Digitala Vetenskapliga Arkivet

Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Modeling Organic Installs in a Free-to-Play Game
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2022 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Modellering av organiska nedladdningar i ett Free-to-Play Spel. (Swedish)
Abstract [en]

The Free-To-Play industry relies on getting a huge inflow of new players that might result in future gross bookings. Consequently, getting organic new players is crucial to ensure its health, especially as they have no direct associated acquisition cost. In addition, forecasting helps business planning as future gross bookings result from those news installs. This thesis investigates methods such as Linear Regression, Ridge, Lasso regularization, time-series analysis, and Prophet to forecast the inflow of organic installs and try to understand the factors impacting it. Using the data from 3 games for two platforms and 15 countries, it investigates the differences in behavior observed over the segments. This thesis first focuses on a specific segment by modeling the inflow of organic installs for the game number 17 on iOS in the United States of America. On this segment, the best model is the Lasso model using, among others, a Prophet model as a variable. However, the generalization to all segments is difficult. On average, exponential decay over time is the best way to forecast the future inflow of organic as it presents the more consistent performances over all segments.

Abstract [sv]

Free-To-Play-branschen är beroende av att få ett stort inflöde av nya spelare, som sedan eventuellt kan generera framtida intäkter. För att kunna säkerställa ett spels fortsatta hälsa är det därför avgörande att få nya spelare organiskt. Detta är särskilt viktigt då det inte innebär någon anskaffningskostnad. Då framtida intäkter är beroende av nya nedladdningar är prognostisering till stor nytta i företagsplanering. Denna uppsats använder metoder som linjär regression, Ridge, Lasso-regularization, tidsserieanalys och Prophet för att förutspå inflödet av organiska nedladdningar och förstå vilka faktorer som påverkar detta inflöde.Genom användningen av data från tre spel från två plattformar och 15 länder undersöks skillnader i beteende för olika segment. Denna uppsats fokuserar på ett specifikt segment genom att modellera inflödet av organiska nedladdningar för spel nummer 17 på iOS i USA. För detta segment är Lasso-modellen bäst, som bland annat använder Prophet-modellen som variabel. Det är dock svårt att överföra slutsatserna på andra segment. Istället är det bättre att anta en exponentiell nedgång över tid när man förutspår framtida inflöden av organiska nedladdningar, då det ger mer konsekventa resultat för alla segment.

Place, publisher, year, edition, pages
2022. , p. 93
Series
TRITA-SCI-GRU ; 2022:316
Keywords [en]
Organic installs, Forecast, Linear Regression, Prophet, Time-Series Analysis
Keywords [sv]
Organiska nedladdningar, förutspå, linjär regression, Prophet, tidsserieanalys
National Category
Other Mathematics
Identifiers
URN: urn:nbn:se:kth:diva-322565OAI: oai:DiVA.org:kth-322565DiVA, id: diva2:1720705
External cooperation
King
Subject / course
Mathematical Statistics
Educational program
Master of Science - Mathematics
Supervisors
Examiners
Available from: 2023-02-02 Created: 2022-12-20 Last updated: 2023-02-02Bibliographically approved

Open Access in DiVA

fulltext(3255 kB)170 downloads
File information
File name FULLTEXT01.pdfFile size 3255 kBChecksum SHA-512
a205a35f1a52577233c65b2b6e61386f6da61bef49baebe4f7bd66189281087524146dde7a3290c72672e4751325cfc8dc355d4a8c53b53294660b23ef2874d6
Type fulltextMimetype application/pdf

By organisation
Mathematical Statistics
Other Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 170 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 183 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf