视觉信息学3（2019）87BeXplorer：MMORPG中沟通和购买行为之间动态相互作用的可视化分析卢俊华a，谢晓a，纪兰a，彭泰泉b，吴英才a，陈伟a，陈浙江大学CAD CG国家重点实验室b美国密歇根州立大学传播系ar t i cl e i nf o文章历史记录：2019年7月2日在线提供MSC：00-0199-00保留字：行为可视化游戏可视化MMORPGa b st ra ct随着大型多人在线角色扮演游戏（MMORPG）的快速发展，MMORPG运营商记录了大量关于玩家在游戏中活动的细粒度数据。这些数据提供了相当多的机会，研究玩家行为之间的动态相互作用，并调查各种社会结构的作用，这种相互作用的基础。然而，对这些行为数据进行建模和可视化是具有挑战性的本研究提出了一个新的影响易感模型来衡量行为之间的动态相互作用。基于此模型，我们介绍了一个新的可视化分析系统称为BeXplorer。该系统使分析师能够交互式地探索玩家购买和通信行为之间的动态相互作用，并检查这种相互作用受玩家所处的社会结构约束的方式。都嵌入了三个案例研究和基于任务的评估进行了证明我们的方法的有效性和适用性©2019由Elsevier B.V.发布代表浙江大学和浙江大学出版社。这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍大型多人在线角色扮演游戏（MMORPG）创建了一个虚拟社会，玩家通过扮演各种角色相互交流互动和自我参与嵌入到MMORPG中;因此，数百万玩家在MMORPG中投入金钱，认知和社交资源。因此，MMORPG已成为电子商务的重要组成部分，2016年全球总收入为198亿美元，预计到2017年将达到130亿美元（SUPERDATA，2015）。MMORPG的盈利能力和可持续性取决于玩家的经验和承诺因此，了解玩家行为的模式和动态在经济上具有重要意义。此外，自我发起的行为起到了“社会望远镜”的作用吴英才、陈伟获得国家自然科学基金（61772456、61761136020、61502416）、浙江省自然科学基金（LR18F020001）、浙江大学百人计划、浙江省*通讯作者。电子邮件地址：akiori@zju.edu.cn（J. Lu），xxie@zju.edu.cn（X.Xie），lanjisteven@zju.edu.cn（J. Lan），pengtaiq@msu.edu（T.-Q. Peng），ycwu@zju.edu.cn（Y.Wu），chenwei@zju.edu.cn（W.陈）。同行评议由浙江大学和浙江大学出版社负责。https://doi.org/10.1016/j.visinf.2019.06.002或者通过MMORPG中的虚拟社交结构来促进（Golder和Macy，2014）。以前对行为模式的研究仅仅是对个体行为演变的一个快照。这些研究将玩家从虚拟的社会环境中脱离出来，或者忽略了玩家行为的 复杂性 （Castronova et al. ， 2009; Hughes et al. ， 2017年）。因此，它们不支持分析多种类型的行为之间的动态相互作用。要解决这些问题，必须克服两个挑战。首先，不同行为之间的相关性是高度动态的，往往隐藏在大量复杂的数据中。在没有计算支持的情况下，在广阔的搜索空间中检测相关性是困难的。因此，挖掘模型是必要的，以利用所需的计算能力，以减少搜索空间。然而，导出这样一个模型，可以定量地测量多种类型的行为者之间的动态相互作用，并模拟各种社会结构在相互作用中的作用是一个挑战。其次，检测到的模式可能很复杂，难以理解。例如，MMORPG中购买行为与传播行为之间的动态相互作用以及不同玩家群体对各种产品的影响。很难对这些关系进行可辨别的视觉总结此外，这些模式可能没有被清楚地定义或准确地捕捉。人类的知识和专业知识是必要的，以协助分析和解释这些模式。2468- 502 X/©2019由Elsevier B. V.发布代表浙江大学和浙江大学出版社。这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表视觉信息学期刊主页：www.elsevier.com/locate/visinf88J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）87为了解决第一个挑战，本研究探讨了社会结构，可以影响MMORPG玩家的行为。它特别关注通信和购买行为之间的动态相互作用，如第2节所述。