MOSCOW ECONOMIC JOURNAL MOSCOW ECONOMIC JOURNAL Московский экономический журнал 2413-046X 99479 10.55186/2413046X_2025_10_5_141 Региональная и отраслевая экономика Regional and branch economy Региональная и отраслевая экономика USER CHURN PREDICTION IN COMPUTER GAMES USING MACHINE LEARNING METHODS Прогнозирование оттока пользователей компьютерной игры с использованием методов машинного обучения Лебедева Людмила Николаевна Lebedeva Lyudmila Nikolaevna

кандидат физико-математических наук;

candidate of physical and mathematical sciences;

 Корнев Даниил Владимирович Kornev Daniil Vladimirovich Постольник Роман Денисович Postol'nik Roman Denisovich Санкт-Петербургский государственный экономический университет Санкт-Петербург Россия Saint Petersburg State University of Economics Saint Petersburg Russian Federation ООО «Эксбо Север» Санкт-Петербург Россия Exbo North LLC Saint Petersburg Russian Federation Санкт-Петербургский государственный экономический университет Санкт-Петербург Россия Saint Petersburg State University of Economics Saint Petersburg Russian Federation 05 06 2025 05 06 2025 10 5 354 363 30 05 2025 30 05 2025 https://ecience.ru/en/nauka/article/99479/view

В статье рассматривается задача прогнозирования оттока пользователей компьютерной игры на основе методов машинного обучения. Проведён анализ поведения игроков с учётом их уровня опыта, что позволило выделить однородные кластеры аудитории и адаптировать подходы к построению моделей для каждой группы. Для решения задачи использовались современные алгоритмы ансамблевого обучения, включая XGBoost, LightGBM и CatBoost, а также методы балансировки классов и отбора информативных признаков. Особое внимание уделено интерпретации результатов: применён комплекс объяснимых моделей, что позволило выявить ключевые факторы риска и повысить прозрачность принимаемых решений. Разработанные модели прошли апробацию на реальных данных и были интегрированы в бизнес-процессы компании, обеспечив своевременное выявление до 80% склонных к уходу пользователей и способствуя оптимизации стратегий удержания.

This article addresses the challenge of predicting user churn in computer games using machine learning methods. The analysis of player behavior, taking into account the level of user experience, allowed for the identification of homogeneous audience clusters and the adaptation of modeling approaches for each group. State-of-the-art ensemble learning algorithms, including XGBoost, LightGBM, and CatBoost, were employed alongside class balancing techniques and feature selection methods. Special emphasis was placed on the interpretability of the results: a suite of explainable models was applied, making it possible to identify key risk factors and enhance the transparency of decision-making. The developed models were tested on real data and integrated into the company’s business processes, enabling the timely detection of up to 80% of users prone to churn and contributing to the optimization of retention strategies.

 прогнозирование оттока пользователей машинное обучение анализ поведения игроков интерпретируемый искусственный интеллект ансамблевые алгоритмы user churn prediction machine learning player behavior analysis explainable AI ensemble algorithms

Arik K., Gezer M., Tayali S.T. The study of indicators affecting customer churn in MMORPG games // Управленец. – 2022. – Т. 13, № 6. – С. 70–85 Arik K., Gezer M., Tayali S.T. The study of indicators affecting customer churn in MMORPG games // Upravlenec. – 2022. – T. 13, № 6. – S. 70–85 Bertens P., Guitart A., Periáñez Á. Games and Big Data: A Scalable Multi-Dimensional Churn Prediction Model // Proceedings of 2017 IEEE Conference on Computational Intelligence and Games (CIG). – New York, NY: IEEE, 2017. – P. 33–36 Bertens P., Guitart A., Periáñez Á. Games and Big Data: A Scalable Multi-Dimensional Churn Prediction Model // Proceedings of 2017 IEEE Conference on Computational Intelligence and Games (CIG). – New York, NY: IEEE, 2017. – P. 33–36 Hadiji F., Sifa R., Drachen A. Predicting player churn in the wild // 2014 IEEE Conference on Computational Intelligence and Games (CIG). – Piscataway, NJ: IEEE, 2014. – P. 1–8 Hadiji F., Sifa R., Drachen A. Predicting player churn in the wild // 2014 IEEE Conference on Computational Intelligence and Games (CIG). – Piscataway, NJ: IEEE, 2014. – P. 1–8 Kawale J., Pal A., Srivastava J. Churn Prediction in MMORPGs: A Social Influence Based Approach // Proceedings of 2009 International Conference on Computational Science and Engineering (CSE). – Vancouver, BC: IEEE, 2009. – P. 423–428 Kawale J., Pal A., Srivastava J. Churn Prediction in MMORPGs: A Social Influence Based Approach // Proceedings of 2009 International Conference on Computational Science and Engineering (CSE). – Vancouver, BC: IEEE, 2009. – P. 423–428 Lee E., Kim B. Profit Optimizing Churn Prediction for Long-Term Loyal Customers in Online Games // IEEE Transactions on Games. – 2020. – Vol. 12, No. 1. – P. 41–53. – DOI: 10.1109/TG.2018.2871215. Lee E., Kim B. Profit Optimizing Churn Prediction for Long-Term Loyal Customers in Online Games // IEEE Transactions on Games. – 2020. – Vol. 12, No. 1. – P. 41–53. – DOI: 10.1109/TG.2018.2871215. Lee M., Park S., Lee S. et al. AI-based early detection to prevent user churn in MMORPG // The Korean Journal of Applied Statistics. — 2024. — Vol. 37, No. 4. — P. 525 Lee M., Park S., Lee S. et al. AI-based early detection to prevent user churn in MMORPG // The Korean Journal of Applied Statistics. — 2024. — Vol. 37, No. 4. — P. 525 Varun P.N., Yaswanth V., Tapasvi Y.T., Kulkarni V., Padmasree N. Banking Churn Prediction with Random Forest and Discrete Trees in ML // Indiana Journal of Multidisciplinary Research. — 2024. — Vol. 4, No. 3 Varun P.N., Yaswanth V., Tapasvi Y.T., Kulkarni V., Padmasree N. Banking Churn Prediction with Random Forest and Discrete Trees in ML // Indiana Journal of Multidisciplinary Research. — 2024. — Vol. 4, No. 3