KR102297795B1 - 게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법 - Google Patents

게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법 Download PDF

Info

Publication number
KR102297795B1
KR102297795B1 KR1020190117907A KR20190117907A KR102297795B1 KR 102297795 B1 KR102297795 B1 KR 102297795B1 KR 1020190117907 A KR1020190117907 A KR 1020190117907A KR 20190117907 A KR20190117907 A KR 20190117907A KR 102297795 B1 KR102297795 B1 KR 102297795B1
Authority
KR
South Korea
Prior art keywords
obtaining
distribution
user
period
information
Prior art date
Application number
KR1020190117907A
Other languages
English (en)
Other versions
KR20210036017A (ko
Inventor
권혜민
김인수
김면수
권혜연
Original Assignee
주식회사 센티언스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 센티언스 filed Critical 주식회사 센티언스
Priority to KR1020190117907A priority Critical patent/KR102297795B1/ko
Priority to US17/023,627 priority patent/US11376507B2/en
Publication of KR20210036017A publication Critical patent/KR20210036017A/ko
Application granted granted Critical
Publication of KR102297795B1 publication Critical patent/KR102297795B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/30—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers
    • A63F13/35—Details of game servers
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/58—Controlling game characters or game objects based on the game progress by computing conditions of game characters, e.g. stamina, strength, motivation or energy level
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 실시예들은 사용자의 심리를 이용하여 게임 컨텐츠를 추천하기 위한 서버의 동작 방법으로서, 게임 서비스 제공자의 서버로부터 원시(raw) 데이터베이스를 수신하는 단계, 원시 데이터베이스로부터 복수의 모델 중 하나의 모델에 대응되는 기준 데이터를 획득하기 위하여, 적어도 하나의 모듈에 대한 설정 정보를 획득하는 단계, 설정 정보에 기초하여 설정된 적어도 하나의 모듈에 기초하여 원시 데이터베이스에 포함된 사용자들의 데이터로부터 기준 데이터를 생성하는 단계 및 기준 데이터에 기초하여, 분석 대상 사용자의 심리 상태 정보를 획득하는 단계를 포함하는 것을 특징으로 한다.