提出了一个影响敏感模型，研究了社会结构对玩家行为之间动态相互作用为了解决第二个挑战，我们引入了一个名为BeXplorer的可视化分析系统，该系统具有两个主要视图：（1）流程视图，提供了有影响力的参与者的通信行为和他们的同行(2)相关性视图，支持玩家行为的组间和组内相关性分析。本研究的主要贡献如下：一个可以测量和理清各种社会结构对行为动力学的影响的模型，视觉分析系统，可以帮助揭示玩家的行为和社会动态，以及有趣的见解和经验教训的视觉分析的动态用户行为在这项研究中获得。2. 相关工作游戏的视觉化。已经有几个作品使用可视化来分析在线游戏数据。大多数这些可视化和分析都是基于游戏的日志 Pao等人（2010）可视化了机器人和人类的轨迹，并发现了不同的特征。他们基于这一见解推导出了一个机器人检测方案。Thawonmas和Iizuka（2008）使用经典的多维尺度来可视化玩家的行为，并找到相似的玩家。他们进一步研究了KeyGraph集群中这些玩家的详细行为。MMOSeer（Li et al. ，2017a）是用于探索以自我为中心的玩家亲密度网络的演变的视觉分析系统。从不同的角度描述了MMORPG玩家行为和社会互动的演变。支持用户交互以帮助用户浏览和分析数据。Li等人（2017 b）提出了一个系统，以显示玩家在MOBA（多人在线对战竞技场）游戏中的状态和位置的演变。不同的事件和游戏趋势也显示。他们的信息可视化在多个协调的视图中，用于揭示球员的策略和表现，并使用户能够交互地找到模式。Kuan等人（2017）建议一种类似的系统，其以不同的视图显示RTS（实时策略）游戏中玩家状态的概要信息。以往的研究显示不同的行为或状态具有不同的观点，但未能明确显示它们之间的动态相互作用。我们的系统能够定量测量和可视化多种类型的行为之间的动态相互作用。社交网络中的行为分析。在MMORPG中的多种可能行为中，有两种行为类型特别重要：购买和交流。玩家购买行为的重要性是显而易见的，因为它直接关系到开发商的收入和他们对MMORPG的持续投资。然而，玩家来自同伴玩家的影响可以通过三种类型的社会互动机制来实现，即直接沟通（Aral和Walker ，2012），社会影响（Newman，2002）和三元封闭（Rapoport，1953），这在第4.1节中解释。在MMORPG中，玩家可以通过直接交流对其他玩家施加影响。参与者之间的沟通纽带是创意或产品得以实现的主要途径在MMORPG中创建的虚拟社交系统中具有传染性（Aral和Walker，2012）。此外，直接沟通的影响可能会被参与者所处的沟通网络的两种结构机制所混淆（Shalizi和Thomas，2011），即社会影响机制（Baner-jee，1992）和三元封闭机制（Rapoport，1953）。关于这些机制的更详细介绍和全面讨论见第4.1节。直接沟通、社会影响和三元封闭机制的影响是相互依存的。它们共同影响玩家的追逐行为.已经有许多工作使用可视化来分析网络中的行为。例如，Prieto等人（2015）提出了一种可视化设计，以便于从空间和时间方面分析基于位置的网络数据。这些数据包含有关居民行为的信息我们的研究旨在采用纵向数据从大型MMORPG解开这三种机制的净和联合影响。基于流的时态数据可视化。 流动是一种常见的使用时间数据的视觉隐喻来帮助可视化时间趋势（例如Muelder etal. ，2016; Thom等人，2015; Krueger et al. ，2016; Shi等人，2018年）。最近，使用基于流的设计来显示演进的文本/主题（例如，CiteRivers Heimerl et al. ，2016和TopicStream Liu et al. ，2016年）和事件（例如， EventRiver Luoet al. ，2012和OutflowWongsuphasawat和Gotz，2012）已经变得流行。CiteRivers（Heimerl et al. ，2016）采用流隐喻来可视化地表示科学文献的内容和引用。Outflow（Wongsuphasawat和Gotz，2012）将多个事件序列聚合到一个图形中，同时显示表示转换的边缘。 Wu等人 （2018）利用流隐喻对工厂模块中检测到的风险的时间模式进行编码。与以往研究中使用的数据相比，本研究中使用的游戏数据包括虚拟角色属性的动态变化、游戏活动和多种行为形式这些特点使本研究不能直接应用现有的方法，因为数据不是以平面或层次结构组织的。因此，扩展现有的方法是必要的，允许多种类型的时变关系。3. 背景和系统概述本节介绍问题特征、用户需求和系统概述。3.1. 问题特征和用户要求这些数据是由一个著名的MMORPG“中国鬼故事2”的运营商提供的游戏运行在几十个服务器，吸引了数百万玩家。运营商选择了一台服务器进行这项研究，以便能够对玩家在数据清理之后，剩余的数据由49周时间跨度内的60，000名玩家的信息组成。带有时间戳的各种化身属性和活动存储在隔离的CSV文件中。游戏的每个服务器都被视为一个虚拟世界。玩家化身属性可以被分类为静态属性（在其生存期内不变）和动态属性（随时间变化），如下所示。静态属性：avatar_gender：角色的性别由玩家在创建角色时决定。····J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）8789召唤师表1正在研究的MMORPG角色的类和派系集团类攻击范围伤害类型作用阿彻兵营不等攻击伤害效果范围战士近战攻击伤害罐布雷德山近战攻击伤害陷阱剑客近战攻击伤害支持炼丹师不等能力力量效果范围寺医不等能力力量治疗师GoongMage Ranged Ability Power ControlPhoenixRangedAbility PowerSummonavatar_class和avatar_clique：存在八个类的avatar，每个类属于一个团。这些派系是巴拉克，蒙顿，坦普尔和龚，这是表示B、M、T和G分别为。表1显示了一个摘要虚拟角色职业和派系不同职业的圣灵职业中的化身也更喜欢与特定职业的玩家聊天，以完成特定的任务。由于同一集团的类在功能和演化模式上具有相似性，因此在集团水平上研究玩家行为。动态属性：online_time：这个属性表示玩家在游戏中花费的累计时间。等级：化身的等级从1开始到150结束。chat_frequency：该属性表示玩家与其他人聊天的频率count_pvp：玩家可以在名为“玩家对玩家”（pvp）的活动中与其他人战斗。Count_pv p是玩家purchase_records：玩家使用他们的虚拟财富在虚拟商城中购买产品。该商城包含23种产品，根据研究中的MMORPG运营商分为5类：C1杂项（3种），C2设施增强（6种），C3容量增强（3种），C4高级容量增强（2种）和C5上下文增强（5种）。VIP_level：玩家累计支付的钱越多，他们获得的VIP_level就越高。练习：学习和提高技能，完成任务，提高练习水平。精通：玩家掌握度随着化身掌握更多技能和对公会的贡献而增加在过去一年，我们与一名传播及媒体研究学者及两名来自游戏运营商的高级分析师紧密合作。通常，分析师使用基本的统计方法。例如，一旦游戏设计者推出新策略，他们就会分析参与率和完成率。如果一种新的时尚被引入，那么分析师会计算购买这种时尚的玩家的百分比和重复购买的消费者的百分比。数据仓库工具Hadoop Hive用于完成这些任务，尽管它只能提供基本的统计数据。一个用户友好的互动工具，可以帮助分析师获得高层次的见解仍然没有。本研究旨在建立一个可视化的分析系统，以方便他们的分析。每两周与分析员举行一次会议，讨论他们的分析要求，并提出几项初步设计。在系统原型上迭代地实现了修改，他们的反馈和评论的基础。收集的需求和反馈被浓缩并转化为以下设计目标。时间导向的行为分析。T1玩家的行为是如何演变的？在博弈行为的不同形式中，分析者对购买行为和社会互动行为特别感兴趣该系统应有助于探索购买和社会互动行为的时间变化。T2玩家的沟通和购买行为如何共同进化？玩家之间的社会互动通过多种社会互动机制动态地影响他们的购买行为。分析的目的是研究动态的相互作用。T3沟通对购买不同类别产品的影响有哪些随时间变化的相似性和差异？游戏提供各种类型的虚拟产品，这些产品具有各种各样的价格，用途和目的。 该系统应允许分析人员直观地比较社会对不同产品购买的影响。T4其他群体如何在特定类型中扮演角色沟通对购买特定球员群体的影响？这些角色如何随着时间的推移而变化？不同玩家群体的沟通影响力会对一群玩家的购买行为产生随时间变化的影响分析者试图跟踪影响力的变化，并确定哪些群体的球员更有影响力或更容易受到影响。G组间和组内行为分析。各组玩家之间在沟通和追逐行为上有什么不同？ 不同的玩家群体具有不同的沟通和购买行为。组间比较和分析是必要的，以便分析人员能够比较组间的行为。G2一个群体中的行为特征是什么？玩家也可能在他们自己的群体中表现出各种行为特征。分析师的目标是检查，分析和了解一组球员的特点.多角度详细探究行为。P1发现这些模式的原因是什么？能否对可能的原因作出初步假设？分析者的目标是揭示所发现的模式并研究更多的细节以形成初步的假设或解释。例如，给定模式的上升和下降的时间趋势，3.2. 系统概述BeXplorer是一个Web应用程序，包含三个部分：数据预处理、数据分析和交互式可视化。AngularJS作为前端框架，而Node.js和MongoDB作为后端和数据库。 D3.js用作可视化库，而Python和R用作数据处理和建模工具。数据预处理组件用于存储数据、提取基本信息、计算派生属性·········90J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）87Fig. 1. 模型的管道。(A)数据输入;（B）数据预处理，识别复杂的玩家，然后计算方程系统的每个产品类别上每个群体的社会互动变量;（C）模型构建，应用看似无关的回归（Zellner，1962）来估计方程系统;（D）输出，即，通过SR2估计了不同玩家群体的影响力。从大量的CSV文件中提取球员。数据分析组件支持信息的实时检索和模型的预计算。并根据第四节的模型估算了直接沟通机制、社会影响机制和三元封闭机制对玩家可视化组件接受来自数据预处理和分析组件的结果作为输入以实现可视化分析。4. 模型图 1介绍了我们提出的模型的管道。 该模型首先确定了复杂的球员，并在预处理阶段计算了三个社会互动变量（图1）。1（B））。通过考虑三种社会互动机制，即直接沟通、社会影响和三元封闭机制，构建了一个群体特定和产品特定的方程系统（图11）。1（C））。这些机制在第4.2节中进一步解释。方程系统使用看似不相关回归（SUR）进行估计，该回归估计了不同玩家群体的影响力（图10）。1（D））。SUR（Zellner，1962）是一种广义最小二乘估计，它允许残差同时相关，从而为方程组中的系数提供了一个有效的估计。为避免变量和影响力之间的混淆，其正式定义如下。社会互动变量包括直接沟通、社会影响和三元封闭变量，分别用NS、SS和SH表示。它们是系统中的独立变量。直接沟通的影响力、社会影响力和三元封闭代表了三种社会互动机制的力量。这些影响代表了社会互动变量对购买行为的解释力（第4.3节）。4.1. 预处理社会学理论表明，玩家在MMORPG中的购买行为非常容易受到同龄人的影响，特别是来自有影响力的同龄人的影响（Aral和Walker，2012 ; Moretti，2011 ; Szell等人）。，2010年）。 因此，根据玩家的复杂程度将他们分为几组，这个游戏是必要的，因为它使研究人员能够捕捉到有影响力和一般参与者的独特角色。传统上，MMORPG中的玩家复杂性被简单地操作为行为属性（例如，经验、技能等）。然而，这种基于属性的测量忽略了MMORPG的交互性在本研究中，我们提出了一种新的测量方法--沟通加权行为成熟度（CWBS）. CWBS 是一个综合的衡量标准，通过MMORPG中玩家的交流重要性来衡量玩家的行为诡辩。图1（B）（左上）显示了如下详细描述的模型。玩家的行为成熟度可操作为四个行为属性的综合得分，即当前等级，掌握程度，实践程度，在MMORPG中的VIP级别。行为成熟度的这四个属性与Cronbachα = 0.67（Cronbach，1951）具有足够的内在一致性克朗巴赫α（Cronbach主成分分析（PCA）与方差最大旋转被用来减少四个属性的行为复杂性的综合得分。这是一种因子分析技术，可以根据观测变量之间的相关性从观测变量中提取一些不相关的潜在因子（Abdi和Williams，2010）。玩家然后通过将他/她的行为复杂度乘以相应的沟通重要性得分来计算玩家的CWBS得分。根据玩家的CWBS分数，每个团体在特定时间段内的前10%玩家（即，两周）被归类为复杂的球员，而其余90%的球员被归类为一般球员（图左下）。1（B））。因此，MMORPG中的所有玩家根据他们的CWBS分数和派系被分配到八个组。B、M、T和G代表来自四个集团，即分别为B<$、M<$、T<$和G<$，而b、m、t和g代表这些集团的一般参与者。在介绍该模型之前，我们首先解释将使用的三种社会互动机制，以及如何在预处理过程中计算这些直接沟通（DC）：参与者之间的沟通是思想或产品传播的主要途径（Aral和Walker，2012）。有关产品功能和质量的信息可以通过直接通信从一个玩家传递到另一个玩家，从而更新玩家对这些产品的期望，并进一步影响他们的购买决策。