- 기계학습 거쳐 이탈 가능성 높은 이용자 추려내 개별 보상
- 넥슨 ‘마비노기 듀얼’, 재접속 유도로 하루 사용자 증가

[디지털데일리 이대호기자] 모바일게임을 잘 만들어 놓으면 성공할 수 있을까. 반은 맞고 반은 틀린 얘기다. 잘 만든 게임에 고도화된 서비스(운영)까지 뒷받침돼야 한다. 그러나 게임 운영이 쉽지 않다는 것은 잘 알려진 사실이다. 게임의 설치와 삭제가 워낙 쉽기도 하고 시장에 경쟁 게임이 많아서다.

때문에 눈에 보이는 지표에 대응하는 것만이 아니라 미래를 예측하면서 움직여야 할 부분도 있다. 바로 이탈 가능성이 높은 이용자들을 추려내 재접속을 유도하는 것이다. 이와 관련해 넥슨의 ‘마비노기 듀얼’의 사례가 공개됐다.

지난 27일 김대우 한국마이크로소프트 기술 에반젤리스트와 노기태 넥슨코리아 데브캣 스튜디오 부장이 넥슨개발자컨퍼런스(NDC)에서 마비노기 듀얼 데이터를 활용해 머신러닝(기계학습) 예측 분석 도구를 도입한 과정을 발표했다.

이 같은 머신러닝 예측 모델은 마이크로소프트(MS)의 애저(Azure) 웹서비스가 쓰였다. 김대우 에반젤리스트는 “단순한 이탈 예측이 아니라 향후 어떻게 하면 재접속까지 유도할까, 어떤 부부을 손보면 사용자들이 즐겁게 게임에 들어오게 할 수 있을까 등 머신러닝을 통해 처방전을 내는 것까지 가능하다”고 강조했다.

고객 이탈 방지를 위한 예측 모델은 통신사, 금융 등의 산업군에서도 많이 쓰인다. 게임에선 엔씨소프트가 온라인게임 아이온의 고객 이탈 방지를 위해 머신러닝을 활용했다. 이 같은 예측 모델을 만드는 과정은 애저웹서비스 사이트나 깃허브(GitHub) 등에 다양한 예제 데이터가 공개돼 있다.

노기태 넥슨코리아 부장은 머신러닝 모델 도입 초기를 떠올리면서 “모바일게임은 고객 이탈의 허들이 낮고 경쟁 상품이 엄청나게 많아 높은 수준의 이탈 예측 모델을 만들기가 쉽지 않을 것이라 생각하고 시작했다”고 말했다.

실제 노 부장의 예측대로 난관에 부딪혔다. 이용자 접속 및 이탈의 패턴이 예상보다 훨씬 복잡하게 나타났고 이탈의 기준 자체도 잡기가 애매했기 때문이다. 이탈률이 높게 나오면서도 복귀자 또한 많았다. 그래서 이탈 예측보다 재방문 유도에 좀 더 무게를 두고 머신러닝 모델을 설계했다.

학습에 사용할 표본데이터론 ▲다음날 접속 여부 ▲접속일 보유 골드 ▲접속일 보유 보석 ▲가입 후 접속일까지 구매금액 ▲접속일까지 부스터 개봉 횟수 ▲접속일까지 PVE 횟수 ▲국가 ▲접속 당일 개인상점 거래 ▲최근 로그인 일자 등 26개의 이용자 수치가 포함됐다.

이를 애저 머신러닝(ML) 모델링을 통해 결과값을 추출했고 다시 게임 데이터베이스에 삽입했다. 게임 서버는 이탈 확률이 높은 이용자 대상으로 푸시 보상을 지급, 게임에 흥미를 잃었던 이용자들이 보상을 받으러 재접속했다.

이 같은 재접속 유도 모델이 마비노기 듀얼에 도입된 이후 자체 통계 조사에서 전일 대비 10% 가량의 하루 사용자 상승이 관측됐다. 검증 결과, 이 모델의 합리성을 측정하는 AUC(Area Under the Curve) 수치는 0.873이 나왔다. 0.8(80% 적중률) 이상 AUC 수준으로 나오면서 내부적으로도 쓸 만하다는 평가를 받았다.

노 부장은 중간에 데이터분석 전문가의 컨설팅을 거친 사실도 소개했다. 이를 통해 장기 지표를 중단기 지표로 바꾸면 좀 더 나은 접속 예측이 가능하다는 조언이 있었고 누적 수치값을 15일치로 줄였다. AUC가 0.9 수준으로 올랐다. AUC는 1이 가장 높은(perfect) 수치다.

<이대호 기자>ldhdd@ddaily.co.kr