본 이전기술은 모바일 온라인 게임 로그데이터로부터 게이머 행동 속성을 추출한 후 학습하여 게이머 행동 예측모델을 구축하고, 이를 이용하여 게임 운영 요소를 추천하는 기술에 관한 것임
- 최근 모바일 게임은 대부분 부분 유료화 (Free-to-Play, F2P) 게임 형태로 출시되고 있음에 따라, 게이머의 게임 이탈 예측뿐만 아니라 구매 예측은 부분 유료화 게임 모델의 주요 이슈로 대두되고 있음
※ 부분 유료화 게임: 게이머가 무료로 설치하여 게임을 플레이할 수 있으며, 선택적으로 게임 재화, 가속 아이템 등을 앱 내 구매 (In-App Purchases, IAPs)를 통해 획득할 수 있는 게임
- 본 이전기술의 경쟁 기술들은 주로 본 기술의 일부 기술인 게이머 행동 예측 모델링으로만 국한되어 있음
? 모바일 부분 유료화 게임에 대한 게임 이탈 예측 모델링 방법 : Hadiji et al. [1]과 Lee et al. [2]은 게임 이탈의 개념을 정의하고 실제 게임 서비스 환경에서의 게임 이탈을 예측하였으며, Runge et al. [3]은 고가치 게이머를 분류하고 이들에 대한 게임 이탈 예측을 수행하였음
? 모바일 부분 유료화 게임에 대한 구매 예측 모델링 방법 : Xie et al.[4]은 게임 로그 이벤트 빈도수에 따른 게임 이탈 예측 및 구매 예측 모델을 제시하였으며, Sifa et al. [5]은 게이머 행동 관점에서 게이머의 구매 결정에 관한 연구를 수행하였음
- 게임 내 발생하는 행위 데이터 기반 게이머 행동 모델 구축으로 사용자 선호도/경향 분석 가능
- 신규 콘텐츠, 차기작 기획으로 이어지는 게임 비즈니스 전략 수립에 필요한 게임 사용자 요구사항 분석
- 게임 내 구성요소와 게이머 간의 상호작용으로 발생 가능한 게임 상황의 예측 리포팅 지원
A. 기술명 : 게이머 데이터 분석 기술
- 미가공 데이터 대상 게임속성 추출 기술
- 게임속성 정합 기반 행위 의미 분석 기술
- 분산 처리 기반 대용량 게이머 데이터 관리 기술
B. 기술명 : 게임 플레이 활성 요소 예측 기술
- 행동 예측을 위한 게이머 모델링 기술
- 최적화 운영 요소 추천 기술
- 기계학습 기반 게임 경제 시스템 시뮬레이션 기술
- 패턴변화 대응이 가능한 게임상황 예측 기술
A. 기술명 : 게이머 데이터 분석 기술
- 미가공 로그데이터 수집/정제 모듈
- 게임 데이터 시계열 특징 추출 모듈
- 게이머 행동속성 특징 분석 모듈
B. 기술명 : 게임 플레이 활성 요소 예측 기술
- 게임 로그DB 연동 학습패턴 속성 추출 모듈
- 학습패턴 속성 전처리 모듈
- 기계학습 기반 게이머 모델링 모듈
- 기계학습 기반 게이머 모델 검증 및 테스트 모듈
- 본 이전기술은 게이머 행동 속성뿐만 아니라 게임 내 환경 요소와 연계하여 게임 서비스 운영 분야, 콘텐츠 생애 주기 시뮬레이션 검증 분야, 진화형 인공지능 캐릭터 응용 분야, 게임 서비스 리스크 관리 분야 등에 적용이 가능함
- 본 기술의 주요 수요처는 모바일 게임 개발업체로, 국내에서 게임 개발업체는 소수의 대기업과 다수의 중소기업들로 구성되어 일정 수준의 수요처 확보가 가능할 것으로 보임
? 이전기술의 적용 시 초기 투자비용이 많지 않기 때문에, 다수의 중소기업들에게도 상용화 가능성이 높을 것으로 보임
- 본 기술의 상용화 시 데이터 기반의 객관적이고 체계적인 게임 운영으로 게임수명 연장과 고수익 콘텐츠 확대가 기대됨