KR102187880B1

KR102187880B1 - Method and apparatus for game event guide

Info

Publication number: KR102187880B1
Application number: KR1020190042610A
Authority: KR
Inventors: 엄태욱; 한기영; 황영태
Original assignee: 넷마블 주식회사
Priority date: 2019-04-11
Filing date: 2019-04-11
Publication date: 2020-12-08
Also published as: KR20200120129A

Abstract

게임 업데이트 가이드를 위한 방법 및 장치가 개시된다. 일 실시예에 따르면, 게임 업데이트 가이드 방법은 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키는 단계와, 학습 기간보다 시간적으로 늦은 기준 시점의 게임 지표에 기초한 입력 데이터를 학습된 지표 예측 모델에 입력하여, 기준 시점보다 시간적으로 늦은 타겟 시간 구간의 게임 지표를 예측하는 단계와, 예측된 타겟 시간 구간의 게임 지표에 기초하여, 게임 업데이트에 관한 가이드 정보를 제공하는 단계를 포함한다.A method and apparatus for a game update guide are disclosed. According to an embodiment, the game update guide method includes training an index prediction model using learning data based on a game index of a learning period, and predicting the learned index by inputting input data based on a game index of a reference point in time later than the learning period. And predicting a game index of a target time interval that is temporally later than a reference time point by inputting into the model, and providing guide information regarding game update based on the predicted game index of the target time interval.

Description

METHOD AND APPARATUS FOR GAME EVENT GUIDE}

아래 실시예들은 게임 업데이트 가이드를 위한 방법 및 장치에 관한 것이다.The following embodiments relate to a method and apparatus for a game update guide.

퀘스트, 캐릭터와 같은 게임 컨텐츠의 소모 정도가 어느 정도 수준에 이르면 이들 게임 컨텐츠를 업데이트할 필요가 있다. 게임 내에서 게임 컨텐츠를 대부분 소비한 게임 유저의 비율이 높아지면 해당 게임 내 유저들이 게임을 이탈하게 될 가능성이 높아지기 때문이다. 기존에는 기획자나 운영자의 개별 판단에 기반하여 컨텐츠의 소모 정도를 확인하기 위한 지표가 추출되었다. 즉, 업데이트 시점이나 그 내용을 선정하는 데 있어서 개인적인 판단에 의존하게 되고, 개인적 판단에 따라 업데이트 효과에 차이가 생길 수밖에 없는 구조였다. 또한, 업데이트 시점에 대한 노하우는 각 운영진마다 별도의 노하우를 가지게 되고, 각 업데이트 시점 별 효과를 측정하기 어려운 문제가 있었다.When the level of consumption of game contents such as quests and characters reaches a certain level, it is necessary to update these game contents. This is because if the percentage of game users who consume most of the game content in the game increases, the possibility that users in the game will leave the game increases. Previously, based on the individual judgment of the planner or operator, an index was extracted to check the degree of consumption of the content. In other words, in selecting the update timing or its contents, it depends on personal judgment, and according to personal judgment, there is inevitably a difference in the update effect. In addition, the know-how on the update time point has a separate know-how for each management team, and there is a problem that it is difficult to measure the effect of each update time point.

일 실시예에 따르면, 게임 운영 장치에 의해 수행되는 게임 업데이트 가이드 방법은 제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키는 단계; 상기 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 학습된 지표 예측 모델에 입력하여, 상기 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 상기 게임 지표를 예측하는 단계; 및 상기 예측된 상기 제1 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공하는 단계를 포함한다.According to an embodiment, a method of guiding a game update performed by a game operating device includes: learning an index prediction model using learning data based on a game index of a first learning period; The game index of a first target time interval temporally later than the first reference time by inputting input data based on the game index at a first reference point in time later than the first learning period into the learned index prediction model Predicting; And providing first guide information regarding a game update based on the predicted game index of the first target time interval.

상기 게임 지표는 각 유저들의 게임 플레이 상태에 관한 분포를 나타내는 유저 상태 분포 정보 및 게임의 활성화 정도를 나타내는 게임 활성화 정보를 포함할 수 있다. 상기 유저 상태 분포 정보는 각 유저의 게임 로그에 기초하여 생성된 유저 상태 정보에 관한 통계에 기초하여 생성될 수 있다. 상기 게임 활성화 정보는 DAU(daily active user) 및 게임 매출에 관한 정보를 포함할 수 있다.The game indicator may include user state distribution information indicating a distribution of game play states of each user and game activation information indicating a degree of game activation. The user state distribution information may be generated based on statistics on user state information generated based on a game log of each user. The game activation information may include information on daily active user (DAU) and game sales.

상기 게임 지표는 유저들의 컨텐츠 소비 현황, 유저들의 캐릭터 보유 현황, 및 유저들의 레벨 분포 중 적어도 하나를 포함할 수 있다. 상기 제1 가이드 정보는 컨텐츠 추가에 관한 경고, 캐릭터 추가에 관한 경고, 및 레벨 상한 조절에 관한 경고 중 적어도 하나를 포함할 수 있다.The game indicator may include at least one of a content consumption status of users, a character retention status of users, and a level distribution of users. The first guide information may include at least one of a warning regarding content addition, a warning regarding character addition, and a warning regarding level upper limit adjustment.

상기 게임 지표는 유저들의 컨텐츠 소비 현황을 포함할 수 있고, 상기 제1 가이드 정보를 제공하는 단계는 상기 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 컨텐츠 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.The game index may include the content consumption status of users, and the providing of the first guide information is when the statistics indicating the content consumption status of the users exceeds a predetermined threshold within the first target time interval And providing the first guide information including a warning regarding content addition and information about a warning point in the first target time interval in which the statistical value exceeds the predetermined threshold.

상기 게임 지표는 유저들의 캐릭터 보유 현황을 포함할 수 있고, 상기 제1 가이드 정보를 제공하는 단계는 상기 유저들의 캐릭터 보유 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 캐릭터 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.The game index may include the current status of the user's character possession, and the step of providing the first guide information is when the statistics indicating the current status of the user's character possession exceeds a predetermined threshold within the first target time interval And providing the first guide information including a warning for adding a character and information on a warning point in the first target time interval in which the statistical value exceeds the predetermined threshold.

상기 게임 지표는 유저들의 레벨 분포를 포함할 수 있고, 상기 제1 가이드 정보를 제공하는 단계는 상기 유저들의 레벨 분포를 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 레벨 상한 조절에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.The game indicator may include a level distribution of users, and the providing of the first guide information includes a level when a statistic indicating a level distribution of the users exceeds a predetermined threshold within the first target time period. It may include providing the first guide information including a warning related to an upper limit adjustment and information about a warning time within the first target time interval in which the statistical value exceeds the predetermined threshold.

상기 학습 데이터 및 상기 입력 데이터 각각은 상기 게임 지표 및 상기 게임 지표의 변화량에 기초하여 구성될 수 있다.Each of the learning data and the input data may be configured based on the game index and the amount of change in the game index.

상기 게임 업데이트 가이드 방법은 상기 제1 가이드 정보를 제공하는 단계 이후에 수행되는, 미리 정해진 학습 주기가 경과된 것에 대응하여, 상기 제1 학습 기간을 제2 학습 기간으로 업데이트하는 단계; 상기 제2 학습 기간의 상기 게임 지표에 기초하여 상기 지표 예측 모델을 추가 학습시키는 단계; 상기 제2 학습 기간보다 시간적으로 늦은 제2 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 추가 학습된 지표 예측 모델에 입력하여, 상기 제2 기준 시점보다 시간적으로 늦은 제2 타겟 시간 구간의 상기 게임 지표를 예측하는 단계; 및 상기 예측된 상기 제2 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제2 가이드 정보를 제공하는 단계를 더 포함할 수 있다.The game update guide method includes: updating the first learning period to a second learning period in response to a lapse of a predetermined learning period performed after the step of providing the first guide information; Additionally learning the index prediction model based on the game index in the second learning period; The game in a second target time interval temporally later than the second reference time by inputting input data based on the game index at a second reference point in time later than the second learning period into the additionally learned index prediction model Predicting an indicator; And providing second guide information regarding a game update based on the game index of the predicted second target time interval.

일 실시예에 따르면, 게임 업데이트 가이드를 수행하는 게임 운영 장치는 프로세서; 및 상기 프로세서에서 읽을 수 있는 명령어들을 포함하는 메모리를 포함하고, 상기 명령어들이 상기 프로세서에서 실행되면, 상기 프로세서는 제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키고, 상기 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 학습된 지표 예측 모델에 입력하여, 상기 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 상기 게임 지표를 예측하고, 상기 예측된 상기 제1 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공한다.According to an embodiment, a game operating device that performs a game update guide includes a processor; And a memory including instructions readable by the processor, and when the instructions are executed by the processor, the processor trains an index prediction model with learning data based on a game index of a first learning period, and the first Input data based on the game index at a first reference point in time later than the learning period into the learned index prediction model to predict the game index in a first target time interval temporally later than the first reference point , On the basis of the predicted game index of the first target time period, first guide information regarding a game update is provided.

상기 게임 지표는 유저들의 컨텐츠 소비 현황을 포함할 수 있고, 상기 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 컨텐츠 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공할 수 있다.The game indicator may include a content consumption status of users, and when a statistics indicating the content consumption status of the users exceeds a predetermined threshold within the first target time period, the processor warns about content addition and The first guide information including information on a warning point within the first target time interval in which the statistic value exceeds the predetermined threshold value may be provided.

상기 게임 지표는 유저들의 캐릭터 보유 현황을 포함할 수 있고, 상기 유저들의 캐릭터 보유 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 캐릭터 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공할 수 있다.The game indicator may include a character holding status of users, and when the statistics indicating the character holding status of the users exceeds a predetermined threshold within the first target time period, the processor warns about character addition and The first guide information including information on a warning point within the first target time interval in which the statistic value exceeds the predetermined threshold value may be provided.

상기 게임 지표는 유저들의 레벨 분포를 포함할 수 있고, 상기 유저들의 레벨 분포를 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 레벨 상한 조절에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.The game indicator may include a level distribution of users, and when a statistic indicating the level distribution of the users exceeds a predetermined threshold within the first target time period, the processor warns about the level upper limit adjustment and the And providing the first guide information including information on a warning point in the first target time interval in which the statistic value exceeds the predetermined threshold.

상기 프로세서는 상기 제1 가이드 정보를 제공한 이후에, 미리 정해진 학습 주기가 경과된 것에 대응하여, 상기 제1 학습 기간을 제2 학습 기간으로 업데이트하고, 상기 제2 학습 기간의 상기 게임 지표에 기초하여 상기 지표 예측 모델을 추가 학습시키고, 상기 제2 학습 기간보다 시간적으로 늦은 제2 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 추가 학습된 지표 예측 모델에 입력하여, 상기 제2 기준 시점보다 시간적으로 늦은 제2 타겟 시간 구간의 상기 게임 지표를 예측하고, 상기 예측된 상기 제2 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제2 가이드 정보를 제공할 수 있다.After providing the first guide information, the processor updates the first learning period to a second learning period in response to a lapse of a predetermined learning period, and based on the game index of the second learning period Then, the index prediction model is additionally trained, and input data based on the game index at a second reference point in time that is temporally later than the second learning period is input to the additionally learned index prediction model, so that it is more temporally than the second reference point in time. By predicting the game index of the late second target time interval, based on the predicted game index of the second target time interval, second guide information regarding a game update may be provided.

도 1은 일 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트.
도 2는 일 실시예에 따른 게임 지표 생성 과정을 나타낸 도면.
도 3은 일 실시예에 따른 지표 예측 모델의 학습 과정을 나타낸 도면.
도 4는 일 실시예에 따른 지표 예측 모델을 나타낸 도면.
도 5는 일 실시예에 따른 지표 예측 모델을 이용한 예측 과정을 나타낸 도면.
도 6은 일 실시예에 따른 각 시점을 설명하기 위한 도면.
도 7은 일 실시예에 따른 각 시점의 업데이트 과정을 설명하기 위한 도면.
도 8은 다른 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트.
도 9는 일 실시예에 따른 게임 운영 장치를 나타낸 블록도.1 is a flow chart showing a game update guide method according to an embodiment.
2 is a diagram illustrating a process of generating a game index according to an embodiment.
3 is a diagram illustrating a learning process of an index prediction model according to an embodiment.
4 is a diagram illustrating an indicator prediction model according to an embodiment.
5 is a diagram illustrating a prediction process using an indicator prediction model according to an embodiment.
6 is a view for explaining each viewpoint according to an embodiment.
7 is a diagram for explaining an update process at each viewpoint according to an embodiment.
8 is a flow chart showing a game update guide method according to another embodiment.
9 is a block diagram showing a game operating device according to an embodiment.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.Specific structural or functional descriptions of the embodiments according to the concept of the present invention disclosed in this specification are exemplified only for the purpose of describing the embodiments according to the concept of the present invention, and embodiments according to the concept of the present invention They may be implemented in various forms and are not limited to the embodiments described herein.

본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Since the embodiments according to the concept of the present invention can apply various changes and have various forms, the embodiments will be illustrated in the drawings and described in detail herein. However, this is not intended to limit the embodiments according to the concept of the present invention to specific disclosed forms, and includes changes, equivalents, or substitutes included in the spirit and scope of the present invention.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various elements, but the elements should not be limited by the terms. The above terms are only for the purpose of distinguishing one component from other components, for example, without departing from the scope of rights according to the concept of the present invention, the first component may be named as the second component, Similarly, the second component may also be referred to as a first component.

어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.When a component is referred to as being “connected” or “connected” to another component, it is understood that it may be directly connected or connected to the other component, but other components may exist in the middle. Should be. On the other hand, when a component is referred to as being “directly connected” or “directly connected” to another component, it should be understood that there is no other component in the middle. Expressions that describe the relationship between components, for example, “between” and “just between” or “directly adjacent to” should be interpreted as well.