Description

게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법{AN APPARATUS FOR DATA PREPROCESSING FOR CLASSIFYING THE PSYCHOLOGY OF A GAME USER AND AN OPERATION THEREOF}
본 발명은 게임 컨텐츠 추천 장치 및 컨텐츠 추천 장치의 동작 방법에 관한 것으로서, 보다 상세하게는, 사용자의 성향에 따른 게임 컨텐츠를 추천하기 위한 기준을 획득하는 장치 및 방법에 관한 것이다.
일반적으로 게임은 다양한 컨텐츠와 다양한 내용들로 일반인들이 널리 사용하고 있다. 종래의 게임은 다양한 놀이나 유희의 제공을 위해 사용되고 있다. 또한, 게임은 사용자들이 게임을 하는 성향에 따라, 하드코어, 캐주얼 게이머 등으로 구분되거나, 게임의 난이도에 따라 상(Hard), 중(Normal) 및 하(Easy) 등으로 구분되어 사용자들에게 제공되고 있다. 이외에도 게임은 연령대, 성별, 게임 장르 등을 통해서 구분되기도 한다.
사용자들은 게임의 한정된 캐릭터로 표현하기 어려울 만큼 다양한 성격 또는 취향 등의 성향을 가지고 있으나, 종래의 게임을 즐기는 사용자들은 이러한 사용자들의 성향에 맞춰 게임을 즐길 수 있는 게임 서비스를 제공받기 쉽지 않았다.
또한 게임 제공자가 사용자의 성향을 알기 위하여 설문조사를 통하는 경우가 있었으나, 설문조사와 게임의 괴리감으로 인하여 게임 내에서의 사용자의 성향을 파악하는 것이 쉽지 않았다.
최근 기술의 발전으로 게임 내에서 사용자에 특화된 광고를 사용자에게 제공하거나, 인공지능에 기반하여 사용자에게 컨텐츠를 추천하는 알고리즘이 개발되고 있다. 하지만, 게임 내의 광고는 게임의 진행 상황과 직접적인 관계가 없어 사용자가 피로감을 느끼는 경우가 있었다. 또한 인공지능에 기반하여 사용자에게 컨텐츠를 추천하는 알고리즘은 구매 확률에만 의존하여 기계학습되므로 사용자의 심리상태를 반영하지 못하는 문제점이 있었다.
또한, 게임은 정형화된 스토리나 이벤트 등을 구성하고 있는 경우가 많기 때문에, 사용자는 사용자의 성향 또는 심리 상태에 맞지 않는 게임 컨텐츠인 경우에 게임에 대한 거부감을 느끼거나 지루함을 느낄 수도 있었다.
따라서 사용자의 성향에 맞는 게임 건텐츠를 사용자에게 제공하는 방법 및 장치의 필요성이 증가하고 있다. 또한 사용자의 성향을 구분하기 위한 기준을 획득하는 방법 및 장치에 대한 필요성이 증가하고 있다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법은 게임 서비스 제공자의 서버로부터 원시(raw) 데이터베이스를 수신하는 단계, 원시 데이터베이스로부터 복수의 모델 중 하나의 모델에 대응되는 기준 데이터를 획득하기 위하여, 적어도 하나의 모듈에 대한 설정 정보를 획득하는 단계, 설정 정보에 기초하여 설정된 적어도 하나의 모듈에 기초하여 원시 데이터베이스에 포함된 사용자들의 데이터로부터 기준 데이터를 생성하는 단계 및 기준 데이터에 기초하여, 분석 대상 사용자의 심리 상태 정보를 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는, 설정 정보로부터 제 1 기간 정보를 획득하는 단계 및 설정 정보로부터 PvP 모드의 최소 플레이 횟수 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는, 원시 데이터베이스로부터 제 1 기간 정보에 대응되고, PvP 모드의 최소 플레이 횟수 정보 이상 PvP 모드를 이용한 사용자들에 대한 제 1 로그 데이터를 획득하는 단계, 제 1 로그 데이터에 기초하여, PvP 컨텐츠 플레이 비율을 나타내는 제 1 축에 대한 사용자들의 제 1 분포를 획득하는 단계, 제 1 분포에 기초하여 기준 데이터에 포함되는 제 1 기준값을 획득하는 단계, 제 1 로그 데이터에 기초하여, PvP 모드에서의 승률을 나타내는 제 2 축에 대한 사용자들의 제 2 분포를 획득하는 단계 및 제 2 분포에 기초하여 기준 데이터에 포함되는 제 2 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는, 설정 정보로부터 제 2 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 2 기간 정보에 대응되는 제 2 로그 데이터를 획득하는 단계, 제 2 로그 데이터에 기초하여, 사용자가 보유한 캐릭터들의 개수를 나타내는 제 1 축에 대한 사용자들의 제 3 분포를 획득하는 단계, 제 3 분포에 기초하여 기준 데이터에 포함되는 제 3 기준값을 획득하는 단계, 제 2 로그 데이터에 기초하여, 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보를을 나타내는 제 2 축에 대한 사용자들의 제 4 분포를 획득하는 단계 및 제 4 분포에 기초하여 기준 데이터에 포함되는 제 4 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는, 설정 정보로부터 제 3 기간 정보를 획득하는 단계 및 설정 정보로부터 상대적으로 약한 캐릭터의 리스트를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 3 기간 정보에 대응되는 제 3 로그 데이터를 획득하는 단계, 제 3 로그 데이터에 기초하여, 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수를 나타내는 제 1 축에 대한 사용자들의 제 5 분포를 획득하는 단계, 제 5 분포에 기초하여 기준 데이터에 포함되는 제 5 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 4 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 4 기간 정보에 대응되는 제 4 로그 데이터를 획득하는 단계, 제 4 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠의 이용 시간을 나타내는 제 1 축에 대한 사용자들의 제 6 분포를 획득하는 단계, 제 6 분포에 기초하여 기준 데이터에 포함되는 제 6 기준값을 획득하는 단계, 제 4 로그 데이터에 기초하여, 사용자의 제 2 컨텐츠의 이용 시간을 나타내는 제 2 축에 대한 사용자들의 제 7 분포를 획득하는 단계 및 제 7 분포에 기초하여 기준 데이터에 포함되는 제 7 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 5 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 5 기간 정보에 대응되는 제 5 로그 데이터를 획득하는 단계, 제 5 로그 데이터에 기초하여, 사용자 과금된 액수를 지불한 횟수를 나타내는 제 1 축에 대한 사용자들의 제 8 분포를 획득하는 단계, 제 8 분포에 기초하여 기준 데이터에 포함되는 제 8 기준값을 획득하는 단계, 제 5 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠 실패 횟수를 나타내는 제 2 축에 대한 사용자들의 제 9 분포를 획득하는 단계 및 제 9 분포에 기초하여 기준 데이터에 포함되는 제 9 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 6 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 6 기간 정보에 대응되는 제 6 로그 데이터를 획득하는 단계, 제 6 로그 데이터에 기초하여, 총 플레이 시간 및 캐릭터의 레벨 정보에 기초하여 획득된 효율 정보를 나타내는 제 1 축에 대한 사용자들의 제 10 분포를 획득하는 단계, 제 10 분포에 기초하여 기준 데이터에 포함되는 제 10 기준값을 획득하는 단계, 제 6 로그 데이터에 기초하여, 사용자의 과금 금액을 나타내는 제 2 축에 대한 사용자들의 제 11 분포를 획득하는 단계 및 제 11 분포에 기초하여 기준 데이터에 포함되는 제 11 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 7 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 7 기간 정보에 대응되는 제 7 로그 데이터를 획득하는 단계, 제 7 로그 데이터에 기초하여, 제 7 기간에 포함된 제 1 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타내는 제 1 축에 대한 사용자들의 제 12 분포를 획득하는 단계, 제 12 분포에 기초하여 기준 데이터에 포함되는 제 12 기준값을 획득하는 단계, 제 7 로그 데이터에 기초하여, 제 7 기간에 포함되고, 제 1 서브 기간 이후의 제 2 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타내는 제 2 축에 대한 사용자들의 제 13 분포를 획득하는 단계, 제 13 분포에 기초하여 기준 데이터에 포함되는 제 13 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 8 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 8 기간 정보에 대응되는 제 8 로그 데이터를 획득하는 단계, 제 8 로그 데이터에 기초하여, 사용자가 사용한 캐릭터의 종류의 개수를 나타내는 제 1 축에 대한 사용자들의 제 14 분포를 획득하는 단계, 제 14 분포에 기초하여 기준 데이터에 포함되는 제 14 기준값을 획득하는 단계, 제 8 로그 데이터에 기초하여, 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수를 나타내는 제 2 축에 대한 사용자들의 제 15 분포를 획득하는 단계 및 제 15 분포에 기초하여 기준 데이터에 포함되는 제 15 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 9 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 9 기간 정보에 대응되는 제 9 로그 데이터를 획득하는 단계, 제 9 로그 데이터에 기초하여, 제 9 기간에 포함된 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타내는 제 1 축에 대한 사용자들의 제 16 분포를 획득하는 단계, 제 16 분포에 기초하여 기준 데이터에 포함되는 제 16 기준값을 획득하는 단계, 제 9 로그 데이터에 기초하여, 제 9 기간에 포함되고, 제 3 서브 기간 이후의 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타내는 제 2 축에 대한 사용자들의 제 17 분포를 획득하는 단계 및 제 17 분포에 기초하여 기준 데이터에 포함되는 제 17 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 10 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 10 기간 정보에 대응되는 제 10 로그 데이터를 획득하는 단계, 제 10 로그 데이터에 기초하여, 소정의 기간 동안의 플레이 시간과 관련된 정보를 나타내는 제 1 축에 대한 사용자들의 제 18 분포를 획득하는 단계, 제 18 분포에 기초하여 기준 데이터에 포함되는 제 18 기준값을 획득하는 단계, 제 10 로그 데이터에 기초하여, 소정의 기간 동안 사용자의 아이템 사용량과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 19 분포를 획득하는 단계 및 제 19 분포에 기초하여 기준 데이터에 포함되는 제 19 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 16 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 16 기간 정보에 대응되는 제 15 로그 데이터를 획득하는 단계, 제 15 로그 데이터에 기초하여, 소정의 기간 동안 플레이 시간과 관련된 정보를 나타내는 제 1 축에 대한 사용자들의 제 27 분포를 획득하는 단계, 제 27 분포에 기초하여 기준 데이터에 포함되는 제 27 기준값을 획득하는 단계, 제 15 로그 데이터에 기초하여, 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 28 분포를 획득하는 단계 및 제 28 분포에 기초하여 기준 데이터에 포함되는 제 28 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 11 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 11 기간 정보에 대응되는 제 11 로그 데이터를 획득하는 단계, 제 11 로그 데이터에 기초하여, 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간을 나타내는 제 1 축에 대한 사용자들의 제 20 분포를 획득하는 단계, 제 20 분포에 기초하여 기준 데이터에 포함되는 제 20 기준값을 획득하는 단계, 제 11 로그 데이터에 기초하여, 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간을 나타내는 제 2축에 대한 사용자들의 제 21 분포를 획득하는 단계 및 제 21 분포에 기초하여 기준 데이터에 포함되는 제 21 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 12 기간 정보를 획득하는 단계 및 설정 정보로부터 제 13 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 12 기간 정보에 대응되는 제 12 로그 데이터를 획득하는 단계, 제 12 로그 데이터에 기초하여, 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수를 나타내는 제 1 축에 대한 사용자들의 제 22 분포를 획득하는 단계 및 제 22 분포에 기초하여 기준 데이터에 포함되는 제 22 기준값을 획득하는 단계, 제 12 로그 데이터에 기초하여, 단위 시간에 대한 캐릭터 레벨의 변화량과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 23 분포를 획득하는 단계, 제 23 분포에 기초하여 기준 데이터에 포함되는 제 23 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법의 설정 정보를 획득하는 단계는 설정 정보로부터 제 14 기간 정보를 획득하는 단계, 설정 정보로부터 제 15 기간 정보를 획득하는 단계를 포함하고, 기준 데이터를 생성하는 단계는 원시 데이터베이스로부터 제 14 기간 정보에 대응되는 제 14 로그 데이터를 획득하는 단계, 제 14 로그 데이터로부터, 사용자의 가입일로부터 제 15 기간 정보의 이후에 접속정보가 없는 사용자의 데이터들을 삭제하는 단계, 제 14 로그 데이터에 기초하여, 사용자의 온라인 화폐 회전률에 대한 정보를 나타내는 제 1 축에 대한 사용자들의 제 24 분포를 획득하는 단계, 제 24 분포에 기초하여 기준 데이터에 포함되는 제 24 기준값을 획득하는 단계, 제 14 로그 데이터에 기초하여, 사용자의 일 평균 플레이 시간을 나타내는 제 2 축에 대한 사용자들의 제 25 분포를 획득하는 단계, 제 25 분포에 기초하여 기준 데이터에 포함되는 제 25 기준값을 획득하는 단계, 제 14 로그 데이터에 기초하여, 사용자의 플레이 시간당 획득한 경험치 정보를 나타내는 제 3 축에 대한 사용자들의 제 26 분포를 획득하는 단계 및 제 26 분포에 기초하여 기준 데이터에 포함되는 제 26 기준값을 획득하는 단계를 포함하는 것을 특징으로 한다.
도 1는 본 개시의 일 실시예에 따른 게임 컨텐츠를 추천하기 위한 서버를 나타낸 도면이다.
도 2은 본 개시의 일실시예에 따른 서버의 동작을 나타낸 흐름도이다.
도 3은 본 개시의 일 실시예에 따라 기준 데이터를 생성하는 과정을 나타낸다.
도 4는 본 개시의 일 실시예에 따라 서버(100)가 이용하는 데이터를 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시예에 따른 제 1 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 제 1 분포 내지 제 28 분포를 나타낸다.
도 7은 본 개시의 일 실시예에 따른 제 1 분포 내지 제 28분포를 나타낸다.
도 8은 본 개시의 일 실시예에 따른 제 2 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 제 3 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 10는 본 개시의 일 실시예에 따른 제 4 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 11는 본 개시의 일 실시예에 따른 제 5 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 12는 본 개시의 일 실시예에 따른 제 6 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 13은 본 개시의 일 실시예에 따른 제 7 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 14은 본 개시의 일 실시예에 따른 제 8 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 15는 본 개시의 일 실시예에 따른 제 9 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 16는 본 개시의 일 실시예에 따른 제 10 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 17은 본 개시의 일 실시예에 따른 제 11 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 18은 본 개시의 일 실시예에 따른 제 12 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 19는 본 개시의 일 실시예에 따른 제 13 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
도 20은 본 개시의 일 실시예에 따른 제 14 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다.
본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
본 명세서에서 어떤 구성요소와 "관련된 정보"는 어떤 구성요소에 기초하여 계산된 정보를 의미하거나, 어떤 구성요소와 대응되는 인덱스이거나, 어떤 구성요소를 포함하는 정보를 의미하거나, 어떤 구성요소와 선형적인 관계를 가진 정보를 의미하거나, 어떤 구성요소가 포함된 정보를 의미한다. 선형적인 관계는 정비례관계 또는 역비례관계를 의미할 수 있다. 정보는 수치 또는 텍스트를 포함할 수 있다.
또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면 "부"는 프로세서 및 메모리로 구현될 수 있다. 용어 "프로세서"는 범용 프로세서, 중앙 처리 장치 (CPU), 마이크로프로세서, 디지털 신호 프로세서 (DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서는, "프로세서"는 주문형 반도체 (ASIC), 프로그램가능 로직 디바이스 (PLD), 필드 프로그램가능 게이트 어레이 (FPGA) 등을 지칭할 수도 있다. 용어 "프로세서"는, 예를 들어, DSP 와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다.
용어 "메모리"는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. 용어 메모리는 임의 액세스 메모리 (RAM), 판독-전용 메모리 (ROM), 비-휘발성 임의 액세스 메모리 (NVRAM), 프로그램가능 판독-전용 메모리 (PROM), 소거-프로그램가능 판독 전용 메모리 (EPROM), 전기적으로 소거가능 PROM (EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
아래에서는 첨부한 도면을 참고하여 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
도 1는 본 개시의 일 실시예에 따른 게임 컨텐츠를 추천하기 위한 서버를 나타낸 도면이다.
서버(100)는 프로세서(110) 또는 메모리(120)를 포함할 수 있다. 프로세서(110)는 메모리(120)에 저장되어 있는 명령어에 기초하여 동작을 수행할 수 있다. 하지만 이에 한정되는 것은 아니며, 서버(100)는 메모리를 포함하지 않고 프로세서(110)만 포함할 수 있다. 프로세서(110)는 입력 신호에 기초하여 미리 설정된 신호를 미리 설정된 시간동안 출력 라인으로 출력하도록 설정되어 있을 수 있다. 서버(100)의 각 부품은 신호에 따라 미리 설정된 동작을 수행할 수 있다.
게임 서비스 제공자의 서버(130)는 원시 데이터베이스를 포함할 수 있다. 원시 데이터베이스에는 원시 데이터가 저장되어 있을 수 있다. 서버(100)는 게임 서비스 제공자의 서버(130)로부터 원시 데이터를 수신하여 처리한 후, 처리 결과를 다시 게임 서비스 제공자의 서버(130)로 송신할 수 있다. 예를 들어 서버(100)는 사용자의 원시 데이터에 소정의 기준을 적용하여 사용자의 성향을 복수의 성향 중 하나로 결정할 수 있다. 또한 서버(100)는 사용자의 로그 데이터에 기초하여, 미리 결정된 복수의 모델 중 적어도 하나의 모델을 선택할 수 있다. 서버(100)는 사용자의 성향 또는 선택된 모델에 기초하여 사용자에게 컨텐츠 또는 아이템을 추천할 수 있다. 이를 통하여 게임 서비스 제공자는 사용자에게 행동경제학에 기반한 컨텐츠 및 아이템을 제공할 수 있다.
게임 서비스 제공자의 서버(130)는 짧은 시간 안에 매우 방대한 양의 로그 데이터를 실시간으로 원시 데이터베이스에 저장할 수 있다. 원시 데이터베이스에 저장되어 있는 로그 데이터는 사용자(게이머)가 게임 내에서 한 활동과 관련된 데이터이다. 원시 데이터베이스에 저장되어 있는 로그 데이터는 가공되지 않은 데이터라는 점에서 원시 데이터(raw data)라고 할 수 있다. 원시 데이터베이스에 포함된 로그 데이터는 게임의 메타데이터, 게임의 플레이 기록, 또는 플레이를 통해 얻을 수 있는 재화와 관련된 데이터를 포함할 수 있다. 게임마다 데이터 베이스의 구조 또는 데이터 베이스에 저장된 로그 데이터의 내용이 다를 수 있다. 또한, 로그 데이터 중에는 서버(100)의 데이터 처리에 불필요한 데이터가 포함되어 있을 수 있다. 따라서, 서버(100) 또는 게임 서비스 제공자의 서버(130) 중 하나는 데이터 처리에 쓰일 데이터를 선정하고, 선정된 데이터만을 추출하여 새로운 데이터 베이스를 생성할 수 있다. 새로운 데이터 베이스는 사용자의 로그인 정보, 캐릭터 정보, 과금 정보, 플레이 정보, 온라인 화폐 획득 정보 및 온라인 화폐 사용 정보를 포함할 수 있다.
구체적으로, 로그 데이터는 하나의 데이터 베이스에 저장되어 있을 수 있지만, 데이터의 속성 또는 데이터가 생성된 날짜 등에 따라 복수의 데이터 베이스에 저장되어 있을 수 있다. 서버(100) 또는 게임 서비스 제공자의 서버(130)는 복수의 데이터 베이스에 저장된 로그 데이터를 통합할 수 있다.
또한 서버(100) 또는 게임 서비스 제공자의 서버(130)는 통합된 로그 데이터 중에서 필요한 데이터를 추출하여, 새로운 데이터 베이스를 생성할 수 있다. 서버(100) 또는 게임 서비스 제공자의 서버(130)는 새로운 데이터 베이스를 생성하기 위하여 소정의 알고리즘을 사용할 수 있다. 서버(100) 또는 게임 서비스 제공자의 서버(130)는 소정의 알고리즘에 기초하여 원시 데이터(raw data)의 값을 서버(100)가 처리할 수 있는 표준화된 값으로 변형할 수 있다. 또한 서버(100) 또는 게임 서비스 제공자의 서버(130)는 소정의 알고리즘에 기초하여 원시 데이터를 포함한 원시 데이터베이스의 구조를 표준화된 데이터 베이스의 구조로 변형할 수 있다.
서버(100)는 새로운 데이터 베이스에 포함된 적어도 하나의 데이터에 기초하여 사용자의 성향을 분석하기 위한 기준 데이터를 획득할 수 있다. 또한 서버(100)는 기준 데이터에 기초하여 분석 대상 사용자의 성향을 분석하고, 분석 결과에 따라 추천 캐릭터 정보, 추천 아이템 정보, 추천 컨텐츠 정보를 결정할 수 있다.
