2020/10/05に開催されたAmazon Game Tech Night #22の資料です。AWSでのゲーム分析について実践的な情報をご紹介しています。

1. © 2020, Amazon Web Services, Inc. or its Affiliates.
Amazon Web Services Japan
Takuya Mikami
AWS におけるゲームデータの分析と活⽤

2. © 2020, Amazon Web Services, Inc. or its Affiliates.
アジェンダ
• ゲームのための分析サイクル
• ゲームデータの分析対象
• データソース
• ゲームのためのデータ活⽤
• データ活⽤の顧客事例

3. © 2020, Amazon Web Services, Inc. or its Affiliates.
• より多くのプレイヤーを惹きつける
• プレイヤーにより良いゲーム体験を
提供
• 長期間ゲームを遊んでもらう
• 課金をしたくなるゲーム体験
ゲームのための分析サイクル
分析基盤を活用することでゲームの継続的な改善を実現

4. © 2020, Amazon Web Services, Inc. or its Affiliates.
分析対象 - ユーザデータ-
• 顧客データ
• 課金履歴やログイン履歴などのデータ
• マーケティング戦略の策定やエンゲージ方法の決定に活用
• ゲームプレイデータ
• ゲームのプレイログなどのデータ
• アイテム使用頻度やレベル、プレイ時間等から、ゲームデザインの改善に活用
• ゲーム毎にログ形式を決定
• ソーシャル/コミュニティデータ
• フォーラムやSNSなどから取得するデータ
• ユーザ感情の把握に活用
ユーザの動向把握に活用できるデータ
＜ゲームプレイデータ例＞

5. © 2020, Amazon Web Services, Inc. or its Affiliates.
分析対象 - パフォーマンスデータ-
• 待ち時間/遅延
• マッチメイキングの待ち時間やレスポンスタイム等のデータ
• プレイヤーにどのようなシステム上の待ち時間が発生しているか把握
• ネットワークパフォーマンス
• 主にリアルタイムアクションやシューティングゲーム
• ユーザが体感しているレイテンシーのデータ
• 遅延に敏感なゲームでどれだけレイテンシーが発生しているか把握
• アプリケーションログとバグレポート
• アプリケーション/サーバのエラーログ
• システムに発生している問題を把握
システム動向の把握に活用できるデータ

6. © 2020, Amazon Web Services, Inc. or its Affiliates.
データソース
• ゲーム外サービス
• 自社運営していないケースが多いためAPI等で定期的に取得
• 取得対象：ソーシャル/コミュニケーションデータ
• ゲームクライアント
• ゲーム中のログをクライアントから直接取得
• 取得対象：ゲームプレイデータ
• ゲームシステム
• Dedicated サーバ、APIサーバのログから取得
• 取得対象：顧客データ、ゲームプレイデータ、
パフォーマンスデータ
分析対象となるデータを各種データソースからデータストアに集める
ゲームクライアント
…
フォーラム 各種SNS
ゲーム外サービス
ゲームシステム
APIサーバ Dedicated サーバ
ログデータストア

7. © 2020, Amazon Web Services, Inc. or its Affiliates.
データソース
分析対象となるデータを各種データソースからデータストアに集める
ゲームクライアント
…
フォーラム 各種SNS
ゲーム外サービス ゲームシステム
APIサーバ Dedicated サーバ
ログデータストア
データ取得サーバ
Amazon API Gateway
Amazon Kinesis
Amazon Kinesis
SDK SDK
Proxy
Amazon S3
定期的にAPI コール
Raw data
SDK/Pluginを利⽤してKinesisへデータ送付
POST
SDK
Generate Custom Game Events from Unity Integrated With the Game Analytics Pipeline
https://aws.amazon.com/jp/blogs/gametech/generate-custom-game-events-from-unity-integrated-with-our-game-analytics-pipeline/

8. © 2020, Amazon Web Services, Inc. or its Affiliates.
データ活⽤
収集したデータに対して、変換/集計/アドホック分析/機械学習を利用して多角的に分析
収集 変換 分析
保存（ストレージ + データカタログ）
Amazon Database
Migration Service
Amazon Kinesis
Amazon Managed
Streaming for Kafka
Amazon S3 AWS Glue AWS Lake Formation
AWS Glue
AWS Lake Formation
Amazon QuickSight
Amazon Athena
Amazon Redshift Amazon SageMaker
Amazon Personalize
Amazon Forecast
Amazon Elasticsearch
Service
Amazon EMR

