Predicción de abandonos y pagos en videojuegos Freemium para móviles
Autoría
Fecha
Palabra(s) clave
Editorial
ISBN
Resumen
Trabajo de Máster en Economía, Finanzas y Computación. Director: Dr. Emilio Congregado Ramírez de Aguilera. La industria de videojuegos para móviles ha crecido vertiginosamente en la actualidad y las empresas del sector dedican un gran esfuerzo para aumentar la retención de sus usuarios y la monetización. Un aspecto fundamental para la toma de decisiones es la predicción de jugadores que abandonan y/o realizan pagos dentro de los juegos. El objetivo de la presente investigación es predecir abandonos y pagos en un juego de la empresa Genera Games. Para ello se realizó el proceso de Descubrimiento de Conocimiento en Bases de Datos, desde la extracción de datos hasta el reconocimiento de patrones. Se utilizaron los métodos de clasificación binaria Regresión Logística, Bosques Aleatorios y Potenciación del Gradiente. El procesamiento computacional se hizo mediante SQL, R, Python y el software de análisis estadístico Stata. Como resultados se obtuvieron las predicciones para distintos períodos (corto, medio y largo plazo), así como la comparativa entre los métodos de clasificación.
Trabajo de Máster en Economía, Finanzas y Computación. Director: Dr. Emilio Congregado Ramírez de Aguilera. La industria de videojuegos para móviles ha crecido vertiginosamente en la actualidad y las empresas del sector dedican un gran esfuerzo para aumentar la retención de sus usuarios y la monetización. Un aspecto fundamental para la toma de decisiones es la predicción de jugadores que abandonan y/o realizan pagos dentro de los juegos. El objetivo de la presente investigación es predecir abandonos y pagos en un juego de la empresa Genera Games. Para ello se realizó el proceso de Descubrimiento de Conocimiento en Bases de Datos, desde la extracción de datos hasta el reconocimiento de patrones. Se utilizaron los métodos de clasificación binaria Regresión Logística, Bosques Aleatorios y Potenciación del Gradiente. El procesamiento computacional se hizo mediante SQL, R, Python y el software de análisis estadístico Stata. Como resultados se obtuvieron las predicciones para distintos períodos (corto, medio y largo plazo), así como la comparativa entre los métodos de clasificación.