이하, 서버(100)의 동작에 대하여 보다 자세히 설명한다.
도 2은 본 개시의 일실시예에 따른 서버의 동작을 나타낸 흐름도이다.
서버(100)는 복수의 모델을 사용하여 사용자의 심리를 분석하여 사용자를 분류할 수 있다. 복수의 모델은 사용자의 성향을 분석하기 위한 모델일 수 있다. 하나의 모델은 사용자를 적어도 하나의 성향으로 분류할 수 있다. 서버(100)는 복수의 모델을 사용하여 사용자를 복수의 성향으로 분류할 수 있다. 서버(100)는 사용자의 로그 데이터를 복수의 모델 중 적어도 하나에 적용하여 사용자에 대하여 심리를 분석할 수 있다. 서버(100)가 사용자의 로그 데이터에 복수의 모델을 적용하기 위해서는 복수의 모델들 각각에 대한 기준 데이터를 생성해야할 수 있다. 기준 데이터는 사용자의 심리 상태를 구분하기 위한 값일 수 있다. 서버(100)는 사용자의 로그 데이터를 기준 데이터에 기초하여 구분하여 사용자의 심리 상태를 구분할 수 있다.
서버(100)는 게임 서비스 제공자의 서버(130)로부터 원시(raw) 데이터베이스를 수신하는 단계(210)를 수행할 수 있다. 또한 서버(100)는 원시 데이터베이스로부터 복수의 모델 중 하나의 모델에 대응되는 기준 데이터를 획득하기 위하여, 적어도 하나의 모듈에 대한 설정 정보를 획득하는 단계(220)를 수행할 수 있다.
복수의 모델 중 하나의 모델은 적어도 하나의 모듈을 포함할 수 있다. 모듈은 하나의 기능을 하는 하드웨어 또는 소프트웨어일 수 있다. 서버(100)는 사용자의 성향을 분류하기 위하여 원시 데이터베이스에 포함된 복수의 데이터를 활용할 수 있다. 모듈은 원시 데이터베이스에 포함된 하나의 데이터를 도출할 수 있다. 따라서 서버(100)는 원시 데이터베이스로부터 복수의 데이터를 도출하기 위하여 복수의 모듈을 사용할 수 있다.
하나의 모듈은 복수의 모델에 중복적으로 사용될 수 있다. 하지만 모델이 요구하는 데이터의 형태, 분석된 데이터의 범위 등이 다를 수 있다. 따라서 서버(100)는 모델에 따라 모듈의 설정 정보를 다르게 할 수 있다.
서버(100)는 설정 정보를 메모리로부터 획득할 수 있다. 하지만 이에 한정되는 것은 아니다. 서버(100)는 외부의 장치로부터 설정 정보를 유무선으로 수신할 수 있다. 또한 서버(100)는 사용자로부터 설정 정보를 수신할 수 있다. 또한, 설정 정보는 원시 데이터베이스에 기초하여 획득될 수 있다.
서버(100)는 설정 정보에 기초하여 설정된 적어도 하나의 모듈에 기초하여 원시 데이터베이스에 포함된 사용자들의 데이터로부터 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 원시 데이터베이스는 복수의 사용자들의 로그 데이터가 기록되어 있을 수 있다. 서버(100)는 복수의 사용자들의 로그 데이터에 기초하여 기준 데이터를 생성할 수 있다. 서버(100)는 복수의 사용자들의 로그 데이터의 추세를 이용하여 기준 데이터를 생성하므로, 사용자들의 보편적인 심리를 이용하여 분석 대상 사용자의 심리를 분석할 수 있다.
복수의 사용자들의 로그 데이터는 사용자의 로그인 정보, 캐릭터 정보, 아이템 사용 정보, 과금 정보, 플레이 정보, 온라인 화폐 획득 정보 및 온라인 화폐 사용 정보를 포함할 수 있다. 로그 데이터는 원시 데이터베이스로부터 복사한 데이터일 수도 있으며, 원시 데이터베이스에 저장된 데이터에 기초하여 가공된 데이터일 수 있다.
사용자의 로그인 정보는 사용자가 게임 서비스에 로그인 또는 로그아웃한 내역에 대한 정보이다. 사용자의 로그인 시각 또는 사용자의 로그아웃 시각 중 적어도 하나를 포함할 수 있다. 서버(100)의 데이터베이스는 소정의 기간 동안의 사용자의 로그인 시각 및 로그아웃 시각을 포함하고 있을 수 있다.
사용자의 캐릭터 정보는 사용자가 보유하고 있는 게임 내의 캐릭터와 관련된 정보이다. 게임 서비스는 적어도 하나의 캐릭터를 제공할 수 있으며, 사용자는 제공된 적어도 하나의 캐릭터들 중 적어도 하나의 캐릭터를 보유하고 있을 수 있다.
캐릭터 정보는 사용자가 보유한 캐릭터들의 개수와 관련된 정보, 사용자가 보유한 캐릭터의 현재 레벨에 대한 정보, 사용자가 보유한 캐릭터의 시간에 따른 레벨의 변화량과 관련된 정보, 사용자가 보유한 캐릭터의 식별정보 또는 사용자가 보유한 캐릭터들 중 현재 사용하고 있는 캐릭터의 식별 정보 중 적어도 하나를 포함할 수 있다.
사용자가 보유하고 있는 캐릭터들 각각은, 사용자가 게임을 진행하면서 레벨이 오를 수 있다. 게임 서비스는 사용자가 게임을 진행하면 캐릭터에 대해 경험치라는 보상을 제공하며, 경험치에 따라 캐릭터의 레벨이 오를 수 있다. 사용자가 보유한 캐릭터의 현재 레벨에 대한 정보는 캐릭터의 현재 경험치와 관련된 정보 또는 현재 레벨에 대한 정보를 포함할 수 있다. 현재 레벨에 대한 정보 및 캐릭터의 현재 경험치와 관련된 정보는 실수로 표현될 수 있다.
사용자가 보유한 캐릭터의 시간에 따른 레벨의 변화량과 관련된 정보는 사용자가 보유한 캐릭터의 성장 속도를 나타낼 수 있다. 예를 들어, 시간에 따른 레벨의 변화량은 사용자가 게임 서비스를 이용한 시간에 대한 캐릭터의 레벨의 변화를 의미할 수 있다. 또한, 시간에 따른 레벨의 변화량은 사용자가 게임 서비스를 이용한 순간부터 시간에 따른 캐릭터의 레벨의 변화를 의미할 수 있다. 또한, 시간에 따른 레벨의 변화량은 사용자의 게임 이용 횟수에 대한 캐릭터의 레벨의 변화를 의미할 수 있다. 또한 시간에 따른 레벨의 변화량은 사용자가 해당 캐릭터를 이용하여 진행한 게임 이용 횟수에 대한 캐릭터의 레벨의 변화를 의미할 수 있다. 게임 이용 횟수는 게임 서비스에서 제공하는 소정의 목표를 사용자가 시도한 때부터 달성여부가 결정되기 까지를 1회로 하여 결정될 수 있다.
게임 서비스는 복수의 캐릭터를 제공할 수 있다. 복수의 캐릭터 각각은 식별정보에 대응될 수 있다. 캐릭터 정보는 사용자가 보유하고 있는 캐릭터의 식별정보를 포함하고 있을 수 있다. 또한, 사용자가 복수의 캐릭터를 보유하고 있다면, 캐릭터 정보는 복수의 캐릭터 중 현재 사용자가 사용하고 있는 캐릭터의 식별정보를 포함할 수 있다.
아이템 사용정보는 사용자의 아이템 사용량과 관련된 정보 또는 사용자가 사용한 복수의 아이템과 관련된 정보를 포함할 수 있다.
아이템은 게임 서비스가 제공하는 다양한 소모품을 의미한다. 사용자가 아이템을 사용하는 경우, 캐릭터의 체력값이 오르거나, 캐릭터의 경험치값이 오르거나, 캐릭터의 레벨값이 오르거나, 캐릭터의 능력치값이 오를 수 있다. 하지만 이에 한정되지 않으며, 게임 서비스는 필요에 따라 다양한 기능의 아이템을 제공할 수 있다.
사용자의 아이템 사용량과 관련된 정보는 사용자가 사용한 아이템의 수를 의미할 수 있다. 사용자가 사용한 아이템의 수는 특정 기간 동안에 사용한 아이템의 수를 의미할 수 있다. 서버(100)는 사용자의 성향을 분석하기 위하여 다양한 기간 동안에 사용자가 아이템을 사용한 수를 획득할 수 있다.
사용자가 사용한 복수의 아이템과 관련된 정보는 사용자가 사용한 아이템의 사용 내역을 의미할 수 있다. 또는 사용자가 사용한 복수의 아이템과 관련된 정보는 사용자가 사용한 아이템의 식별정보의 나열을 의미할 수 있다. 또는 사용자가 사용한 복수의 아이템과 관련된 정보는 사용자가 사용한 아이템의 식별정보 및 식별정보에 대응되는 사용자가 아이템을 사용한 횟수를 의미할 수 있다.
과금 정보는 사용자의 과금 횟수와 관련된 정보 또는 사용자의 과금 금액과 관련된 정보를 포함할 수 있다. 과금은 게임 서비스 제공업체가 사용자에게 게임 서비스 제공에 대한 대가로 사용료를 부과하는 것을 의미한다. 사용자는 과금을 통하여, 게임 내에서 사용할 수 있는 아이템, 컨텐츠, 캐릭터 중 적어도 하나를 구입할 수 있다.
사용자의 과금 횟수와 관련된 정보는 사용자가 게임 서비스 업체에 돈을 지불한 횟수에 비례하는 값일 수 있다. 또한 사용자의 과금 금액과 관련된 정보는 사용자가 게임 서비스 업체에 지불한 금액에 비례하는 값을 가질 수 있다.
플레이 정보는 사용자가 게임 내의 콘텐츠를 이용한 내역과 관련된 정보일 수 있다. 플레이 정보는 사용자가 어떤 컨텐츠를 플레이 했는지, 컨텐츠의 난이도, 컨텐츠에 대한 승리/패배 여부, 승리 시 얻은 경험치, 및 플레이 시간과 관련된 정보를 포함할 수 있다.
또한, 플레이 정보는 사용자의 PvP 모드의 플레이 횟수에 대한 정보, PvP모드에서의 승률과 관련된 정보, 사용자가 보유한 캐릭터들 중 하나의 캐릭터의 플레이 횟수에 대한 정보, 하나의 컨텐츠를 이용한 시간과 관련된 정보, 컨텐츠 실패 횟수와 관련된 정보, 컨텐츠의 시도 횟수와 관련된 정보, 사용자의 일 평균 플레이 시간과 관련된 정보 또는 사용자의 총 플레이 시간과 관련된 정보 중 적어도 하나를 포함할 수 있다.
PvP(Player Versus Player) 모드는 게임 내에서 사용자들 사이의 상호 대결하는 모드를 나타낸다. PvE(Player Versus Environment) 모드는 사용자들이 게임 환경(여기서 게임 서비스를 제공하는 인공 지능을 나타낸다.)과 대결하는 모드를 나타낸다. 게임 컨텐츠는 크게 PvP 모드 및 PvE 모드로 분류된다.
사용자의 PvP 모드의 플레이 횟수에 대한 정보 사용자가 PvP 모드를 플레이한 횟수에 대응되는 정보이다. 서버(100)는 사용자가 PvP 모드에 진입하여 승패 결과가 나온 때 까지를 1회로 결정할 수 있다.
PvP모드에서의 승률과 관련된 정보는 사용자가 PvP 모드를 플레이한 횟수에 대하여 사용자가 PvP 모드에서 승리한 횟수의 비율과 관련된 정보일 수 있다. 승률과 관련된 정보는 소정의 기간 동안의 승률을 의미할 수 있다. 소정의 기간은 1일, 1주, 4주, 1개월 또는 1년 등을 포함할 수 있다. PvP모드에서의 승률과 관련된 정보는 비율과 비례관계를 가질 수 있다.
사용자가 보유한 캐릭터들 중 하나의 캐릭터의 플레이 횟수에 대한 정보는 사용자가 보유하고 있는 캐릭터 별로 데이터 베이스에 저장되어 있을 수 있다. 사용자는 하나의 캐릭터를 사용하여 게임을 플레이할 수 있다. 서버(100)는 사용자가 하나의 캐릭터를 사용하여 게임을 시작하고, 게임의 결과가 나올 때 까지를 1 회로 결정할 수 있다.
게임 서비스 제공자는 사용자에게 컨텐츠를 제공할 수 있다. 컨텐츠는 게임 서비스 제공자가 사용자에게 제공하는 다양한 즐길 거리를 의미한다. 예를 들어 컨텐츠는 크게 PvE모드 또는 PvP 모드로 분류될 수 있다. PvE 모드 또는 PvP 모드는 다시 세분화된 다양한 모드로 분류될 수 있다. 또한 컨텐츠는 특성에 따라 온라인 화폐를 제공하는 컨텐츠, 아이템을 제공하는 컨텐츠 또는 하루에 미리 정해진 횟수만 이용가능한 컨텐츠를 포함할 수 있다.
하나의 컨텐츠를 이용한 시간과 관련된 정보는 각각의 컨텐츠에 대응하여 저장될 수 있다. 하나의 컨텐츠를 이용한 시간은 사용자가 하나의 컨텐츠를 플레이한 후 결과가 나올 때까지의 시간의 누적을 의미할 수 있다. 하나의 컨텐츠를 이용한 시간과 관련된 정보는 하나의 컨텐츠를 이용한 시간과 비례할 수 있다.
컨텐츠의 시도 횟수와 관련된 정보는 사용자가 PvE 모드 또는 PvP 모드에 포함된 하나의 컨텐츠를 시도한 횟수와 관련된 정보를 나타낸다. 컨텐츠의 시도 횟수와 관련된 정보는 각각의 컨텐츠에 대응하여 저장될 수 있다. 컨텐츠의 시도 횟수의 1회는 사용자가 하나의 컨텐츠를 플레이한 수를 나타낸다. 컨텐츠의 시도 횟수와 관련된 정보는 컨텐츠의 시도 횟수와 비례하는 값을 가질 수 있다.
컨텐츠의 실패 횟수와 관련된 정보는 사용자가 컨텐츠를 시도한 후 나온 결과가 실패인 횟수와 관련된 정보를 나타낸다. 컨텐츠의 실패 횟수와 관련된 정보는 각각의 컨텐츠에 대응하여 저장될 수 있다. 컨텐츠의 실패 횟수의 1회는 사용자가 하나의 컨텐츠를 플레이 한 후, 그 결과가 실패인 수를 나타낸다. 컨텐츠의 실패 횟수와 관련된 정보는 컨텐츠의 실패 횟수와 비례하는 값을 가질 수 있다.
사용자의 일 평균 플레이 시간은 사용자가 하루에 게임 서비스를 이용한 시간의 평균을 나타낼 수 있다. 사용자의 일 평균 플레이 시간과 관련된 정보는 일 평균플레이 시간에 비례하는 정보일 수 있다.
사용자의 총 플레이 시간은 사용자가 게임 서비스에 로그인한 후 로그아웃 할 때까지의 누적 총 시간을 나타낼 수 있다. 사용자의 총 플레이 시간과 관련된 정보는 총 플레이 시간에 비례하는 정보일 수 있다.
온라인 화폐 획득 정보는 온라인 화폐의 획득량에 대한 정보, 온라인 화폐 획득 시간에 대한 정보 및 온라인 화폐 획득 원인에 대한 정보 중 적어도 하나를 포함할 수 있다.
온라인 화폐는 게임 상에서 아이템, 컨텐츠 등을 구입하기 위한 교환 수단이며, 상품 또는 서비스에 대한 교환가치의 척도가 되는 것이다. 사용자는 다양한 경로로 온라인 화폐를 획득할 수 있다. 예를 들어, 사용자는 게임 서비스 제공자가 과금한 액수를 지불하고 온라인 화폐를 획득하거나, 컨텐츠를 플레이 한 후에 온라인 화폐를 획득하거나, 다른 사용자로부터 온라인 화폐를 획득할 수 있다.
사용자가 온라인 화폐를 획득한 경우, 획득과 관련된 정보가 온라인 화폐 획득 정보로써 데이터 베이스에 기록될 수 있다. 예를 들어 데이터 베이스에는 온라인 화폐의 획득량에 대한 정보, 온라인 화폐의 획득 시간에 대한 정보 또는 온라인 화폐 획득 원인에 대한 정보 중 적어도 하나를 포함할 수 있다. 획득 원인은 인덱스로 나타날 수 있다. 즉, 인덱스는 다른 사용자로부터 온라인 화폐를 획득했음을 나타내는 인덱스, 컨텐츠를 플레이 한 후 온라인 화폐를 획득했음을 나타내는 인덱스, 과금된 액수를 지불하고 온라인 화폐를 획득했음을 나타내는 인덱스 중 적어도 하나를 포함할 수 있다.
온라인 화폐 사용 정보는 온라인 화폐의 사용량에 대한 정보, 온라인 화폐 사용 시간에 대한 정보 및 온라인 화폐 사용하여 획득한 컨텐츠 또는 아이템 등에 대한 정보 중 적어도 하나를 포함할 수 있다.
사용자는 온라인 화폐를 사용하여 다양한 아이템 또는 컨텐츠를 획득할 수 있다. 예를 들어, 사용자는 온라인 화폐를 사용하여 캐릭터를 꾸미기 위한 아이템을 구매하거나, 캐릭터의 능력치를 올리는 아이템을 구매하거나, 특정 컨텐츠를 이용할 수 있는 권리를 구매할 수 있다. 사용자가 온라인 화폐를 사용한 경우, 사용과 관련된 정보가 온라인 화폐 사용 정보로써 데이터 베이스에 기록될 수 있다. 예를 들어 데이터 베이스에는 온라인 화폐의 사용량에 대한 정보, 온라인 화폐의 사용 시간에 대한 정보 또는 온라인 화폐를 사용하여 획득한 컨텐츠 또는 아이템 등에 대한 정보 중 적어도 하나를 포함할 수 있다. 온라인 화폐를 사용하여 획득한 컨텐츠 또는 아이템 등에 대한 정보는 인덱스로 나타날 수 있다. 즉, 인덱스는 하나의 아이템을 획득했음을 나타내는 인덱스 또는 하나의 컨텐츠를 획득했음을 나타내는 인덱스 중 적어도 하나를 포함할 수 있다.
서버(100)는 획득된 기준 데이터에 기초하여, 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다.
이하에서는 서버(100)가 기준 데이터를 생성하는 단계(230)에 대하여 보다 구체적으로 설명한다.
도 3은 본 개시의 일 실시예에 따라 기준 데이터를 생성하는 과정을 나타낸다.
도 2의 기준 데이터를 생성하는 단계(230)는 서버(100)에 포함된 데이터 통합부(320), 데이터 도출부(330), 변수 획득부(340), 테스트 데이터 획득부(350) 또는 테스트부(360) 중 적어도 하나에 기초하여 수행될 수 있다. 데이터 통합부(320), 데이터 도출부(330), 변수 획득부(340), 테스트 데이터 획득부(350) 또는 테스트부(360)는 모델에 포함되는 모듈일 수 있다.
서버(100)는 원시 데이터베이스(310)를 수신할 수 있다. 서버(100)는 데이터 통합부(320)를 포함할 수 있다. 데이터 통합부(320)는 적어도 하나의 서버에 기록되어 있는 원시 데이터베이스(310)를 통합할 수 있다. 또한 데이터 통합부(320)는 원시 데이터베이스(310)에 분산되어 있는 데이터를 통합할 수 있다. 또한 데이터 통합부(320)는 기준 데이터를 획득하기 위하여 필요한 데이터를 원시 데이터베이스(310)에서 추출하여 통합할 수 있다. 여기서 추출은 원시 데이터베이스(310)에서 필요한 데이터를 복사하는 과정을 나타낼 수 있다. 데이터 통합부(320)는 통합 데이터베이스를 획득할 수 있다. 기준 데이터를 획득하기 위하여 필요한 데이터의 종류는 미리 결정될 수 있다.
서버(100)는 데이터 도출부(330)를 포함할 수 있다. 데이터 도출부(330)는 통합 데이터베이스를 이용하여 필요한 데이터를 만들 수 있다. 데이터 도출부(330)는 통합 데이터베이스에 포함된 데이터를 이용하여 도출 데이터베이스를 획득할 수 있다. 여기서 도출은 데이터들을 계산하거나, 조합하거나, 선택하는 과정을 의미할 수 있다. 도출 데이터베이스는 서버(100)가 사용자의 심리를 분석하기 위한 기준 데이터를 획득하는데 필요한 데이터를 포함할 수 있다. 또한 도출 데이터베이스는 통합 데이터베이스보다 사용자의 심리 모델을 생성하는데 활용하기 좋은 값을 포함할 수 있다.
서버(100)는 변수 획득부(340)를 포함할 수 있다. 변수 획득부(340)는 모듈에 필요한 변수를 도출 데이터베이스로부터 선택할 수 있다. 하나의 모델에 포함된 적어도 하나의 모듈은 도출 데이터베이스 중 일부의 데이터만 이용할 수 있다. 변수 획득부(340)는 심리 분석 모델에 포함된 모듈의 종류에 기초하여 변수를 선택할 수 있다. 모듈의 종류에 따른 변수의 종류는 미리 결정될 수 있다.
서버(100)는 테스트 데이터 획득부(350)를 포함할 수 있다. 테스트 데이터 획득부(350)는 선택된 적어도 하나의 변수들을 조합하여 테스트 데이터베이스를 생성할 수 있다. 모듈은 복수의 사용자들의 로그 데이터를 이용할 수 있다. 변수는 한 명의 사용자에 대응될 수 있다. 따라서 테스트 데이터 획득부(350)는 복수의 사용자들의 변수들을 모아서 테스트 데이터베이스를 획득할 수 있다. 또한 복수의 모듈들은 변수를 공유할 수 있다. 또한 하나의 모듈은 복수의 변수들을 이용할 수 있다. 따라서 변수 획득부(340)에서 선택된 변수들을 조합하여 테스트 데이터 획득부(350)는 모듈의 종류에 맞는 테스트 데이터베이스를 획득할 수 있다.
서버(100)는 테스트부(360)를 포함할 수 있다. 테스트부(360)는 테스트 데이터베이스에 기초하여 테스트를 수행할 수 있다. 테스트는 복수의 사용자들의 로그 데이터를 분석하여 사용자의 심리 상태를 나눌 수 있는 기준 데이터(370)를 생성하는 단계이다.
서버(100)는 기준 데이터를 이용하여, 임의의 사용자의 로그 데이터에 기초하여 임의의 사용자의 심리 상태를 구분할 수 있다.
이하에서는 도 4 내지 도 19와 함께 기준 데이터를 생성하는 과정을 보다 상세하게 설명한다.
도 4는 본 개시의 일 실시예에 따라 서버(100)가 이용하는 데이터를 설명하기 위한 도면이다.
이미 설명한 바와 같이 테스트는 복수의 사용자들의 로그 데이터를 분석하여 사용자의 심리 상태를 나눌 수 있는 기준 데이터를 생성하는 단계이다. 또한 예측은 기준 데이터에 기초하여 대상 사용자의 로그 데이터를 분석하여 대상 사용자의 심리 상태를 나누는 단계이다.
서버(100)는 현재 시점(410)에 사용자들의 심리를 분석할 수 있다. 서버(100)는 자동으로 주기적으로 게임 사용자들의 심리를 분석할 수 있다. 또한 서버(100)는 수동으로 게임 서비스 제공자가 원하는 경우에 게임 사용자들의 심리를 분석할 수 있다. 서버(100)는 설정 정보에 포함된 분석 실행 시각에 기초하여 게임 사용자들의 심리를 분석할 수 있다.
서버(100)는 설정 정보에 포함된 사용자의 게임 서비스 가입일(420)을 획득할 수 있다. 서버(100)는 원시 데이터베이스로부터 사용자의 게임 서비스 가입일(420)을 획득할 수 있다. 서버(100)는 사용자마다 게임 서비스 가입일(420)을 획득할 수 있다.
서버(100)는 설정 정보에 포함된 대기 기간(430)을 획득할 수 있다. 서버(100)는 상기 게임 서비스 가입일(420)로부터 대기 기간(430) 동안 해당 사용자에 대한 테스트를 수행하지 않을 수 있다. 사용자는 게임 서비스 가입일(420) 후 일정기간 동안 여러 가지를 시도하면서 플레이 스타일을 정립해 나아갈 수 있다. 따라서 서버(100)가 사용자의 게임 서비스 가입일(420) 직후의 기간을 분석하는 경우, 아무런 심리상태도 발견하지 못할 수 있다. 따라서 서버(100)는 대기 기간(430) 동안에는 해당 사용자에 대한 테스트를 수행하지 않을 수 있다.
서버(100)는 설정 정보에 포함된 분석 기간(440)을 획득할 수 있다. 분석 기간(440)은 서버(100)가 사용자에 대한 로그 데이터를 수집하는 기간이다. 분석 기간(440)은 대기 기간(430) 직후일 수 있다. 서버(100)는 분석 기간(440)동안의 사용자의 로그 데이터를 수집할 수 있다. 사용자의 심리 특성을 도출하기 위해서는 로그 데이터가 일정 기간동안 누적될 필요가 있다. 따라서 서버(100)는 분석 기간(440) 동안의 사용자의 로그 데이터를 수집할 수 있다.
서버(100)는 분석 기간(440)의 마지막날(445)을 기준으로 기준 데이터를 생성할 수 있다. 서버(100)는 분석 기간(440) 동안의 사용자의 로그 데이터를 이용하여 기준 데이터를 생성할 수 있다.
서버(100)는 분석 대상 사용자에 대한 로그 데이터를 수신할 수 있다. 예를 들어 서버(100)는 분석 대상 사용자의 게임 서비스 가입일(450)을 수신할 수 있다. 분석 대상 사용자는 일정 기간동안 다양한 시도를 하면서 자신의 게임 스타일을 정립해 나갈 수 있다. 따라서 서버(100)는 대기 기간(460)동안 대상 사용자에 대한 심리 분석을 보류할 수 있다. 서버(100)는 분석 기간(470) 동안의 분석 대상 사용자의 로그 데이터를 수집할 수 있다. 서버(100)는 수집된 로그 데이터 및 심리 문석 모델에 기초하여 대상 사용자의 심리를 분석할 수 있다. 심리 분석 모델은 테스트에 의하여 도출된 기준 데이터를 이용할 수 있다. 서버(100)는 분석 기간(470)의 마지막날을 기준으로 분석 대상 사용자의 심리 분석 결과를 획득할 수 있다.
도 5는 본 개시의 일 실시예에 따른 제 1 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 1 모델은 PvP 모드를 선호하지만 PvP 모드에서 승률이 좋지 않은 사용자를 구별하는 심리 모델이다. 사용자가 PvP 모드를 선호하지만 PvP 모드에서 승률이 좋지 않은 경우, 사용자는 게임 서비스에 대하여 부정적인 감정을 가지게 되어 게임 서비스를 오랫동안 이용하지 않을 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다. 서버(100)는 설정 정보로부터 제 1 기간 정보를 획득하는 단계(510)를 수행할 수 있다.
제 1 기간 정보는 제 1 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 1 기간 정보는 분석 기간(440)에 대응될 수 있다. 또한, 서버(100)는 설정 정보로부터 PvP 모드의 최소 플레이 횟수 정보를 획득하는 단계(520)를 수행할 수 있다. PvP 모드의 최소 플레이 횟수 정보는 메모리로부터 획득될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 1 기간 정보에 대응되고, PvP 모드의 최소 플레이 횟수 정보 이상 PvP 모드를 이용한 사용자들에 대한 제 1 로그 데이터를 획득하는 단계(530)를 수행할 수 있다. 제 1 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다. 제 1 모델에 따르면, 서버(100)는 PvP 모드의 최소 플레이 횟수 정보 이상 PvP 모드를 이용한 사용자들을 대상으로 분석을 수행할 수 있다. 사용자가 PvP 모드를 거의 이용하지 않은 경우, 서버(100)는 제 1 모델에 대한 사용자의 심리상태를 분석할 수 없기 때문이다.
서버(100)는 제 1 로그 데이터에 기초하여, PvP 컨텐츠 플레이 비율을 나타내는 제 1 축에 대한 사용자들의 제 1 분포를 획득하는 단계(540)를 수행할 수 있다. PvP 컨텐츠 플레이 비율은 사용자의 전체 컨텐츠 플레이 횟수에 대하여 PvP 컨텐츠 플레이 횟수의 비율을 나타낼 수 있다. 서버(100)는 제 1 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여 PvP 컨텐츠 플레이 비율을 획득할 수 있다.