9. © 2020, Amazon Web Services, Inc. or its Affiliates.
AI 主導型ソーシャルメディアダッシュボード
• Twitter分析のAWSソリューションを公開
• Tweet APIで取得したツイートを分析しQuickSightで可視化
• CloudFormationテンプレートが用意されておりすぐ利用可能
• 取得したTwitterのAPIキーをセットして利用
• ドキュメントにセットアップ手順も用意
• 取得したツイートをAmazon Comprehendで分析
• 機械学習によりテキストを分析するサービス
• テキストがどの程度肯定的か否定的かを取得
• 時系列で取得して評判を可視化
Twitterのインタラクションを分析するソリューション
https://aws.amazon.com/jp/solutions/implementations/ai-driven-social-media-dashboard/?did=sl_card&trk=sl_card

10. © 2020, Amazon Web Services, Inc. or its Affiliates.
データ活⽤の速さを決める
データから導き出された洞察からユーザへ早くアクションする方が効果が高い
バッチ分析とニアリアルタイム分析の使い分けを検討する

11. © 2020, Amazon Web Services, Inc. or its Affiliates.
データ活⽤ バッチ分析
• 設定したKPIを定期的に算出しレポートを作成
• アナリストがアドホックなクエリで仮説と検証を実施
• システム分析のためにパフォーマンスデータの検索
特定時点のビューのために大量の静的データを処理することで洞察を得る
Amazon Kinesis
Amazon S3
AWS Glue Amazon EMR
Amazon Elasticsearch Service
AWS Lambda
Amazon Athena
Amazon Redshift
Amazon QuickSight
Amazon EC2
変換
保存
パフォーマンスデータ
ユーザデータ
収集データソース 集計 可視化/検索
検索
ユーザ(クライアント)
ゲームシステム
ビジネス担当者
アナリスト
<構成例>

12. © 2020, Amazon Web Services, Inc. or its Affiliates.
データ活⽤ ニアリアルタイム分析
• ニアリアルタイムにBIのレポートを更新してゲーム運営に反映
• ユーザ動向をルールベースで評価して、ユーザへアクション
• ユーザ動向をモデルベースで評価して、ユーザへアクション
ゲーム内の動向(イベント)からニアリアルタイムで洞察を得て、アクションをする
AWS LambdaAmazon Kinesis
Data Streams
Amazon Kinesis
Data Analytics
Amazon SageMaker
Amazon DynamoDB
リアルタイム
ビュー
ユーザ(クライアント)
ゲームシステム
変換収集データソース 評価 可視化アクション
ビジネス担当者
<構成例>

13. © 2020, Amazon Web Services, Inc. or its Affiliates.
ニアリアルタイム分析で利⽤できるサービス
• Amazon Kinesis Data Analytics
• ストリーミングデータをリアルタイムで変換および分析
• ウインドウサイズを指定して特定期間の行動を分析可能
• ニアリアルタイムでデータを連続して読み取り、処理することで、特定
のユーザ分析結果を抽出
• 抽出されたデータは、Kinesis Data Streams/Kinesis Data
Firehose/Lambdaに連携して処理
• Amazon SageMaker
• 開発者が機械学習 (ML) モデルを迅速に構築、トレーニング、デプロイで
きるようにする完全マネージド型サービス
• モデル作成や推論エンドポイントのセットアップなど機械学習で必要な
フロー全体を提供
• Autopilot/ビルトインアルゴリズム等により専門家でなくても利用
Amazon Kinesis
Data Analytics
Amazon SageMaker
ニアリアルタイムデータ分析

14. © 2020, Amazon Web Services, Inc. or its Affiliates.
リファレンスアーキテクチャ
ゲーム分析のリファレンスアーキテクチャをAWS Solutionsで公開
ゲーム分析パイプライン
https://aws.amazon.com/jp/solutions/implementations/game-analytics-pipeline/

15. © 2020, Amazon Web Services, Inc. or its Affiliates.
ここまでのまとめ
必要なデータを各データソースから集めて、データ活用をする
• 分析対象
• ユーザデータ
• パフォーマンスデータ
• データソース
• ゲーム外サービス
• ゲームクライアント
• ゲームシステム
• データ活用
• バッチ分析
• ニアリアルタイム分析

16. © 2020, Amazon Web Services, Inc. or its Affiliates.
顧客事例

17. © 2020, Amazon Web Services, Inc. or its Affiliates.
PLAYER UNKNOWNʼS BATTLEGROUNDS - PUBG様
特徴
• 1vs99のバトルロワイヤルシューティング
• ワールドワイド展開
• 疎結合、マイクロサービスアーキテクチャ
なぜAWSだったのか︖
• 単体でスケールできるサービス
(S3, DynamoDB, SQS)
• 主要都市における多数のリージョン
AWSの効果
• 300万同時接続(MCU)を達成
• ゲーム開発者のみで構築・運営

