El campo de la arena de batalla multijugador en línea es un género de juegos en línea que se ha vuelto extremadamente popular. Debido a su éxito, estos juegos también atrajeron la atención de nuestra comunidad de investigación, porque proporcionan una gran cantidad de información sobre las interacciones y comportamientos humanos en línea. Un problema crucial es la extracción de patrones de actividad que caracterizan este tipo de datos, de una manera interpretable. Aquí, aprovechamos la Factorización de Tensor No Negativa para detectar comportamientos correlacionados ocultos al jugar en un juego bien conocido: League of Legends. Con este objetivo, recopilamos toda la historia de juego de un grupo de aproximadamente 1000 jugadores, que representa alrededor de 100K partidas. Al aplicar nuestro marco, somos capaces de separar a los jugadores en diferentes grupos. Mostramos que cada grupo exhibe características y estrategias de juego similares, así como trayectorias temporales similares, es decir, progresiones de comportamiento a lo largo de su historia de juego. Sorprendentemente descubrimos que las estrategias de juego son estables a lo largo del tiempo y proporcionamos una explicación para esta observación.