社会影响（SI）：个人会改变他们的行为，使自己与伴侣更紧密 地 联 系 在 一 起 （ Easley 和 Kleinberg ， 2010;Marsden 和Friedkin，1993）。通过观察其他球员的表现和技巧，购买额外的产品来提高他/她的表现和技能，从而使他/她对他/她的交流伙伴有同性恋倾向（Banerjee，1992）。球员与其他球员之间的表现和技能差距越大，球员购买附加产品以提高他/她的表现和技能的动机就越强（Newman，2002）。三元闭包（TC）：这是三个节点之间的属性，即，A、B和C，如果B和C是A的朋友，那么B和C也会成为朋友。如果一个玩家在他/她的网络中与其他玩家有更多的共享伙伴，则该玩家预计会有更强的购买动机，♦♦J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）8791Kij=1，j=i∑4Nβ不gp，kJ我4，jj=1，j=i∑4Sβ不gp，kJ我8，j∑4SHβ不J我12，jj=1，j=igp，kKi∗∗4gp，ksp，kgp，ksp，kgp，k4sp，ksp，ksp，ksp，kj= 1，j=isp，k不gp，kgp，kNt提高他/她的技能和表现，并保持与其他球员的联系（拉波波特，1953年）。计算两个参与者之间的通信频率以捕获直接通信机制。通过计算两个相互交流的参与者之间的CWBS得分差异来捕捉社会影响机制。通过计算Jaccard系数来刻画三元封闭机制，该系数反映了两个局中人之间共享的通信伙伴的数量。4.2. 一个影响敏感模型我们引入一个新的影响易感模型来检验玩家的沟通行为对其购买行为的影响该模型既考虑了不同集团的参与者之间的沟通，也考虑了同一集团内部的沟通该模型还使我们能够研究可能促进或阻碍这种影响的各种社会结构的独特作用。对集团之间的影响进行建模的原因有两个。首先，小团体在玩家之间造成了社会分化。因此，来自玩家自己的派系的影响应该不同于其他派系。第二，集团决定了玩家之间的合作或竞争关系，这反过来又会影响他们的购买。如上所述，派系之间的玩家之间的影响力关系可以通过直接沟通、社会影响力和三元封闭来实现所提出的模型定义如下。Yt，p=DC+SI+TC+DCSI+DCTC+Ctrl（1）其中，Yt，p是在时间帧t由集团i中的玩家ki购买的产品p，其由六个因子块来解释。前三组因素（即，DC， SI和TC），包括直接沟通（DC），社会影响（SI）和三元封闭（TC）的主要影响。第四和第五块（即，DC SI和DC TC）分别检查DC和SI之间以及DC和TC之间的联合效应这两个障碍控制着社会影响和三元封闭对直接沟通效果的混淆效果，这在各个领域的实证研究中得到了很好的证明（KossandWatts，2009;Shalizi和Thomas，2011）。最后一个块（即，Ctrl）是一个变量列表，其对单个玩家购买行为的影响应该得到控制。我们将DC、SI和TC中包含的因素抽象到图1中的表格中。1（B）。具体地说，使用以下等式来详细说明这些因素。为简单起见，集团B<$、M<$、T<$和G<$分别表示为集团1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19在这一节中，分别是4。(i)㈡ ㈢ ㈣三个方程中的（i）和（iii）项表示来自同一集团i中的sp和gp的DC、 SI和TC机制的主要影响力，而（ii）和（iv）项捕获来自不同集团j中的sp和gp的DC、 SI和TC机制的主要影响力。这种分解使我们能够检查和比较复杂的球员和同行球员在一个集团和集团之间的独特角色。三个方程中的（i）和（iii）项表示来自同一集团i中的sp和gp的DC、 SI和TC机制的主要影响力，而（ii）和（iv）项捕获来自不同集团j中的sp和gp的DC、 SI和TC机制的主要影响力。这种分解使我们能够检查和比较复杂的球员和同行球员在一个集团和集团之间的独特角色。4.3. 影响力所提出的模型是一个特定于群体和特定于产品的方程系统，它允许估计不同群体的球员在购买特定类别的产品中的作用。利用MMORPG运营商提供的游戏数据，针对八组玩家获得八个方程系统;每个系统包括五个如图1（C），每个方程组使用SUR（Zellner，1962）估计，该方法考虑协方差残差结构并产生有效估计。比较不同玩家群体的影响力，并揭示可以纯粹归因于采用了一种特殊的机制，平方半偏相关（SR2）来衡量复杂参与者和一般参与者的影响力当控制其他自变量的影响时，sr 2经常用作自变量对因变量的净解释力的度量（Cohen et al. ，2014年）。