본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present specification are only used to describe specific embodiments and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present specification, terms such as "comprise" or "have" are intended to designate that the specified features, numbers, steps, actions, components, parts, or combinations thereof exist, but one or more other features or numbers, It is to be understood that the presence or addition of steps, actions, components, parts, or combinations thereof, does not preclude the possibility of preliminary exclusion.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the art to which the present invention belongs. Terms as defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and should not be interpreted as an ideal or excessively formal meaning unless explicitly defined in this specification. Does not.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, the scope of the patent application is not limited or limited by these embodiments. The same reference numerals in each drawing indicate the same members.

도 1은 일 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트이다.1 is a flowchart illustrating a method of guiding a game update according to an exemplary embodiment.

도 1을 참조하면, 단계(110)에서 지표 예측 모델이 학습된다. 지표 예측 모델은 학습 기간의 게임 지표에 기초한 학습 데이터를 통해 학습될 수 있다. 예를 들어, 지표 예측 모델은 딥러닝 기반의 인공 신경망을 포함할 수 있고, 보다 구체적으로는 RNN(Recurrent Neural Networks), LSTM(Long Short Term Memory), GRU(Gated Recurrent Unit) 등과 같이 시계열 데이터에 기반한 추론을 수행할 수 있는 모델을 포함할 수 있다. 게임 지표는 유저들의 게임 플레이 진행 정도(예: 컨텐츠 소비 현황, 캐릭터 보유 현황, 레벨 분포 등)를 측정하기 위한 것으로, 게임 로그 등에 기초하여 생성될 수 있다. 지표 예측 모델 및 게임 지표에 관한 상세한 내용을 후술된다.Referring to FIG. 1, in step 110, an index prediction model is trained. The index prediction model may be trained through learning data based on the game index of the learning period. For example, the indicator prediction model may include an artificial neural network based on deep learning, and more specifically, it is applied to time series data such as RNN (Recurrent Neural Networks), LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), etc. It may include a model that can perform based inference. The game index is for measuring the progress of the game play of users (eg, content consumption status, character possession status, level distribution, etc.), and may be generated based on a game log or the like. Details of the indicator prediction model and the game indicator will be described later.

단계(120)에서 지표 예측 모델을 이용하여 타겟 시간 구간의 게임 지표가 예측된다. 학습 기간보다 시간적으로 늦은 기준 시점의 게임 지표에 기초한 입력 데이터가 지표 예측 모델에 입력될 수 있고, 입력 데이터의 입력에 반응하여 지표 예측 모델에 의해 출력된 출력 데이터는 기준 시점보다 시간적으로 늦은 타겟 시간 구간의 게임 지표에 관한 예측 값들을 포함할 수 있다. 타겟 시간 구간은 복수의 시점들을 포함할 수 있다. 지표 예측 모델은 기준 시점의 입력 데이터에 기초한 예측을 반복적으로 수행하여 타겟 시간 구간 내 복수의 시점들에 대응하는 예측 값들을 생성할 수 있다. 본 명세서에서 '시점'은 학습 및 예측을 수행하는 타임 스텝의 단위, 예를 들어 '하루' 단위로 구분될 수 있다.In step 120, the game index of the target time interval is predicted using the index prediction model. Input data based on the game index at a reference point in time that is temporally later than the learning period may be input to the index prediction model, and the output data output by the index prediction model in response to the input of the input data is a target time that is temporally later than the reference point in time. It may include predicted values for the game index of the interval. The target time interval may include a plurality of viewpoints. The index prediction model may generate prediction values corresponding to a plurality of views in a target time interval by repeatedly performing prediction based on input data of a reference view. In the present specification, the'view point' may be divided into a unit of a time step for performing learning and prediction, for example, a'day' unit.

단계(130)에서 타겟 시간 구간의 게임 지표에 기초하여 게임 업데이트에 관한 가이드 정보가 제공된다. 게임 업데이트는 컨텐츠 추가, 캐릭터 추가, 레벨 상한 조절 등을 포함할 수 있고, 가이드 정보는 이러한 게임 업데이트가 필요하다는 경고를 포함할 수 있다. 즉, 가이드 정보는 컨텐츠 추가에 관한 경고, 캐릭터 추가에 관한 경고, 레벨 상한 조절에 관한 경고 등을 포함할 수 있다.In step 130, guide information on the game update is provided based on the game index of the target time interval. The game update may include content addition, character addition, level upper limit adjustment, and the like, and the guide information may include a warning that such a game update is required. That is, the guide information may include a warning regarding content addition, a warning regarding character addition, a warning regarding level upper limit adjustment, and the like.

타겟 시간 구간 동안의 게임 지표가 예측되면, 예측된 게임 지표를 통해 유저들에 의한 미래의 게임 플레이 진행 정도가 분석될 수 있다. 예를 들어, 컨텐츠나 캐릭터가 고갈되거나, 최고 레벨을 달성한 유저의 비율이 높아지는 미래 시점이 예측될 수 있다. 컨텐츠 추가, 캐릭터 추가, 레벨 상한 조절과 같은 게임 업데이트를 위한 개발 및 테스트에는 일정 시간이 소요되므로, 이렇게 미래의 변화를 미리 예측하여 업데이트를 위한 개발 및 테스트와 같은 대응 방안을 마련할 수 있다.When the game index for the target time period is predicted, the degree of progression of future game play by users may be analyzed through the predicted game index. For example, a future point in time when content or characters are depleted, or the percentage of users who achieve the highest level increases may be predicted. Since it takes a certain amount of time to develop and test for game updates such as adding content, adding characters, and adjusting the upper level limit, it is possible to prepare countermeasures such as development and testing for the update by predicting future changes in this way.

일 실시예에 따르면, 게임 운영자, 기획자, 개발자 등은 업데이트가 필요한 임계치를 미리 설정해 둘 수 있고, 게임 지표가 타겟 시간 구간 내에서 임계치를 초과하는 것이 예측된다면, 가이드 정보로서 게임 지표가 임계치를 초과하는 시점이 언제 인지, 및 이에 따라 업데이트가 필요하다는 점이 관리자에게 알려질 수 있다. 예를 들어, 가이드 정보는 문자 메시지나 메신저 메시지를 통해 가이드 정보를 받아볼 수 있다.According to an embodiment, game operators, planners, developers, etc. may preset a threshold that needs to be updated, and if it is predicted that the game index exceeds the threshold within the target time interval, the game index exceeds the threshold as guide information. The administrator may be informed of when to do so and that an update is required accordingly. For example, the guide information can be received through a text message or a messenger message.

일 실시예에 따르면, 게임 지표는 유저들의 컨텐츠 소비 현황을 포함할 수 있고, 이 경우 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 것에 따라, 컨텐츠 추가에 관한 경고 및 통계치가 미리 정해진 임계치를 초과하는 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 가이드 정보가 제공될 수 있다.According to an embodiment, the game index may include the content consumption status of users, and in this case, as the statistics indicating the content consumption status of the users exceed a predetermined threshold within the target time period, a warning regarding content addition And guide information including information on a warning point within a target time interval in which the statistic value exceeds a predetermined threshold value may be provided.

예를 들어, 본 실시예는 스토리(예: 메인 퀘스트), 지역(예: 메인 던전) 등의 컨텐츠를 포함하는 장르의 게임, 일례로 RPG(role playing game) 게임에 적용될 수 있다. RPG게임의 경우, 메인 스토리를 따라가며 유저의 성장 및 기타 컨텐츠를 즐길 수 있도록 설계되어 있다. 처음 설계되어 오픈된 컨텐츠(예: 메인 스토리, 신규 지역)는 무한하지 않으며, 시간이 지나면 많은 수의 유저가 해당 컨텐츠를 클리어하여 더 이상 진행할 컨텐츠가 없는 상태에 봉착할 수 있다. 게임 기획자, 개발자는 본 실시예를 이용하여 이러한 상태에 도달하기 전에 신규 스토리 및 신규 지역을 기획 및 개발하여 유저 이탈을 막을 수 있다.For example, the present embodiment may be applied to a game of a genre including content such as a story (eg, a main quest) and a region (eg, a main dungeon), for example, a role playing game (RPG) game. In the case of an RPG game, it is designed so that users can enjoy growth and other contents while following the main story. Contents that are initially designed and opened (eg, main story, new area) are not infinite, and over time, a large number of users may clear the content and face no more content to proceed. Game planners and developers can plan and develop new stories and new regions before reaching this state by using this embodiment to prevent user churn.

다른 일 실시예에 따르면, 게임 지표는 유저들의 캐릭터 보유(예: 수집, 성장 등) 현황을 포함할 수 있고, 이 경우 유저들의 캐릭터 보유 현황을 나타내는 통계치가 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 것에 따라, 캐릭터 추가에 관한 경고 및 통계치가 미리 정해진 임계치를 초과하는 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 가이드 정보가 제공될 수 있다.According to another embodiment, the game indicator may include the current status of the users' character possession (eg, collection, growth, etc.), and in this case, the statistics indicating the status of the user's character possession exceeds a predetermined threshold within the target time interval. As a result, guide information including warning regarding character addition and information on a warning point within a target time interval in which the statistics value exceeds a predetermined threshold may be provided.

예를 들어, 본 실시예는 캐릭터를 수집하는 장르의 게임, 일례로 CCG(collectible card game) 게임에 적용될 수 있다. CCG 게임의 경우, 게임 내 존재하는 영웅의 수가 정해져 있고 많은 수의 영웅을 획득 및 성장시키는 것이 목적이다. 게임 내 존재하는 영웅을 대다수 획득하고 성장시킨 유저들의 비율이 증가하는 경우, 유저들에게 캐릭터(카드) 추가 등을 통해 새로운 목적성을 부여해 주어야 한다. 게임 기획자, 개발자는 본 실시예를 이용하여 이러한 상태에 도달하기 전에 신규 컨텐츠, 캐릭터(카드)를 기획 및 개발하여 유저 이탈을 막을 수 있다.For example, this embodiment can be applied to a game of a genre that collects characters, for example a collectible card game (CCG) game. In the case of CCG games, the number of heroes in the game is fixed, and the goal is to acquire and grow a large number of heroes. When the percentage of users who have acquired and grown most of the heroes in the game increases, new purpose should be given to users by adding characters (cards). Game planners and developers can plan and develop new content and characters (cards) before reaching this state by using this embodiment to prevent user churn.

또 다른 일 실시예에 따르면, 게임 지표는 유저들의 레벨 분포를 포함할 수 있고, 이 경우 유저들의 레벨 분포를 나타내는 통계치가 타겟 시간 구간 내에서 미리 정해진 임계치를 초과함에 따라, 레벨 상한 조절에 관한 경고 및 통계치가 미리 정해진 임계치를 초과하는 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 가이드 정보가 제공될 수 있다. 본 실시예는 레벨 기반의 모든 게임 장르에 적용될 수 있다.According to another embodiment, the game index may include a level distribution of users, and in this case, as a statistic indicating the level distribution of users exceeds a predetermined threshold within a target time period, a warning regarding the level upper limit adjustment And guide information including information on a warning point within a target time interval in which the statistic value exceeds a predetermined threshold value may be provided. This embodiment can be applied to all level-based game genres.

실시예들에 따른 게임 업데이트 가이드에 관한 동작들은 게임 운영 장치(미도시, 추후 설명됨)에 의해 수행될 수 있다.Operations related to the game update guide according to the embodiments may be performed by a game operating device (not shown, described later).

도 2는 일 실시예에 따른 게임 지표 생성 과정을 나타낸 도면이다.2 is a diagram illustrating a process of generating a game index according to an embodiment.

도 2를 참조하면, 게임 로그(220)에 기초하여 유저 상태 정보(230)가 생성된다. 게임 로그(220)는 게임 유저가 게임을 플레이하며 발생한 정보를 유저 클라이언트(예: 유저 단말)로부터 수신하여 기록할 수 있다. 일례로, 게임 로그(220)는 유저 클라이언트로부터 수신한 플레이 관련 정보를 테이블 형태로 기록할 수 있다. 유저 상태 정보(230)는 게임 로그(220)에 저장된 데이터를 분석에 적합한 형태로 가공한 것으로, 데이터를 유저 별로 분류하여 저장할 수 있다. 예를 들어, 유저 상태 정보(230)는 각 유저의 컨텐츠 소비 정도, 캐릭터 보유 정도, 레벨 등을 저장할 수 있다.Referring to FIG. 2, user state information 230 is generated based on the game log 220. The game log 220 may receive and record information generated by a game user playing a game from a user client (eg, a user terminal). For example, the game log 220 may record play-related information received from a user client in the form of a table. The user state information 230 is processed by processing data stored in the game log 220 into a form suitable for analysis, and the data may be classified and stored for each user. For example, the user state information 230 may store a content consumption degree, character retention degree, and level of each user.

유저 상태 정보(230)에 기초하여 게임 지표(240)가 생성될 수 있다. 예를 들어, 게임 지표(240)는 각 유저들의 게임 플레이 상태에 관한 분포를 나타내는 유저 상태 분포 정보 및 게임의 활성화 정도를 나타내는 게임 활성화 정보를 포함할 수 있다. 유저 상태 분포 정보는 각 유저의 게임 로그에 기초하여 생성된 유저 상태 정보(230)에 관한 통계에 기초하여 생성될 수 있다. 예를 들어, 유저 상태 정보(230)가 각 유저의 컨텐츠 소비 정도, 캐릭터 보유 정도, 레벨 등과 같은 각 유저의 개별 상태를 포함한다면, 유저 상태 분포 정보는 전체 유저 대비 최종 컨텐츠 도달 유저의 비율, 전체 유저의 캐릭터 보유 현황, 전체 유저의 레벨 분포 등과 같은 유저 상태 정보(230)의 게임 내 분포, 현황을 포함할 수 있다.The game indicator 240 may be generated based on the user state information 230. For example, the game indicator 240 may include user state distribution information indicating a distribution of game play states of each user and game activation information indicating a degree of game activation. The user state distribution information may be generated based on statistics about the user state information 230 generated based on the game log of each user. For example, if the user status information 230 includes individual status of each user such as content consumption level, character retention level, level, etc. of each user, the user status distribution information is the ratio of users reaching final content to all users, total The distribution and status of the user status information 230 in the game, such as the status of the user's character possession and the level distribution of all users, may be included.

