Avatars et identité dans le métaverse, partie 2

Lisez la première partie de ce billet de blog de notre équipe de science des données ici.

Dans notre précédent billet, nous avons analysé l’esthétique des avatars pour mieux comprendre les comportements des utilisateurs de Roblox. Dans la deuxième partie, nous poursuivons notre enquête sur l’avatar et l’identité afin de mieux comprendre comment les identifiants de la vie réelle des utilisateurs se croisent avec leurs identités Roblox.

L’âge

L’âge est un point de départ important mais facile. Les utilisateurs plus âgés ou plus jeunes ont-ils des préférences esthétiques différentes ? Étonnamment, la réponse est largement « non » !

Bien que nous observions une certaine variabilité dans la répartition par âge des différents clusters, en général, il y a plus de chevauchement que de différenciation, avec seulement quelques écarts statistiquement significatifs.

Identité géographique

Roblox est une plateforme mondiale, et chaque culture est unique. Cela se reflète dans nos données : lorsque nous traçons les fréquences des clusters dans différents pays, nous constatons des variations esthétiques spectaculaires.

Parfois, cela est dû à des raisons démographiques : en Arabie saoudite, par exemple, il y a plus de femmes déclarées que d’hommes sur Roblox, ce qui se traduit par un regain de popularité pour les groupes d’avatars à l’apparence féminine.

D’autre part, certains archétypes géographiques peuvent être ancrés dans la culture. Au Brésil, nous constatons que les avatars masculins portant un maillot de sport vert et une coupe de cheveux brune (cluster 15 ci-dessous) sont disproportionnellement populaires par rapport aux autres pays. Compte tenu des couleurs nationales du Brésil, de l’importance du football dans ce pays et des coiffures de ses célébrités, cela est logique.

Gauche : Gabriel Barbosa. Attribution: Marcelo Camargo/ABr, CC BY 3.0 BR <https://creativecommons.org/licenses/by/3.0/br/deed.en>, via Wikimedia Commons Right: Neymar. Attribution: Agência Brasil Fotografias, CC BY 2.0 <https://creativecommons.org/licenses/by/2.0>, via Wikimedia Commons

Fréquence des clusters – Arabie Saoudite (le cluster 7 est un cluster à dominante féminine)

Fréquence des clusters – Brésil :

Genre

L’une des caractéristiques les plus frappantes de nos clusters est leur répartition inégale entre les sexes : la plupart des clusters sont presque entièrement composés d’hommes ou de femmes, avec seulement quelques groupes hétérogènes. Les utilisateurs de Roblox ayant un genre identifié ont tendance à choisir des avatars qui les reflètent.

Nous pouvons le quantifier. Un réseau neuronal à convolutions extrêmement simple, entraîné sur les vignettes, a été capable de prédire le sexe de l’utilisateur avec une précision de 91 %. Il est intéressant de noter qu’en examinant les utilisateurs que le modèle a mal évalués, nous constatons que 65 % d’entre eux s’identifient comme des femmes, ce qui implique que les utilisatrices sont moins susceptibles de choisir des avatars à l’apparence féminine évidente.

Répartition des sexes sur 20 clusters :

Les extrêmes esthétiques : Rthro et Blocky

Deux archétypes spécifiques qui illustrent la diversité esthétique de Roblox sont « Rthro » et « Blocky ». Rthro est une classe d’avatars « humanoïdes », grands et minces publié en 2018tandis que « Blocky » était une esthétique extrêmement populaire dans les premiers temps de Roblox (voir le visuel ci-dessous pour des exemples de chacun). Les deux sont aujourd’hui des amas de taille similaire, mais ne pourraient pas être plus différenciés visuellement.

Pour comparer ces archétypes spécifiques, nous avons adopté une approche allégée et semi-supervisée : nous avons d’abord généré un grand nombre (100) de clusters, puis nous les avons étiquetés manuellement comme Rthro et Blocky à partir d’une inspection visuelle des échantillons, et enfin nous avons regroupé les clusters ayant la même étiquette. Cette technique permet de créer des clusters plus serrés et plus cohésifs qui sont également conformes à nos critères externes pour les deux types de catégories.

Certains clusters se sont combinés pour former Blocky :

Certains clusters ont été combinés pour former Rthro :

Tout d’abord, cet exercice nous a confirmé que ces groupes sont relativement petits : ensemble, ils ne représentent qu’environ 7 % de notre base d’utilisateurs actifs, les 93 % restants étant constitués de types de corps Roblox moins extrêmes. Deuxièmement, nous constatons que les différences esthétiques entre Rthro et Blocky se reflètent dans les caractéristiques de leurs utilisateurs de niche :

• La durée d’utilisation de la plateforme par les utilisateurs de Blocky est beaucoup plus longue que celle des utilisateurs de Rthro ; en fait, l’utilisateur typique de Blocky est sur Roblox plus de deux fois plus longtemps que l’utilisateur moyen de Rthro.
• La différence est tout aussi frappante en ce qui concerne le temps de jeu, le temps de jeu de Blocky étant le double de celui de Rthro.
• Nous constatons également que les utilisateurs de Blocky passent une grande partie de leur temps de jeu dans une niche de jeux qui utilisent l’ancienne configuration Avatar R6.