또한 서버(100)는 제 1 분포에 기초하여 기준 데이터에 포함되는 제 1 기준값을 획득하는 단계(550)를 수행할 수 있다. 제 1 기준값은 PvP 컨텐츠 플레이 비율이 높은지 낮은지를 구분하는 값일 수 있다. 제 1 분포 및 제 1 기준값을 획득하는 방법에 대해서는 도 6 및 도 7과 함께 보다 자세히 설명한다.
도 6은 본 개시의 일 실시예에 따른 제 1 분포 내지 제 28 분포를 나타낸다.
도 6은 제 1 분포 내지 제 28 본포를 나타낼 수 있다. 하지만 이하에서는 설명의 편의 상 제 1 분포를 기준으로 설명한다.
도 6을 참조하면, 가로축(610)은 PvP 컨텐츠 플레이 비율을 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 PvP 컨텐츠 플레이 비율에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 1 로그 데이터에 기초하여 제 1 분포를 획득할 수 있다. 제 1 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 1 극대점(640)을 획득할 수 있다. 서버(100)는 제 1 분포를 나타내는 그래프(630)의 극대점들 중 가장 큰 빈도수를 가지는 점을 제 1 극대점(640)으로 결정할 수 있다. 또한 서버(100)는 제 2 극대점(650)을 획득할 수 있다. 서버(100)는 제 1 분포를 나타내는 그래프(630)의 극대점들 중 두번째로 큰 빈도수를 가지는 점을 제 2 극대점(650)으로 결정할 수 있다.
서버(100)는 제 1 극대점(640) 및 제 2 극대점(650) 사이에서 제 1 최소점(660)을 획득할 수 있다. 예를 들어 서버(100)는 제 1 극대점(640)으로부터 제 2 극대점(650)으로 향하면서 가장 처음 나타나는 극소점을 제 1 최소점(660)으로 획득할 수 있다. 또한 서버(100)는 제 2 극대점(650)으로부터 제 1 극대점(640)으로 향하면서 가장 처음 나타나는 극소점을 제 1 최소점(660)으로 획득할 수 있다. 또한, 서버(100)는 제 1 극대점(640) 및 제 2 극대점(650) 사이의 최소 빈도수를 나타내는 점을 제 1 최소점(660)으로 획득할 수 있다.
서버(100)는 제 1 최소점(660)의 가로축 값(611)을 제 1 기준값으로 결정할 수 있다.
도 7은 본 개시의 일 실시예에 따른 제 1 분포 내지 제 28분포를 나타낸다.
도 7은 제 1 분포 내지 제 28 본포를 나타낼 수 있다. 하지만 이하에서는 설명의 편의 상 제 1 분포를 기준으로 설명한다.
도 7을 참조하면, 가로축(610)은 PvP 컨텐츠 플레이 비율을 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 PvP 컨텐츠 플레이 비율에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 1 로그 데이터에 기초하여 제 1 분포를 획득할 수 있다. 제 1 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 1 극대점(640)을 획득할 수 있다. 서버(100)는 제 1 분포를 나타내는 그래프(630)의 극대점들 중 가장 큰 빈도수를 가지는 점을 제 1 극대점(640)으로 결정할 수 있다. 또한 서버(100)는 제 2 극대점(650)을 획득할 수 있다. 서버(100)는 제 1 분포를 나타내는 그래프(630)의 극대점들 중 두번째로 큰 빈도수를 가지는 점을 제 2 극대점(650)으로 결정할 수 있다.
서버(100)는 제 1 극대점(640)의 가로축의 값(712) 및 제 2 극대점(650)의 가로축의 값(713)의 평균값(711)을 제 1 기준값으로 결정할 수 있다.
다시 도 5를 참조하면, 서버(100)는 제 1 로그 데이터에 기초하여, PvP 모드에서의 승률을 나타내는 제 2 축에 대한 사용자들의 제 2 분포를 획득하는 단계(560)를 수행할 수 있다. PvP 모드에서의 승률은 사용자가 PvP 모드를 플레이한 전체 횟수에 대하여 사용자가 PvP 모드에서 이긴 횟수의 비율을 의미할 수 있다. 이미 설명한 제 1 축과 동일하게 제 2 축을 설명할 수 있다.
또한 서버(100)는 제 2 분포에 기초하여 기준 데이터에 포함되는 제 2 기준값을 획득하는 단계(570)를 수행할 수 있다.
도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, PvP 모드에서의 승률을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, PvP 모드에서의 승률에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 1 로그 데이터에 기초하여 제 2 분포를 획득할 수 있다. 제 2 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 2 분포에 기초하여 제 2 기준값을 결정할 수 있다. 제 2 기준값은 PvP 모드에서의 승률이 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 1 기준값 및 제 2 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 PvP 컨텐츠 플레이 비율이 제 1 기준값보다 높고, PvP 모드에서의 승률이 제 2 기준값보다 낮은 경우, 분석 대상 사용자가 이탈할 확률이 높은 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 8은 본 개시의 일 실시예에 따른 제 2 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 2 모델은 보유한 캐릭터의 수가 적으면서 캐릭터의 외관을 변경하는 아이템을 많이 구입하는 사용자를 구별하는 심리 모델이다. 캐릭터의 외관을 변경하는 아이템은 하나의 캐릭터의 외관을 변경하는 게임 내에서 사용 가능한 아이템의 한 종류일 수 있다. 예를 들어 캐릭터의 외관을 변경하는 아이템은 캐릭터의 무기, 옷, 모자, 신발, 장신구와 관련될 수 있다. 캐릭터의 외관을 변경하는 아이템은 고유의 식별정보를 가지고 있을 수 있다
사용자가 보유한 캐릭터의 수가 적으면서 캐릭터의 외관을 변경하는 아이템을 많이 구입하는 경우, 이 사용자는 게임 자체보다는 캐릭터의 외관을 변경하는 것을 중시하는 성향일 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다. 서버(100)는 설정 정보로부터 제 2 기간 정보를 획득하는 단계(810)를 수행할 수 있다.
제 2 기간 정보는 제 2 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 2 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 2 기간 정보에 대응되는 제 2 로그 데이터를 획득하는 단계(820)를 수행할 수 있다. 제 2 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 2 로그 데이터에 기초하여, 사용자가 보유한 캐릭터들의 개수를 나타내는 제 1 축에 대한 사용자들의 제 3 분포를 획득하는 단계(830)를 수행할 수 있다. 서버(100)는 제 2 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여 사용자가 보유한 캐릭터들의 개수을 획득할 수 있다.
또한 서버(100)는 제 3 분포에 기초하여 기준 데이터에 포함되는 제 3 기준값을 획득하는 단계(840)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자가 보유한 캐릭터들의 개수를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은, 사용자가 보유한 캐릭터들의 개수에 해당하는 사용자의 빈도수를 나타낼 수 있다. 서버(100)는 제 2 로그 데이터에 기초하여 제 3 분포를 획득할 수 있다. 제 3 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 3 분포에 기초하여 제 3 기준값을 결정할 수 있다. 제 3 기준값은 사용자가 보유한 캐릭터들의 개수가 많은 지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 2 로그 데이터에 기초하여, 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 4 분포를 획득하는 단계(850)를 수행할 수 있다. 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보는 사용자가 사용한 전체 온라인 화폐의 사용량에 대하여 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 비율을 의미할 수 있다. 또한, 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보는 비율과 비례 또는 반비례하는 정보일 수 있다. 이미 설명한 제 1 축과 동일하게 제 2 축을 설명할 수 있다.
또한 서버(100)는 제 4 분포에 기초하여 기준 데이터에 포함되는 제 4 기준값을 획득하는 단계(860)를 수행할 수 있다.
도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보를 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 2 로그 데이터에 기초하여 제 4 분포를 획득할 수 있다. 제 4 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 4 분포에 기초하여 제 4 기준값을 결정할 수 있다. 제 4 기준값은 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보가 많은 지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 3 기준값 및 제 4 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자가 보유한 캐릭터들의 개수가 제 3 기준값보다 작고, 분석 대상 사용자가 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보가 제 4 기준값보다 큰 경우, 분석 대상 사용자가 게임 서비스 이탈 가능성이 높은 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 9는 본 개시의 일 실시예에 따른 제 3 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 3 모델은 상대적으로 약한 캐릭터를 사용하는 사용자를 구별하는 심리 모델이다. 상대적으로 약한 캐릭터를 사용하는 경우, 게임의 진행이 어렵기 때문에, 사용자들은 게임을 오랫동안 즐기지 못할 수 있다. 하지만, 사용자가 상대적으로 약한 캐릭터를 이용하더라도, 캐릭터를 자주 변경하거나, 온라인 화폐를 이용하여 아이템을 많이 구입하는 경우 게임에 새로움을 느껴서 게임 서비스를 지속적으로 이용하는 경우가 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 3 기간 정보를 획득하는 단계(910)를 수행할 수 있다. 제 3 기간 정보는 제 3 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 3 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 설정 정보로부터 상대적으로 약한 캐릭터의 리스트를 획득하는 단계(920)를 수행할 수 있다. 약한 캐릭터의 리스트는 게임 설계자가 원시 데이터베이스에 미리 입력해 놓을 수 있다. 또한 서버(100)는 약한 캐릭터의 리스트를 유무선으로 외부의 장치로부터 수신할 수 있다. 약한 캐릭터의 리스트는 적어도 하나의 캐릭터의 식별정보를 포함할 수 있다.
하지만 이에 한정되는 것은 아니다. 서버(100)는 자동으로 약한 캐릭터의 리스트를 획득할 수 있다. 원시 데이터베이스로부터 게임상의 적어도 하나의 컨텐츠를 이용한 사용자들의 로그 데이터를 획득할 수 있다. 서버(100)는 사용자가 적어도 하나의 컨텐츠를 실패하였을 때 사용한 캐릭터의 종류를 도출할 수 있다. 또한, 서버(1000는 캐릭터 별로 적어도 하나의 컨텐츠를 실패한 비율을 획득할 수 있다. 적어도 하나의 컨텐츠를 실패한 비율은, 캐릭터를 이용하여 적어도 하나의 컨텐츠를 시도한 전체 횟수에 대한 실패한 횟수를 의미할 수 있다. 서버(100)는 적어도 하나의 컨텐츠를 실패한 비율이 높은 캐릭터를 이용하여 약한 캐릭터의 리스트를 획득할 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 3 기간 정보에 대응되는 제 3 로그 데이터를 획득하는 단계(930)를 수행할 수 있다. 제 3 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 3 로그 데이터에 기초하여, 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수를 나타내는 제 1 축에 대한 사용자들의 제 5 분포를 획득하는 단계(940)를 수행할 수 있다. 서버(100)는 제 3 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수를 획득할 수 있다.
또한 서버(100)는 제 5 분포에 기초하여 기준 데이터에 포함되는 제 5 기준값을 획득하는 단계(950)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은, 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 3 로그 데이터에 기초하여 제 5 분포를 획득할 수 있다. 제 5 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 5 분포에 기초하여 제 5 기준값을 결정할 수 있다. 제 5 기준값은 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수가 많은 지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 5 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자가 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수가 제 5 기준값보다 높은 경우, 분석 대상 사용자가 게임 서비스에 금방 지루함을 느낄 수 있는 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 10는 본 개시의 일 실시예에 따른 제 4 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 4 모델은 일일한정 컨텐츠를 적게 플레이하면서, 도전과제 달성률은 높은 사용자를 구별하는 심리 모델이다. 일일한정 컨텐츠는 하루에 정해진 횟수만 이용할 수 있거나, 하루에 한번씩 업데이트되거나 하루에 한번씩 리셋되는 컨텐츠를 의미한다. 도전과제는 게임 서비스가 사용자에게 제공하는 목표로서, 사용자가 게임 내에서 특정한 행동을 하는 경우 달성될 수 있다. 사용자가 도전과제를 달성한 경우, 유료 아이템을 획득할 수 있다.일일한정 컨텐츠를 적게 플레이하면서, 도전과제 달성률은 높은 사용자는 도전과제를 위주로 플레이하는 사용자일 수 있다. 도전과제는 게임내에서 한정된 개수만 제공되므로, 사용자가 일일한정 컨텐츠를 적게 플레이하면서 도전과제 달성률이 높은 경우, 사용자는 더이상 즐길 거리가 없어서 게임에서 이탈하는 경우가 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 4 기간 정보를 획득하는 단계(1010)를 수행할 수 있다. 제 4 기간 정보는 제 4 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 4 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 4 기간 정보에 대응되는 제 4 로그 데이터를 획득하는 단계(1020)를 수행할 수 있다. 제 4 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 4 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠의 이용 시간을 나타내는 제 1 축에 대한 사용자들의 제 6 분포를 획득하는 단계(1030)를 수행할 수 있다. 서버(100)는 제 4 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠의 이용 시간을 획득할 수 있다. 여기서 제 1 컨텐츠는 일일한정 컨텐츠를 의미할 수 있다.
또한 서버(100)는 제 6 분포에 기초하여 기준 데이터에 포함되는 제 6 기준값을 획득하는 단계(1040)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠의 이용 시간을 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은, 사용자의 제 1 컨텐츠의 이용 시간에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 4 로그 데이터에 기초하여 제 6 분포를 획득할 수 있다. 제 6 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 6 분포에 기초하여 제 6 기준값을 결정할 수 있다. 제 6 기준값은 사용자의 제 1 컨텐츠의 이용 시간이 많은지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 4 로그 데이터에 기초하여, 사용자의 제 2 컨텐츠의 이용 시간을 나타내는 제 2 축에 대한 사용자들의 제 7 분포를 획득하는 단계(1050)를 수행할 수 있다. 서버(100)는 제 4 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 사용자의 제 2 컨텐츠의 이용 시간을 획득할 수 있다. 여기서 제 2 컨텐츠는 도전과제 컨텐츠를 의미할 수 있다. 이미 설명한 제 1 축과 동일하게 제 2 축을 설명할 수 있다.
또한 서버(100)는 제 7 분포에 기초하여 기준 데이터에 포함되는 제 7 기준값을 획득하는 단계(1060)를 수행할 수 있다.
도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 제 2 컨텐츠의 이용 시간을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은 사용자의 제 2 컨텐츠의 이용 시간에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 4 로그 데이터에 기초하여 제 7 분포를 획득할 수 있다. 제 7 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 7 분포에 기초하여 제 7 기준값을 결정할 수 있다. 제 7 기준값은 사용자의 제 2 컨텐츠의 이용 시간이 많은지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 6 기준값 및 제 7 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 제 1 컨텐츠의 이용 시간이 제 6 기준값보다 낮고, 사용자의 제 2 컨텐츠의 이용 시간이 제 7 기준값보다 높은 경우, 분석 대상 사용자가 이탈할 확률이 높은 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 11는 본 개시의 일 실시예에 따른 제 5 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 5 모델은 스토리 컨텐츠를 빠르게 달성한 사용자를 구별하는 심리 모델이다. 스토리 컨텐츠는 게임 서비스에서 스토리를 즐길 수 있는 컨텐츠를 의미한다. 사용자는 스토리 컨텐츠를 빠르게 진행하다가 실패하는 경우, 게임 서비스 제공자가 과금을 유도한다고 생각하여 게임을 더이상 이용하지 않을 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 5 기간 정보를 획득하는 단계(1110)를 수행할 수 있다. 제 5 기간 정보는 제 5 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 5 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 5 기간 정보에 대응되는 제 5 로그 데이터를 획득하는 단계(1120)를 수행할 수 있다. 제 5 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 5 로그 데이터에 기초하여, 사용자가 과금된 액수를 지불한 횟수를 나타내는 제 1 축에 대한 사용자들의 제 8 분포를 획득하는 단계(1130)를 수행할 수 있다. 서버(100)는 제 5 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 사용자가 과금된 액수를 지불한 횟수를 획득할 수 있다. 여기서 과금은 게임 서비스 제공업체가 사용자에게 게임 서비스 제공에 대한 대가로 사용료를 부과하는 것을 의미한다. 사용자는 캐릭터의 성능을 높이는 아이템, 캐릭터, 캐릭터의 외형을 변경하는 아이템을 사용하기 위하여 과금된 액수를 지불할 수 있다. 또한 사용자는 게임 서비스를 이용하거나, 보다 편리하게 이용하기 위하여 정기적으로 과금된 액수를 지불할 수 있다.
또한 서버(100)는 제 8 분포에 기초하여 기준 데이터에 포함되는 제 8 기준값을 획득하는 단계(1140)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자가 과금된 액수를 지불한 횟수를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은, 사용자가 과금된 액수를 지불한 횟수에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 5 로그 데이터에 기초하여 제 8 분포를 획득할 수 있다. 제 8 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 8 분포에 기초하여 제 8 기준값을 결정할 수 있다. 제 8 기준값은 사용자가 과금된 액수를 지불한 횟수가 많은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 5 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠 실패 횟수를 나타내는 제 2 축에 대한 사용자들의 제 9 분포를 획득하는 단계(1150)를 수행할 수 있다. 서버(100)는 제 5 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠 실패 횟수를 획득할 수 있다. 여기서 제 1 컨텐츠는 스토리 컨텐츠를 의미할 수 있다. 또한 서버(100)는 사용자가 제 1 컨텐츠를 시도했으나, 제 5 기간에 포함되는 소정의 기간동안 실패한 횟수를 획득할 수 있다. 서버(100)는 소정의 기간을 설정 정보에 기초하여 결정할 수 있다.
또한 서버(100)는 제 9 분포에 기초하여 기준 데이터에 포함되는 제 9 기준값을 획득하는 단계(1160)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠 실패 횟수를 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 사용자의 제 1 컨텐츠 실패 횟수에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 5 로그 데이터에 기초하여 제 9 분포를 획득할 수 있다. 제 9 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 9 분포에 기초하여 제 9 기준값을 결정할 수 있다. 제 9 기준값은 사용자의 실패 횟수가 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 8 기준값 및 제 9 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자가 과금된 액수를 지불한 횟수가 제 8 기준값보다 낮고, 사용자의 제 1 컨텐츠 실패 횟수가 제 9 기준값보다 높은 경우, 분석 대상 사용자가 이탈할 확률이 높은 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 12는 본 개시의 일 실시예에 따른 제 6 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 6 모델은 사용자가 게임에 지불한 금액은 높지만, 지불한 금액에 비하여 캐릭터를 성장시키지 못한 사용자를 구별하는 심리 모델이다. 사용자는 게임 서비스에 많은 돈을 지불하였으나, 캐릭터의 성장률이 높지 않은 경우 게임을 즐기지 못할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 6 기간 정보를 획득하는 단계(1210)를 수행할 수 있다. 제 6 기간 정보는 제 6 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 6 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 6 기간 정보에 대응되는 제 6 로그 데이터를 획득하는 단계(1220)를 수행할 수 있다. 제 6 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 6 로그 데이터에 기초하여, 총 플레이 시간 및 캐릭터의 레벨 정보에 기초하여 획득된 효율 정보를 나타내는 제 1 축에 대한 사용자들의 제 10 분포를 획득하는 단계(1230)를 수행할 수 있다. 서버(100)는 제 6 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 총 플레이 시간 및 캐릭터의 레벨 정보를 획득할 수 있다. 여기서 효율 정보는 총 플레이 시간 당 캐릭터의 레벨 정보와 관련된 정보일 수 있다. 즉, 효율 정보는 총 플레이 시간 당 캐릭터의 레벨 정보에 비례하는 값을 가질 수 있다.