추가로, 게임 지표(240)는 게임의 활성화 정도를 나타내는 게임 활성화 정보를 더 포함할 수 있다. 다시 말해, 게임 지표(240)는 유저 상태 분포 정보 및 게임 활성화 정보를 포함할 수 있다. 예를 들어, 게임 활성화 정보는 DAU(daily active user), 게임 매출 등에 관한 정보를 포함할 수 있다. 게임 활성화 정보는 게임 로그(220) 이외에 별도의 게임 데이터베이스를 통해 획득될 수도 있다.Additionally, the game indicator 240 may further include game activation information indicating the degree of activation of the game. In other words, the game indicator 240 may include user state distribution information and game activation information. For example, the game activation information may include information on daily active user (DAU), game sales, and the like. Game activation information may be obtained through a separate game database other than the game log 220.

일 실시예에 따르면, 게임 지표(240)는 다음과 같은 과정을 통해 생성될 수 있다. 우선, 게임 로그(220)에서 타임 스텝(예: 하루)동안 발생된 로그 기록(예: 테이블의 행, n개) 및 메타 정보를 획득한다. 이후, 로그 기록 내 각 필드(예: 테이블의 열)의 합, 평균, 분산 등의 통계 연산을 이용해 집계한 필드를 생성한다. 접속 유저와 비접속 유저를 포함하는 전체 유저 기준으로 집계를 수행할 수 있다. 이후, 각 유저 기준으로 합, 평균 연산된 필드를 접속 유저(또는 접속 유저와 비접속 유저를 포함하는 전체 유저)를 기준으로 평균 내어 집계를 수행한다. 예를 들어, select mean(sum_field_1) as, sum(sum_field_1)/total_user from, select sum(field_1) as sum_field_1과 같은 연산을 이용할 수 있다.According to an embodiment, the game indicator 240 may be generated through the following process. First, log records (eg, n rows of a table) and meta information generated during a time step (eg, one day) from the game log 220 are acquired. After that, the aggregated fields are created using statistical operations such as sum, average, and variance of each field (eg, table column) in the log record. Aggregation can be performed based on all users including connected users and non-connected users. Thereafter, the summed and averaged fields based on each user are averaged based on the connected users (or all users including the connected users and non-connected users) to perform the aggregation. For example, operations such as select mean(sum_field_1) as, sum(sum_field_1)/total_user from, select sum(field_1) as sum_field_1 can be used.

이후, group by user 연산(예: 3개)을 별도로 수행 후 join하여 하나의 테이블을 생성한다. 집계를 수행할 때 연산을 prefix 또는 suffix로 붙여 필드명을 둘 수 있고, 타겟 지표 및 PLC(product life cycle) 지표의 경우 별도의 별명을 두어 관리할 수 있다. 이에 따라, 타입 스텝 동안 발생된 n개의 로그의 각 필드 값을 대표하는 값들이 저장된 테이블이 생성될 수 있다. 예를 들어, 테이블은 sum_feild_1, mean_feild_1, var_feild1, div_total_sum_field_1, total_buy, average_buy와 같은 필드를 포함할 수 있다. 게임 지표(240)는 이와 같은 과정을 통해 생성된 해당 테이블에 기초할 수 있다.Afterwards, a single table is created by performing a group by user operation (eg 3) separately and joining. When performing aggregation, the operation can be prefixed or suffixed to give field names, and target indicators and PLC (product life cycle) indicators can be managed with separate nicknames. Accordingly, a table in which values representing values of each field of n logs generated during the type step are stored may be generated. For example, the table may include fields such as sum_feild_1, mean_feild_1, var_feild1, div_total_sum_field_1, total_buy, and average_buy. The game indicator 240 may be based on a corresponding table generated through such a process.

도 3은 일 실시예에 따른 지표 예측 모델의 학습 과정을 나타낸 도면이다.3 is a diagram illustrating a learning process of an index prediction model according to an embodiment.

도 3을 참조하면, 지표 예측 모델(320)은 학습 데이터(310)에 기초하여 학습된다. 학습 데이터(310)는 학습 기간의 게임 지표에 기초할 수 있다. 예를 들어, 학습 데이터(310)는 학습 기간의 게임 지표, 및 학습 기간의 게임 지표의 변화량을 포함할 수 있다. 상술된 것처럼, 게임 지표는 유저 상태 분포 정보 및 게임 활성화 정보를 포함할 수 있다. 일 실시예에 따르면, 지표 예측 모델(320)은 지도식 학습(supervised learning)을 통해 학습 데이터(310)를 학습할 수 있고, 학습이 완료된 지표 예측 모델(320)은 기준 시점의 게임 지표에 기초하여 타겟 시간 구간의 게임 지표를 예측할 수 있다.Referring to FIG. 3, the index prediction model 320 is trained based on training data 310. The learning data 310 may be based on the game index of the learning period. For example, the learning data 310 may include a game index of the learning period and a change amount of the game index of the learning period. As described above, the game indicator may include user state distribution information and game activation information. According to an embodiment, the indicator prediction model 320 may learn the training data 310 through supervised learning, and the learning-completed indicator prediction model 320 is based on a game indicator at a reference point of view. Thus, the game index of the target time interval can be predicted.

일 실시예에 따르면, 학습 데이터(310)의 최신성을 유지하여 지표 예측 모델(320)의 예측 정확도를 높이기 위해, 학습 데이터(310) 및 학습 데이터(310)에 대응하는 학습 기간은 지속적으로 업데이트될 수 있다. 예를 들어, 지표 예측 모델(320)이 제1 학습 기간의 학습 데이터(310)로 학습된 이후 제1 기준 시점에 관한 예측이 수행될 수 있고, 그 이후 지표 예측 모델(320)은 제1 학습 기간에 비해 최근 정보를 포함하는 제2 학습 기간의 학습 데이터(310)로 추가로 학습되어 제1 기준 시점에 비해 시간적으로 늦은 제2 기준 시점에 관한 예측을 수행할 수 있다. 본 실시예에 관해서는 추후 더욱 상세히 설명한다.According to an embodiment, in order to increase the prediction accuracy of the indicator prediction model 320 by maintaining the up-to-dateness of the training data 310, the training period corresponding to the training data 310 and the training data 310 is continuously updated. Can be. For example, after the indicator prediction model 320 is trained with the training data 310 of the first learning period, prediction about the first reference point may be performed, and after that, the indicator prediction model 320 is first trained. It is additionally learned with the training data 310 of the second learning period including recent information compared to the period, so that the prediction on the second reference point in time that is later than the first reference point in time may be performed. This embodiment will be described in more detail later.

도 4는 일 실시예에 따른 지표 예측 모델을 나타낸 도면이다.4 is a diagram illustrating an indicator prediction model according to an embodiment.

