ועידת הגיימינג
"ה־AI צריך לשאול שאלות שאני אפילו לא חשבתי עליהן"
פבל ביברגל, סמנכ"ל הטכנולוגיות של Keewano, הסביר בוועידת הגיימינג של כלכליסט בשיתוף פלייטיקה וגוגל איך מגבלות האחסון והאופטימיזציה בדאטה חוסמות תובנות קריטיות בגיימינג, וכיצד ניתוח ב־AI של כל אינטרקציה במשחק מאפשר לחשוף דפוסים, באגים וסיבות לנטישה שאנליזה מסורתית לא מסוגלת לגלות
"העתיד של ניתוח נתונים בגיימינג טמון בכך שה־AI ישאל שאלות שאני אפילו לא חשבתי לשאול", כך אמר פבל ביברגל, מייסד שותף וסמנכ"ל טכנולוגיות בסטארט-אפ Keewano, בוועידת הגיימינג של כלכליסט בשיתוף פלייטיקה וגוגל.
ביברגל הציג את הבעיה המרכזית שבאיסוף נתונים לגיימינג היום, והיא העובדה שכברירת מחדל חברות המשחקים הגדולות עושות אופטימיזציה לדאטה שהן שומרות, כיוון ששמירת כמויות עצומות של דאטה כרוכv בעלויות גבוהות.
"לכאורה אפשר לשאול את ה־AI כל שאלה, כל עוד אנחנו שואלים שאלות שטחיות. אבל ברגע שאנחנו מנסים להיכנס יותר לעומק, אנחנו מגלים שזה לא עובד. גם אם נוסיף עוד ממשק לאינטראקציה, אנחנו עדיין מקבלים את אותן תובנות, כי שמירת הדאטה מראש בנויה כדי לחסוך עלויות".
הפתרון, לדבריו, הוא להפוך את הפרדיגמה. "תארו לכם שאנחנו מנתחים את כל מהלך המשחק של השחקן, כל אינטרקציה, כל לחיצת כפתור. זה יכול להציף דברים ובעיות שקיימים במשחק, אבל כיום אנחנו לא רואים אותם כי הם לא נשמרים בדאטה שלנו".
המערכת שפיתחה Keewano היא פלטפורמה אנליטית מבוססת AI שמיועדת לחברות משחקים ואפליקציות בקנה מידה גדול. היא אוספת ומנתחת מיליארדי אירועים בזמן אמת, ממפה את התנהגות המשתמשים ומזהה דפוסים, נקודות נטישה וגורמים שונים לבעיות בעזרת מודלים סיבתיים וניתוח סדרות זמן.
החברה מציגה ארכיטקטורה שנבנתה במיוחד ל-analytics - מסד נתונים מהיר במיוחד, ויכולת הפקת תובנות ללא צורך בשאילתות ידניות, כדי לאפשר לצוותי מוצר, שיווק ואנליטיקה להבין מה קורה במשחק או באפליקציה ברזולוציה עמוקה ובלחץ זמן.
המערכת כוללת מודולים כמו AI-Analyst ו-Behavior Map, שמרכזים מידע על התנהגות שחקנים ומציגים אותו באופן ויזואלי ובר־פעולה. הערך המרכזי הוא יכולת להגיב מיידית לשינויים במגמות, לזהות סיבות אמיתיות לשחיקה או ירידה במעורבות, ולהניע החלטות עסקיות מהירות יותר".
בסופו של דבר, אומר ביברגל, מטרת Keewano היא לאפשר שליפה ועיבוד של דאטה בהיקפים אדירים בתוך שניות, ולתת ל־AI לחקור את הנתונים בלי מגבלות. "ברגע שהבנו שזו החסימה, בנינו מערכת שמאפשרת ל־AI לייצר דוחות ולחשוף תופעות שלא היינו מסוגלים לראות בעצמנו. כך נפתחת דלת לתובנות חדשות לגמרי. לדוגמה, אפשר לראות עלייה בנטישה בשלב האחרון של הפאנל, מה שנראה במבט ראשון כבעיה נקודתית בשלב הסופי. אבל כשה־AI מנתח את רצף האירועים לעומק, הוא מגלה שהשורש בכלל טמון כמה שלבים מוקדם יותר. למשל, דפוס התנהגות שחוזר אצל שחקנים שנוטשים, או באג בכפתור שאם לוחצים עליו מהר מדי אינו מגיב כראוי ומוביל לתסכול מצטבר".
"אי אפשר לזהות את זה בכלים אנליטיים רגילים", מסכם ביברגל. "רק כשנותנים ל־AI לשאול את השאלות שאנחנו אפילו לא חושבים לשאול, אפשר לחשוף את הגורמים האמיתיים לנטישה ולשפר את המשחק בצורה מדויקת ומהירה".