또한 서버(100)는 제 10 분포에 기초하여 기준 데이터에 포함되는 제 10 기준값을 획득하는 단계(1240)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 효율 정보를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 효율 정보에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 6 로그 데이터에 기초하여 제 10 분포를 획득할 수 있다. 제 10 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 10 분포에 기초하여 제 10 기준값을 결정할 수 있다. 제 10 기준값은 효율 정보가 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 6 로그 데이터에 기초하여, 사용자의 과금 금액을 나타내는 제 2 축에 대한 사용자들의 제 11 분포를 획득하는 단계(1250)를 수행할 수 있다. 서버(100)는 제 6 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 사용자의 과금 금액을 획득할 수 있다. 사용자의 과금 금액은 제 6 기간에 포함되는 소정의 기간동안 사용자가 게임 서비스에 지불한 액수를 의미할 수 있다. 서버(100)는 소정의 기간을 설정 정보에 기초하여 획득할 수 있다.
또한 서버(100)는 제 11 분포에 기초하여 기준 데이터에 포함되는 제 11 기준값을 획득하는 단계(1260)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 과금 금액을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은 사용자의 과금 금액에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 6 로그 데이터에 기초하여 제 11 분포를 획득할 수 있다. 제 11 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 11 분포에 기초하여 제 11 기준값을 결정할 수 있다. 제 11 기준값은 사용자가 지불한 금액이 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 10 기준값 및 제 11 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 효율 정보가 제 10 기준값보다 낮고, 사용자가 게임 서비스에 지불한 금액이 제 11 기준값보다 높은 경우, 분석 대상 사용자가 이탈할 확률이 높은 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 13은 본 개시의 일 실시예에 따른 제 7 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 7 모델은 제 1 캐릭터와 연계된 캐릭터를 사용하는 비율이 높은 사용자를 구별하는 심리 모델이다. 제 1 캐릭터와 연계된 캐릭터는 스토리상 제 1 캐릭터와 연계된 캐릭터이거나, 제 1 캐릭터와 함께 팀을 이루는 경우 팀의 성능이 크게 증가하는 캐릭터를 의미할 수 있다. 예를 들어, 연계된 캐릭터 및 제 1 캐릭터가 함께 팀을 이루는 경우, 팀의 공격력, 방어력 또는 민첩도 중 적어도 하나가 증가할 수 있다. 사용자가 제 1 캐릭터 및 연계된 캐릭터를 함께 소정의 기간 이상 사용하는 경우, 서버(100)는 사용자를 제 1 캐릭터를 선호하는 사용자로 결정할 수 있다. 이러한 사용자는 제 1 캐릭터에 관련하여 온라인 화폐를 많이 사용할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 7 기간 정보를 획득하는 단계(1310)를 수행할 수 있다. 제 7 기간 정보는 제 7 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 7 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 7 기간 정보에 대응되는 제 7 로그 데이터를 획득하는 단계(1320)를 수행할 수 있다. 제 7 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 7 로그 데이터에 기초하여, 제 7 기간에 포함된 제 1 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타내는 제 1 축에 대한 사용자들의 제 12 분포를 획득하는 단계(1330)를 수행할 수 있다.
서버(100)는 설정 정보에 기초하여 제 1 서브 기간을 획득할 수 있다. 서버(100)는 설정 정보에 포함된 제 1 서브 기간을 메모리로부터 획득할 수 있다. 제 1 서브 기간은 시작점 정보 및 끝점 정보를 포함할 수 있다. 또한 제 1 서브 기간은 시작점 정보 및 기간 정보를 포함할 수 있다.
제 1 캐릭터와 연계된 캐릭터를 사용한 비율은 사용자가 캐릭터를 선택하여 게임을 플레이한 전체 횟수에 대하여 제 1 캐릭터 및 제 1 캐릭터와 연계된 캐릭터를 선택하여 게임을 플레이한 횟수의 비율을 의미할 수 있다.
서버(100)는 제 7 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 제 1 서브 기간동안 사용자가 캐릭터를 선택하여 게임을 플레이한 전체 횟수 및 제 1 캐릭터 및 제 1 캐릭터와 연계된 캐릭터를 선택하여 게임을 플레이한 횟수를 획득할 수 있다. 서버(100)는 제 1 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 계산할 수 있다.
또한 서버(100)는 제 12 분포에 기초하여 기준 데이터에 포함되는 제 12 기준값을 획득하는 단계(1340)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 제 1 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 비율에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 7 로그 데이터에 기초하여 제 12 분포를 획득할 수 있다. 제 12 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 12 분포에 기초하여 제 12 기준값을 결정할 수 있다. 제 12 기준값은 제 1 서브 기간동안 제 1 캐릭터와 연계된 캐릭터를 사용한 비율이 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도 13을 참조하면, 서버(100)는 제 7 로그 데이터에 기초하여, 제 7 기간에 포함되고, 제 1 서브 기간 이후의 제 2 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타내는 제 2 축에 대한 사용자들의 제 13 분포를 획득하는 단계(1350)를 수행할 수 있다.
서버(100)는 설정 정보에 기초하여 제 2 서브 기간을 획득할 수 있다. 서버(100)는 설정 정보에 포함된 제 2 서브 기간을 메모리로부터 획득할 수 있다. 제 2 서브 기간은 제 1 서브 기간 이후일 수 있다. 제 2 서브 기간은 시작점 정보 및 끝점 정보를 포함할 수 있다. 또한 제 2 서브 기간은 시작점 정보 및 기간 정보를 포함할 수 있다. 제 2 서브 기간은 시작점 정보를 제 1 서브 기간의 끝점 정보로 대체할 수 있다.
서버(100)는 제 7 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 제 2 서브 기간동안 사용자가 캐릭터를 선택하여 게임을 플레이한 전체 횟수 및 제 1 캐릭터 및 제 1 캐릭터와 연계된 캐릭터를 선택하여 게임을 플레이한 횟수를 획득할 수 있다. 서버(100)는 제 2 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 계산할 수 있다.
또한 서버(100)는 제 13 분포에 기초하여 기준 데이터에 포함되는 제 13 기준값을 획득하는 단계(1360)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 제 2 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은 제 2 서브 기간 동안 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 7 로그 데이터에 기초하여 제 13 분포를 획득할 수 있다. 제 13 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 13 분포에 기초하여 제 13 기준값을 결정할 수 있다. 제 13 기준값은 사용자가 제 2 서브 기간동안 제 1 캐릭터와 연계된 캐릭터를 사용한 비율이 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 12 기준값 및 제 13 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 제 1 서브 기간 동안 제 1 캐릭터와 연계된 캐릭터를 사용한 비율이 제 12 기준값보다 낮고, 사용자가 제 2 서브 기간동안 제 1 캐릭터와 연계된 캐릭터를 사용한 비율이 제 13 기준값보다 높은 경우, 분석 대상 사용자가 제 1 캐릭터와 관련하여 온라인 화폐를 많이 사용할 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 14은 본 개시의 일 실시예에 따른 제 8 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 8 모델은 사용자가 사용한 캐릭터의 종류의 개수가 많고, 획득한 캐릭터 성장 아이템의 종류의 개수가 많은 사용자를 구별하는 심리 모델이다. 사용자가 사용하는 캐릭터의 종류가 많고, 캐릭터의 레벨이 고른 경우, 서버(100)는 사용자가 게임을 즐기고 있어 게임 서비스를 장기적으로 이용할 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 8 기간 정보를 획득하는 단계(1410)를 수행할 수 있다. 제 8 기간 정보는 제 8 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 8 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 8 기간 정보에 대응되는 제 8 로그 데이터를 획득하는 단계(1420)를 수행할 수 있다. 제 8 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 8 로그 데이터에 기초하여, 사용자가 사용한 캐릭터의 종류의 개수를 나타내는 제 1 축에 대한 사용자들의 제 14 분포를 획득하는 단계(1430)를 수행할 수 있다.
또한 서버(100)는 제 14 분포에 기초하여 기준 데이터에 포함되는 제 14 기준값을 획득하는 단계(1440)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자가 사용한 캐릭터의 종류의 개수를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 사용자가 사용한 캐릭터의 종류의 개수에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 8 로그 데이터에 기초하여 제 14 분포를 획득할 수 있다. 제 14 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 14 분포에 기초하여 제 14 기준값을 결정할 수 있다. 제 14 기준값은 사용자가 사용한 캐릭터의 종류의 개수가 많은지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도 14를 참조하면, 서버(100)는 제 8 로그 데이터에 기초하여, 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수를 나타내는 제 2 축에 대한 사용자들의 제 15 분포를 획득하는 단계(1450)를 수행할 수 있다.
서버(100)는 제 7 로그 데이터에 포함된 복수의 사용자들의 로그 데이터에 기초하여, 사용자가 획득한 캐릭터 성장 아이템 정보를 획득할 수 있다. 서버(100)는 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수를 계산할 수 있다.
또한 서버(100)는 제 15 분포에 기초하여 기준 데이터에 포함되는 제 15 기준값을 획득하는 단계(1460)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수를 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 8 로그 데이터에 기초하여 제 15 분포를 획득할 수 있다. 제 15 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 15 분포에 기초하여 제 15 기준값을 결정할 수 있다. 제 15 기준값은 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수가 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 14 기준값 및 제 15 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자가 사용한 캐릭터의 종류의 개수가 제 14 기준값보다 높고, 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수가 제 15 기준값보다 높은 경우, 분석 대상 사용자가 게임을 즐기고 있어 게임 서비스를 장기적으로 이용할 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
본 개시의 다른 실시예에 따르면, 서버(100)는 사용자의 로그 데이터에 기초하여 사용자가 사용한 캐릭터의 레벨의 표준편차를 획득할 수 있다. 또한 서버(100)는 사용자의 로그 데이터에 기초하여 획득한 사용자가 사용한 캐릭터의 레벨의 표준편차를 제 15 기준값으로 결정할 수 있다. 또한 서버(100)는 분석 대상 사용자의 심리 상태 정보를 획득할 수 있다. 서버(ㄴ100)는 사용자가 사용한 캐릭터의 종류의 개수가 제 14 기준값보다 높고, 사용자가 사용한 캐릭터의 레벨의 표준편차가 제 15 기준값보다 낮은 경우, 분석 대상 사용자가 게임을 즐기고 있어 게임 서비스를 장기적으로 이용할 심리 상태인 것으로 결정할 수 있다.
도 15는 본 개시의 일 실시예에 따른 제 9 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 9 모델은 플레이 시간이 불규칙한 사용자를 구별하는 심리 모델이다. 사용자의 플레이 시간이 불규칙한 경우, 서버(100)는 사용자는 일상생활이 불규칙하여 게임을 지속적으로 이용할 수 없는 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 9 기간 정보를 획득하는 단계(1510)를 수행할 수 있다. 제 9 기간 정보는 제 9 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 9 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 9 기간 정보에 대응되는 제 9 로그 데이터를 획득하는 단계(1520)를 수행할 수 있다. 제 9 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 9 로그 데이터에 기초하여, 제 9 기간에 포함된 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타내는 제 1 축에 대한 사용자들의 제 16 분포를 획득하는 단계(1530)를 수행할 수 있다.
서버(100)는 설정 정보에 기초하여 제 3 서브 기간을 획득할 수 있다. 서버(100)는 설정 정보에 포함된 제 3 서브 기간을 메모리로부터 획득할 수 있다. 제 3 서브 기간은 시작점 정보 및 끝점 정보를 포함할 수 있다. 또한 제 3 서브 기간은 시작점 정보 및 기간 정보를 포함할 수 있다.
서버(100)는 제 9 로그 데이터로부터 사용자가 제 3 서브 기간동안 특정 시간대에 플레이한 횟수를 획득할 수 있다. 특정 시간대는 출퇴근 시간, 주말 시간 또는 평일 시간을 의미할 수 있다. 서버(100)는 제 9 로그 데이터로부터 사용자의 전체 플레이한 횟수를 획득할 수 있다. 서버(100)는 특정 시간대에 플레이한 횟수를 전체 플레이 횟수로 나눈 비율값을 획득할 수 있다. 서버(100)는 비율값의 표준편차를 비율값의 평균으로 나눈 값을 변동성으로 결정할 수 있다. 즉, 서버(100)는 아래 식1에 기초하여 변동성을 획득할 수 있다.
특정 시간대 플레이 비율 변동성 = 표준편차(특정시간대 플레이 횟수/전체 플레이 횟수) / 평균(특정시간대 플레이 횟수/전체 플레이 횟수) ... 식1
또한 서버(100)는 제 16 분포에 기초하여 기준 데이터에 포함되는 제 16 기준값을 획득하는 단계(1540)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 9 로그 데이터에 기초하여 제 16 분포를 획득할 수 있다. 제 16 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 16 분포에 기초하여 제 16 기준값을 결정할 수 있다. 제 16 기준값은 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성이 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도 15를 참조하면, 서버(100)는 제 9 로그 데이터에 기초하여, 제 9 기간에 포함되고, 제 3 서브 기간 이후의 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타내는 제 2 축에 대한 사용자들의 제 17 분포를 획득하는 단계(1550)를 수행할 수 있다.
서버(100)는 설정 정보에 기초하여 제 4 서브 기간을 획득할 수 있다. 서버(100)는 설정 정보에 포함된 제 4 서브 기간을 메모리로부터 획득할 수 있다. 제 4 서브 기간은 제 3 서브 기간 이후일 수 있다. 제 4 서브 기간은 시작점 정보 및 끝점 정보를 포함할 수 있다. 또한 제 4 서브 기간은 시작점 정보 및 기간 정보를 포함할 수 있다. 제 4 서브 기간은 시작점 정보를 제 3 서브 기간의 끝점 정보로 대체할 수 있다.
서버(100)는 제 9 로그 데이터로부터 사용자가 제 4 서브 기간동안 특정 시간대에 플레이한 횟수를 획득할 수 있다. 특정 시간대는 출퇴근 시간, 주말 시간 또는 평일 시간을 의미할 수 있다. 서버(100)는 제 9 로그 데이터로부터 사용자의 전체 플레이한 횟수를 획득할 수 있다. 서버(100)는 특정 시간대에 플레이한 횟수를 전체 플레이 횟수로 나눈 비율값을 획득할 수 있다. 서버(100)는 비율값의 표준편차를 비율값의 평균으로 나눈 값을 변동성으로 결정할 수 있다. 즉, 서버(100)는 식1에 기초하여 변동성을 획득할 수 있다.
또한 서버(100)는 제 17 분포에 기초하여 기준 데이터에 포함되는 제 17 기준값을 획득하는 단계(1560)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 9 로그 데이터에 기초하여 제 17 분포를 획득할 수 있다. 제 17 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 17 분포에 기초하여 제 17 기준값을 결정할 수 있다. 제 17 기준값은 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성이 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 16 기준값 및 제 17 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성이 제 16 기준값보다 낮고, 분석 대상 사용자의 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성이 제 17 기준값보다 낮은 경우, 분석 대상 사용자가 게임을 규칙적으로 즐기고 있어 게임 서비스를 장기적으로 이용할 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 16는 본 개시의 일 실시예에 따른 제 10 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 10 모델은 게임 서비스에 가입 후 초반에 오랜 시간 게임을 하지만 게임에 투자하는 시간 대비 효과가 낮은 사용자를 구별하는 심리 모델이다. 초반에 열심히 플레이하지만 효율이 낮은 경우, 서버(100)는 사용자가 게임에 금방 질릴 수 있는 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 10 기간 정보를 획득하는 단계(1610)를 수행할 수 있다. 제 10 기간 정보는 제 10 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 10 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 10 기간 정보에 대응되는 제 10 로그 데이터를 획득하는 단계(1620)를 수행할 수 있다. 제 10 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다.
서버(100)는 제 10 로그 데이터에 기초하여, 소정의 기간 동안의 플레이 시간과 관련된 정보를 나타내는 제 1 축에 대한 사용자들의 제 18 분포를 획득하는 단계(1630)를 수행할 수 있다.
서버(100)는 소정의 기간을 설정 정보에 기초하여 획득할 수 있다. 소정의 기간은 1일, 1주, 2주, 4주, 1개월 또는 1년 등을 포함할 수 있다. 서버(100)는 제 10 로그 데이터로부터 소정의 기간 동안의 사용자의 플레이 시간과 관련된 정보를 획득할 수 있다. 소정의 기간은 사용자의 게임 서비스 가입일을 시작점으로 할 수 있다. 소정의 기간은 제 10 기간 정보에 포함될 수 있다.
또한 서버(100)는 제 18 분포에 기초하여 기준 데이터에 포함되는 제 18 기준값을 획득하는 단계(1640)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 소정의 기간 동안의 플레이 시간과 관련된 정보를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 소정의 기간 동안의 플레이 시간과 관련된 정보에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 10 로그 데이터에 기초하여 제 18 분포를 획득할 수 있다. 제 18 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 18 분포에 기초하여 제 18 기준값을 결정할 수 있다. 제 18 기준값은 소정의 기간 동안의 플레이 시간과 관련된 정보가 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도 16을 참조하면, 서버(100)는 제 10 로그 데이터에 기초하여, 소정의 기간동안 사용자의 아이템 사용량과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 19 분포를 획득하는 단계(1650)를 수행할 수 있다.