도 4를 참조하면, 지표 예측 모델은 히든 레이어들(410, 420, 430)을 포함한다. 지표 예측 모델은 시점 t의 데이터에 기초하여 시점 t+1의 데이터를 예측하고, 예측된 시점 t+1의 데이터에 기초하여 시점 t+2의 데이터를 예측하는 방식으로, 시점 t+N의 데이터까지 예측하는 자기회귀적 모델(autoregressive model)에 해당할 수 있다. 즉, 지표 예측 모델은 시점 t의 지표에 기초하여 타겟 시간 구간 t+1 내지 t+N까지의 지표를 예측할 수 있다. 이 때, 히든 레이어들(410, 420, 430) 각각에는 지표 및 지표의 타입 스텝 동안의 변화량(예: 일간 변화량)이 입력될 수 있고, 이를 통해 다음 타입 스텝의 지표가 예측될 수 있다.Referring to FIG. 4, the index prediction model includes hidden layers 410, 420, and 430. The index prediction model predicts the data at the time point t+1 based on the data at the time point t, and predicts the data at the time point t+2 based on the data at the predicted time point t+1. It may correspond to an autoregressive model that predicts up to. That is, the index prediction model may predict the index from the target time interval t+1 to t+N based on the index of the time point t. At this time, each of the hidden layers 410, 420, and 430 may input an index and a change amount (eg, daily change amount) during the type step of the index, and through this, the index of the next type step may be predicted.

이하 지표 예측 모델의 입력(X)은 시점 i에 집계된 특징과 지표에 기반하고, 출력(Y)은 시점 i+1 내지 시점 i+N까지의 타겟 시간 구간의 지표인 것을 가정하여, 지표 예측 모델의 학습 및 예측 과정을 설명한다.Below, the input (X) of the indicator prediction model is based on the features and indicators aggregated at the time point i, and the output (Y) is assumed to be the indicator of the target time interval from the time point i+1 to the time point i+N. Describe the model's training and prediction process.

학습 과정에서, 지표 예측 모델의 입력(X)은 i-N에 집계된 특징, 시점 i-N 내지 시점 i-1 간의 지표, 및 지표의 타임 스텝 동안의 변화량이고, 출력(Y)은 시점 i-N+1 내지 시점 i의 지표이다. 이후 시점 i를 과거 시점으로 변경해가며 학습 데이터를 생성하여 지표 예측 모델의 학습을 반복할 수 있다. 지표 예측 모델은 출력(Y)의 로스가 최소화되도록 학습될 수 있다.In the learning process, the input (X) of the index prediction model is the feature aggregated in iN, the index between the time point iN and the time point i-1, and the amount of change during the time step of the index, and the output (Y) is the time point i-N+1 To time point i. After that, it is possible to repeat the learning of the index prediction model by changing the time point i to the past time point and generating training data. The index prediction model may be trained so that the loss of the output Y is minimized.

예측 과정에서, 지표 예측 모델은 시점 i에 예측한 시점 i+1의 지표를 기반으로, 시점 i+N까지 지속적으로 예측을 수행할 수 있다. 예를 들어, Y'_(i+1) = f(Y_t, Y_t - Y_(t-1)), Y'_(i+2) = f(Y'_(i+1), Y'_(i+1) - Y_i)와 같이 예측이 수행될 수 있다.In the prediction process, the index prediction model may continuously perform prediction up to the time point i+N, based on the index of the time point i+1 predicted at the time point i. For example, Y'_(i+1) = f(Y_t, Y_t-Y_(t-1)), Y'_(i+2) = f(Y'_(i+1), Y'_ Prediction may be performed as (i+1)-Y_i).

도 5는 일 실시예에 따른 지표 예측 모델을 이용한 예측 과정을 나타낸 도면이다. 도 5를 참조하면, 지표 예측 모델(520)은 입력 데이터(510)의 입력에 응답하여 출력 데이터(530)를 출력한다. 상술된 것처럼, 입력 데이터(510)는 게임 지표에 기초할 수 있다. 예를 들어, 학습 데이터(310)는 게임 지표, 및 게임 지표의 변화량을 포함할 수 있다. 게임 지표의 변화량은 게임 지표의 타임 스텝 별 변화량(예: 일간 변화량)일 수 있다. 출력 데이터(530)는 예측된 게임 지표일 수 있다. 입력 데이터(510)는 기준 시점에 관해 집계된 것일 수 있고, 출력 데이터(530)는 타겟 시간 구간에 관해 예측된 것일 수 있다. 지표 예측 모델(520)은 기준 시점의 입력 데이터(510)에 기초한 예측을 반복하여 타겟 시간 구간의 출력 데이터(530)를 생성할 수 있다. 각 시점 간의 관계는 도 6을 참조하여 더욱 상세히 설명한다.5 is a diagram illustrating a prediction process using an indicator prediction model according to an embodiment. Referring to FIG. 5, the index prediction model 520 outputs output data 530 in response to an input of input data 510. As described above, the input data 510 may be based on a game index. For example, the learning data 310 may include a game index and a change amount of the game index. The change amount of the game index may be a change amount (eg, daily change amount) of the game index for each time step. The output data 530 may be a predicted game index. The input data 510 may be aggregated with respect to a reference point of view, and the output data 530 may be predicted with respect to a target time interval. The index prediction model 520 may generate output data 530 of a target time interval by repeating prediction based on the input data 510 of a reference view. The relationship between each viewpoint will be described in more detail with reference to FIG. 6.

도 6은 일 실시예에 따른 각 시점을 설명하기 위한 도면이다. 도 6을 참조하면, 지표 예측 모델은 기준 시간 간격(D)에 대응하는 학습 기간의 학습 데이터를 기반으로 학습 시점(C)에서 학습될 수 있다. 학습 데이터는 게임 지표에 기반할 수 있다. 지표 예측 모델의 학습이 완료되면, 지표 예측 모델은 기준 시점(A)에 관해 집계된 입력 데이터를 기반으로 기준 시간 간격(D)에 대응하는 타겟 시간 구간의 출력 데이터를 생성할 수 있다. 입력 데이터 및 출력 데이터는 게임 지표에 기반할 수 있다. 기준 시간 간격(D) 및 타겟 시간 구간은 기준 시점(A) 및 타겟 시점(B) 간의 시간 구간으로 정의될 수 있다.6 is a diagram for describing each viewpoint according to an exemplary embodiment. Referring to FIG. 6, the index prediction model may be trained at a learning point C based on training data of a learning period corresponding to a reference time interval D. Learning data can be based on game metrics. When the learning of the indicator prediction model is completed, the indicator prediction model may generate output data of the target time interval corresponding to the reference time interval D based on the input data aggregated with respect to the reference time point A. The input data and output data can be based on game metrics. The reference time interval D and the target time interval may be defined as a time interval between the reference time point A and the target time point B.