这种测量是可加性的，归一化的，并且在一个方程内或一个系统的方程之间是可比较的，这已经被用来测量社会问题的竞争力（Xu etal. ，2013; Sun et al. ，2014年）。采用逐步回归的方法来识别玩家群体的影响力。 它是一种通过从独立变量集中增加或减少一个变量来拟合回归模型的方法，它允许研究人员估计每个独立变量的净解释力（Cohen et al. ，2014年）。集团中老练玩家的影响力DC=Ntiiβ1+∑Ntjiβ2，jj=1，j=i+Ntiiβ3+（二）i（spi）可操作为相关的术语（即，Nti（一）影响力SI=S tiiβ5+∑Stjiβ6，j4+S tiiβ7+（三）集团i中的一般参与者（spi）的可操作性为相关项的SR2的总和（即，Ntii）.TC= SHtiiβ9+∑SHtjiβ10，j+SHtiiβ11 +（四）哪里sp，kj=1，j=isp，kgp，k三种社会互动产生的影响力通过总结相关术语的SR2来捕获机制βs（以及以下等式中的值）表示在Eqs.（2）、（3）、（4）。这些输出显示为方程系统中的估计系数，并且N tji和sp，kGPj、Ki分别指在时间帧t时在团体i中的玩家Ki与团体j中的老练玩家（SP）和普通玩家（GP）之间的直接通信的频率。同样地，Stji和Stji是指CWBS中的平均差异分数图 1（D）。由此产生的影响力的措施，可以帮助检查的演变和比较的相对重要性的三个社会互动机制，在影响玩家此外，这些措施-sp，kgp，k在参与者ki和他/她在集团j中的sp和gp联系人之间，影响力保证了有影响力的两两比较。分别SHtji和SH tj我指的是不同玩家群体对购买的权力是-sp，kgp，k分别在团体J中的玩家K1和他/她的SP和GP不同的玩家群体和购买各类产品的渠道。92J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）87图二. BeXplorer接口。该界面包括流视图（包括购买流（H）、购买节点（G）、不同颜色的有影响力的电力流和影响力条形图（A））、相关性视图（包括径向可视化（B）、像素条形图（C）和平行坐标图（D））、表格（E）和相关性视图（A）。自我网络（F）。（I）和（J）分别示出了用于流视图和关联视图的两个控制面板图3.第三章。流 程 视 图 中 的购买流程（A）、影响力流程（B和C）和影响力条形图（D）的 可 视 化 编 码 。5. 视觉设计BeXplorer有四种可视化，即流视图、相关视图、网络视图和表视图（图1）。（2）支持探索影响力的合力措施。流程视图使用流程隐喻来实现对演化行为（T1当在流视图中选择时间帧时，相关性视图将被更新以允许对玩家行为进行组间和组内相关性分析，其特征在于该时段（G1和G2）内的社交交互变量。基于紫色矩形和箭头的视觉提示用于工具的布局中，以指示向下钻取数据的过程（图2（L））。有了这些观点，分析师可以发展假设，并通过深入分析（P1）寻求对这些模式的解释。5.1. 流视图第4.3节中的结果构成了复杂的时间序列数据，这些数据表征了多个玩家行为的动态特性，以及捕获多个行为之间相互作用的时变关系数据然而，创建行为动力学和多重关系数据的简洁、信息丰富和可辨别的视觉摘要来解决T中列出的问题是困难的。因此，我们建议使用流隐喻来可视化地分析数据（T1流隐喻通常用于可视化中的时间序列数据（Havre et al. ，2000; Luo et al. 、2012），它可以为时间序列数据（T1）创建一个易于理解和无混乱的布局。特别是，我们采用了一个复合流为基础的设计，可以显示关于产品的购买和不同群体的球员（T2和T3）的影响的协同进化我们将购买行为编码为购买流，并表示社会互动机制的影响力作为有影响力的电力流（见图1和图2），2（H）和3）。这种复合设计可以直观地揭示协同进化关系，它将不同颜色的流叠加在流上。不同颜色的流在视觉上编码了社交互动机制的类型，随着时间的推移而波动。组合设计支持两种分析模式，组和产品模式，以分析由我们的模型估计的组特定和产品特定的措施。此外，影响条形图（图。 2（A））被用来探索不同的社会互动机制的影响力占玩家购买各类产品，并检查不同群体的玩家（T4）的角色。详细的编码描述如下。采购流程。采购流支持集团和产品两种分析模式。购买行为每个组都被可视化为灰色流（图1）。3（A）），其以垂直对称的方式绘制。 流的宽度与平均购买价值成正比。这些流动可以说明不同玩家J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）8793图四、 和弦图显示了 八组玩家的数量。每个组由图中的一个扇区表示（图2（H））和不同类别的产品（图7），分别在组模式和产品模式。为了节省空间，用户可以通过单击购买节点来启用或禁用任何流以进行分析（图1）。2（G））位于流的左侧。例如，只有组B、M、T和G的流被启用，并在图中显示。 2（H）.有影响力的能量流。如图3所示，代表三种社会互动机制（即直接沟通、三元闭合和社会影响）的三个彩色流以一致的顺序均匀地覆盖在每个购买流上。为了向用户呈现有意义的抽象，我们将三元闭包替换为流视图顶部（图2（I）左侧）的图例所使用的共享伙伴。在某个时间段内，流的厚度与当时相关机制的影响力程度成正比（图3（B））。影响力的程度通过第4.3节中描述的测量来估计。这三个流的叠加显示了机制影响力的联合程度。在分组模式下，设计允许分析师比较随着时间的推移，不同玩家群体对产品购买的社会影响。我们使用点画来编码三个社会互动变量的标准化值（图3（C）），这些变量是通过4.1节最后一段中描述的测量方法计算出来的。较密集的点表示变量值较高。点画是一种特定类型的纹理，其密度通道可以有效地与尺寸（厚度）通道分离（Ware，2012;Munzner，2014）。因此，用户可以同时感知社会互动变量的影响力和价值的程度。在产品模式中，设计可以帮助比较随着时间的推移（T3）对不同类别产品购买的社会影响，如图所示。7.第一次会议。没有社交互动变量与虚拟产品相关。然而，在每个流上具有恒定密度的点画用于保持视觉编码的一致性。影响条形图。由八组玩家产生的社会互动机制的影响力通过条形图（T4）可视化，如图所示。3（D）。可以通过单击流上的流来显示关联的图表。使用条形图而不是饼图是因为比例和绝对值信息对于分析很重要。分析人员不仅希望看到某一特定时间段的比例，而且还打算比较不同时间段的绝对值。放置在基线左右两侧的条代表四个派系中的老练玩家和普通玩家（见图1）。3（D））。条形图的长度表示特定群体的玩家对特定社会互动机制的影响力程度。5.2. 相关观我们使用径向可视化进行组间分析（G1），使用像素条形图和三个平行坐标图（PCP）进行组内分析（G2）。组间分析。我们采用径向可视化（图。 2（B）），结合了弦图和八个饼图组间分析（图。4）.和弦图及其内部曲线显示了八组玩家的人口以及不同玩家群体之间的社会互动。和弦图周围的饼图表示每组玩家中所选行为属性上的玩家分布。弦图。在弦图中，每个组由一个扇区表示，人口大小根据扇区长度进行编码（图1）。4（A））。采用弦图有两个原因。首先，它们的阅读准确性并不比饼图差（Skau和Kosara，2016），而饼图 相当于条 形图的任 务，例 如估计部 分与整体 的比例（Simkin和Hastie，1987）。第二，和弦图有一个中心区域来显示组间关系（G1）。如图如图4（B）所示，和弦图中的曲线编码了不同群体之间的社交互动，这有助于分析师识别群体间的沟通、复杂度评分和共享伙伴，从而将玩家社交互动与他们的属性相关联。曲线的厚度直观地表示两个组之间所选社会交互变量的值。饼图。分析和比较群体在选定行为属性上的分布，以了解群体的行为（G1）。在分析分布时，有两个主要任务有待解决。（1）什么是群体分布？（2）群体之间的分布差异是什么？为了完成这些任务，我们通过在每个扇区外添加饼图来改进弦图，以显示组的选定属性的分布（图4（C））。饼图用于任务，因为它们对比例数据的读取精度高。给定一个分析师感兴趣的属性，我们将八组球员的属性值按四分位数进行划分。因此，我们将玩家分为四个级别。一个组中玩家等级的比例被认为是该组的分布。组内分析。我们采用像素条形图（图）。图2（C））和三个PCP（图2（D））用于组内分析（G2）。像素条形图是一种可扩展的紧凑可视化方法，用于可视化球员的大量属性数据94J. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）87图五、 早期（左）和后期（右）M <$集团的购买流和有影响力的权力流。 从（A）到（A′）和（B）到（B′）的点密度减小，而从（C）到（C′）的 密 度 增大。通过单击弦图的相应扇区选择组。像素条形图放置在径向可视化的右侧，以显示单个属性的最细粒度。