서버(100)는 제 10 로그 데이터로부터 사용자의 아이템 사용량과 관련된 정보를 획득할 수 있다. 아이템의 사용량과 관련된 정보는 사용자가 사용한 아이템의 개수와 비례할 수 있다. 사용자가 사용한 아이템은 사용자가 보유한 캐릭터의 경험치 또는 능력치를 상승시키는 아이템일 수 있다.
또한 서버(100)는 제 19 분포에 기초하여 기준 데이터에 포함되는 제 19 기준값을 획득하는 단계(1660)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 아이템 사용량과 관련된 정보를 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 사용자의 아이템 사용량과 관련된 정보에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 10 로그 데이터에 기초하여 제 19 분포를 획득할 수 있다. 제 19 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 19 분포에 기초하여 제 19 기준값을 결정할 수 있다. 제 19 기준값은 사용자의 아이템 사용량과 관련된 정보가 높은지 낮은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 18 기준값 및 제 19 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 소정의 기간 동안의 플레이 시간과 관련된 정보가 제 18 기준값보다 높고, 분석 대상 사용자의 소정의 기간동안 사용자의 아이템 사용량과 관련된 정보가 제 19 기준값보다 낮은 경우, 분석 대상 사용자가 게임을 효율적으로 하지 않으므로 게임 서비스에 금방 지루함을 느낄 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 17은 본 개시의 일 실시예에 따른 제 11 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 11 모델은 짧은 시간 게임을 하면서 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간이 짧은 사용자를 구별하는 심리 모델이다. 캐릭터의 성능을 높이는 아이템은 게임 서비스 상에서 희귀한 아이템일 수 있다. 사용자가 게임을 짧게 하면서도 희귀 아이템을 금방 바꾸었다는 것은 희귀 아이템에 모든 노력을 쏟아 부었다는 것을 의미하며, 서버(100)는, 사용자가 게임을 추가적으로 이용할 여력이 없어 게임에 금방 질릴 수 있는 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 16 기간 정보를 획득하는 단계(1710)를 수행할 수 있다. 제 16 기간 정보는 제 11 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 16 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 16 기간 정보에 대응되는 제 15 로그 데이터를 획득하는 단계(1720)를 수행할 수 있다. 제 15 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 15 로그 데이터에 기초하여, 소정의 기간 동안 플레이 시간과 관련된 정보를 나타내는 제 1 축에 대한 사용자들의 제 27 분포를 획득하는 단계(1730)를 수행할 수 있다.
서버(100)는 소정의 기간을 설정 정보에 기초하여 획득할 수 있다. 소정의 기간은 1일, 1주, 2주, 4주, 1개월 또는 1년 등을 포함할 수 있다. 서버(100)는 제 10 로그 데이터로부터 소정의 기간 동안의 사용자의 플레이 시간과 관련된 정보를 획득할 수 있다. 소정의 기간은 사용자의 게임 서비스 가입일을 시작점으로 할 수 있다. 소정의 기간은 제 16 기간 정보에 포함될 수 있다.
또한 서버(100)는 제 27 분포에 기초하여 기준 데이터에 포함되는 제 27 기준값을 획득하는 단계(1740)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 소정의 기간 동안 플레이 시간과 관련된 정보를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 소정의 기간 동안의 플레이 시간과 관련된 정보에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 15 로그 데이터에 기초하여 제 27 분포를 획득할 수 있다. 제 27 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 27 분포에 기초하여 제 27 기준값을 결정할 수 있다. 제 27 기준값은 소정의 기간 동안의 플레이 시간과 관련된 정보가 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도 17을 참조하면, 서버(100)는 제 15 로그 데이터에 기초하여, 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 28 분포를 획득하는 단계(1750)를 수행할 수 있다.
서버(100)는 제 15 로그 데이터로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜를 획득할 수 있다. 캐릭터의 성능을 높이는 아이템은 캐릭터에 장착하여 캐릭터의 공격력, 방어력 또는 민첩도 중 적어도 하나를 높이는 아이템일 수 있다. 캐릭터의 성능을 높이는 아이템은 희귀하여 사용자가 많은 시간 게임을 플레이하여야 획득할 수 있다. 서버(100)는 캐릭터의 성능을 높이는 아이템을 변경한 날짜에서 사용자의 게임 서비스 가입일을 차감하여, 사용자가 캐릭터의 성능을 높이는 아이템을 변경할 때까지 걸린 기간을 획득할 수 있다.
또한 서버(100)는 제 28 분포에 기초하여 기준 데이터에 포함되는 제 28 기준값을 획득하는 단계(1760)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 15 로그 데이터에 기초하여 제 28 분포를 획득할 수 있다. 제 28 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 28 분포에 기초하여 제 28 기준값을 결정할 수 있다. 제 28 기준값은 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간이 긴지 짧은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 27 기준값 및 제 28기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 소정의 기간 동안의 플레이 시간과 관련된 정보가 제 27 기준값보다 낮고, 분석 대상 사용자의 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간이 제 28 기준값보다 낮은 경우, 분석 대상 사용자가 선택을 빠르게 하므로 게임 서비스에 금방 지루함을 느끼고 금방 이탈하려고 하는 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 18은 본 개시의 일 실시예에 따른 제 12 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 12 모델은 스토리 컨텐츠를 빠르게 진행하는 사용자를 구별하는 심리 모델이다. 사용자가 스토리 컨텐츠를 빠르게 진행하는 경우, 노력 투입 대비 재미에 대한 의사 결정이 확고하여, 진행이 막혔을 때 게임 서비스에 질리는 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 11 기간 정보를 획득하는 단계(1810)를 수행할 수 있다. 제 11 기간 정보는 제 12 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 11 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 11 기간 정보에 대응되는 제 11 로그 데이터를 획득하는 단계(1820)를 수행할 수 있다. 제 11 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 11 로그 데이터에 기초하여, 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간을 나타내는 제 1 축에 대한 사용자들의 제 20 분포를 획득하는 단계(1830)를 수행할 수 있다.
제 1 컨텐츠는 스토리 컨텐츠 중 하나일 수 있다. 사용자는 스토리 컨텐츠에 포함된 복수의 컨텐츠를 순차적으로 즐길 수 있다. 즉, 사용자가 제 1 컨텐츠를 즐기기 위해서는 제 1 컨텐츠 이전의 컨텐츠를 클리어해야 할 수 있다. 서버(100)는 제 11 로그 데이터에 기초하여 사용자가 가입일로부터 제 1 컨텐츠를 이용할 때까지 걸리는 기간을 획득할 수 있다.
또한 서버(100)는 제 20 분포에 기초하여 기준 데이터에 포함되는 제 20 기준값을 획득하는 단계(1840)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간을 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 11 로그 데이터에 기초하여 제 20 분포를 획득할 수 있다. 제 20 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 20 분포에 기초하여 제 20 기준값을 결정할 수 있다. 제 20 기준값은 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간이 긴지 짧은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도 18을 참조하면, 서버(100)는 제 11 로그 데이터에 기초하여, 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간을 나타내는 제 2축에 대한 사용자들의 제 21 분포를 획득하는 단계(1850)를 수행할 수 있다.
제 2 컨텐츠는 스토리 컨텐츠 중 하나일 수 있다. 제 2 컨텐츠는 제 1 컨텐츠 이후에 즐길 수 있는 컨텐츠일 수 있다. 서버(100)는 제 11 로그 데이터에 기초하여 사용자가 가입일로부터 제 2 컨텐츠를 이용할 때까지 걸리는 기간을 획득할 수 있다.
또한 서버(100)는 제 21 분포에 기초하여 기준 데이터에 포함되는 제 21 기준값을 획득하는 단계(1860)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 11 로그 데이터에 기초하여 제 21 분포를 획득할 수 있다. 제 21 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 21 분포에 기초하여 제 21 기준값을 결정할 수 있다. 제 21 기준값은 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간이 긴지 짧은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 20 기준값 및 제 21 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간이 제 20 기준값보다 낮고, 분석 대상 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간이 제 21 기준값보다 낮은 경우, 분석 대상 사용자가 게임 서비스에 금방 지루함을 느낄 수 있는 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 19는 본 개시의 일 실시예에 따른 제 13 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 13 모델은 캐릭터의 성장 속도가 느리고 아이템을 공략대로 사용하지 않는 사용자를 구별하는 심리 모델이다. 사용자가 아이템을 공략대로 사용하지 않고 사용자의 캐릭터가 성장 속도가 느린 경우, 사용자는 게임 서비스에 대하여 재미를 느끼지 못하는 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 12 기간 정보를 획득하는 단계(1910)를 수행할 수 있다. 제 12 기간 정보는 제 13 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 12 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 설정 정보로부터 제 13 기간 정보를 획득하는 단계(1920)를 수행할 수 있다. 제 13 기간 정보는 제 12 기간 정보보다 작거나 같을 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 12 기간 정보에 대응되는 제 12 로그 데이터를 획득하는 단계(1930)를 수행할 수 있다. 제 12 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 12 로그 데이터에 기초하여, 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수를 나타내는 제 1 축에 대한 사용자들의 제 22 분포를 획득하는 단계(1940)를 수행할 수 있다.
서버(100)는 소정의 아이템 리스트를 메모리로부터 수신할 수 있다. 소정의 아이템 리스트는, 사용자가 제 13 기간 내에 사용하는 경우 캐릭터를 빠르게 성장 시킬 수 있는 아이템의 리스트를 의미한다. 소정의 아이템 리스트는 적어도 하나의 아이템 식별 정보를 포함할 수 있다.
소정의 아이템 리스트는 서비스 제공자에 의하여 입력될 수 있다. 또한 소정의 아이템 리스트는 서버(100)가 자동으로 획득할 수 있다. 예를 들어 서버(100)는, 원시 데이터베이스에 기초하여, 사용자들 중 캐릭터를 상대적으로 빠르게 성장시키고 있는 사용자들을 선택할 수 있다. 서버(100)는 선택된 사용자들이 가입일로부터 제 13 기간에 사용한 아이템의 리스트를 획득할 수 있다. 서버(100)는 선택된 사용자들이 공통적으로 사용한 아이템들의 식별정보들을 소정의 아이템 리스트로 결정할 수 있다.
또한 서버(100)는 제 22 분포에 기초하여 기준 데이터에 포함되는 제 22 기준값을 획득하는 단계(1950)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수에 해당하는 사용자들의 빈도수를 나타낼 수 있다. 서버(100)는 제 12 로그 데이터에 기초하여 제 22 분포를 획득할 수 있다. 제 22 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 22 분포에 기초하여 제 22 기준값을 결정할 수 있다. 제 22 기준값은 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수가 많은지 적은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
다시 도19를 참조하면, 서버(100)는 제 12 로그 데이터에 기초하여, 단위 시간에 대한 캐릭터 레벨의 변화량과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 23 분포를 획득하는 단계(1960)를 수행할 수 있다.
단위 시간은 1주, 1일 또는 1시간 등을 나타낼 수 있다. 서버(100)는 제 12 로그 데이터에 기초하여 단위 시간당 캐릭터의 레벨의 변화량과 관련된 정보를 획득할 수 있다.
또한 서버(100)는 제 23 분포에 기초하여 기준 데이터에 포함되는 제 23 기준값을 획득하는 단계(1970)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 단위 시간에 대한 캐릭터 레벨의 변화량과 관련된 정보를 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 단위 시간에 대한 캐릭터 레벨의 변화량과 관련된 정보에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 12 로그 데이터에 기초하여 제 23 분포를 획득할 수 있다. 제 23 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 23 분포에 기초하여 제 23 기준값을 결정할 수 있다. 제 23 기준값은 단위 시간에 대한 캐릭터 레벨의 변화량과 관련된 정보가 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 22 기준값 및 제 23 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수가 제 22 기준값보다 작고, 분석 대상 사용자의 단위 시간에 대한 캐릭터 레벨의 변화량이 제 23 기준값보다 낮은 경우, 분석 대상 사용자가 게임 서비스에 금방 지루함을 느낄 수 있는 심리 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
도 20은 본 개시의 일 실시예에 따른 제 14 모델의 기준 데이터를 생성하는 과정을 나타낸 흐름도이다.
제 14 모델은 게임을 열심히 효율적으로 플레이 하지만 절대적인 시간이 부족한 사용자를 구별하는 심리 모델이다. 사용자가 게임을 열심히 효율적으로 플레이 하지만 절대적인 시간이 부족한 경우, 서버(100)는 사용자는 원하는 만큼 캐릭터를 성장시킬 수 없어 재미를 느끼지 못할 수 있는 심리 상태임을 결정할 수 있다. 서버(100)는 이러한 사용자를 선별하여, 사용자에 맞는 게임 서비스를 제공할 수 있다.
서버(100)는 설정 정보를 획득하는 단계(220)를 수행할 수 있다. 서버(100)는 메모리로부터 설정 정보를 획득할 수 있다. 또한 서버(100)는 유무선을 이용하여 외부의 장치로부터 설정 정보를 획득할 수 있다.
서버(100)는 설정 정보로부터 제 14 기간 정보를 획득하는 단계(2010)를 수행할 수 있다. 제 14 기간 정보는 제 14 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간을 의미할 수 있다. 도 4를 참조하면, 제 14 기간 정보는 분석 기간(440)에 대응될 수 있다.
서버(100)는 설정 정보로부터 제 15 기간 정보를 획득하는 단계(2020)를 수행할 수 있다. 제 15 기간 정보는 제 14 기간 정보보다 작거나 같을 수 있다.
서버(100)는 기준 데이터를 생성하는 단계(230)를 수행할 수 있다. 서버(100)는 원시 데이터베이스로부터 제 14 기간 정보에 대응되는 제 14 로그 데이터를 획득하는 단계(2030)를 수행할 수 있다. 제 14 로그 데이터는 테스트 데이터 획득부(350)가 출력하는 테스트 데이터베이스에 포함될 수 있다
서버(100)는 제 14 로그 데이터로부터, 사용자의 가입일로부터 제 15 기간 정보의 이후에 접속정보가 없는 사용자의 데이터들을 삭제하는 단계(2040)를 수행할 수 있다. 서버(100)는 제 15 기간 이후에 게임서비스에 접속정보가 없는 사용자의 데이터들을 제 14 로그 데이터로부터 삭제함으로써, 분석할 데이터의 수를 줄일 수 있다. 또한 게임 서비스를 짧게 이용할 계획이었던 사용자를 분석 대상에서 제외할 수 있다.
서버(100)는 제 14 로그 데이터에 기초하여, 사용자의 온라인 화폐 회전률에 대한 정보를 나타내는 제 1 축에 대한 사용자들의 제 24 분포를 획득하는 단계(2050)를 수행할 수 있다.
서버(100)는 제 14 로그 데이터로부터 사용자의 제 14 기간 내의 온라인 화폐 사용량, 제 14 기간의 시작점의 온라인 화폐 보유량 및 제 14 기간의 끝점의 온라인 화폐 보유량을 획득할 수 있다. 사용자는 온라인 화폐를 구입하거나, 게임을 플레이하여 획득할 수 있으므로, 제 14 기간 내의 온라인 화폐 사용량은 제 14 기간의 시작점의 온라인 화폐 보유량 및 제 14 기간의 끝점의 온라인 화폐 보유량의 차분과 차이가 있을 수 있다. 또한, 서버(100)는 사용자의 제 14 기간 내의 온라인 화폐 사용량, 제 14 기간의 시작점의 온라인 화폐 보유량 및 제 14 기간의 끝점의 온라인 화폐 보유량에 기초하여 온라인 화폐 회전률에 대한 정보를 획득할 수 있다. 예를 들어, 서버(100)는 식2에 기초하여 온라인 화폐 회전률을 획득할 수 있다.
온라인 화폐 회전율 = (제 14 기간 내 온라인 화폐 사용량)/((제 14 기간의 시작점의 온라인 화폐 보유량 + 제 14 기간의 끝점의 온라인 화폐 보유량)/2) ...식2
또한 서버(100)는 제 24 분포에 기초하여 기준 데이터에 포함되는 제 24 기준값을 획득하는 단계(2060)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 온라인 화폐 회전률에 대한 정보를 나타낼 수 있다. 가로축(610)은 제 1 축에 동일 대응될 수 있다. 세로축(620)은 사용자의 온라인 화폐 회전률에 대한 정보에 해당하는 사용자들의 빈도수를 나타낼 수 있다.
서버(100)는 제 14 로그 데이터에 기초하여 제 24 분포를 획득할 수 있다. 제 24 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 24 분포에 기초하여 제 24 기준값을 결정할 수 있다. 제 24 기준값은 사용자의 온라인 화폐 회전률에 대한 정보가 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 14 로그 데이터에 기초하여, 사용자의 일 평균 플레이 시간을 나타내는 제 2 축에 대한 사용자들의 제 25 분포를 획득하는 단계(2070)를 수행할 수 있다.
또한 서버(100)는 제 25 분포에 기초하여 기준 데이터에 포함되는 제 25 기준값을 획득하는 단계(2080)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 일 평균 플레이 시간을 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 사용자의 일 평균 플레이 시간에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 14 로그 데이터에 기초하여 제 25 분포를 획득할 수 있다. 제 25 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 25 분포에 기초하여 제 25 기준값을 결정할 수 있다. 제 25 기준값은 사용자의 일 평균 플레이 시간이 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 14 로그 데이터에 기초하여, 사용자의 플레이 시간당 획득한 경험치 정보를 나타내는 제 3 축에 대한 사용자들의 제 26 분포를 획득하는 단계(2090)를 수행할 수 있다.
또한 서버(100)는 제 26 분포에 기초하여 기준 데이터에 포함되는 제 26 기준값을 획득하는 단계(2095)를 수행할 수 있다. 도 6 및 도 7을 참조하면, 가로축(610)은 사용자의 로그 데이터에 기초하여, 사용자의 플레이 시간당 획득한 경험치 정보를 나타낼 수 있다. 가로축(610)은 제 2 축에 동일 대응될 수 있다. 세로축(620)은, 사용자의 플레이 시간당 획득한 경험치 정보에 해당하는 사용자의 빈도수를 나타낼 수 있다.
서버(100)는 제 14 로그 데이터에 기초하여 제 26 분포를 획득할 수 있다. 제 26 분포는 그래프(630)와 같을 수 있다. 서버(100)는 제 26 분포에 기초하여 제 26 기준값을 결정할 수 있다. 제 26 기준값은 사용자의 플레이 시간당 획득한 경험치 정보가 큰지 작은지를 구분하는 값일 수 있다. 분포에 기초하여 기준값을 결정하는 과정은 도 6 및 도 7과 함께 이미 설명한 바 있으므로 중복되는 설명은 생략한다.
서버(100)는 제 24 기준값, 제 25 기준값 및 제 25 기준값을 사용하여 분석 대상 사용자의 심리 상태 정보를 획득하는 단계(240)를 수행할 수 있다. 예를 들어, 서버(100)는 분석 대상 사용자의 온라인 화폐 회전률에 대한 정보가 제 24 기준값보다 크고, 분석 대상 사용자의 일 평균 플레이 시간이 제 25 기준값보다 작고, 분석 대상 사용자의 플레이 시간당 획득한 경험치 정보가 제 26 기준값보다 큰 경우, 분석 대상 사용자가 짧은 시간 안에 빠르게 성장하고 있으나, 게임을 즐길 시간이 없은 충분히 없는 상태인 것으로 결정할 수 있다. 서버(100)는 분석결과를 출력할 수 있다. 사용자 또는 서버(100)는 분석 결과에 따른 조치를 취할 수 있다.
이제까지 다양한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.