도 7은 일 실시예에 따른 각 시점의 업데이트 과정을 설명하기 위한 도면이다. 상술된 것처럼, 학습 데이터의 최신성을 유지하여 지표 예측 모델의 예측 정확도를 높이기 위해, 학습 데이터 및 학습 데이터에 대응하는 학습 기간은 지속적으로 업데이트될 수 있다.7 is a diagram for explaining an update process at each viewpoint according to an embodiment. As described above, in order to increase the prediction accuracy of the index prediction model by maintaining the latestness of the training data, the training data and the training period corresponding to the training data may be continuously updated.

도 7을 참조하면, 상단의 시간 축에서 지표 예측 모델은 학습 시점(C)에 제1 학습 기간의 학습 데이터로 학습된 이후, 기준 시점(A)에 집계된 입력 데이터에 기초하여 타겟 시간 구간(A 내지 B)에 대응하는 출력 데이터를 생성할 수 있다. 이후, 일정 시간(E)이 경과하면, 학습 시점(C'=A=C+E)이 업데이트되고, 지표 예측 모델은 제1 학습 기간에 비해 최근 정보를 포함하는 제2 학습 기간의 학습 데이터로 추가로 학습되어, 기준 시점(A)에 비해 시간적으로 늦은 기준 시점(A')에 집계된 입력 데이터에 기초하여 타겟 시간 구간(A' 내지 B')에 대응하는 출력 데이터를 생성할 수 있다. 예를 들어, 일정 시간(E)은 타임 스텝(예: 하루)에 대응할 수 있다.Referring to FIG. 7, in the upper time axis, the index prediction model is trained with the training data of the first training period at the training point C, and then based on the input data aggregated at the reference point A, the target time period ( Output data corresponding to A to B) can be generated. Thereafter, when a certain period of time (E) elapses, the learning time point (C'=A=C+E) is updated, and the indicator prediction model is the training data of the second training period including the latest information compared to the first training period. It is further learned to generate output data corresponding to the target time intervals A'to B'based on the input data aggregated at the reference time point A'that is temporally later than the reference time point A. For example, the predetermined time E may correspond to a time step (eg, one day).

도 8은 다른 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트이다. 도 8을 참조하면, 단계(810)에서 학습 시점에서 지표 예측 모델이 학습된다. 단계(820)에서 기준 시점의 게임 지표에 기반한 입력 데이터를 지표 예측 모델에 입력하여 타겟 시간 구간의 게임 지표가 예측된다. 단계(830)에서 타겟 시간 구간의 게임 지표가 임계치를 초과하는지 판단된다. 예를 들어, 타겟 시간 구간의 게임 지표로서 예측된 통계치(예: 컨텐츠 소비 현황을 나타내는 통계치, 캐릭터 보유 현황을 나타내는 통계치, 레벨 분포를 나타내는 통계치 등)들이 임계치와 비교될 수 있고, 예측된 통계치들 중 어느 하나라도 임계치를 초과하는 경우 타겟 시간 구간의 게임 지표가 임계치를 초과하는 것으로 판단될 수 있다.8 is a flowchart illustrating a game update guide method according to another exemplary embodiment. Referring to FIG. 8, in step 810, an index prediction model is trained at a learning time point. In step 820, the game index of the target time interval is predicted by inputting input data based on the game index of the reference point into the index prediction model. In step 830, it is determined whether the game index of the target time interval exceeds a threshold value. For example, statistics predicted as game indicators in the target time interval (e.g., statistics representing content consumption status, statistics representing character holding status, statistics representing level distribution, etc.) can be compared with threshold values, and predicted statistics values When any one of them exceeds the threshold, it may be determined that the game index of the target time interval exceeds the threshold.

타겟 시간 구간의 게임 지표가 임계치를 초과하는 경우 단계(840)에서 가이드 정보가 제공되며, 타겟 시간 구간의 게임 지표가 임계치를 초과하지 않는 경우 단계(850)에서 학습 주기 동안 대기 상태가 유지되고, 단계(860)에서 각 시점이 조정된다. 예를 들어, 단계(860)에서 학습 시점, 학습 기간, 기준 시점, 및 타겟 시간 구간이 조정될 수 있다. 실시예에 따라 단계(830)의 판단 과정 없이 단계(820) 이후에 단계들(840, 850)이 바로 수행될 수도 있다.When the game index of the target time interval exceeds the threshold, guide information is provided in step 840, and if the game index of the target time interval does not exceed the threshold, the standby state is maintained during the learning cycle in step 850, In step 860, each viewpoint is adjusted. For example, in step 860, a learning time point, a learning time period, a reference time point, and a target time period may be adjusted. According to an embodiment, steps 840 and 850 may be performed immediately after step 820 without the determination process of step 830.

이후, 단계(810) 내지 단계(830)를 통해 새로운 학습 시점, 학습 기간, 기준 시점, 및 타겟 시간 구간에 따른 지표 예측이 수행될 수 있다. 예를 들어, 단계(850)를 통해 미리 정해진 학습 주기가 경과된 것에 대응하여, 단계(860)에서 학습 시점, 학습 기간, 기준 시점, 및 타겟 시간 구간이 업데이트될 수 있다. 또한, 단계(810)에서 새로운 학습 기간의 게임 지표에 기초하여 지표 예측 모델이 추가로 학습될 수 있고, 단계(820)에서 새로운 기준 시점의 게임 지표에 기초한 입력 데이터를 추가 학습된 지표 예측 모델에 입력하여, 새로운 타겟 시간 구간의 게임 지표가 예측될 수 있다. 또한, 단계(830)의 판단 결과에 따라, 단계(840)에서 새로운 타겟 시간 구간의 게임 지표에 기초하여, 게임 업데이트에 관한 가이드 정보가 제공될 수 있다.Thereafter, index prediction according to a new learning time point, a learning period, a reference time point, and a target time interval may be performed through steps 810 to 830. For example, in response to the elapse of a predetermined learning period through step 850, in step 860, a learning time point, a learning period, a reference time point, and a target time interval may be updated. In addition, in step 810, the index prediction model may be additionally learned based on the game index of the new learning period, and in step 820, input data based on the game index of the new reference point is added to the additionally learned index prediction model. By inputting, a game index of a new target time interval may be predicted. In addition, according to the determination result in step 830, guide information on the game update may be provided in step 840 based on the game index of the new target time interval.

이와 같은 단계들이 반복됨에 따라 지표 예측 모델은 지속적으로 최신 정보를 통해 업데이트될 수 있고, 지표 예측 모델의 예측 결과가 게임 지표에 관한 최신 정보를 반영하게 되어, 지표 예측 모델의 예측 성능이 향상될 수 있다.As these steps are repeated, the indicator prediction model can be continuously updated with the latest information, and the prediction result of the indicator prediction model reflects the latest information on the game indicator, so that the prediction performance of the indicator prediction model can be improved. have.

