[취재] 머신 러닝으로 해본 '마비노기 듀얼'의 유저 재방문 시스템 제작과 결과

마이크로소프트의 김대우 테크니컬 에반젤리스트

금일(27일), 판교 넥슨 GBI 센터 지하 1층에서는 '머신 러닝' 기법을 도입한 운영 방법에 대한 강연이 열렸다. 이날 강연에서는 넥슨과 마이크로소프트의 합작 프로젝트인 '핵페스트'의 적용 예시와 머신 러닝 기법이 소개됐다.

첫 순서로는 마이크로소프트의 김대우 테크니컬 에반젤리스트가 단상에 올라 간단히 머신 러닝에 대해 소개를 이어갔다. 머신 러닝은 인공지능 분야의 한 갈래이며, 이 분야에는 구글의 '알파고'로 유명해진 딥 러닝 기법과 더불어 슈퍼바이저&언슈퍼바이저 기법들이 존재한다.

그러나 딥 러닝 기술이 적용되는 머신 러닝의 분야는 약 10% 정도에 불과하며, 대부분의 슈퍼바이저와 언슈퍼바이저로 데이터를 분석하고 이해하는 경향이 있다고 전했다. 또한 머신 러닝의 영역은 통계적 방법과 데이터 마이닝 뿐 아니라 기존의 분석 기법들을 모두 포함하고 있으며 이를 이용하기 위한 툴킷이나 처리는 기존의 개발자들이 사용하던 툴킷이나 소프트를 많이 응용할 수 있다.

그렇다면 머신 러닝이 왜 중요한 것인가? 머신 러닝 예측 분석을 이용한 기술은 거의 모든 산업에서 필요충분조건으로 작용하기 때문이다. 예를 들어 게임의 경우, 좋은 아이템을 기획해 추가했으나 잘 팔리지 않는다면 머신 러닝을 통해서 그 이유를 분석하고, 유저들에게 잘 팔릴 수 있을 법한 아이템들을 자동으로 예측해 게임에 노출할 수도 있다. 또, 기존에 게임을 플레이하던 유저들이 언제 이탈을 할지 예측을 하고, 이탈한 유저의 접속을 유도하는 것 역시 가능하다.

넥슨의 노기태 부장

이어서 강연을 이어나간 넥슨의 노기태 부장이 단상에 올라 마이크로소프트와 공동 개발한 '핵페스트'를 '마비노기 듀얼'에 적용한 사례를 설명해 나갔다. 최초의 핵페스트는 유저 이탈을 막기 위해 개발된 솔루션이었다. . 최대한 빠르고, 최대한 확실하게 유저의 탈을 판단하기 위해 시점을 파악하고 어떤 성향의 유저들이 이탈했는지 체크할 조건을 설정했다.

그리고 유저들의 이탈 원인이라고 생각되는 정보들, 즉 보유 재화나 마지막 진행 스테이지, 랭크, 국가 등 모델링에 입력할 파라미터들을 체크하고 이에 맞는 알고리즘을 적용해 시스템을 구축했다. 그러나 데이터 탐색 기준을 정하는 부분을 조사하면서 마비노기 듀얼의 세부 데이터 탐색을 해 본 결과, 1일차 이탈률이 엄청 높았고 7일 주기로 체크하는 건 정말 힘들다는 결론이 나왔다.

그래서 방향을 바꿔 이탈한 유저들의 재방문을 유도하는 형태로 교체했다. 'Azure ML Studio'과 마비노기 듀얼 접속 데이터를 활용하여 유저 재방문 유도 시스템 모델링을 진행하였고, 이를 활용하여 실제 게임에 적용해 보상이 지급된 유저들을 대상으로 보상을 알리는 푸시를 적절한 시각에 발송했다.

그 결과 시스템을 적용한 전월/전일 대비 최대 10% 내외 정도의 일일 방문자 상승(DAU)효과를 볼 수 있었다. 이후로도 평균 4%정도의 DAU 상승효과가 발송했다. 하지만, 마비노기 듀얼의 경우 푸시 발송을 자주 하지 않은 데다 특별한 선물을 배포한 적이 많지 않아서 이 효과를 온전히 재방문 유도 시스템 때문이라고 단정 짓기는 어려웠다.

이후 노기태 부장은 재방문 유도 시스템을 데이터 분석 전문가에게 컨설팅을 받았고, 종속족 구조의 변수들을 수정하여 중/단기 지표를 투입하면 더 나은 실제적 접속 예측이 가능하다는 피드백을 받아 이를 수정하고 좀 더 툴을 발전시키고 있다고 전하며 강연을 마쳤다.