據 Newzoo 發佈的《2018 全球遊戲市場報告》顯示，2018 年手遊創造了 703 億美元的收入，且這一數字預計到 2021 年攀升至 1063 億美元。
但是，對於手遊行業來說，用戶流失是非常大的難題，且衡量標準往往很難預測。
用戶流失有兩種類型，一種是微觀層面的，關係到 App 自身和特定用戶；另一種是宏觀層面的，即 App 和整體用戶之間的流失。這兩者之間互相影響，但並不易察覺，這對發行商和開發者來說都是一項難題。
不過，一篇來自三星美國研究中心、德克薩斯 A&M 大學、匹茲堡大學和亞利桑那大學的研究團隊共同撰寫的論文——《大型手遊微觀和宏觀層面的用戶流失分析》顯示，在 AI 的幫助下，有望得出一種分析用戶流失的更優方案。
研究人員認為，隨著移動設備的普及，手遊已經成為一個有著數十億美元收入的市場，前景十分樂觀。然而，手遊平臺和服務面臨著一個關鍵的挑戰，既設法瞭解導致用戶流失的原因有哪些。研究人員首次對微觀層面的用戶流失進行了預測，也對宏觀層面的用戶流失進行排名，並以此對手遊進行了大規模的用戶流失分析。
流失預測系統已經不是什麼新鮮事物了，但是，之前的方法只能預測一款或少數幾款手遊的流失，並沒有考慮到用戶和應用程序的交互數據，例如 Wi-Fi 的連接狀態、屏幕的亮度和音量大小。
相比之下，研究人員擬建的系統採用了從三星遊戲啟動器（Samsung game Launcher）收集了遊戲開啟、關閉、安裝和卸載的詳細交互數據。這一套系統，允許三星手機用戶定製其手機在滿足某些變量時的反應。此外，研究人員使用圖形來模擬用戶和遊戲之間的關係（描述連接各種實體關係的數據庫），並使用深度神經網絡捕獲信息以及用戶與遊戲交互的“動態”方式。通過附加的圖形和算法，就可以總結宏觀客戶流失。具體來說，該系統能夠根據近期可能流失的用戶總數為遊戲生成一個列表。
為了構建用於訓練人工智能學習模型的數據集，研究人員在得到美國和韓國用戶同意的情況下，從三星遊戲啟動器中匿名收集了數萬款手遊和數億用戶 4 個月的數據。蒐集的數據包括：遊戲歷史、遊戲概況（既遊戲類型、開發者、下載量、評級值和評級數量等）和用戶信息（例如設備型號和區域）。
與以往的微流失率預測方法相比，研究人員的系統與多個基線相比，顯示出了“優越”的性能，在微觀流失率預測和宏觀流失率預測方面都達到了最高水準。更更有甚者，因為它的輸入只包含遊戲的屬性及其關係，研究人員指出，該系統還可以用於預測其他領域的用戶流失，比如蘋果音樂的會員流失和 Facebook 的取消訂閱。