도 9는 일 실시예에 따른 게임 운영 장치를 나타낸 블록도이다. 도 9를 참조하면, 게임 운영 장치(900)는 프로세서(910) 및 메모리(920)를 포함한다. 메모리(920)는 프로세서(910)에서 읽을 수 있는 명령어들을 저장할 수 있고, 메모리(920)에 저장된 명령어들이 프로세서(910)에서 수행되면, 프로세서(910)는 실시예에 따른 게임 업데이트 가이드에 관한 동작들을 수행할 수 있다. 예를 들어, 프로세서(910)는 제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키고, 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 게임 지표에 기초한 입력 데이터를 학습된 지표 예측 모델에 입력하여, 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 게임 지표를 예측하고, 예측된 제1 타겟 시간 구간의 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공할 수 있다. 그 밖에, 게임 운영 장치(900)에 관해서는 도 1 내지 도 8을 통해 설명된 내용이 적용될 수 있다.9 is a block diagram showing a game operating device according to an embodiment. Referring to FIG. 9, the game operating device 900 includes a processor 910 and a memory 920. The memory 920 may store instructions that can be read by the processor 910, and when the instructions stored in the memory 920 are executed by the processor 910, the processor 910 operates on the game update guide according to the embodiment. Can perform. For example, the processor 910 trains an index prediction model using learning data based on the game index of the first learning period, and learns input data based on the game index of a first reference point in time that is later than the first learning period. By inputting into the index prediction model, predicting the game index of the first target time interval temporally later than the first reference time point, and based on the predicted game index of the first target time interval, first guide information on the game update Can provide. In addition, with respect to the game operating device 900, the contents described through FIGS. 1 to 8 may be applied.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The apparatus described above may be implemented as a hardware component, a software component, and/or a combination of a hardware component and a software component. For example, the devices and components described in the embodiments are, for example, a processor, a controller, an Arithmetic Logic Unit (ALU), a digital signal processor, a microcomputer, a Field Programmable Gate Array (FPGA). , PLU (Programmable Logic Unit), a microprocessor, or any other device capable of executing and responding to instructions, it may be implemented using one or more general purpose computers or special purpose computers. The processing device may execute an operating system (OS) and one or more software applications executed on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of software. For the convenience of understanding, although it is sometimes described that one processing device is used, one of ordinary skill in the art, the processing device is a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it may include. For example, the processing device may include a plurality of processors or one processor and one controller. In addition, other processing configurations are possible, such as a parallel processor.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to behave as desired or processed independently or collectively. You can command the device. Software and/or data may be interpreted by a processing device or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodyed in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those produced by a compiler but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operation of the embodiment, and vice versa.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by the limited embodiments and drawings, various modifications and variations are possible from the above description by those of ordinary skill in the art. For example, the described techniques are performed in a different order from the described method, and/or components such as a system, structure, device, circuit, etc. described are combined or combined in a form different from the described method, or other components Alternatively, even if substituted or substituted by an equivalent, an appropriate result can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and claims and equivalents fall within the scope of the claims to be described later.

Claims

In the game update guide method for a CCG (collectible card game) game performed by a game operating device,
Training an index prediction model with learning data based on the game index in the first learning period;
The game index of a first target time interval temporally later than the first reference time by inputting input data based on the game index at a first reference point in time later than the first learning period into the learned index prediction model Predicting; And
Providing first guide information on game update based on the game index of the predicted first target time interval
Including,
The game indicator includes the user's character card holding status,
Providing the first guide information
When the statistics indicating the character card holding status of the users exceeds a predetermined threshold within the first target time interval, a warning regarding character card addition and the first target time interval in which the statistics exceed the predetermined threshold Including the step of providing the first guide information including information on the time of my warning,
How to guide game update.

The method of claim 1,
The above game indicator is
Including user state distribution information indicating the distribution of the game play state of each user and game activation information indicating the degree of activation of the game,
How to guide game update.

The method of claim 2,
The user state distribution information
Generated based on statistics related to user status information generated based on the game log of each user,
How to guide game update.

The method of claim 2,
The game activation information
Including information on daily active users (DAU) and game sales,
How to guide game update.

delete

The method of claim 1,
The game indicator includes users' content consumption status,
Providing the first guide information
When a second statistic indicating the content consumption status of the users exceeds a second preset threshold within the first target time period, a warning regarding content addition and the second statistic exceed the second preset threshold. Including the step of providing the first guide information including information on the warning point within the first target time period,
How to guide game update.

delete

The method of claim 1,
The game indicator includes a level distribution of users,
Providing the first guide information
When the third statistic indicating the level distribution of the users exceeds a predetermined third threshold within the first target time interval, a warning regarding the level upper limit adjustment and the third statistic exceeds the predetermined third threshold. Including the step of providing the first guide information including information on the warning point within the first target time period,
How to guide game update.

The method of claim 1,
Each of the training data and the input data
Configured based on the game index and the amount of change in the game index,
How to guide game update.

The method of claim 1,
Performed after the step of providing the first guide information,
Updating the first learning period to a second learning period in response to the lapse of a predetermined learning period;
Additionally learning the index prediction model based on the game index in the second learning period;
The game in a second target time interval temporally later than the second reference time by inputting input data based on the game index at a second reference point in time later than the second learning period into the additionally learned index prediction model Predicting an indicator; And
Providing second guide information regarding game update based on the game index of the predicted second target time interval
Game update guide method comprising more.

A computer-readable storage medium storing one or more programs including instructions for performing the method of any one of claims 1 to 4, 7 and 9 to 11.

In a game operating device for a CCG (collectible card game) game performing a game update guide,
Processor; And
Memory containing instructions readable by the processor
Including,
When the instructions are executed in the processor, the processor
Train an index prediction model with learning data based on the game index in the first learning period,
The game index of a first target time interval temporally later than the first reference time by inputting input data based on the game index at a first reference point in time later than the first learning period into the learned index prediction model To predict,
Providing first guide information on game update based on the game index of the predicted first target time interval,
The game indicator includes the user's character card holding status,
When the statistics indicating the character card holding status of the users exceeds a predetermined threshold within the first target time period, the processor warns about the character card addition and the first statistics exceed the predetermined threshold. Providing the first guide information including information on the warning point in the target time interval,
Game operating device.

The method of claim 13,
The above game indicator is
Including user state distribution information indicating the distribution of the game play state of each user and game activation information indicating the degree of activation of the game,
Game operating device.

delete

The method of claim 13,
The game indicator includes users' content consumption status,
When a second statistic indicating the content consumption status of the users exceeds a second predetermined threshold within the first target time interval, the processor warns about content addition and the second statistic is the predetermined second threshold Providing the first guide information including information on the warning point in the first target time interval exceeding,
Game operating device.

delete

The method of claim 13,
The game indicator includes a level distribution of users,
When the third statistic indicating the level distribution of the users exceeds a third predetermined threshold within the first target time interval, the processor warns about the level upper limit adjustment and the third statistic is the predetermined third threshold Providing the first guide information including information on the warning point in the first target time interval exceeding,
Game operating device.

The method of claim 13,
The processor is
After providing the first guide information,
In response to the lapse of a predetermined learning period, the first learning period is updated to a second learning period,
Further learning the index prediction model based on the game index of the second learning period,
The game in a second target time interval temporally later than the second reference time by inputting input data based on the game index at a second reference point in time later than the second learning period into the additionally learned index prediction model Predict indicators,
Providing second guide information on a game update based on the predicted game index of the second target time interval,
Game operating device.