18. © 2020, Amazon Web Services, Inc. or its Affiliates.
PUBG 分析基盤
Servers
Kinesis Firehose
S3 (Raw Data)
Elasticsearch
(Realtime Query)
DevOps Team DataTech Team
Kafka Logstream
S3 (ETL Data)
E-Sports
Realtime Log DynamoDB
(Data Mart)
Airflow + Spark
Jupyter + Spark
Outgame Log
System Log
Ingame Log

19. © 2020, Amazon Web Services, Inc. or its Affiliates.
テクロスにおける AWS 活⽤の歩み ソーシャルゲーム運⽤
とデータレイクについて
• モバイルタイトルの分析のためにデータレイクを構築
• ログの保存場所，保存形式がバラバラ
• DB+SQL, ES&Kibana, コンソール+Shell コマンド etc
• ログの量が多い
• 数百 GB/day
• データ容量やインスタンススペックの管理が必要
• 保守が⼤変
• ログを⼊れている MySQL や ES のメンテナンス，障害対策
• ログ構造，テーブル構造の変更に弱い
• 全てのログを S3 + Athena に集約
• S3 へはKinesis Data Firehoseでマネージドでデータを収集可能
• Amazon Athenaはクエリ実⾏時のみ料⾦が発⽣

20. © 2020, Amazon Web Services, Inc. or its Affiliates.© 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
20

21. © 2020, Amazon Web Services, Inc. or its Affiliates.
ユーザーに対して、⼀番適切なメッ
セージはなに︖
• ⻑期プレイに⼀番影響がでるメッセージ
は︖
• ⼀番適切なタイミングは︖
• 複数選択しがある時、どうやって優先順
を決める︖
• ゲームの進⾏と共に、推薦ポリシーはど
のように調整するか︖
How Call of Duty uses ML to personalize player engagement
AIを利⽤し、ゲームのプレイ時間を向上するシステムを作成
https://www.youtube.com/watch?v=ir33m9RJxs0

22. © 2020, Amazon Web Services, Inc. or its Affiliates.
How Call of Duty uses ML to personalize player engagement
ユーザーのプレイ時間を延ばすことができた
• Amazon Kinesisでデータ取集を行い、モ
デルで計算し、適切な内容をユーザー
に推薦する
• 手法としてはMonte-Carlo tree search
とThompson samplingを利用
• 個人ベースの推薦を行った結果、ユーザ
ーのプレイ時間が伸び、イベントの参加
度も向上した

23. © 2020, Amazon Web Services, Inc. or its Affiliates.
AWS analytics enables fraud prevention for Sonyʼs
PlayStation
• ユーザ初期化トランザクション時の不正を検知する
Event Verification for Enterprise (EVE) を構築
• 購⼊: ⾼い承認トランザクション率・低いチャージバック率
• ログイン: ユーザーとネットワークを悪意のある⾏為から保護
• Why AWS?
• 偶然にも社内でコアシステムの AWS への移⾏時期とEVE 構
築プロジェクトの時期が重複
• マネージドサービスへの投資によりインフラ管理よりもビジネ
スに集中
• より早く市場に投⼊するために前倒しで構築する機会を発⾒
https://www.youtube.com/watch?v=DRDiIVjX-vo
PlayStation Network における不正を検知・分析するシステムに AWS を活用

24. © 2020, Amazon Web Services, Inc. or its Affiliates.
AWS analytics enables fraud prevention for Sonyʼs
PlayStation
• EVE で求められたシステム要件
• 処理速度 – 可能な限りユーザが
プラットフォームと⾼速に連携できるよう
• 拡張性 – トラフィックの変化や新しいイベントが
追加されてもシステムを成⻑できるように
• レジリエンス – ⼈間や機械のエラーにも耐えられるように
AWS でラムダアーキテクチャを構築し機械学習モデルに分析データをリアルタイムにインプット

25. © 2020, Amazon Web Services, Inc. or its Affiliates.
AWS analytics enables fraud prevention for Sonyʼs
PlayStation
• 購⼊処理（1⽉中旬に EVE を導⼊)
• 承認率が 3% 以上改善（⽉間で⾒ると相当な売上改善）
• レスポンスを 2 秒以下から 195 ミリ秒以下に改善
• ログイン（8⽉に EVE を導⼊）
• ユーザーの不審な動きを警告できるようになった
• 潜在的に15,000 ⼈のユーザーがアカウント乗っ取りか
ら保護
EVE 導入後に各ユースケースの不正を改善する結果に

26. © 2020, Amazon Web Services, Inc. or its Affiliates.
まとめ
• AWSでは多⾓的なデータ分析を実施する環境を提供
• データレイクを中⼼とした構成を持つことで柔軟性のある分析が可能
• バッチ分析、ニアリアルタイム分析の使い分け