Toutes ces comparaisons permettent de brosser un tableau clair des utilisateurs de Blocky : une base d’utilisateurs restreinte mais loyale et très motivée, attirée par l’esthétique ancienne de Roblox, tant au niveau du gameplay que de la conception des avatars. Les utilisateurs Rthro, quant à eux, sont des nouveaux venus, au début de leur aventure sur Roblox.

On peut imaginer répéter ce type de recherche pour les 93 % de corps avatars qui se situent entre ces deux extrêmes esthétiques, ainsi que pour les sous-cultures robloxiennes auxquelles ils correspondent.

Améliorations potentielles de l’avatar

En fin de compte, le but de notre analyse est de suggérer ou de soutenir des hypothèses sur la façon d’améliorer l’expérience Roblox pour nos utilisateurs. Pour suggérer et évaluer des initiatives, il est parfois utile d’aller au-delà d’un cahier des charges et d’élaborer une véritable preuve de concept (PoC) à prendre en compte dans la feuille de route du produit.

Voici quelques exemples de ce type que nous avons mis en place cet été. Pour être clair, il ne s’agit que de prototypes, qui ne verront peut-être jamais le jour, mais ils illustrent, je l’espère, comment une compréhension approfondie de nos utilisateurs peut nous aider à créer un produit qui les sert mieux.

1. Amélioration des paramètres par défaut des avatars : Actuellement, de nombreux nouveaux utilisateurs s’en tiennent aux avatars standardisés par défaut qui leur sont attribués pour la première fois. Hypothèse de produit : en aidant les nouveaux utilisateurs à créer rapidement un avatar personnalisé et à caractère personnel, nous pourrions accroître la valeur qu’ils retirent de Roblox.

Grâce à nos modèles de regroupement d’avatars, nous pouvons fournir aux utilisateurs un échantillon d’avatars uniques, à l’allure cool, dès le départ, sur la base de modèles existants hautement personnalisés. Imaginez que, lorsque vous vous connectez pour la première fois à Roblox, on vous montre les cinq avatars (très différents) ci-dessous pour commencer à réfléchir. Peut-être que le fait de les faire défiler pourrait révéler des variations encore plus uniques ?

2. Suggestions de variations de tenues: Le type d' »inspiration d’avatar » que fournissent les avatars par défaut pourrait également être utile pour modifier les avatars existants. Il s’agit essentiellement d’une nouvelle possibilité de recherche et de découverte : présenter aux utilisateurs des archétypes Avatar fortement édités pour stimuler leur imagination, sur la base de similitudes ou de dissemblances. Le flux d’utilisateurs de notre prototype (voir ci-dessous) présente des problèmes, mais il est plutôt cool quand il fonctionne.

3. Décrivez votre avatar : Parfois, l’avantage du concept est d’informer sur la faisabilité et les délais. Prenons l’idée particulièrement ambitieuse de transformer la requête en anglais d’un utilisateur en un avatar habillé automatiquement. Un pas dans cette direction consiste à étiqueter de manière algorithmique les avatars avec des mots descriptifs. Cependant, comme vous pouvez le constater dans les exemples ci-dessous, les techniques de modélisation standard ont un long chemin à parcourir..

Cet exemple particulier donne lieu à un méta-apprentissage instructif : la diversité des contenus de Roblox est telle qu’il est difficile de modéliser correctement l’espace, même avec des réseaux pré-entraînés et des dizaines de milliers d’échantillons d’entraînement.
Chaque exemple contient une vignette du contenu. En dessous, les étiquettes suggérées automatiquement sont accompagnées d’un score pour la pertinence de chaque étiquette (plus il est petit, mieux c’est).

Au moins, « panda » est dans les huit premiers… mais quoi qu’il en soit, je trouve les réponses « tortue » et « chien » adorables.

On pourrait penser que la couleur est facile à apprendre, mais apparemment non.

Le modèle a eu la bonne idée ici ! Il ne peut tout simplement pas faire les distinctions les plus fines entre les différents types d’armes.

Conclusion : Construire un produit autour de l’identité

Cette étude de l’esthétique d’Avatar montre clairement qu’il n’existe pas un seul et unique parcours Roblox. Les utilisateurs viennent d’horizons très divers et recherchent une diversité similaire d’expériences et de représentation sur la plateforme. En tant que spécialistes des données, nous aimons penser au développement de produits en termes d’hypothèses. Dans ce langage, notre hypothèse de base est que les caractéristiques des produits qui répondent aux divers besoins esthétiques de nos utilisateurs sont les plus utiles pour eux et pour le Métaverse.

En général, il s’agit d’un modèle que nous aimons : associer une analyse approfondie qui donne une image des besoins des utilisateurs au type de développement de produits innovants que vous avez peut-être entendu de la bouche de nos développeurs applaudis à la RDC. Nous sommes au tout début des deux côtés de ce voyage avec Avatar, et nous allons avoir besoin de beaucoup d’aide en cours de route !

Nameer Hirschkind est un stagiaire en science des données chez Roblox. Il travaille sur les avatars de Roblox pour aider chaque joueur à créer un avatar qu’il aime. Ni Roblox Corporation ni ce blog ne cautionnent ni ne soutiennent aucune entreprise ou service. En outre, aucune garantie ou promesse n’est faite quant à l’exactitude, la fiabilité ou l’exhaustivité des informations contenues dans ce blog.

©2021 Roblox Corporation. Roblox, le logo Roblox et Powering Imagination font partie de nos marques déposées et non déposées aux États-Unis et dans d’autres pays.