Advertisement

Kontinuierliches A/B-Testing zur Optimierung von Spielerbindung und Monetarisierung bei „Freemium“-Spielen

  • Katharina A. Zweig
  • Bernd Lachmann
  • Christian Montag
  • Marc Herrlich
Chapter

Zusammenfassung

Handyspiele sind beliebt bei Kindern und Jugendlichen. Viele davon enthalten jedoch Mechanismen, die ganz gezielt eingesetzt werden, um die Spielzeit oder Spielhäufigkeit zu erhöhen („Aufmerksamkeitsheischer“). Andere Mechanismen erhöhen die Bereitschaft zu ‚in-App-Käufen‘ („Geldzieher“). Hier zeigen wir an zwei bekannten Handyspielen den Einsatz einiger dieser Mechanismen auf und diskutieren, wie Spieledesigner ihre Effektivität mit sogenannten A/B-Tests ständig verbessern können. Im Extremfall könnten diese Test sogar dafür genutzt werden, um für jede Nutzerin die für sie am stärksten wirksame Mischung an Aufmerksamkeitsheischern und Geldziehern zu identifizieren. Während die entsprechenden Firmen immer mehr Erfahrung über die Wirksamkeit dieser Mechanismen sammeln, weiß die Öffentlichkeit fast nichts darüber – hier ist dringend mehr Forschung notwendig, um Verbraucher zu informieren und insbesondere Kinder und Jugendliche wirksam schützen zu können.

Notes

Funding

Die Heisenberg-Professur von Prof. Dr. Christian Montag wird von der DFG finanziert (MO 2363/3-2).

Literatur

  1. Alter, A. (2018). Unwiderstehlich – Der Aufstieg suchterzeugender Technologien und das Geschäft mit unserer Abhängigkeit. München: Berlin Verlag.Google Scholar
  2. Ariely, D., & Kreisler, J. (2017). Dollars and sense – how we misthink money and how to spend smarter. New York: Harper Collins.Google Scholar
  3. Baddeley, A. D. (1963). A Zeigarnik-like effect in the recall of anagram solutions. Quarterly Journal of Experimental Psychology, 15(1), 63–64.CrossRefGoogle Scholar
  4. Bauckhage, C., Kersting, K., Sifa, R., Thurau, C., Drachen, A., & Canossa, A. (2012). How players lose interest in playing a game: An empirical study based on distributions of total playing times. In 2012 IEEE conference on computational intelligence and games (CIG) (S. 139–146).Google Scholar
  5. Crone, E. A., & Konijn, E. A. (2018). Media use and brain development during adolescence. Nature Communications, 9(1), 588.CrossRefGoogle Scholar
  6. Fullerton, T. (2008). Game design workshop: A playcentric approach to creating innovative games. Florida: CRC.CrossRefGoogle Scholar
  7. Hadiji, F., Sifa, R., Drachen, A., Thurau, C., Kersting, K., & Bauckhage, C. (2014). Predicting player churn in the wild. In 2014 IEEE conference on computational intelligence and games (S. 1–8).Google Scholar
  8. Kahneman, D., Knetsch, J. L., & Thaler, R. (1990). Experimental tests of the endowment effect and the coase theorem. Journal of Political Economy, 98(6), 1325–1348.  https://doi.org/10.1086/261737.CrossRefGoogle Scholar
  9. Kramer, A. D. I., Guillory, J. E., & Hancock, J. T. (2014). Experimental evidence of massive-scale emotional contagion through social networks. Proceedings of the National Academy of Sciences, 111(24), 8788–8790.  https://doi.org/10.1073/pnas.1320040111.CrossRefGoogle Scholar
  10. Lewin, K. (1928). Untersuchungen zur Handlungs-und Affectpsychologie. VI. Ovsiankina, M. Die Wiederaufnahme unterbrochener Handlungen [Investigations on the psychology of action and affection. VI. The resumption of interrupted acts]. Psychologische Forschung, 11,302–389.CrossRefGoogle Scholar
  11. Lewis, C., Wardrip-Fruin, N., & Whitehead, J. (2012). Motivational game design patterns of ‘ville games. In Proceedings of the international conference on the foundations of digital games (S. 172–179). New York: ACM.Google Scholar
  12. Montag, C., & Reuter, M. (Hrsg.). (2017). Internet addiction: Neuroscientific approaches and therapeutical implications including smartphone addiction. Germany: Springer.Google Scholar
  13. Montag, C., Duke, É., & Markowetz, A. (2016). Toward psychoinformatics: Computer science meets psychology. Computational and Mathematical Methods in Medicine, 2016,1–10.CrossRefGoogle Scholar
  14. Nodder, C. (2014). Teuflisch gutes Webdesign. Weinheim: Wiley-VCH.Google Scholar
  15. Rumpf, H. J., Meyer, C., Kreuzer, A., John, U., & Merkeerk, G. J. (2011). Prävalenz der Internetabhängigkeit (PINTA). Bericht an das Bundesministerium für Gesundheit. Greifswald und Lübeck, 31(2011), 12.Google Scholar
  16. Runge, J., Gao, P., Garcin, F., & Faltings, B. (2014). Churn prediction for high-value players in casual social games. In 2014 IEEE Conference on computational intelligence and games (S. 1–8).Google Scholar
  17. Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68.CrossRefGoogle Scholar
  18. Sifa, R., Runge, J., Bauckhage, C., & Klapper, D. (2018). Customer lifetime value prediction in non-contractual freemium settings: Chasing high-value users using deep neural networks and SMOTE. http://scholarspace.manoa.hawaii.edu/handle/10125/50002.
  19. Thaler, R. (1980). Toward a positive theory of consumer choice. Journal of Economic Behavior & Organization, 1(1), 39–60.  https://doi.org/10.1016/0167-2681(80)90051-7.CrossRefGoogle Scholar
  20. Wu, T. (2016). The attention merchants – the epic scramble to get inside our heads. London: Atlantic Books.Google Scholar
  21. Yarkoni, T. (2012). Psychoinformatics: New horizons at the interface of the psychological and computing sciences. Current Directions in Psychological Science, 21(6), 391–397.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Katharina A. Zweig
    • 1
  • Bernd Lachmann
    • 2
  • Christian Montag
    • 2
  • Marc Herrlich
    • 1
  1. 1.Technische Universität KaiserslauternKaiserslauternDeutschland
  2. 2.Technische Universität UlmUlmDeutschland

Personalised recommendations