オンラインゲームの運営にとって、ユーザーのゲーム内での行動特性を理解することは、ユーザーの満足度を高める施策意思決定をするために重要である。ゲーム内での行動特性に基づいてユーザーを分類し、ゲームに対する熱量や遊び方の異なる個々のセグメントに対して最適な施策を設計することで、ユーザー全体のゲームに対する満足度を高めることができる。しかしながら、実際のオンライゲームの運営に有用なユーザーの分類手法は確立されていない。本研究の目的は、実際のオンラインゲームの施策設計に必要な各クラスターの意味解釈とクラスター間の関係性の理解が可能な分類手法の提案である。実際のゲーム内行動データに主成分分析とK-means, 決定木を組み合わせる提案手法を適用することによって、クラスター間に継続率やARPUに違いがあることを確認した。さらに、ユーザーを熱量や遊び方の異なるクラスターに分け、クラスターごとに具体的な施策提案を行なった。