Claims (15)

  1. 복수의 모델을 사용하여 사용자의 심리를 분석하여 사용자를 분류하는 서버의 동작 방법으로서,
    게임 서비스 제공자의 서버로부터 원시(raw) 데이터베이스를 수신하는 단계;
    상기 원시 데이터베이스로부터 상기 복수의 모델 중 하나의 모델에 대응되는 기준 데이터를 획득하기 위하여, 적어도 하나의 모듈에 대한 설정 정보를 획득하는 단계;
    상기 설정 정보에 포함된 분석 기간(440)에 기초하여 설정된 상기 적어도 하나의 모듈에 기초하여 상기 원시 데이터베이스에 포함된 사용자들의 데이터로부터 상기 기준 데이터를 생성하는 단계; 및
    상기 기준 데이터 및 분석 대상 사용자의 로그 데이터의 크기 비교에 기초하여, 분석 대상 사용자에 대한 분석 기간(470)에 나타난 상기 분석 대상 사용자의 심리 상태 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스에 포함된 사용자들의 로그 데이터에 기초하여 생성된 데이터 값을 x축으로 하고, 상기 데이터 값에 대응하는 사용자들의 수를 y축으로 하는 분포를 획득하는 단계;
    상기 분포에 포함된 극대점들 중 가장 큰 사용자들의 수를 가지는 점을 제 1 극대점(640)으로 결정하는 단계;
    상기 분포에 포함된 극대점들 중 두 번째로 큰 사용자들의 수를 가지는 점을 제 2 극대점(650)으로 결정하는 단계;
    상기 제 1 극대점(640) 및 상기 제 2 극대점(650) 사이의 최소 사용자들의 수를 나타내는 점을 제 1 최소점(660)으로 결정하는 단계; 및
    상기 제 1 최소점(660)의 x축의 좌표를 상기 기준 데이터로 생성하는 단계를 포함하고,
    상기 설정 정보는 상기 복수의 모델에 따라 다르고,
    상기 설정 정보는 사용자의 게임 서비스 가입일, 사용자의 게임 서비스 가입일로부터 분석의 대상이 되지 않는 기간인 대기 기간(430), 및 기준 데이터를 생성하기 위한 상기 분석 기간(440)을 포함하고,
    상기 기준 데이터는 사용자의 심리 상태를 구분하기 위한 값이고,
    상기 기준 데이터를 생성하기 위한 분석 기간(440)은 분석 대상 사용자에 대한 분석 기간(470)의 이전이고,
    상기 생성된 데이터 값은 특정 시간대 플레이 비율 변동성 및 온라인 화폐 회전율 중 적어도 하나를 포함하고,
    상기 특정 시간대 플레이 비율 변동성은 표준편차(특정시간대 플레이 횟수/전체 플레이 횟수) / 평균(특정시간대 플레이 횟수/전체 플레이 횟수)이고,
    상기 온라인 화폐 회전율은 (제 14 기간 내 온라인 화폐 사용량)/((제 14 기간의 시작점의 온라인 화폐 보유량 + 제 14 기간의 끝점의 온라인 화폐 보유량)/2)이고,
    상기 제 14 기간은 게임을 열심히 효율적으로 플레이 하지만 절대적인 시간이 부족한 사용자를 구별하는 심리 모델인 제 14 모델을 적용하기 위해 필요한 로그 데이터가 수집되는 기간인 것을 특징으로 하는 서버의 동작 방법.
  2. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 1 기간 정보를 획득하는 단계; 및
    상기 설정 정보로부터 PvP 모드의 최소 플레이 횟수 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 1 기간 정보에 대응되고, 상기 PvP 모드의 최소 플레이 횟수 정보 이상 PvP 모드를 이용한 사용자들에 대한 제 1 로그 데이터를 획득하는 단계;
    상기 제 1 로그 데이터에 기초하여, PvP 컨텐츠 플레이 비율을 나타내는 제 1 축에 대한 사용자들의 제 1 분포를 획득하는 단계;
    상기 제 1 분포에 기초하여 상기 기준 데이터에 포함되는 제 1 기준값을 획득하는 단계;
    상기 제 1 로그 데이터에 기초하여, PvP 모드에서의 승률을 나타내는 제 2 축에 대한 사용자들의 제 2 분포를 획득하는 단계; 및
    상기 제 2 분포에 기초하여 상기 기준 데이터에 포함되는 제 2 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  3. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 2 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 2 기간 정보에 대응되는 제 2 로그 데이터를 획득하는 단계;
    상기 제 2 로그 데이터에 기초하여, 사용자가 보유한 캐릭터들의 개수를 나타내는 제 1 축에 대한 사용자들의 제 3 분포를 획득하는 단계;
    상기 제 3 분포에 기초하여 상기 기준 데이터에 포함되는 제 3 기준값을 획득하는 단계;
    상기 제 2 로그 데이터에 기초하여, 캐릭터의 외관을 변경하는 아이템에 사용한 온라인 화폐의 사용량의 비율과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 4 분포를 획득하는 단계; 및
    상기 제 4 분포에 기초하여 상기 기준 데이터에 포함되는 제 4 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  4. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 3 기간 정보를 획득하는 단계; 및
    상기 설정 정보로부터 상대적으로 약한 캐릭터의 리스트를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 3 기간 정보에 대응되는 제 3 로그 데이터를 획득하는 단계;
    상기 제 3 로그 데이터에 기초하여, 사용자가 상기 약한 캐릭터의 리스트에 포함된 캐릭터를 사용한 횟수를 나타내는 제 1 축에 대한 사용자들의 제 5 분포를 획득하는 단계;
    상기 제 5 분포에 기초하여 상기 기준 데이터에 포함되는 제 5 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  5. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 4 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 4 기간 정보에 대응되는 제 4 로그 데이터를 획득하는 단계;
    상기 제 4 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠의 이용 시간을 나타내는 제 1 축에 대한 사용자들의 제 6 분포를 획득하는 단계;
    상기 제 6 분포에 기초하여 상기 기준 데이터에 포함되는 제 6 기준값을 획득하는 단계;
    상기 제 4 로그 데이터에 기초하여, 사용자의 제 2 컨텐츠의 이용 시간을 나타내는 제 2 축에 대한 사용자들의 제 7 분포를 획득하는 단계; 및
    상기 제 7 분포에 기초하여 상기 기준 데이터에 포함되는 제 7 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  6. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 5 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 5 기간 정보에 대응되는 제 5 로그 데이터를 획득하는 단계;
    상기 제 5 로그 데이터에 기초하여, 사용자 과금된 액수를 지불한 횟수를 나타내는 제 1 축에 대한 사용자들의 제 8 분포를 획득하는 단계;
    상기 제 8 분포에 기초하여 상기 기준 데이터에 포함되는 제 8 기준값을 획득하는 단계;
    상기 제 5 로그 데이터에 기초하여, 사용자의 제 1 컨텐츠 실패 횟수를 나타내는 제 2 축에 대한 사용자들의 제 9 분포를 획득하는 단계; 및
    상기 제 9 분포에 기초하여 상기 기준 데이터에 포함되는 제 9 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  7. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 6 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 6 기간 정보에 대응되는 제 6 로그 데이터를 획득하는 단계;
    상기 제 6 로그 데이터에 기초하여, 총 플레이 시간 및 캐릭터의 레벨 정보에 기초하여 획득된 효율 정보를 나타내는 제 1 축에 대한 사용자들의 제 10 분포를 획득하는 단계;
    상기 제 10 분포에 기초하여 상기 기준 데이터에 포함되는 제 10 기준값을 획득하는 단계;
    상기 제 6 로그 데이터에 기초하여, 사용자의 과금 금액을 나타내는 제 2 축에 대한 사용자들의 제 11 분포를 획득하는 단계; 및
    상기 제 11 분포에 기초하여 상기 기준 데이터에 포함되는 제 11 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  8. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 7 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 7 기간 정보에 대응되는 제 7 로그 데이터를 획득하는 단계;
    상기 제 7 로그 데이터에 기초하여, 상기 제 7 기간에 포함된 제 1 서브 기간 동안 상기 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타내는 제 1 축에 대한 사용자들의 제 12 분포를 획득하는 단계;
    상기 제 12 분포에 기초하여 상기 기준 데이터에 포함되는 제 12 기준값을 획득하는 단계;
    상기 제 7 로그 데이터에 기초하여, 상기 제 7 기간에 포함되고, 제 1 서브 기간 이후의 제 2 서브 기간 동안 상기 사용자가 사용한 캐릭터들 중 제 1 캐릭터와 연계된 캐릭터를 사용한 비율을 나타내는 제 2 축에 대한 사용자들의 제 13 분포를 획득하는 단계;
    상기 제 13 분포에 기초하여 상기 기준 데이터에 포함되는 제 13 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  9. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 8 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 8 기간 정보에 대응되는 제 8 로그 데이터를 획득하는 단계;
    상기 제 8 로그 데이터에 기초하여, 상기 사용자가 사용한 캐릭터의 종류의 개수를 나타내는 제 1 축에 대한 사용자들의 제 14 분포를 획득하는 단계;
    상기 제 14 분포에 기초하여 상기 기준 데이터에 포함되는 제 14 기준값을 획득하는 단계;
    상기 제 8 로그 데이터에 기초하여, 상기 사용자가 획득한 캐릭터 성장 아이템의 종류의 개수를 나타내는 제 2 축에 대한 사용자들의 제 15 분포를 획득하는 단계; 및
    상기 제 15 분포에 기초하여 상기 기준 데이터에 포함되는 제 15 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  10. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 9 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 9 기간 정보에 대응되는 제 9 로그 데이터를 획득하는 단계;
    상기 제 9 로그 데이터에 기초하여, 상기 제 9 기간에 포함된 제 3 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타내는 제 1 축에 대한 사용자들의 제 16 분포를 획득하는 단계;
    상기 제 16 분포에 기초하여 상기 기준 데이터에 포함되는 제 16 기준값을 획득하는 단계;
    상기 제 9 로그 데이터에 기초하여, 상기 제 9 기간에 포함되고, 상기 제 3 서브 기간 이후의 제 4 서브 기간 동안 특정 시간대 플레이 비율 변동성을 나타내는 제 2 축에 대한 사용자들의 제 17 분포를 획득하는 단계; 및
    상기 제 17 분포에 기초하여 상기 기준 데이터에 포함되는 제 17 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  11. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 10 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 10 기간 정보에 대응되는 제 10 로그 데이터를 획득하는 단계;
    상기 제 10 로그 데이터에 기초하여, 소정의 기간 동안의 플레이 시간과 관련된 정보를 나타내는 제 1 축에 대한 사용자들의 제 18 분포를 획득하는 단계;
    상기 제 18 분포에 기초하여 상기 기준 데이터에 포함되는 제 18 기준값을 획득하는 단계;
    상기 제 10 로그 데이터에 기초하여, 상기 소정의 기간 동안 사용자의 아이템 사용량과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 19 분포를 획득하는 단계; 및
    상기 제 19 분포에 기초하여 상기 기준 데이터에 포함되는 제 19 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  12. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 16 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 16 기간 정보에 대응되는 제 15 로그 데이터를 획득하는 단계;
    상기 제 15 로그 데이터에 기초하여, 소정의 기간 동안 플레이 시간과 관련된 정보를 나타내는 제 1 축에 대한 사용자들의 제 27 분포를 획득하는 단계;
    상기 제 27 분포에 기초하여 상기 기준 데이터에 포함되는 제 27 기준값을 획득하는 단계;
    상기 제 15 로그 데이터에 기초하여, 가입일로부터 캐릭터의 성능을 높이는 아이템을 변경한 날짜 사이의 기간과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 28 분포를 획득하는 단계; 및
    상기 제 28 분포에 기초하여 상기 기준 데이터에 포함되는 제 28 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  13. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 11 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 11 기간 정보에 대응되는 제 11 로그 데이터를 획득하는 단계;
    상기 제 11 로그 데이터에 기초하여, 사용자의 가입일로부터 제 1 컨텐츠를 이용할 수 있을 때까지의 기간을 나타내는 제 1 축에 대한 사용자들의 제 20 분포를 획득하는 단계;
    상기 제 20 분포에 기초하여 상기 기준 데이터에 포함되는 제 20 기준값을 획득하는 단계;
    상기 제 11 로그 데이터에 기초하여, 사용자의 가입일로부터 제 2 컨텐츠를 이용할 수 있을 때까지의 기간을 나타내는 제 2축에 대한 사용자들의 제 21 분포를 획득하는 단계; 및
    상기 제 21 분포에 기초하여 상기 기준 데이터에 포함되는 제 21 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  14. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 제 12 기간 정보를 획득하는 단계; 및
    상기 설정 정보로부터 제 13 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 12 기간 정보에 대응되는 제 12 로그 데이터를 획득하는 단계;
    상기 제 12 로그 데이터에 기초하여, 사용자의 가입일로부터 제 13 기간에 사용자가 사용한 복수의 아이템 정보 중 소정의 아이템 리스트에 포함된 아이템 정보의 개수를 나타내는 제 1 축에 대한 사용자들의 제 22 분포를 획득하는 단계; 및
    상기 제 22 분포에 기초하여 상기 기준 데이터에 포함되는 제 22 기준값을 획득하는 단계;
    상기 제 12 로그 데이터에 기초하여, 단위 시간에 대한 캐릭터 레벨의 변화량과 관련된 정보를 나타내는 제 2 축에 대한 사용자들의 제 23 분포를 획득하는 단계;
    상기 제 23 분포에 기초하여 상기 기준 데이터에 포함되는 제 23 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.
  15. 제 1 항에 있어서,
    상기 설정 정보를 획득하는 단계는,
    상기 설정 정보로부터 상기 제 14 기간 정보를 획득하는 단계;
    상기 설정 정보로부터 제 15 기간 정보를 획득하는 단계를 포함하고,
    상기 기준 데이터를 생성하는 단계는,
    상기 원시 데이터베이스로부터 상기 제 14 기간 정보에 대응되는 제 14 로그 데이터를 획득하는 단계;
    상기 제 14 로그 데이터로부터, 사용자의 가입일로부터 상기 제 15 기간 정보의 이후에 접속정보가 없는 사용자의 데이터들을 삭제하는 단계;
    상기 제 14 로그 데이터에 기초하여, 사용자의 온라인 화폐 회전률에 대한 정보를 나타내는 제 1 축에 대한 사용자들의 제 24 분포를 획득하는 단계;
    상기 제 24 분포에 기초하여 상기 기준 데이터에 포함되는 제 24 기준값을 획득하는 단계;
    상기 제 14 로그 데이터에 기초하여, 사용자의 일 평균 플레이 시간을 나타내는 제 2 축에 대한 사용자들의 제 25 분포를 획득하는 단계;
    상기 제 25 분포에 기초하여 상기 기준 데이터에 포함되는 제 25 기준값을 획득하는 단계;
    상기 제 14 로그 데이터에 기초하여, 사용자의 플레이 시간당 획득한 경험치 정보를 나타내는 제 3 축에 대한 사용자들의 제 26 분포를 획득하는 단계; 및
    상기 제 26 분포에 기초하여 상기 기준 데이터에 포함되는 제 26 기준값을 획득하는 단계를 포함하는 것을 특징으로 하는 서버의 동작 방법.


