KR102517835B1 - Ａｉ 기반의 사용자 게임 플레이 예측 시스템 - Google Patents

Abstract

사용자의 게임 플레이 예측 시스템은, 사용자들의 게임들에 대한 플레이와 관련된 정보인 플레이정보를 사용자 단말기로부터 제공받아 수집하는 수집 모듈, 수집된 플레이정보를 분석에 필요한 데이터 형태로 가공하는 가공 모듈, 및 가공된 상기 플레이정보를 인공지능 알고리즘을 이용한 머신 러닝을 통해 분석하여 사용자들에 대해 향후 예상되는 게임과 관련한 행동의 예측치를 도출하는 AI 분석 모듈을 구비한다. 사용자의 게임에 대한 플레이정보에 대해 인공지능 알고리즘을 적용하여 사용자의 향후 플레이에 대한 예측치를 도출할 수 있다. 이러한 예측치는 타겟 마케팅 등에 활용된다.

Description

ＡＩ 기반의 사용자 게임 플레이 예측 시스템 {System for forecasting Game Plays of Users based on Artificial Intelligence Algorithm}

본 발명은 AI 기반의 사용자 게임 플레이 예측 시스템에 관한 것으로서, 보다 상세하게는, 사용자의 로그 기록 등과 같은 플레이정보를 토대로 사용자의 향후 게임 플레이와 관련한 행동을 예측하는 시스템에 관한 것이다.

IT 기술의 발달에 따라 다양한 컴퓨터 게임이 활성화되고 많은 사용자가 온라인 게임을 즐기고 있다. 많은 게임 개발사가 경쟁적으로 다양한 종류의 게임을 출시함에 따라 컴퓨터 게임을 즐기는 사용자들에게 게임에 대해 마케팅을 할 필요가 있다. 마케팅을 하고자 하는 게임 개발사는 불특정 다수의 사용자에 대한 플레이 성향에 대해 알기 어렵기 때문에, 특정 게임에 적합한 주 수요층을 타겟으로 하는 마케팅을 수행하기 어렵다. 이에 따라 마케팅에 소요되는 노력과 비용에 비해 효과적인 마케팅 효과를 기대할 수 없는 상황이다. 나아가, 네트워크상의 광고 시장에는 인위적으로 광고 조회 트래픽을 증가시키는 등 사기성 조작이 성행하고 있으며, 이는 게임 개발사의 비용 증가의 폐해로 이어져 결과적으로 사용자에게 과금되는 게임의 이용료 증가로 이어지게 된다.

타겟 마케팅을 하기 위해 필요한 것은 기본적으로 사용자의 성향 분석이다. 즉, 어떤 사용자가 게임을 얼마나 자주 그리고 오래 하는지 등과 같은 정보를 알 수 있다면 그 사용자에게 집중적으로 광고를 함으로써 광고의 효과를 높일 수 있다. 그러나 이러한 성향 분석만으로는 여전히 타겟 광고의 효과에 한계가 있다. 만약 어떤 사용자에 대해 과거 플레이 패턴을 토대로 향후 플레이 행동을 예측할 수 있다면, 해당 사용자에 대한 예측치를 바탕으로 그 사용자에 더욱 부합되고 효과가 높은 타겟 광고를 수행할 수 있을 것이다. 일 예로서, 특정 사용자가 오늘 밤 9시부터 2시간동안 게임을 할 것으로 예상되고 이 사용자가 즐길 것으로 예상되는 새로운 게임이 있다면, 이러한 예상치에 맞추어 사용자가 실제 게임을 시작하기 직전에 새로운 게임을 무료로 체험할 수 있는 쿠폰을 발송하여 줄 수 있다. 이와 같이 예측치를 토대로 타겟 광고를 할 경우, 광고의 효과는 단순한 성향 분석에 비하여 비교할 수 없이 클 것으로 예상된다.

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명의 목적은 사용자의 게임에 대한 플레이정보에 대해 인공지능 알고리즘을 적용하여 사용자의 향후 플레이에 대한 예측치를 도출하는 방안을 제공하는 것이다.

또한 본 발명은, 이러한 예측치를 토대로 예컨대 타겟 마케팅 등에 활용함으로써, 게임 개발사는 새로 출시한 게임을 동 게임에 관심도가 높을 것으로 예측되는 사용자에게 타겟팅 광고를 할 수 있다.

상기 목적을 달성하기 위하여 본 발명은, 사용자들의 게임들에 대한 플레이와 관련된 정보인 플레이정보를 상기 사용자가 사용하는 사용자 단말기로부터 제공받아 수집하는 수집 모듈; 상기 수집 모듈에 의해 수집된 상기 플레이정보를 분석에 필요한 데이터 형태로 가공하는 가공 모듈; 및 상기 가공 모듈에 의해 가공된 상기 플레이정보를 인공지능 알고리즘을 이용한 머신 러닝을 통해 분석하여, 상기 사용자들에 대해 향후 예상되는 게임과 관련한 행동의 예측치를 도출하는 AI 분석 모듈;을 포함하여 구성되는 사용자의 게임 플레이 예측 시스템을 제시한다.

여기에서 상기 플레이정보는, 게임이 플레이되는 상기 사용자 단말기에 게임의 플레이를 위해 입력되는 입력신호, 게임이 플레이되는 상기 사용자 단말기에 의해 출력되는 출력신호, 상기 사용자의 게임에 대한 로그 기록, 게임의 플레이를 위한 프로그램이 상기 사용자 단말기에 설치 및 삭제된 이력, 게임에 대한 상기 사용자의 플레이 등급, 및 상기 사용자의 게임과 관련한 결제 내역 중 하나 이상을 포함한다. 그리고 상기 예측치는, 상기 사용자가 게임을 플레이할 시각, 특정 시각에 상기 사용자가 게임을 플레이할지 여부, 상기 사용자가 어떤 게임을 플레이할지 여부, 상기 사용자의 게임에 대한 결제 여부 및/또는 결재 금액, 특정 게임에 대한 상기 사용자의 수 변화, 및 특정 게임에 대한 상기 사용자의 이탈 여부 중 하나 이상을 포함한다.

상기 AI 분석 모듈은 상기 예측치와 함께 상기 게임의 플레이와 관련된 소정의 판별치를 도출한다. 상기 판별치는, 상기 사용자들의 게임 플레이 조작 방식, 상기 사용자가 로봇인지 여부, 상기 사용자들이 선호하는 게임의 그래픽 및/또는 음향, 상기 사용자가 선호하는 게임의 장르, 및 상기 사용자의 플레이에 대한 부정행위 여부 중 하나 이상을 포함한다.

상기 가공 모듈은, 상기 플레이정보에 대해 각 이벤트별 특징을 추출하여 추출된 각각의 특징에 대해 워드 임베딩(Word Embedding)을 통해 벡터화한다.

상기 AI 분석 모듈은, 벡터화된 상기 플레이정보에 대해 CNN (Convolutional Neural Network) 알고리즘을 적용하여 상기 예측치를 도출하는 CNN 모듈, 벡터화된 상기 플레이정보에 대해 LSTM (Long-Short Term Memory) 알고리즘을 적용하여 상기 예측치를 도출하는 LSTM 모듈, 및 벡터화된 상기 플레이정보에 대해 랜덤포레스트(Random Forest) 및/또는 의사결정트리(Decision Tree)를 포함하는 정적분류 알고리즘을 적용하여 상기 예측치를 도출하는 정적분류 모듈을 포함하여 구성될 수 있다.

또한, 상기 AI 분석 모듈은, 상기 CNN 모듈, 상기 LSTM 모듈 및 상기 정적분류 모듈 중 적어도 둘 이상을 뉴럴네트워크 알고리즘을 이용하여 조합한 결과를 토대로 상기 예측치를 도출하는 뉴럴네트워크 모듈을 더 포함하여 구성될 수 있다.

본 발명에 따른 사용자의 게임 플레이 예측 시스템은, 상기 AI 분석 모듈에 의해 도출된 상기 예측치를 게임 제공사가 운영하는 게임제공 서버로 전송하는 전송 모듈을 더 포함하여 구성될 수 있다.

또한 본 발명에 따른 사용자의 게임 플레이 예측 시스템은, 상기 게임 제공사가 상기 사용자들에게 제공하고자 하는 프로모션 관련 정보인 프로모션정보를 상기 게임제공 서버로부터 제공받고, 상기 프로모션정보를 상기 사용자 단말기로 제공하는 프로모션 관리 모듈을 더 포함하여 구성될 수 있다.

본 발명에 따르면, 사용자의 게임에 대한 플레이정보에 대해 인공지능 알고리즘을 적용하여 사용자의 향후 플레이에 대한 예측치를 도출할 수 있다. 이러한 예측치는 예컨대 타겟 마케팅 등에 활용됨으로써, 새로 출시한 게임을 동 게임에 관심도가 높을 것으로 예측되는 사용자에게 타겟팅 광고할 수 있다.

도 1 은 본 발명에 따른 사용자 게임 플레이 예측 시스템을 포함하는 전체 구성을 도시한 도면.
도 2 는 도 1 의 AI 분석 모듈의 세부 구성을 도시한 도면.
도 3 은 도 2 의 CNN 모듈에 입력되는 데이터의 형태를 예시적으로 보여주는 도면.

이하에서는 도면을 참조하여 본 발명을 보다 구체적으로 설명한다.

이하의 설명에서, ~시스템, ~모듈 등으로 기재된 구성은 각각이 하나의 컴퓨터나 서버에 의해 구현될 수도 있고 하나의 컴퓨터나 서버 내에 기능 모듈들로 각각 구분되어 구비되도록 구성될 수도 있다. 본 발명의 설명에서, 본 발명의 요지와 직접적으로 관련되어 있지 않거나 통상적으로 자명하게 구비되는 일반적인 구성에 대해서는 본 발명의 특징적인 구성과 직접 관련되어 있지 않는 한 그 세세한 구성의 도시 및 설명이 생략된다.

도 1 은 본 발명에 따른 사용자 게임 플레이 예측 시스템을 포함하는 전체 구성을 도시한 도면이다.

본 발명의 시스템(100)은, 게임을 플레이하는 사용자들로부터 플레이정보를 제공받고, 이 플레이정보를 토대로 사용자 행동의 예측치를 도출한다. 이를 위하여, 사용자들이 사용하는 사용자 단말기(70)는 인터넷을 통해 본 발명의 시스템(100)에 연결되어 상호 통신 가능하다.

또한 본 발명의 시스템(100)은, 이러한 예측치를 게임 개발사들에게 제공하여 게임에 대한 프로모션에 필요한 프로모션정보의 생성 또는 전송을 할 수 있도록 하거나, 또는 게임 개발사들로부터 프로모션 요청이 있는 경우 이를 수신하여 예측치를 토대로 해당 게임에 부합되는 행동이 예측되는 사용자들에게 프로모션정보를 제공한다. 이를 위하여, 게임 개발사들이 운영하는 게임제공 서버(50)는 인터넷을 통해 본 발명의 시스템(100)에 연결되어 상호 통신 가능하다.

본 발명의 시스템(100)이 사용자 단말기(70)에 대해 통신 가능하도록 연결되어 후술되는 플레이정보를 사용자 단말기(70)로부터 수신할 수 있게 하는 것은 다양한 방법으로 구현될 수 있다. 다만, 사용자 단말기(70)가 자발적으로 시스템(100)에 접속하게 하는 것은 다양한 플레이정보의 취합에 부적절하다고 볼 수 있고, 따라서 사용자 단말기(70)에 별도의 어플리케이션을 설치하여 사용자가 게임을 플레이할 때마다 어플리케이션의 동작에 의하여 플레이정보가 사용자 단말기(70)로부터 시스템(100)으로 전송되도록 하는 것이 바람직하다. 이를 위하여, 예컨대 사용자가 통상적으로 설치하는 보안 프로그램을 설치할 때 사용자 동의하에 플레이정보를 송신하는 어플리케이션이 설치되도록 하는 방안이 사용될 수 있다.

도 1 에 도시된 바와 같이, 본 발명의 시스템(100)은 수집 모듈(110), 가공 모듈(120), AI 분석 모듈(130), 전송 모듈(140), 및 프로모션 관리 모듈(150)을 포함하여 구성된다.

수집 모듈(110)은 사용자들의 게임들에 대한 플레이와 관련된 정보인 플레이정보를 사용자 단말기(70)로부터 제공받아 수집한다. 여기에서 플레이정보는 사용자의 향후 게임과 관련된 행동의 예측치를 도출하기 위한 기초가 되는 정보로서, 주로 사용자의 플레이 패턴과 관련된 정보이다. 플레이정보는 게임이 플레이되는 사용자 단말기(70)에 게임의 플레이를 위해 입력되는 입력신호 및 게임이 플레이되는 상기 사용자 단말기에 의해 출력되는 출력신호를 포함할 수 있다. 이러한 입력신호와 출력신호는, 예컨대 입력의 갯수, 빈도, 속도 등을 분석하거나 플레이 중에 게임에서 출력되는 음향을 분석함으로써 사용자의 플레이 성향을 도출하거나 사용자가 선호하는 게임의 종류 등을 도출하는 자료가 될 수 있다. 플레이정보는 상기 사용자의 게임에 대한 로그 기록을 포함할 수 있다. 로그 기록은, 예컨대 어떤 게임에 대해 접속 개시 및 종료한 시각에 대한 데이터를 통해 플레이의 빈도, 한 번 플레이할 때의 지속 시간, 플레이하는 시간대 등을 각 게임별로 도출하는 자료가 될 수 있다. 플레이정보는 게임의 플레이를 위한 프로그램이 사용자 단말기(70)에 설치 및 삭제된 이력을 포함할 수 있다. 이러한 이력은, 사용자가 특정 게임에 대해 지속적으로 선호하는 정도나 즐기는 게임의 종류, 그리고 즐기는 게임의 변화 등에 대해 도출하는 자료가 될 수 있다. 플레이정보는 게임에 대한 사용자의 플레이 등급을 포함할 수 있다. 플레이 등급은 해당 사용자의 게임 숙련도를 통해 매니아층인지 여부 등을 도출하는 자료가 될 수 있다. 플레이정보는 사용자의 게임과 관련한 결제 내역을 포함할 수 있다. 결제 내역은 사용자가 게임을 즐기는 데에 지불할 용의가 있는 비용 등을 도출하는 자료가 될 수 있다.

가공 모듈(120)은 수집 모듈(110)에 의해 수집된 플레이정보를 AI 분석 모듈(130)이 분석 동작을 하기 위해 필요한 데이터 형태로 가공한다. 이때 가공 모듈(120)은, 플레이정보에 대해 각 이벤트별 특징을 추출하여 추출된 각각의 특징에 대해 워드 임베딩(Word Embedding)을 통해 벡터화하는 방식으로 가공할 수 있다. 구체적으로는, 사용자의 플레이정보를 각 이벤트별로 분류하여 이에 매칭되는 단어로 분류한다. 예컨대 Ligin, SignUp, LevelUp 등과 같은 이벤트들로 구분되어 분류될 수 있다. 이와 같이 분류된 각 이벤트들을 워드 임베딩을 통해 벡터로 변경한다. 각 이벤트들의 벡터는 각 이벤트들 사이의 상관관계가 높을수록 유사한 값을 갖는 벡터가 되고 상관관계가 낮을수록 비유사한 값을 갖는 벡터가 된다. 이와 같이 벡터로 변경된 데이터값을 토대로 피쳐(feature)를 분류한다. 이와 같이 분류된 피쳐들이 AI 분석 모듈(130)에서의 학습 알고리즘에 입력되는 입력 데이터로서 사용된다.

AI 분석 모듈(130)은 가공 모듈(120)에 의해 가공된 플레이정보를 인공지능 알고리즘을 이용한 머신 러닝을 통해 분석하여, 각각의 사용자들에 대해 향후 예상되는 게임과 관련한 행동의 예측치를 도출한다. 여기에서 예측치는 본 발명의 시스템(100)이 궁극적으로 구하고자 하는 결과이며, 다양한 종류를 포함할 수 있다. 즉, 예측치는 사용자가 게임을 플레이할 시각, 특정 시각에 사용자가 게임을 플레이할지 여부, 사용자가 어떤 게임을 플레이할지 여부, 사용자의 게임에 대한 결제 여부 및/또는 결재 금액, 특정 게임에 대한 사용자의 수 변화, 및 특정 게임에 대한 사용자의 이탈 여부 중 하나 이상의 항목을 포함할 수 있다. 이러한 각각의 예측치 항목은 본 발명의 시스템(100)이 상시적으로 도출할 수도 있고, 게임제공 서버(50)로부터 특정 항목의 예측치가 요구될 경우 시스템(100)이 해당 항목의 예측치를 도출할 수도 있다.

예컨대, 게임제공 서버(50)가 오늘 밤 9시~10시 사이에 게임을 플레이할 것으로 예측되는 사용자에 대해 특정 광고 콘텐츠를 전송하고자 의도하면, 개임제공 서버(50)는 이러한 요청을 본 발명의 시스템(100)에 전송한다. 시스템(100)의 AI 분석 모듈(130)은 분석 알고리즘을 실행하여 이 항목의 예측치를 도출한다. 도출된 결과에 따라, 시스템(100)은 게임제공 서버(50)로부터 받은 광고 콘텐츠를 예측된 사용자의 사용자 단말기(70)들로 전송한다. 바람직하게는, AI 분석 모듈(130)은 각 예측치의 항목을 각 사용자별로 1 또는 0 으로 구분한 결과로 도출한다. 즉, 상기 사례에서, 각 사용자별로 "User1 = 0, User2 = 0, User3 = 1, ㆍㆍㆍ"과 같이 모든 사용자에 대해 예측치가 결정된다.

한편, 본 발명의 AI 분석 모듈(130)은, 상기한 바와 같은 예측치와 함께 게임의 플레이와 관련된 소정의 판별치를 도출하도록 구성된다. 판별치 도출에도 인공지능 알고리즘이 적용된다.

판별치는 특정 사용자에 대한 향후 행동의 예측치와는 구분되는 개념으로서, 사용자들에 대한 게임과 관련한 각종 통계와 관련되어 있거나 전반적인 사용자의 플레이와 관련된 이상 동작 등에 대해 판단한 값을 의미한다. 일 예로서, 판별치는 사용자들의 게임 플레이 조작 방식, 사용자가 로봇인지 여부(즉, 사람인 사용자를 가장하여 게임 플레이를 위해 개발된 머신에 의해 게임이 수행되는 것인지 여부), 사용자들이 선호하는 게임의 그래픽 및/또는 음향, 사용자가 선호하는 게임의 장르, 및 사용자의 플레이에 대한 부정행위 여부 등을 포함할 수 있다. 플레이에 대한 통계와 관련된 판별 또는 이상 동작 등과 같은 현상 여부에 대한 판별 등은 단순히 특정 이벤트의 발생을 토대로 판단하는 경우 그 판단의 정확도가 떨어진다. 따라서 본 발명의 인공지능 알고리즘을 적용함으로써, 그 판별의 정확도가 머신러닝을 통해 적응적으로 개선되도록 할 수 있다.

전송 모듈(140)은 AI 분석 모듈(130)에 의해 도출된 예측치 및/또는 판별치를 게임제공 서버(50)로 전송한다. 전송 모듈(140)로부터 예측치 및/또는 판별치를 제공받음에 따라, 게임제공 서버(50)는 광고를 위하여 사용자들에 대한 행동 예측을 하거나 게임 개발을 위한 방향 설정을 위해 판별치를 참고할 수 있다. 전송 모듈(140)의 전송은 게임제공 서버(50)로부터의 별도 요청이 있는 경우에만 이루어지도록 하는 것이 바람직하다.

프로모션 관리 모듈(150)은 게임 제공사가 사용자들에게 제공하고자 하는 프로모션 관련 정보인 프로모션정보를 게임제공 서버(50)로부터 제공받고, 이 프로모션정보를 사용자 단말기로 제공하는 기능을 한다. 프로모션정보는, 예컨대 게임제공 서버(50)가 제공하는 게임에 대한 광고, 동 게임에 대한 리워드(reward), 동 게임을 무료로 체험할 수 있는 쿠폰 등을 포함할 수 있으며, 그 외에 전체 사용자 중에서 게임제공 서버(50)가 제공하는 게임의 특성에 부합되는 것으로 예측된 사용자에게만 부합되는 개별적인 콘텐츠로서 작성될 수 있다.

이하에서는 본 발명의 시스템(100) 내의 AI 분석 모듈(130)의 구성 및 동작에 대해 보다 구체적으로 기술한다.

도 2 는 도 1 의 AI 분석 모듈(130)의 세부 구성을 도시한 도면이다. 본 발명의 AI 분석 모듈(130)은 CNN 모듈(131), LSTM 모듈(132), 정적분류 모듈(133), 및 뉴럴네트워크 모듈(135)을 포함하여 구성된다.

CNN 모듈(131)은 가공 모듈(120)에 의해 벡터화된 플레이정보에 대해 CNN(Convolutional Neural Network) 알고리즘을 적용하여 예측치를 도출한다. CNN 알고리즘은 이미지 분류 처리에 최적화된 인공지능 알고리즘으로서, 시각화된 데이터에서 필터가 동작하여 특이성을 찾아내는 데에 주로 사용된다. 도 3 은 도 2 의 CNN 모듈(131)에 입력되는 데이터의 형태를 예시적으로 보여주는 도면으로서, 전술한 바와 같이 가공 모듈(120)에 의해 벡터화되어 특징별로 추출된 각 사용자의 데이터를 이미지 데이터와 같은 형태로 구성한 것이다. 도 3 에서, 각 사용자(User1, User2, .....)에 대한 플레이정보가 각 날짜별(Day1, Day2, .....)로 구분되어 행을 이루도록 배치되어 있으며, 또한 각 날짜에 대한 플레이정보가 벡터화된 각 특징별(Feature1, Feature2, ......)로 열을 이루도록 배치되어, 하나의 사용자(User1)에 대한 플레이정보가 이미지 데이터와 같은 형태로 배치되어 있다. 이와 같이 각 사용자별로 플레이정보가 사용자의 수만큼 형성됨에 따라 CNN 모듈(131)에 입력될 플레이정보가 생성된다. CNN 모듈(131)은 이와 같이 분류된 플레이정보에 CNN 알고리즘을 적용하여 특정 항목의 예측치를 도출한다. CNN 알고리즘은 이와 같이 이미지화된 형태의 플레이정보에 대해 머신 러닝을 적용하기에 최적화된 알고리즘을 제공한다.

LSTM 모듈(132)은 벡터화된 플레이정보에 대해 LSTM (Long-Short Term Memory) 알고리즘을 적용하여 예측치를 도출한다. LSTM 알고리즘은 이전의 입력 데이터를 기억하여 분석하는 RNN 알고리즘의 짧은 기간 지속성을 개선한 알고리즘으로서, 긴 기간 동안의 데이터에 대해 지속적으로 예측을 하는 데에 최적화된 알고리즘이다. 예컨대 사용자의 플레이정보에 게임에 접속한 로그 기록에 대해 분석할 경우, 어느 한 날짜 내에서의 로그 기록에 대한 데이터와 여러 날짜에 걸친 로그 기록에 대한 데이터에 대한 분석이 모두 필요하며, 이러한 로그 기록들에 대한 데이터가 입력되는 동안 다른 데이터, 예컨대 입력신호와 출력신호 구매 기록 등과 같은 데이터가 혼입되게 된다. 이와 같이 입력되는 다수 종류의 플레이정보에서 로그 기록에 대한 분석만이 요구될 경우, LSTM 알고리즘은 오류가 적은 효과적인 분석 툴을 제공한다.

정적분류 모듈(133)은 벡터화된 플레이정보에 대해 랜덤포레스트(Random Forest) 및/또는 의사결정트리(Decision Tree)를 포함하는 정적분류 알고리즘을 적용하여 예측치를 도출한다. 정적분류 기법은 딥러닝 방식의 연구가 활발하기 이전부터 계산식을 이용하여 분류하는 전통적인 기법으로서, 스팸 메일의 분류, 악성 코드의 탐지, 이미지 분류, 화합물 분류 등의 다양한 분야에서 오랜 기간에 걸쳐 폭넓게 사용되어온 기법이다. 정적분류 알고리즘을 적용할 경우 매우 안정적이고 균형적인 결과를 도출하기에 적합하다. 따라서, 상기와 같은 CNN 알고리즘과 LSTM 알고리즘에 대해 정적분류 알고리즘을 조합할 경우, CNN 알고리즘과 LSTM 알고리즘에 특화된 결과값에 안정적인 결과값이 조합되어 예측의 정확도가 높아질 수 있다.

뉴럴네트워크 모듈(135)은 CNN 모듈(131), LSTM 모듈(132) 및 정적분류 모듈(133)들의 출력 결과물에 대해 뉴럴네트워크 알고리즘을 이용하여 조합한 결과를 토대로 예측치를 도출한다. 일반적으로 머신러닝 모델들은 특정 영역에서의 답을 찾기 위해 특화되어 있다. 머신러닝을 활용하는 데에 있어서 각 모델들의 개별 특징들을 결합하여 더 강력한 모델을 구성할 수 있으며, 예컨대 A 모델의 결과를 B 모델의 입력으로 결합하거나 각자 다른 모델들의 결과들을 결합하는 앙상블 기법 적용할 수 있다. 앙상블 기법은 각 모델별 결과값에 대해 가중치를 부여하여 조합하는 방법 등을 적용하여 최종 결과값을 더욱 효과적으로 도출할 수 있다. 이는 개별 모델들 사이에서 다양성이 존재할 때 더욱 정확한 결과를 얻을 수 있게 한다. 본 발명에서는 상기한 각 모듈들(131, 132, 133)에 대해 뉴럴네트워크 알고리즘을 통해 조합함으로써 더욱 정확한 예측치를 얻을 수 있도록 한다. 한편, 뉴럴네트워크 모듈(135)은 CNN 모듈(131), LSTM 모듈(132) 및 정적분류 모듈(133) 모두가 아닌 이들 중 어느 두 개의 모듈들에 대해서만 조합한 결과를 도출하도록 구성될 수도 있다.

이상 기술한 바와 같은 본 발명에 의하면, 사용자의 게임에 대한 플레이정보에 대해 인공지능 알고리즘을 적용하여 사용자의 향후 플레이에 대한 예측치를 도출할 수 있다. 이러한 예측치를 토대로 예컨대 타겟 마케팅 등에 활용함으로써, 게임 개발사는 새로 출시한 게임을 동 게임에 관심도가 높을 것으로 예측되는 사용자에게 타겟팅 광고를 할 수 있다.

그 외에, 본 발명을 통해 다양한 예측치와 판별치를 얻을 수 있고, 이를 토대로 새로운 게임에 대한 종류나 특성 등과 관련한 사용자의 니즈를 파악할 수 있다. 따라서 많은 사용자에게 인기를 얻을 수 있는 게임 개발의 방향 설정 등에도 본 발명이 활용될 수 있다.

이상 도면에 도시된 일 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록 청구 범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (9)

1. 사용자들의 게임들에 대한 플레이와 관련된 정보인 플레이정보를 상기 사용자가 사용하는 사용자 단말기로부터 제공받아 수집하는 수집 모듈;
   상기 수집 모듈에 의해 수집된 상기 플레이정보를 분석에 필요한 데이터 형태로 가공하는 가공 모듈; 및
   상기 가공 모듈에 의해 가공된 상기 플레이정보를 인공지능 알고리즘을 이용한 머신 러닝을 통해 분석하여, 상기 사용자들에 대해 향후 예상되는 게임과 관련한 행동의 예측치를 도출하는 AI 분석 모듈;
   을 포함하여 구성되며,
   상기 플레이정보는, 게임이 플레이되는 상기 사용자 단말기에 게임의 플레이를 위해 입력되는 입력신호, 게임이 플레이되는 상기 사용자 단말기에 의해 출력되는 출력신호, 상기 사용자의 게임에 대한 로그 기록, 게임의 플레이를 위한 프로그램이 상기 사용자 단말기에 설치 및 삭제된 이력, 게임에 대한 상기 사용자의 플레이 등급, 및 상기 사용자의 게임과 관련한 결제 내역 중 하나 이상을 포함하며,
   상기 예측치는, 상기 사용자가 게임을 플레이할 시각, 특정 시각에 상기 사용자가 게임을 플레이할지 여부, 상기 사용자가 어떤 게임을 플레이할지 여부, 상기 사용자의 게임에 대한 결제 여부 및/또는 결재 금액, 특정 게임에 대한 상기 사용자의 수 변화, 및 특정 게임에 대한 상기 사용자의 이탈 여부 중 하나 이상을 포함하고,
   상기 AI 분석 모듈은 상기 예측치와 함께 상기 게임의 플레이와 관련된 소정의 판별치를 도출하며, 상기 판별치는 상기 사용자들의 게임 플레이 조작 방식, 상기 사용자가 로봇인지 여부, 상기 사용자들이 선호하는 게임의 그래픽 및/또는 음향, 상기 사용자가 선호하는 게임의 장르, 및 상기 사용자의 플레이에 대한 부정행위 여부 중 하나 이상을 포함하고,
   상기 가공 모듈은, 상기 플레이정보에 대해 각 이벤트별 특징을 추출하여 추출된 각각의 특징에 대해 워드 임베딩(Word Embedding)을 통해 벡터화하고,
   상기 AI 분석 모듈은,
   벡터화된 상기 플레이정보에 대해 CNN (Convolutional Neural Network) 알고리즘을 적용하여 상기 예측치를 도출하는 CNN 모듈,
   벡터화된 상기 플레이정보에 대해 LSTM (Long-Short Term Memory) 알고리즘을 적용하여 상기 예측치를 도출하는 LSTM 모듈,
   벡터화된 상기 플레이정보에 대해 랜덤포레스트(Random Forest) 및/또는 의사결정트리(Decision Tree)를 포함하는 정적분류 알고리즘을 적용하여 상기 예측치를 도출하는 정적분류 모듈, 및
   상기 CNN 모듈, 상기 LSTM 모듈 및 상기 정적분류 모듈 각각의 출력 결과물에 대해 뉴럴네트워크 알고리즘을 이용하여 조합한 결과를 토대로 상기 예측치를 도출하는 뉴럴네트워크 모듈을 포함하는 것을 특징으로 하는 사용자의 게임 플레이 예측 시스템.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 제 1 항에 있어서,
   상기 AI 분석 모듈에 의해 도출된 상기 예측치를 게임 제공사가 운영하는 게임제공 서버로 전송하는 전송 모듈;
   을 더 포함하는 것을 특징으로 하는 사용자의 게임 플레이 예측 시스템.
   
9. 제 8 항에 있어서,
   상기 게임 제공사가 상기 사용자들에게 제공하고자 하는 프로모션 관련 정보인 프로모션정보를 상기 게임제공 서버로부터 제공받고, 상기 프로모션정보를 상기 사용자 단말기로 제공하는 프로모션 관리 모듈;
   을 더 포함하는 것을 특징으로 하는 사용자의 게임 플레이 예측 시스템.

Images