每个像素代表该组中的一个玩家，亮度级别对应于属性。像素被排序表2联立方程组的McElroy注：gp：普通玩家; sp：高级玩家。方程组McElRoy R2的平均值调整后R2C1 C2 C3 C4 C5基于所选择的玩家属性。每个玩家与八组玩家进行三次社交互动。三个PCP，这是广泛用于显示多维数据，采用可视化的三种类型的社会互动变量。每个PCP中放置了八个轴，其中线条与有影响力的电力流中使用的配色方案相匹配，以实现一致的编码gpinB<$gpinM<$gpinT<$gpinG<$spinB<$spinM<$spinT<$0.750.810.790.81个单位0.80个单位0.760.800.830.85个单位0.88个单位0.85个单位0.790.730.810.81个单位0.80个单位0.760.740.660.750.75个单位0.72零点六七0.65毫米0.790.850.84个单位0.830.820.790.870.900.88个单位0.910.900.87个0.740.810.81个单位0.780.760.74各种社会互动机制。一旦分析师在像素条形图上选择一个玩家组，玩家的线在PCP中突出显示。刷线会突出显示像素条形图中的关联像素5.3. 其他视图和用户交互一个表视图（图。 2（E））和网络视图（图。 2（F））显示关于从其他视图检测到的感兴趣的玩家和离群值的详细信息。表中的每一行表示一个玩家，而每一列表示一个玩家属性。在每个单元格中放置一个条形图，以直观地对其值进行编码。一个力导向图描绘了一个被选中的球员的自我网络。节点的字母表示其组标识，而其大小表示其相关的复杂度得分。链接的宽度编码了玩家之间的通信频率。支持一组用户交互，如下所示。当用户双击流程视图时，它可以被放大。用户可以在视图中的组或产品模式之间切换，并通过单击复选框来显示或隐藏有影响力的能量流（图10）。2（I））。流上的流随着时间的推移而变化，影响过滤器（图。 2（I））使分析员能够去除小流。重要事件（例如， 图 2（M））可以手动注释为时间轴中的橙色节点，以直观地提醒分析人员事件。相关性视图允许用户通过以下方式指定在和弦图中分析哪个社交交互变量：一个下拉菜单（图。2（J1））。如果单击图表的某个扇区，则显示相应的像素条形图。像素图表是根据用户的选定属性组织的spinG<$0.680.760.760.730.680.66（图 2（J2））。并置视图按需提供（图。 2（K1）和（K2））进行组间关系的并排目视比较（图2）。图8（B1）和（B2））和组内关系（图8（C1）和（C2））。我们将系统的视觉编码解释部分呈现为按需帮助。当用户单击视图的名称时，将显示其可视编码的可视解释。6. 评价实验在桌面PC上的Google Chrome浏览器中进行，使用第3.1节中描述的MMORPG数据。6.1. 模型评估本研究中估计的联立方程系统通过两个度量来评估：系统的总体拟合优度（McElroyR2）（McElroy，1977）和方程特定优度调整后的R2（AdjustedR2）这两个指标都足够好，这表明影响敏感模型表现良好。McElroy残差自相关或异方差的SUR估计模型如表2所示，四组一般玩家的方程系统的平均McElroyJ. Lu、X.Xie，J.Lan等人/视觉信息学3（2019）8795图六、B 、M、T、G玩家群的购买流和影响力流。这四个集团的范围从0.66到0.80，而sophisticated球员的范围从0.68到0.87。结果表明，八个方程系统是有效的和稳健的解释购买行为的八组球员。调整后的R2显示了一个特定的解释能力，方程系统中的方程，用因变量的方差比例来衡量，这可以用方程的自变量向量来解释。方程中五个方程的调整后R2的平均值一般玩家和高级玩家的系统M<$分别为0.65~0.75和0.87~0.91。换句话说，在一般参与者购买特定类型产品的过程中，至少有65%的差异得到了解释根据该模型，虽然M的成熟玩家购买特定类型产品的差异至少有87%是模型解释6.2. 案例研究我们与领域专家进行了三个案例研究，以证明我们的系统的效率和有效性。M组选手的成熟度得分。这些趋势表明，在这个集团中，成熟的玩家的整体活跃度呈下降趋势，这些成熟的玩家可能会退出游戏。游戏分析师评论说，他们只注意到了追逐的下降趋势，而不是交 流 和 老 练 玩 家 的 诡 辩 得 分 的 下 降 。 新 的 观 察 结 果 对 于MMORPG运营商来说很重要，因为它建议他们不仅要采取一些及