KR1020190117907A 2019-09-25 2019-09-25 게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법 KR102297795B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190117907A KR102297795B1 (ko) 2019-09-25 2019-09-25 게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법
US17/023,627 US11376507B2 (en) 2019-09-25 2020-09-17 Apparatus for data preprocessing for classifying the psychology of a game user and an operation thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190117907A KR102297795B1 (ko) 2019-09-25 2019-09-25 게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법

Publications (2)

Publication Number Publication Date
KR20210036017A KR20210036017A (ko) 2021-04-02
KR102297795B1 true KR102297795B1 (ko) 2021-09-03

Family

ID=74881669

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190117907A KR102297795B1 (ko) 2019-09-25 2019-09-25 게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법

Country Status (2)

Country Link
US (1) US11376507B2 (ko)
KR (1) KR102297795B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5903729B1 (ja) * 2015-06-30 2016-04-13 株式会社ｇｌｏｏｐｓ ゲームサーバ、ゲーム制御方法、ゲームプログラム、ゲームプログラム記録媒体および端末装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9067140B2 (en) * 2007-12-05 2015-06-30 Verizon Patent And Licensing Inc. Method and apparatus for providing customized games
KR101208792B1 (ko) * 2010-12-30 2012-12-05 (주)네오위즈게임즈 미션카드를 이용하는 게임을 제공하는 방법, 게임 서버 및 기록매체
KR20150013378A (ko) * 2013-07-26 2015-02-05 주식회사 아베크게임즈 온라인 게임 유저 분석방법 및 그 분석시스템
US9498704B1 (en) * 2013-09-23 2016-11-22 Cignition, Inc. Method and system for learning and cognitive training in a virtual environment
KR20160126024A (ko) * 2014-02-27 2016-11-01 인터디지탈 테크날러지 코포레이션 네트워크 게임들 및 서비스들의 소비자들의 유지를 위한 방법 및 장치
US9993737B2 (en) * 2016-06-30 2018-06-12 Amazon Technologies, Inc. Constructing social networks using monitored game play
KR101881540B1 (ko) * 2016-10-31 2018-07-25 넷마블 주식회사 게임유저에 실시간 개인화 정보를 제공하는 방법, 서버, 시스템 및 컴퓨터 프로그램
US20190321730A1 (en) * 2018-04-20 2019-10-24 International Business Machines Corporation Cognitive personalized game experience based on player personality
US10835823B2 (en) * 2018-12-27 2020-11-17 Electronic Arts Inc. Sensory-based dynamic game-state configuration

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5903729B1 (ja) * 2015-06-30 2016-04-13 株式会社ｇｌｏｏｐｓ ゲームサーバ、ゲーム制御方法、ゲームプログラム、ゲームプログラム記録媒体および端末装置

Also Published As

Publication number Publication date
US11376507B2 (en) 2022-07-05
KR20210036017A (ko) 2021-04-02
US20210086086A1 (en) 2021-03-25

Similar Documents

Publication Publication Date Title
JP5712445B1 (ja) ゲームサーバ、ゲーム制御方法、ゲームプログラム及びゲームプログラム記録媒体
US9776089B1 (en) System and method for implementing dynamic content availability for individual players
JP7459361B2 (ja) ライブ動画を配信するためのシステム、方法、及びプログラム
WO2014179493A1 (en) System for managing direct challenges between users in fantasy sports and other games
US9144742B1 (en) System and method for predicting payer dormancy through the use of a test bed environment
Alha et al. Critical acclaim and commercial success in mobile free-to-play games
US9381425B1 (en) System and method for determining offer placement in a virtual space store interface
JP5799454B1 (ja) ゲームサーバ、ゲーム制御方法、ゲームプログラム、ゲームプログラム記録媒体及び端末装置
US11883745B2 (en) Systems and methods for providing a tailored video game based on a player defined time period
CN108601980A (zh) 信息处理系统、信息处理方法、程序、服务器和信息处理终端
US9320973B2 (en) Game server, game controlling method, game program recording medium, and game system
US11642597B2 (en) Apparatus for recommending game contents based on the psychology of a game user and an operation thereof
JP6243358B2 (ja) 情報処理装置、情報処理装置の制御方法、プログラム及び情報記憶媒体
KR102297795B1 (ko) 게임 사용자의 심리를 분류하기 위한 데이터 전처리 장치 및 데이터 전처리 장치의 동작 방법
Kummer et al. Applying commitment to churn and remaining players lifetime prediction
KR20170096028A (ko) 판타지 스포츠 및 기타 게임들에서 사용자들 간의 직접 도전 및 플레이어 교체를 관리하기 위한 시스템
Smith et al. Mining controller inputs to understand gameplay
KR102059996B1 (ko) 사회인 스포츠 팀의 구성을 위한 추천 시스템 및 방법
KR101222251B1 (ko) 온라인 게임의 아이템 추천 방법 및 장치
KR102469355B1 (ko) 게임 사용자의 심리를 분류하기 위한 표준 테이블 생성 장치 및 표준 테이블 생성 장치의 동작 방법
JP6892226B2 (ja) プログラム、情報処理方法、及び情報処理装置
Hui Understanding gamer retention in social games using aggregate dau and mau data: A bayesian data augmentation approach
JP2020163049A (ja) ゲームシステム、それに用いるコンピュータプログラム、及び制御方法
Bicalho et al. A Dynamic Difficulty Adjustment Algorithm With Generic Player Behavior Classification Unity Plugin In Single Player Games
KR101188826B1 (ko) 온라인 스포츠 게임의 캐릭터 제공 방법 및 장치

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant