaje automático que provee clasificación, agrupación y filtro colaborativo. El código abierto R ha sido integrado para hacer funcionar masivamente procesos estadísticos paralelos directamente en nodos Hadoop. También son populares las opciones comerciales NoSQL que se integran con Hadoop y otras herramientas de código abierto y extienden enormemente las capacidades con el análisis de datos, datos y textos, procesamiento en la aplicación, funciones de mapa reducidas y opciones gráficas. Uno de los ejemplos es el recientemente puesto en venta InfoSphere Biglnsights de IBM (ver Recursos) que se construyó en la plataforma Apache Hadoop y está disponible en una opción básica gratuita y una edición empresarial más poderosa.


Ejemplos de análisis de datos de videojuegos

Ahora llegó el momento de prestar atención a un par de aplicaciones de análisis de datos de juegos del mundo real. Imagínese un videojuego MMO de gran magnitud. Este género de juego incluye juegos poderosos como World of Warcraft, el juego más redituable en la historia, y el recientemente puesto en mercado Star Wars la Antigua República. Los modelos de suscripción a videojuegos se clasifica en tres categorías:

  • Pay-to-play es donde los jugadores deben pagar una tarifa de suscripción mensual.
  • Free-to-play involucra por lo general un costo inicial de software pero sin pagos adicionales.
  • Freemium permite a los jugadores acceder al contenido del juego de manera gratuita pero ofrece opciones para pagar por contenido y acceso adicional.

Los títulos de juegos más grandes en este género usan modelos de suscripción pay-to-play. Los estudios de juegos están enfrentando una ardua competición como resultado directo del crecimiento de juegos móviles y sociales. Por este motivo, mientras que los títulos más grandes están siguiendo un modelo de suscripción, podría haber un cambio eventual hacia un modelo freemium.

Para los juegos play-to-play, los análisis de datos de juegos se enfocan en el entendimiento de quiénes son los jugadores más valiosos, cómo juegan, si promueven el juego e influencian a otros a jugar y cuáles son las personalidades y los motivos como jugadores. Una aplicación importante del modelado de propensión en este tipo de modelo es identificar a los jugadores con la mayor propensión a realizar una de las siguientes acciones:

  • Continuar con una suscripción
  • Regresar a continuar jugando un juego luego de una pausa en la suscripción
  • Alentar a nuevos jugadores a suscribirse
  • Convertirse en talentosos líderes de agrupaciones

Los elementos de datos incluyen los indicadores clave de desempeño (KPI) del tablero clásico de juegos, tiempo para completar los niveles, comportamientos de juego individual versus juego interactivo, selección de avatar, indicadores de estilo de interacción, género del avatar, variables de comportamiento de estrategias de juego, tweets relacionados con el juego, actividad en las redes sociales, lenguaje y más.

Las aplicaciones de microsegmentación involucran la segmentación de la base de un jugador para entender distintas preferencias de segmentos y comportamientos para guiar el diseño de juego específico, localización que refleje la preferencia de segmentos regionales y paquetes de extensión específicos atractivos y diseño de contenido adicional (ver Recursos). Cuando se segmenta la base de un jugador y se les asigna marcas de propensión en tiempo real, el producto, el diseño y el marketing tienen una inteligencia individual de jugador detallada para guiar la estrategia y medidas de final de vida útil. Este enfoque para los jugadores de juegos no es muy diferente de la visión del consumidor tradicional hacia la aplicación de análisis de datos avanzado para la retención de jugadores, migración y esfuerzo en medidas de comercialización. La diferencia principal en esta vía es la gran variedad de datos nueva y el tremendo volumen y velocidad a la cual se genera. La industria del videojuego se beneficia a medida que comienzan a influenciar las eficiencias de combinar las relaciones tradicionales de bases de datos como Netezza con Hadoop y otros almacenes de datos NoSQL y aplicar herramientas de minería de datos como R o InfoSphere Biglnsights, las cuales administran de manera efectiva el procesamiento y análisis de datos fuera de la memoria.


Ejemplos de análisis de datos juegos móviles y sociales

Los desarrolladores de juegos móviles y sociales han sido pioneros en la adopción de tecnología para grandes bases de datos, soluciones de computación en nube y aplicaciones asociadas de minería de datos. Zynga, por ejemplo, es reconocido en la industria por estrategia basada en análisis innovador de datos de jugadores para producir análisis de datos de usuario procesable. El análisis de datos de los jugadores le permite a los estudios de juegos sociales entender en tiempo real los motivos por los cuales los usuarios abandonan un juego e identificar otros jugadores en riesgo de abandonar el juego para poder desarrollar estrategias de retención de jugadores antes de que estos se retiren. Las mismas aplicaciones de análisis de datos optimizan la interacción generada por publicidad y las ventas de bienes virtuales dentro del juego. Si un desarrollador de juego es capaz de identificar usuarios virales que se expanden en la base de jugadores, pueden llevar a cabo una divulgación en los sitios de medios sociales con recompensas para asegurarse la continuación de los comportamientos deseados. Los análisis de datos en un escenario móvil identifican a los jugadores que representan el valor mayor en términos de propensión a adquirir bienes virtuales, promover un juego o generar un ingreso por publicidad. Otro problema principal con todos los géneros de juego es el fraude, y los análisis de datos revelan comportamientos fraudulentos de jugadores para su remoción. Los juegos móviles y sociales emplean análisis de datos para comprender el contenido de las campañas que trabajan mejor, por lo general combinados con pruebas de contenidos A/B y refinamiento integradas. La segmentación de jugadores basada en variables relacionadas con el dispositivo, la plataforma, la empresa, la geolocalización y los datos demográficos facilitan las ofertas del tipo dentro y fuera del juego y de jugadores en equipo en tiempo real.


Resumen

Tanto la industria como la tecnología del juego están evolucionando a gran velocidad. Los avances tecnológicos en ambos sectores proveen oportunidades interesantes para los desarrolladores de juegos y los estudios de medios para aplicar análisis avanzado de juego a fines mejorar aun más el diseño y optimizar los esfuerzos de monetización de juego. Si se crea nueva legislación estatal para legalizar la apuesta online, emergerá un nuevo enfoque en análisis avanzado de datos y microsegmentación para producir la monetización de los jugadores basado en patrones de apuestas. Se continuará haciendo énfasis en el fraude en el juego y en el análisis para combatirlo a través de todos los géneros de juego. A medida que más y más usuarios se mudan a smartphones y tablets, más modelos de negocios de juego se mudarán a modelos freemium y emergerán nuevos modelos de monetización de jugadores que requerirán de modelado de propensión y segmentación para los objetivos. La gamificación continuará expandiéndose, y la necesidad de mediciones asociadas con estos programas crecerán. La próxima década promete ser un campo fértil para soluciones de análisis de datos de juegos especializados y analistas enfocados en incorporar tecnologías de grandes volúmenes de datos para revelar grandes descubrimientos en comportamientos tanto del jugador como del consumidor.

Recursos

Aprender

Obtener los productos y tecnologías

  • InfoSphere Biglnsights es el punto de inicio para aprender y trabajar con grandes volúmenes de datos. Descargue la edición básica sin costo.
  • Evaluación del software: Encuentre más software de prueba. Descargue la versión de prueba, trabaje con el producto en un ambiente online seguro o tenga acceso a esta a través de la nube.

Comentar

Comentarios

developerWorks: Ingrese

Los campos obligatorios están marcados con un asterisco (*).


¿Necesita un IBM ID?
¿Olvidó su IBM ID?


¿Olvidó su Password?
Cambie su Password

Al hacer clic en Enviar, usted está de acuerdo con los términos y condiciones de developerWorks.

 


La primera vez que inicie sesión en developerWorks, se creará un perfil para usted. La información en su propio perfil (nombre, país/región y nombre de la empresa) se muestra al público y acompañará a cualquier contenido que publique, a menos que opte por la opción de ocultar el nombre de su empresa. Puede actualizar su cuenta de IBM en cualquier momento.

Toda la información enviada es segura.

Elija su nombre para mostrar



La primera vez que inicia sesión en developerWorks se crea un perfil para usted, teniendo que elegir un nombre para mostrar en el mismo. Este nombre acompañará el contenido que usted publique en developerWorks.

Por favor elija un nombre de 3 - 31 caracteres. Su nombre de usuario debe ser único en la comunidad developerWorks y debe ser distinto a su dirección de email por motivos de privacidad.

Los campos obligatorios están marcados con un asterisco (*).

(Por favor elija un nombre de 3 - 31 caracteres.)

Al hacer clic en Enviar, usted está de acuerdo con los términos y condiciones de developerWorks.

 


Toda la información enviada es segura.


static.content.url=http://www.ibm.com/developerworks/js/artrating/
SITE_ID=90
Zone=Big data y analytics, Industries, Information mgmt, Desarrollo móvil
ArticleID=836464
ArticleTitle=Análisis de Big Data para la monetización de videojuegos, juegos móviles y sociales.
publish-date=09242012