KR20200029916A - 컴퓨팅 장치에서 게임에 대한 사용자의 데이터를 처리하는 방법, 및 컴퓨팅 장치 - Google Patents

Abstract

컴퓨팅 장치의 동작 방법에 있어서, 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하는 단계; 상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계; 학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계; 및 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계를 포함할 수 있다.

Description

컴퓨팅 장치에서 게임에 대한 사용자의 데이터를 처리하는 방법, 및 컴퓨팅 장치{METHOD FOR PROCESSING USER'S DATA FOR GAME ON COMPUTING DEVICES AND COMPUTING DEVICES}

컴퓨팅 장치에서 게임에 대한 사용자의 데이터를 처리하는 방법, 및 컴퓨팅 장치에 관한 것이다.

소정 게임으로부터 획득될 수 있는 데이터의 종류 및 양은 방대하다. 예를 들어, 소정 게임에 대한 게임의 동시 접속자 수, 게임 내의 아이템 구매 정보 등 게임과 관련된 각종 데이터들은 게임의 개발 또는 마케팅에 이용될 수 있다. 따라서, 소정 게임으로부터 획득된 데이터를 보다 빠르고 처리하고, 정확하게 분석할 수 있는 기술이 요구된다.

게임에 대한 복수의 사용자의 로그 데이터를 머신 러닝에 기반하여 게임의 이탈 원인을 결정하는 기준과 연관하여 학습하고, 학습 결과를 이용하여 소정 게임의 이탈 사용자의 이탈 원인 정보를 획득하여, 이탈 원인 정보를 제공하고자 한다.

일측에 따르면, 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하는 단계; 상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계; 학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계; 및 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법이 제공된다.

상기 복수의 사용자의 행위들을, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계는, 상기 복수의 사용자 중에서 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위를 학습하여, 상기 적어도 하나의 잔존 사용자가 상기 제1 게임에 잔존한 적어도 하나의 잔존 원인을 결정하는 단계; 및 상기 복수의 사용자 중에서 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위를 학습하여, 상기 적어도 하나의 이탈 사용자가 상기 제1 게임에 이탈한 적어도 하나의 이탈 원인을 결정하는 단계를 포함할 수 있다.

상기 복수의 사용자의 행위들을, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계는, 상기 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위와 상기 적어도 하나의 잔존 원인을 연관하여 학습하는 단계; 및 상기 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위와 상기 적어도 하나의 이탈 원인을 연관하여 학습하는 단계를 포함할 수 있다.

상기 복수의 사용자의 행위들을, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계는, 상기 적어도 하나의 이탈 원인과 관련된 제1 카테고리를 결정하는 단계; 상기 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 상기 적어도 하나의 이탈 원인을 정량화하는 단계를 포함할 수 있다.

상기 적어도 하나의 카테고리 각각은, 상위 카테고리, 상기 상위 카테고리에 종속되는 적어도 하나의 하위 카테고리를 포함하고, 상기 적어도 하나의 하위 카테고리는, 상기 제1 게임에서 제공되는 서비스에 기초하여 결정될 수 있다.

상기 학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계는, 상기 학습 결과에 기초하여, 상기 적어도 하나의 카테고리 각각에 대해 뎁스에 기반하는 상기 제1 게임의 이탈 원인 정보를 획득하는 단계를 포함할 수 있다.

상기 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계는, 상기 적어도 하나의 카테고리 중 제1 카테고리를 선택하는 입력을 수신하는 단계; 및 상기 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 뎁스에 기반하는 상기 제1 게임의 이탈 원인 정보를 표시하는 단계를 포함할 수 있다.

상기 방법은, 상기 학습 결과에 기초하여, 상기 제1 게임의 잔존 사용자에 대한 상기 제1 게임의 잔존 원인 정보를 획득하는 단계; 및 상기 적어도 하나의 카테고리에 따라, 상기 제1 게임의 잔존 원인 정보를 표시하는 단계를 더 포함할 수 있다.

상기 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계는, 소정 기간 간격으로, 상기 적어도 하나의 카테고리에 따라 상기 제1 게임의 이탈 원인 정보를 표시하는 단계; 상기 소정 시간 간격에 기반하여 제1 소정 기간을 선택하는 입력을 수신하는 단계; 및 상기 제1 소정 기간에 대한, 상기 복수의 사용자의 상기 제1 게임의 몰입도를 나타내는 인게이지먼트 지수, 상기 제1 게임의 이탈률 및 잔존률을 포함하는 정보를 표시하는 단계를 포함할 수 있다.

상기 방법은, 상기 제1 게임의 이탈 원인 정보를 상기 제1 게임을 관리하는 외부 장치로 전송하는 단계를 더 포함할 수 있다.

상기 방법은, 제1 사용자의 행위 정보를 포함하는 제1 로그 데이터를 획득하는 단계; 상기 학습 결과 및 상기 제1 로그 데이터에 기초하여, 상기 제1 사용자가 상기 제1 게임을 이탈할 것인지를 예측하는 단계; 예측 결과를 포함하는 정보를 상기 제1 게임을 관리하는 외부 장치로 전송하는 단계를 더 포함할 수 있다.

다른 일측에 따르면, 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하는 단계; 상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계; 학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계; 및 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계를 포함하는, 방법을 하드웨어와 결합되어 실행시키기 위해 매체에 저장된 컴퓨터 프로그램이 제공된다.

또 다른 일측에 따르면, 통신 장치; 사용자 인터페이스 장치; 스토리지; 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 명령어들을 실행함으로써, 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하고, 상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하고, 학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하고, 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 상기 사용자 인터페이스 장치에 표시하는, 컴퓨팅 장치가 제공된다.

컴퓨팅 장치는 게임에 대한 복수의 사용자의 로그 데이터를 머신 러닝에 기반하여 게임의 이탈 원인을 결정하는 기준과 연관하여 학습하고, 학습 결과를 이용하여 소정 게임의 이탈 사용자의 이탈 원인 정보를 획득하여, 이탈 원인 정보를 제공할 수 있다.

컴퓨팅 장치는 소정 게임의 이탈 사용자의 이탈 원인을 정량화하여 제공할 수 있다.

컴퓨팅 장치는 소정 게임의 이탈 사용자의 이탈 원인을 파악함으로써, 이탈 사용자의 추가 발생을 방지할 수 있다.

본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 일실시예에 따라, 서버 및 클라이언트를 포함하는 온라인 게임 제공 시스템을 도시한다.
도 2는 일실시예에 따라, 컴퓨팅 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 3은 일실시예에 따라, 컴퓨팅 장치가 복수의 사용자의 로그 데이터를 처리할 때 이용하는, 복수 개의 계층 구조를 갖는 인공 신경망을 개략적으로 도시한 도면이다.
도 4는 일실시예에 따라, 컴퓨팅 장치가 제1 게임에 대한 복수의 사용자의 복수의 행위들 각각을 학습하여, 제1 게임의 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 획득하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따라, 컴퓨팅 장치가 이탈 원인과 관련된 카테고리에 따라 복수의 사용자의 행위들 각각을 학습하고, 제1 사용자의 행위에 대한 이탈 원인을 결정하는 과정을 설명하기 위한 도면이다.
도 6은 일실시예에 따라, 컴퓨팅 장치가 이탈 원인 지수를 획득하는 과정을 설명하기 위한 도면이다.
도 7은 일실시예에 따라, 컴퓨팅 장치가 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 제공하는 과정을 설명하기 위한 도면이다.
도 8은 일실시예에 따라, 컴퓨팅 장치가 카테고리 각각에 대하여, 뎁스에 기반하는 제1 게임의 이탈 원인 정보를 제공하는 과정을 설명하기 위한 도면이다.
도 9는 일실시예에 따라, 컴퓨팅 장치가 선택된 카테고리에 대한 이탈 원인 정보를 제공하는 과정을 설명하기 위한 도면이다.
도 10은 일실시예에 따라, 컴퓨팅 장치가 인게이지먼트 지수의 구간 별로 제1 게임의 이탈율과 잔존율을 제공하는 과정을 설명하기 위한 도면이다.
도 11은 일실시예에 따른 컴퓨팅 장치의 구성을 도시한 블록도이다.

이하에서는 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 이하에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략한다.

한편, 본 명세서에서 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐 아니라, '그 중간에 다른 구성을 사이에 두고 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성이 다른 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들 더 포함할 수도 있다는 것을 의미한다.

또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.

명세서 전체에서, "컴퓨팅 장치"는 게임 애플리케이션의 데이터 또는 정보를 입력, 제어, 기억, 연산, 출력하는 기능을 수행하는 장치를 의미할 수 있다. 예를 들면, "컴퓨팅 장치"는 특수 목적 컴퓨터(Special-purpose Computer), 범용 컴퓨터(General-purpose Computer), 슈퍼 컴퓨터(Supercomputer), 대형 컴퓨터(Mainframe Computer), 개인용 컴퓨터(Personal Computer) 등에 해당될 수 있고, 이에 제한되지 않는다.

명세서 전체에서, 소정 게임에 대한 사용자의 "로그 데이터"는 사용자가 소정 게임 내에서 활동한 기록을 포함하는 데이터 일 수 있다. 예를 들면, "로그 데이터"에는, 사용자가 소정 게임에 로그인 한 기록, 사용자가 소정 게임 내에서 아이템을 구매한 기록, 사용자가 소정 게임 내에서 플레이 한 기록, 사용자가 소정 게임에 로그 아웃 한 기록 등에 대한 정보 또는 데이터가 포함될 수 있다.

명세서 전체에서, "머신 러닝"은 게임에 대한 데이터를 기반으로 학습을 수행하고, 예측을 수행하고, 스스로의 성능을 향상시키는 시스템 또는 시스템을 위한 알고리즘을 연구하고 구축하는 기술을 의미할 수 있다.

명세서 전체에서, "인게이지먼트 지수"는 소정 게임에 대한 사용자의 몰입도를 나타내는 지수를 의미할 수 있다.

도 1은 일실시예에 따라, 서버 및 클라이언트를 포함하는 온라인 게임 제공 시스템을 도시한다.

일 실시예에 따른 온라인 게임 제공 시스템은 도 1 에 도시된 바와 같이 서버 (4000) 와 복수의 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 를 포함할 수 있다. 서버 (4000) 는 네트워크를 통해 콘텐츠를 서비스함으로써, 복수의 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에게 콘텐츠를 제공할 수 있다.

도 1 은 사용자에 의해 사용되는 클라이언트의 예들로서, 데스크톱 컴퓨터 (2000a), 태블릿 (2000b), 휴대폰 (2000c), 노트북 (2000d), 스마트폰 (2000e), 및 텔레비전 (2000f) 을 도시하지만, 클라이언트는 이에 제한되지 않고 PDA (Personal Digital Assistants), PMP (Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 냉장고, 세탁기, 청소기 등의 다양한 전자 디바이스를 포함할 수 있다.

복수의 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에서 콘텐츠가(예를 들면, 온라인 게임) 실행될 수 있다. 콘텐츠를 실행하기 위해, 프로그램, 예를 들어, 애플리케이션, 또는 런처 (launcher) 가 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에 설치될 수 있으나, 이에 제한되지 않는다. 사용자들은 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에 설치된 프로그램을 실행하여, 서버 (4000) 에 의해 제공되는 콘텐츠를 즐길 수 있다. 후술하는 본 개시의 다양한 실시예들은 콘텐츠를 실행시키기 위한 프로그램 내에서 구현되거나, 그 프로그램과는 별도의 프로그램을 통해 구현될 수 있다.

서버 (4000) 는 콘텐츠 제공업자에 의해 운영될 수 있고, 서버 (4000) 는 단일 서버, 서버의 집합체, 및 클라우드 서버를 포함할 수 있으나, 이에 제한되지 않는다. 서버 (4000) 는 사용자들에게 콘텐츠를 제공하고, 사용자들의 데이터를 저장하는 데이터 베이스를 포함할 수 있다. 또한, 서버 (4000) 는 결제 이벤트를 생성 및 처리하는 결제 서버 또는 지불 서버를 더 포함할 수 있다. 결제 서버 또는 지불 서버는 서버 (4000) 와 별개의 서버일 수 있고, 서버 (4000) 및 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 간의 결제나 지불을 매개할 수도 있다. 서버 (4000) 는 사용자 데이터를 저장하고 관리하는 데이터베이스 (database: DB) 서버를 더 포함할 수 있고, DB 서버는 서버 (4000) 와 별개의 서버일 수 있다.

서버 (4000) 에서는 콘텐츠를 서비스하기 위한 프로그램이 구동될 수 있다. 후술하는 본 개시의 다양한 실시예들은 콘텐츠를 서비스하기 위한 프로그램 내에서 구현되거나, 그 프로그램과는 별도의 프로그램을 통해 구현될 수 있다.

네트워크는 소정의 통신 방식을 이용하여 설립 (또는 형성) 된 연결을 의미하고, 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 사이 또는 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 과 서버 (4000) 사이에서 데이터를 전달하는 소정의 통신 수단을 통해 연결된 통신망을 의미할 수 있다.

통신 수단은 소정의 통신 규격, 소정의 주파수 대역, 소정의 프로토콜 또는 소정의 채널을 통한 통신, 근거리 통신, 원거리 통신, 무선 통신 및 유선 통신을 포함한다. 예를 들어, 통신 수단은 블루투스, BLE, Wi-Fi, Zigbee, 3G, LTE, 초음파를 통한 통신 수단 등을 포함할 수 있으나, 이에 제한되지 않는다.

근거리 통신 수단은, 통신을 수행하는 디바이스들이 소정의 범위 내에 있을 때에만 서로 통신이 가능한 통신 수단을 의미할 수 있고, 예를 들어, 블루투스 및 NFC 를 포함할 수 있으나, 이에 제한되지 않는다.

원거리 통신 수단은, 통신을 수행하는 디바이스들이 거리와 관계 없이 서로 통신이 가능한 통신 수단을 의미할 수 있다. 예를 들어, 원거리 통신 수단은 AP와 같은 중계기를 통해 통신을 수행하는 두 디바이스가 소정의 거리 이상일 때에도 통신할 수 있는 수단, 및 문자 전송과 전화 통화에 사용되는 셀룰러 네트워크 (3G, LTE) 를 이용한 통신 수단을 포함할 수 있으나, 이에 제한되지 않는다.

서버 (4000) 가 네트워크를 이용하여 온라인 게임을 서비스하는 과정에서, 임의의 통신 수단을 통해 서버 (4000) 와 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 간의 통신이 수행될 수 있다.

온라인 게임은 RPG (Role Playing Game), TRPG (Tabletop RPG), MMORPG (Massively Multiplayer Online RPG), MOBA (Multiplayer Online Battle Arena), AOS (Aeon of Strife), RTS (Real Time Strategy), FPS (First-person shooter), TCG (Trading Card Game), CCG (Collectible Card Game), 스포츠, 대전격투 등 다양한 장르의 게임일 수 있으나, 이에 제한되지 않는다. 온라인 게임은 사용자들 간의 대전 또는 사용자와 컴퓨터 (예를 들면, 인공지능) 과의 대전으로 진행될 수 있으나, 이에 제한되지 않고, 다양한 형태로 구현될 수 있다.

도 1 에 도시된 온라인 게임 제공 시스템은 온라인 플랫폼 제공 시스템으로서도 기능할 수 있다. 한편, 도 1에 도시된 서버(4000)는 도 2 내지 도 11에서 설명하는 컴퓨팅 장치(10)와 대응될 수 있다.

도 2는 일실시예에 따라, 컴퓨팅 장치의 동작 방법을 설명하기 위한 흐름도이다.

도 2의 단계 S210에서, 컴퓨팅 장치(10)는 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 제1 게임을 관리하는 관리 서버로부터 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득할 수 있다.

단계 S220에서, 컴퓨팅 장치(10)는 로그 데이터로부터 복수의 사용자의 행위 정보를 추출할 수 있다. 컴퓨팅 장치(10)는 머신 러닝을 통해, 복수의 사용자의 행위 정보에 포함된 복수의 행위들을, 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습할 수 있다.

컴퓨팅 장치(10)는 복수의 사용자 중에서 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위를 학습하여, 적어도 하나의 잔존 사용자가 제1 게임에 잔존한 적어도 하나의 잔존 원인을 결정할 수 있다. 컴퓨팅 장치(10)는 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위와 적어도 하나의 잔존 원인을 연관하여 학습할 수 있다.

또한, 컴퓨팅 장치(10)는 복수의 사용자 중에서 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위를 학습하여, 적어도 하나의 이탈 사용자가 제1 게임에 이탈한 적어도 하나의 이탈 원인을 결정할 수 있다. 컴퓨팅 장치(10)는 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위와 적어도 하나의 이탈 원인을 연관하여 학습할 수 있다.

컴퓨팅 장치(10)는 적어도 하나의 이탈 원인과 관련된 제1 카테고리를 결정할 수 있다. 컴퓨팅 장치(10)는 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 적어도 하나의 이탈 원인을 정량화 할 수 있다. 여기서, 하위 카테고리는 제1 게임에서 제공되는 서비스에 기초하여 결정될 수 있다. 또한, 정량화는 이탈 원인을 수치화하여 나타내는 것을 의미할 수 있다.

또한, 컴퓨팅 장치(10)는 복수의 사용자의 행위 정보를, 소정의 학습 모델에 적용하여 제1 게임의 이탈 사용자에 대한 이탈 원인을 결정할 수 있다. 여기서, 소정의 학습 모델은, 잔존 사용자의 행위와 잔존 사용자의 잔존 원인을 연관하여 학습하고, 이탈 사용자의 행위와 이탈 사용자의 잔존 원인을 연관하여 학습하여 획득된 모델일 수 있다.

컴퓨팅 장치(10)는 인공 신경망을 통한 연산을 수행하여, 복수의 사용자의 행위들 각각과 복수의 사용자 각각이 제1 게임에 잔존 또는 이탈하였는지를 연관 지어 학습하고, 학습된 결과에 기초하여, 제1 게임의 이탈 사용자에 대한 이탈 원인을 결정하는 학습 모델을 준비할 수 있다.

또한, 학습 모델은, 제1 게임의 이탈 사용자에 대한 이탈 원인을 결정하는 데이터 인식 모델일 수 있다. 데이터 인식 모델은, 인공 신경망(ANN: artificial Neural Network)을 기반으로 구축된 딥 러닝(deep learning)을 통해 획득된 모델일 수 있다. 예를 들면, 학습 모델은 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

단계 S230에서, 컴퓨팅 장치(10)는 학습 결과에 기초하여, 제1 게임의 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 획득할 수 있다.

컴퓨팅 장치(10)는 학습 결과에 기초하여, 적어도 하나의 카테고리 각각에 대해 뎁스에 기반하는 제1 게임의 이탈 원인 정보를 획득할 수 있다.

단계 S240에서, 컴퓨팅 장치(10)는 적어도 하나의 카테고리에 따라, 제1 게임의 이탈 원인 정보를 제공할 수 있다.

컴퓨팅 장치(10)는 적어도 하나의 카테고리 중 제1 카테고리를 선택하는 입력을 수신할 수 있다. 컴퓨팅 장치(10)는 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 뎁스에 기반하는 제1 게임의 이탈 원인 정보를 표시할 수 있다.

컴퓨팅 장치(10)는 소정 기간 간격으로, 적어도 하나의 카테고리에 따라, 제1 게임의 이탈 원인 정보를 표시할 수 있다. 컴퓨팅 장치(10)는 소정 시간 간격에 기반하여 제1 소정 기간을 선택하는 입력을 수신할 수 있다. 컴퓨팅 장치(10)는 제1 소정 시간에 대한, 복수의 사용자의 제1 게임의 몰입도를 나타내는 인게이지먼트 지수, 제1 게임의 이탈률 및 잔존률을 포함하는 정보를 표시할 수 있다.

또한, 컴퓨팅 장치(10)는 제1 게임의 이탈 원인 정보를 제1 게임을 관리하는 외부 장치로 전송할 수 있다.

한편, 컴퓨팅 장치(10)는 학습 결과에 기초하여, 제1 게임의 잔존 사용자에 대한 제1 게임의 잔존 원인 정보를 획득할 수 있다. 컴퓨팅 장치(10)는 적어도 하나의 카테고리에 따라 제1 게임의 잔존 원인 정보를 표시할 수 있다.

또한, 컴퓨팅 장치(10)는 제1 사용자의 행위 정보를 포함하는 제1 로그 데이터를 획득할 수 있다. 컴퓨팅 장치(10)는 학습 결과 및 제1 로그 데이터에 기초하여, 제1 사용자가 제1 게임을 이탈할 것인지를 예측할 수 있다. 컴퓨팅 장치(10)는 예측 결과를 포함하는 정보를 제1 게임을 관리하는 외부 장치로 전송할 수 있다.

도 3은 일실시예에 따라, 컴퓨팅 장치가 복수의 사용자의 로그 데이터를 처리할 때 이용하는, 복수 개의 계층 구조를 갖는 인공 신경망을 개략적으로 도시한 도면이다.

도 3을 참고하면, 인공 신경망은 입력 레이어(310), 적어도 하나의 히든 레이어(320, 330) 및 출력 레이어(340)를 포함할 수 있다. 또한, 인공 신경망을 통한 연산은 컴퓨팅 장치(10) 내의 프로세서에서 수행될 수 있다.

또한, 히든 레이어(320, 330)에서 수행된 학습 및 훈련을 통해 각 레이어와 노드 사이의 가중치가 학습될 수 있다. 예를 들면, 컴퓨팅 장치(10) 내의 프로세서는 반복적인 학습을 통하여, 복수의 사용자의 행위 정보로부터 제1 게임의 이탈 원인을 결정하는 데에 이용되는, 적어도 하나의 기준 내의 각 카테고리의 항목 또는 각 하위 카테고리의 항목들의 가중치의 값들을 획득할 수 있다.

또한, 컴퓨팅 장치(10)는 획득된 가중치의 값을, 적어도 하나의 기준 내의 각 카테고리의 항목들에 대응되는 지수에 다시 적용하여, 훈련된 인공 신경망에서 제1 게임의 이탈 사용자의 이탈 원인을 결정하는 학습 모델을 생성할 수 있다.

도 4는 일실시예에 따라, 컴퓨팅 장치가 제1 게임에 대한 복수의 사용자의 복수의 행위들 각각을 학습하여, 제1 게임의 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 획득하는 과정을 설명하기 위한 도면이다.

컴퓨팅 장치(10)는 제1 게임에 대한 복수의 행위 정보를 포함하는 로그 데이터를 획득할 수 있다. 예를 들면, 도 4에 도시된 바와 같이, 컴퓨팅 장치(10)는 제1 사용자의 로그 데이터(401) 및 제2 사용자의 로그 데이터(402)를 획득할 수 있다. 컴퓨팅 장치(10)는 제1 사용자 및 제2 사용자 이외의 다른 사용자들의 로그 데이터를 획득할 수 있다. 설명의 편의상, 도 4에서는 제1 사용자의 로그 데이터(401) 및 제2 사용자의 로그 데이터(402)를 예로 들어 설명한다.

컴퓨팅 장치(10)의 동작 410을 참고하면, 컴퓨팅 장치(10)는 인공 신경망을 통한 연산을 수행하여, 복수의 사용자의 행위들 각각을 제1 게임의 잔존 사용자의 행위 및 제1 게임의 이탈 사용자의 행위로 구별하여 학습할 수 있다.

도 4를 참고하면, 컴퓨팅 장치(10)는 제1 사용자의 로그 데이터(401) 내에서 제1 사용자가 제1 게임 내에서 수행한 행위들의 정보를 추출할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 제1 사용자의 제1 행위, 제2 행위, 제3 행위에 대한 정보를 추출할 수 있다. 컴퓨팅 장치(10)는 "OO월OO일, OO시OO분에 제1 게임에 로그인하여, 제1 캐릭터로 제7 스테이지 미션 달성 실패"를 나타내는 제1 행위, "OO월OO일, OO시XX분에 제1 게임에 로그인, 제1 아이템 구매 후, 제1 캐릭터로 제7 스테이지 미션 달성 실패"를 나타내는 제2 행위, 및 "OO월OO일, XX시YY분에 제1 게임에 로그인하여, 이벤트 당첨 탈락 확인 및 아이디 탈퇴"를 나타내는 제3 행위에 대한 정보를 획득할 수 있다.

컴퓨팅 장치(10)는 사용자가 제1 게임 내에서 아이디를 탈퇴하였는지, 사용자가 제1 게임에 장기간 동안 접속을 하지 않는지 등을 고려하여, 사용자가 제1 게임을 이탈하였는지를 결정할 수 있다. 컴퓨팅 장치(10)는 제3 행위에 아이디 탈퇴가 포함되어 있으므로, 제1 사용자는 제1 게임을 이탈한 것으로 결정할 수 있다. 컴퓨팅 장치(10)는 제1 사용자의 제1 행위, 제2 행위 및 제3 행위를 이탈 사용자의 행위로 결정하고, 제1 행위, 제2 행위 및 제3 행위를 학습할 수 있다. 컴퓨팅 장치(10)는 제1 사용자의 행위를 기존의 이탈 사용자의 행위 및 이탈 사용자의 이탈 원인과 연관지어 학습할 수 있다.

또한, 컴퓨팅 장치(10)는 제2 사용자의 로그 데이터(402)에서 제2 사용자가 제1 게임 내에서 수행한 행위들의 정보를 추출할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 제2 사용자의 제1 행위, 제2 행위, 제3 행위에 대한 정보를 추출할 수 있다. 컴퓨팅 장치(10)는 "OO월OO일, OO시ZZ분에 제1 게임에 로그인하여, 제2 캐릭터로 제6 스테이지 미션 달성"을 나타내는 제1 행위, "OO월OO일, OO시RR분에 제1 게임에 로그인하여, 제1 아이템 구매"를 나타내는 제2 행위, 및 "OO월OO일, XX시YY분에 제1 게임에 로그인하여, 제2 캐릭터로 제7-9스테이지 미션 달성"을 나타내는 제3 행위에 대한 정보를 획득할 수 있다.

컴퓨팅 장치(10)는 사용자가 주기적으로 제1 게임에 접속하여 게임 플레이를 하는지, 제1 게임 내에 캐시가 남아 있는지 등을 고려하여, 사용자가 제1 게임에 잔존하였는지를 결정할 수 있다. 컴퓨팅 장치(10)는 제2 사용자의 최근 행위 정보 및 과거 행위 정보로부터 제2 사용자는 제1 게임에 잔존한 것으로 결정할 수 있다. 컴퓨팅 장치(10)는 제2 사용자의 제1 행위, 제2 행위 및 제3 행위를 잔존 사용자의 행위로 결정하고, 제1 행위, 제2 행위, 제3 행위를 학습할 수 있다. 컴퓨팅 장치(10)는 제2 사용자의 행위를 기존의 잔존 사용자의 행위 및 잔존 사용자의 잔존 원인과 연관지어 학습할 수 있다.

또한, 컴퓨팅 장치(10)는 이탈 사용자의 행위 및 잔존 사용자의 행위 각각을 이탈 원인을 결정하는 데에 이용되는 카테고리의 분류 체계에 따라 학습할 수 있다. 예를 들면, 제1 사용자의 제1 행위가 제1 카테고리 내의 제1 하위 카테고리와 관련 있는 경우, 컴퓨팅 장치(10)는 제1 카테고리에 대한 이탈 원인 지수를 결정하는 기준에 따라 제1 사용자의 제1 행위에 대응되는 이탈 원인을 정량화 할 수 있다.

컴퓨팅 장치(10)의 동작 420을 참고하면, 컴퓨팅 장치(10)는 학습 결과에 기초하여, 제1 게임의 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 획득할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 학습 결과에 기초하여, 제1 사용자의 제1 행위가, 이탈 원인을 결정하는 데에 이용되는 적어도 하나의 카테고리 중에 속하는 소정 카테고리를 결정할 수 있다. 컴퓨팅 장치(10)는 소정의 카테고리 내의 하위 카테고리의 분류 체계에 따라, 제1 사용자의 제1 행위가 속하는 적어도 하나의 하위 카테고리를 결정할 수 있다. 컴퓨팅 장치(10)는 제1 카테고리에 대한 이탈 원인 지수를 결정하는 기준에 따라, 하위 카테고리에 대한 제1 사용자의 제1 행위를 정량화 할 수 있다.

한편, 컴퓨팅 장치(10)는 복수의 사용자의 행위 정보 각각을, 동작 410 내지 동작 420으로 반복적으로 학습하고, 학습된 결과에 기초하여, 제1 게임의 이탈 사용자에 대한 제1 게임의 이탈 원인을 결정하는 학습 모델을 생성할 수 있다.

도 5는 일실시예에 따라, 컴퓨팅 장치가 이탈 원인과 관련된 카테고리에 따라 복수의 사용자의 행위들 각각을 학습하고, 제1 사용자의 행위에 대한 이탈 원인을 결정하는 과정을 설명하기 위한 도면이다.

도 5를 참고하면, 컴퓨팅 장치(10)는 제1 사용자의 로그 데이터(401)로부터 제1 사용자의 행위 정보를 획득할 수 있다. 컴퓨팅 장치(10)는 이탈 원인을 결정하는 데에 이용되는 적어도 하나의 카테고리의 분류체계에 따라, 제1 사용자의 행위를 학습하고, 제1 사용자의 행위에 관련된 카테고리 항목에 대한 이탈 원인 지수를 결정할 수 있다.

예를 들면, 적어도 하나의 카테고리에 대한 이탈 원인 지수를 결정하는 기준은, 게임 내의 업적에 따른 이탈 원인 지수를 산출하는 기준, 게임 내의 전투에 따른 이탈 원인 지수를 산출하는 기준, 게임 내에서 사용자의 캐시에 따른 이탈 원인 지수를 산출하는 기준, 게임 내의 이벤트에 따른 이탈 원인 지수를 산출하는 기준을 포함할 수 있고, 상기 예시에 한정되지 않는다.

게임 내의 업적에 따른 이탈 원인 지수는, 게임 내의 스테이지 미션이 실패되었는지 또는 레벨 달성이 실패되었는지에 따라 결정될 수 있다. 또한, 어떤 스테이지에서 미션의 실패가 이루어졌는지 또는 어떤 레벨에서 레벨 달성이 실패되었는지에 따라 이탈 원인 지수는 달라질 수 있고, 상기 예시에 한정되지 않는다.

게임 내의 전투에 따른 이탈 원인 지수는, 게임 내의 어떤 장소에서 전투를 패하였는지, 어떤 아이템으로 전투를 패하였는지, 어떤 캐릭터로 전투를 패하였는지에 따라 결정될 수 있고, 상기 예시에 한정되지 않는다.

게임 내에서 사용자의 캐시에 따른 이탈 원인 지수는, 게임 내에서 사용한 캐시 대비 미션 실패 또는 레벨 달성 실패의 확률의 정도에 따라 결정될 수 있고, 상기 예시에 한정되지 않는다.

게임 내의 이벤트에 따른 이탈 원인 지수는, 게임 내의 이벤트의 당첨 탈락 여부에 따라 결정될 수 있고, 상기 예시에 한정되지 않는다.

컴퓨팅 장치(10)는 "OO월OO일, OO시OO분에 제1 게임에 로그인하여, 제1 캐릭터로 제7 스테이지 미션 달성 실패"를 나타내는 제1 행위에 대해, "업적" 카테고리(510) - "미션" 카테고리(521) - "제6-10 스테이지" 카테고리(531)에 관련이 있고, "전투" 카테고리(520) - "캐릭터" 카테고리(523) - "제1 캐릭터" 카테고리(533)에 관련이 있음을 결정할 수 있다. 예를 들면, 도 6의 테이블(610)에 도시된 바와 같이, 컴퓨팅 장치(10)는, 소정의 게임 내의 업적에 따른 이탈 원인 지수를 결정하는 기준에 따라, 제1 사용자의 제1 행위의 "업적" 카테고리(510)에 0.3점을 부과하고, "전투" 카테고리(520)에 0.5점을 부과할 수 있다.

컴퓨팅 장치(10)는 "OO월OO일, OO시XX분에 제1 게임에 로그인, 제1 아이템 구매 후, 제1 캐릭터로 제7 스테이지 미션 달성 실패"를 나타내는 제2 행위에 대해, "업적" 카테고리(510) - "미션" 카테고리(521) - "제6-10 스테이지" 카테고리(531)에 관련이 있고, "전투" 카테고리(520) - "아이템" 카테고리(522) - "제1 아이템" 카테고리(532)에 관련이 있고, "전투" 카테고리(520) - "캐릭터" 카테고리(523) - "제1 캐릭터" 카테고리(533)에 관련이 있음을 결정할 수 있다. 또한, 컴퓨팅 장치(10)는 제2 행위에 대해 캐시 카테고리(530)에 관련이 있음을 결정할 수 있다. 예를 들면, 도 6의 테이블(610)에 도시된 바와 같이, 컴퓨팅 장치(10)는 소정 게임 내의 전투에 따른 이탈 원인 지수를 결정하는 기준에 따라, 제1 사용자의 제2 행위의 "업적" 카테고리(510)에 0.3점을 부과하고, "전투" 카테고리(520)에 0.45점을 부과하고, "캐시" 카테고리(530)에 0.37점을 부과할 수 있다.

컴퓨터 장치는 "OO월OO일, XX시YY분에 제1 게임에 로그인하여, 이벤트 당첨 탈락 확인 및 아이디 탈퇴"를 나타내는 제3 행위에 대해, 이벤트 카테고리(540)에 관련이 있음을 결정할 수 있다. 도 6의 테이블(610)에 도시된 바와 같이, 컴퓨팅 장치(10)는 제1 사용자의 제3 행위의 "이벤트" 카테고리(540)에 0.42 점을 부과할 수 있다.

도 6은 일실시예에 따라, 컴퓨팅 장치가 이탈 원인 지수를 획득하는 과정을 설명하기 위한 도면이다.

도 6의 테이블(610)을 참고하면, 컴퓨팅 장치(10)는 학습 결과에 기초하여 제1 사용자의 행위 각각의 이탈 원인 지수를 결정할 수 있다. 구체적으로, 컴퓨팅 장치(10)는 제1 사용자의 행위 각각에 대하여, 이탈 원인을 결정하는 데에 이용되는 적어도 하나의 카테고리 각각의 이탈 원인 지수를 결정할 수 있다.

도 6의 수학식(620)을 참고하면, 컴퓨팅 장치(10)는 제1 사용자의 행위 별로 이탈 원인 지수를 결정할 수 있다. 수학식(620)에서 사용된 문자의 의미를 설명하면, Yab는 제a 사용자의 제b 행위에 대한 이탈 원인 지수를 나타낸다. Wn은 게임의 이탈 원인을 결정하는 데에 이용되는 기준의 제n 카테고리에 대한 가중치를 나타낸다. Xabc는 제a 사용자의 제b 행위에 대한 기준 내의 제c 카테고리의 지수를 나타낸다.

예를 들어, 컴퓨팅 장치(10)는 "업적" 카테고리의 가중치(W1)와 제1 행위의 "업적" 카테고리의 지수(X111)를 곱한 값, "전투" 카테고리의 가중치(W2)와 제1 행위의 "전투" 카테고리의 지수(X112)를 곱한 값, "캐시" 카테고리의 가중치(W3)와 제1 행위의 "캐시" 카테고리의 지수(X113)를 곱한 값, 및 "이벤트" 카테고리의 가중치(W4)와 제1 행위의 "이벤트" 카테고리의 지수(X114)를 곱한 값을 합산하여, 제1 사용자의 제1 행위의 이탈 원인 지수(Y11)를 결정할 수 있다.

도 6의 수학식(630)을 참고하면, 컴퓨팅 장치(10)는 제1 사용자의 행위를 카테고리 별로 이탈 원인 지수를 결정할 수 있다. 수학식(630)에서 사용된 문자의 의미를 설명하면, Zab는 제a 사용자의 제b 카테고리에 대한 이탈 원인 지수를 나타낸다. Wn은 게임의 이탈 원인을 결정하는 데에 이용되는 기준의 제n 카테고리에 대한 가중치를 나타낸다. Xabc는 제a 사용자의 제b 행위에 대한 기준 내의 제c 카테고리의 지수를 나타낸다.

예를 들어, 컴퓨팅 장치(10)는 "업적" 카테고리의 가중치(W1)와 제1 행위의 "업적" 카테고리의 지수(X111)를 곱한 값, "업적" 카테고리의 가중치(W1)와 제2 행위의 "업적" 카테고리의 지수(X121)를 곱한 값, 및 "업적" 카테고리의 가중치(W1)와 제3 행위의 "업적" 카테고리의 지수(X131)를 곱한 값을 합산하여, 제1 사용자의 "업적" 이탈 원인 지수를 결정할 수 있다.

도 6의 수학식(640)을 참고하면, 컴퓨팅 장치(10)는 제1 사용자의 이탈 원인 지수를 결정할 수 있다. 수학식(640)에서 사용된 문자의 의미를 설명하면, Ya는 제a 사용자의 이탈 원인 지수를 나타낸다. Yab는 제a 사용자의 제b 행위에 대한 이탈 원인 지수를 나타낸다.

예를 들어, 컴퓨팅 장치(10)는 수학식(620)을 통해 산출된 제1 사용자의 행위 별 이탈 원인 지수를 합산하여, 제1 사용자의 이탈 원인 지수를 결정할 수 있다.

도 6의 수학식(650)을 참고하면, 컴퓨팅 장치(10)는 제1 사용자의 소정 카테고리에 대한 하위 카테고리의 이탈 원인 지수를 결정할 수 있다. 수학식(650)에서 사용된 문자의 의미를 설명하면, Zabc는 제a 사용자의 제b 카테고리에 대한 제c 하위 카테고리의 이탈 원인 지수를 나타낸다. Wab는 게임의 이탈 원인을 결정하는 데에 이용되는 기준의 제a 카테고리 내의 제b 하위 카테고리에 대한 가중치를 나타낸다. Xabcd는 제a 사용자의 제b 행위에 대한 기준 내의 제c 카테고리에 대한 제d 하위 카테고리의 지수를 나타낸다.

도 6에서 컴퓨팅 장치(10)가 이탈 원인 지수를 결정하는 과정은 일예시이고, 컴퓨팅 장치(10)는 다른 과정에 의해 이탈 원인 지수를 결정할 수 있다.

도 7은 일실시예에 따라, 컴퓨팅 장치가 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 제공하는 과정을 설명하기 위한 도면이다.

도 7의 그래프(710)을 참고하면, 컴퓨팅 장치(10)는 소정 시간 간격으로 적어도 하나의 카테고리에 따라 제1 게임의 이탈 원인 정보를 표시할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 일주일 간격으로 제1 게임의 이탈 원인 정보를 표시할 수 있다. 컴퓨팅 장치(10)는, 현재 날짜가 속한 기간(711)를 기준으로 역산하여, 제1 게임의 이탈 원인 정보를 표시할 수 있다. 또한, 컴퓨팅 장치(10)는 "업적" 카테고리, "전투" 카테고리, "캐시" 카테고리, 및 "이벤트" 카테고리에 대응되는 이탈 원인 지수를 표시할 수 있다. 컴퓨팅 장치(10)는 "업적" 카테고리, "전투" 카테고리, "캐시" 카테고리, 및 "이벤트" 카테고리 중에서 "전투" 카테고리(712)를 선택하는 입력을 수신할 수 있다. 그러면, 도 8의 그래프(810)에 도시된 바와 같이, 컴퓨팅 장치(10)는 "전투" 카테고리(712)에 대한 하위 카테고리들에 따라, 제1 게임의 이탈 원인 정보를 표시할 수 있다.

도 8은 일실시예에 따라, 컴퓨팅 장치가 카테고리 각각에 대하여, 뎁스에 기반하는 제1 게임의 이탈 원인 정보를 제공하는 과정을 설명하기 위한 도면이다.

도 8의 그래프(810)는, "전투" 카테고리가 선택되었을 때 컴퓨팅 장치(10)에서 출력되는 그래프이다. 즉, 컴퓨팅 장치(10)는 "전투" 카테고리의 하위 카테고리인, "장소" 카테고리, "아이템" 카테고리, 및 "캐릭터" 카테고리에 따라, 제1 게임의 이탈 원인 정보를 표시할 수 있다. 컴퓨팅 장치(10)는 현재 날짜가 속한 기간(811)을 기준으로 역산하여, 일주일 간격으로 "장소" 카테고리, "아이템" 카테고리, 및 "캐릭터" 카테고리에 따라, 제1 게임의 이탈 원인 지수를 표시할 수 있다.

여기서, 컴퓨팅 장치(10)가 "아이템" 카테고리(812)를 선택하는 입력을 수신하면, 도 8의 그래프(820)에 도시된 바와 같이, 컴퓨팅 장치(10)는 "아이템" 카테고리(812)의 하위 카테고리의 분류체계에 따라, 이탈 원인 정보를 표시할 수 있다. 컴퓨팅 장치(10)는 "아이템" 카테고리(812)의 하위 카테고리인, "총", "칼", "방패"에 따라 제1 게임의 이탈 원인 지수를 표시할 수 있다.

한편, 컴퓨팅 장치(10)는 뎁스에 기반하여 제1 게임의 이탈 원인 정보를 표시할 수 있다. 예를 들면, 컴퓨팅 장치(10)가 뎁스 1(821)을 선택하는 입력을 수신하면, 컴퓨팅 장치(10)는 도 7의 그래프(710)를 표시할 수 있다. 컴퓨팅 장치(10)가 뎁스 2(822)를 선택하는 입력을 수신하면, 컴퓨팅 장치(10)는 도 8의 그래프(810)를 표시할 수 있다. 또한, 컴퓨팅 장치(10)가 뎁스 3(823)을 선택하는 입력을 수신하면, 컴퓨팅 장치(10)는 도 8의 그래프(823)를 표시할 수 있다.

도 9는 일실시예에 따라, 컴퓨팅 장치가 선택된 카테고리에 대한 이탈 원인 정보를 제공하는 과정을 설명하기 위한 도면이다.

도 9의 그래프(910)을 참고하면, 컴퓨팅 장치(10)는 이탈 원인 지수를 분류하는 데에 기준이 되는 카테고리를 선택하는 입력을 수신할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 "캐릭터"를 선택하는 입력을 수신할 수 있다. 컴퓨팅 장치(10)는 제1 게임의 "캐릭터" 별로 이탈 원인 지수를 획득하여, 표시할 수 있다.

구체적으로, 컴퓨팅 장치(10)는 복수의 사용자들 각각을 캐릭터 별로 분류하고, 분류된 결과에 기초하여, 캐릭터 별로 복수의 사용자들 각각에 대응되는 이탈 원인 지수를 합산할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 제1 캐릭터를 이용하는 사용자에 대한 이탈 원인 지수를 합산하여, 제1 캐릭터의 이탈 원인 지수를 결정할 수 있다.

도 9의 그래프(920)을 참고하면, 컴퓨팅 장치(10)는 소정 카테고리에 따라 분류된 이탈 원인 지수를 기간에 따라 표시할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 일주일 간격으로, 각 캐릭터에 대한 이탈 원인 지수를 표시할 수 있다. 또한, 컴퓨팅 장치(10)는 이탈 원인 지수가 변화된 추이 정보를 표시할 수 있다. 이 경우, 컴퓨팅 장치(10)는 소정 기간(921)을 기준으로, 이탈 원인 지수의 변화가 가장 큰 캐릭터(예를 들면, 제3 캐릭터)에 대한 정보, 및 이탈 원인 지수의 변화가 가장 작은 캐릭터(예를 들면, 제4 캐릭터)에 대한 정보를 표시할 수 있다.

도 10은 일실시예에 따라, 컴퓨팅 장치가 인게이지먼트 지수의 구간 별로 제1 게임의 이탈율과 잔존율을 제공하는 과정을 설명하기 위한 도면이다.

컴퓨팅 장치(10)는 인게이지먼트 지수의 구간 별로, 소정 카테고리에 대응되는 정보를 표시할 수 있다. 예를 들면, 도 10의 그래프(1010)에 도시된 바와 같이, 컴퓨팅 장치(10)는 인게이지먼트 지수를 0.2 간격으로, 이탈율과 잔존율의 정보를 표시할 수 있다.

다른 예를 들면, 컴퓨팅 장치(10)는 도 7의 그래프(710)에서 현재 날짜가 포함된 기간(711)을 선택하는 입력을 수신할 수 있다. 그러면, 도 10의 그래프(1010)에 도시된 바와 같이, 컴퓨팅 장치(10)는 기간(711)에 대한, 복수의 사용자의 제1 게임의 몰입도를 나타내는 인게이지먼트 지수, 제1 게임의 이탈률 및 제1 게임의 잔존률을 포함하는 정보를 표시할 수 있다.

도 11은 일실시예에 따른 컴퓨팅 장치의 구성을 도시한 블록도이다.

도 11에 도시된 컴퓨팅 장치(10)는 통신 장치(1110), 사용자 인터페이스 장치(1120), 스토리지(1130), 메모리(1140) 및 프로세서(1150)를 포함할 수 있다. 그러나, 도시된 구성 요소 모드가 필수 구성 요소인 것은 아니다. 도시된 구성 요소보다 많은 구성 요소에 의해 컴퓨팅 장치(10)가 구현될 수 있고, 그보다 적은 구성 요소에 의해서도 컴퓨팅 장치(10)가 구현될 수 있다. 이하 상기 구성 요소들에 대해 살펴본다. 도 11에 도시된 컴퓨팅 장치(10)는 도 1에서 설명한 서버(4000)와 동일하게 대응될 수 있다.

통신 장치(1110)는 외부 장치와 통신을 수행할 수 있다. 구체적으로, 통신 장치(1110)는 유선 또는 무선으로 네트워크와 연결되어 외부 장치와 통신을 수행할 수 있다. 여기서, 외부 장치는 서버, 스마트폰, 태블릿, PC 등일 수 있다. 통신 장치(1110)는 다양한 유무선 통신 방법 중 하나를 지원하는 통신 모듈을 포함할 수 있다. 예를 들면, 통신 모듈은 칩셋(chipset)의 형태일 수도 있고, 또는 통신에 필요한 정보를 포함하는 스티커/바코드(e.g. NFC tag를 포함하는 스티커)등일 수도 있다. 또한, 통신 모듈은 근거리 통신 모듈, 유선 통신 모듈일 수 있다.

예를 들면, 통신 장치(1110)는 무선 랜(Wireless LAN), Wi-Fi(Wireless Fidelity), WFD(Wi-Fi Direct), 블루투스(Bluetooth), BLE(Bluetooth Low Energy), Wired Lan, NFC(Near Field Communication), 지그비(Zigbee) 적외선(IrDA, infrared Data Association), 3G, 4G, 및 5G 중 적어도 하나를 지원할 수 있다.

사용자 인터페이스 장치(1120)는 사용자로부터 컴퓨팅 장치(10)를 제어하기 위해 데이터를 입력 받는 장치를 의미할 수 있다. 프로세서(1150)는 사용자로부터 소정 명령 또는 데이터를 입력 받기 위한 사용자 인터페이스 화면을 생성 및 출력하도록 사용자 인터페이스 장치(1120)를 제어할 수 있다. 사용자 인터페이스 장치(1120)는 컴퓨팅 장치(10)의 동작을 제어하는 입력 등을 수신하기 위한 입력부와 컴퓨팅 장치(10)의 동작에 따른 결과 또는 컴퓨팅 장치(10)의 상태 등의 정보를 표시하기 위한 출력부를 포함할 수 있다. 예를 들면, 사용자 인터페이스 장치(1120)는 사용자 입력을 수신하는 조작 패널, 화면을 표시하는 디스플레이 패널 등을 포함할 수 있다.

구체적으로, 입력부는, 예를 들어, 키보드, 물리 버튼, 터치 스크린, 카메라 또는 마이크 등과 같이 다양한 형태의 사용자 입력을 수신할 수 있는 장치들을 포함할 수 있다. 또한, 출력부는, 예를 들어, 디스플레이 패널 또는 스피커 등을 포함할 수 있다. 다만, 이에 한정되지 않고 사용자 인터페이스 장치(1120)는 다양한 입출력을 지원하는 장치를 포함할 수 있다.

스토리지(1130)는 컴퓨팅 장치(10)가 소정 게임의 이탈 원인 또는 잔존 원인을 결정하는 데에 이용되는 프로그램, 애플리케이션 등과 관련된 정보를 저장할 수 있다. 스토리지(1130)는 컴퓨팅 장치(10)에서 실행되는 프로그램, 애플리케이션, 및 플랫폼 상에서 이용되는 각종 데이터를 저장할 수 있다.

스토리지(1130)는 컴퓨팅 장치(10)에서 복수의 사용자의 로그 데이터에 기반하여 복수의 사용자의 행위들 각각을 학습한 결과, 및 복수의 사용자의 행위들 각각을 소정 게임의 이탈 원인을 결정하는 데에 이용되는 적어도 하나의 카테고리와 연관하여 학습한 결과 등을 저장할 수 있다.

메모리(1140)는 소프트웨어 또는 프로그램을 저장할 수 있다. 메모리(1140)는 컴퓨팅 장치(10)에서 게임에 대한 복수의 사용자의 행위들 각각을 학습하여, 복수의 사용자의 소정 게임의 이탈 원인을 결정하는 방법을 실행시키기 위한 적어도 하나의 프로그램을 저장할 수 있다. 메모리(1140)에 저장된 적어도 하나의 프로그램은 기능에 따라 복수 개의 모듈들로 분류될 수 있다.

프로세서(1150)는 컴퓨팅 장치(10)의 전체적인 동작을 제어하며, CPU 등과 같은 적어도 하나의 프로세서를 포함할 수 있다. 프로세서(1150)는 각 기능에 대응되는 특화된 프로세서를 적어도 하나 포함하거나, 하나로 통합된 형태의 프로세서일 수 있다.

프로세서(1150)는 메모리(1140)에 저장된 프로그램을 실행시키거나, 메모리(1140)에 저장된 데이터 또는 파일을 읽어오거나, 새로운 파일을 메모리(1140)에 저장할 수 있다. 프로세서(1150)는 메모리(1140)에 저장된 명령어들을 실행할 수 있다.

프로세서(1150)는 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득할 수 있다. 예를 들면, 프로세서(1150)는 통신 장치(1110)를 통해 제1 게임을 관리하는 관리 서버로부터 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득할 수 있다.

프로세서(1150)는 로그 데이터로부터 복수의 사용자의 행위 정보를 추출할 수 있다. 프로세서(1150)는 머신 러닝을 통해, 복수의 사용자의 행위 정보에 포함된 복수의 행위들 각각을, 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습할 수 있다.

프로세서(1150)는 복수의 사용자 중에서 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위를 학습하여, 적어도 하나의 잔존 사용자가 제1 게임에 잔존한 적어도 하나의 잔존 원인을 결정할 수 있다. 프로세서(1150)는 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위와 적어도 하나의 잔존 원인을 연관하여 학습할 수 있다.

또한, 프로세서(1150)는 복수의 사용자 중에서 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위를 학습하여, 적어도 하나의 이탈 사용자가 제1 게임에 이탈한 적어도 하나의 이탈 원인을 결정할 수 있다. 프로세서(1150)는 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위와 적어도 하나의 이탈 원인을 연관하여 학습할 수 있다.

프로세서(1150)는 적어도 하나의 이탈 원인과 관련된 제1 카테고리를 결정할 수 있다. 프로세서(1150)는 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 적어도 하나의 이탈 원인을 정량화 할 수 있다. 여기서, 하위 카테고리는 제1 게임에서 제공되는 서비스에 기초하여 결정될 수 있다. 또한, 정량화는 이탈 원인을 수치화하여 나타내는 것을 의미할 수 있다.

또한, 프로세서(1150)는 복수의 사용자의 행위 정보를, 소정의 학습 모델에 적용하여 제1 게임의 이탈 사용자에 대한 이탈 원인을 결정할 수 있다. 여기서, 소정의 학습 모델은, 잔존 사용자의 행위와 잔존 사용자의 잔존 원인을 연관하여 학습하고, 이탈 사용자의 행위와 이탈 사용자의 잔존 원인을 연관하여 학습하여 획득된 모델일 수 있다.

프로세서(1150)는 인공 신경망을 통한 연산을 수행하여, 복수의 사용자의 행위들 각각과 복수의 사용자 각각이 제1 게임에 잔존 또는 이탈하였는지를 연관 지어 학습하고, 학습된 결과에 기초하여, 제1 게임의 이탈 사용자에 대한 이탈 원인을 결정하는 학습 모델을 준비할 수 있다.

또한, 학습 모델은, 제1 게임의 이탈 사용자에 대한 이탈 원인을 결정하는 데이터 인식 모델일 수 있다. 데이터 인식 모델은, 인공 신경망(ANN: artificial Neural Network)을 기반으로 구축된 딥 러닝(deep learning)을 통해 획득된 모델일 수 있다. 예를 들면, 학습 모델은 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

프로세서(1150)는 학습 결과에 기초하여, 제1 게임의 이탈 사용자에 대한 제1 게임의 이탈 원인 정보를 획득할 수 있다.

프로세서(1150)는 학습 결과에 기초하여, 적어도 하나의 카테고리 각각에 대해 뎁스에 기반하는 제1 게임의 이탈 원인 정보를 획득할 수 있다.

프로세서(1150)는 적어도 하나의 카테고리에 따라, 제1 게임의 이탈 원인 정보를 제공할 수 있다.

프로세서(1150)는 사용자 인터페이스 장치(1120)를 통해 적어도 하나의 카테고리 중 제1 카테고리를 선택하는 입력을 수신할 수 있다. 사용자 인터페이스 장치(1120)는 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 뎁스에 기반하는 제1 게임의 이탈 원인 정보를 표시할 수 있다.

사용자 인터페이스 장치(1120)는 소정 기간 간격으로, 적어도 하나의 카테고리에 따라, 제1 게임의 이탈 원인 정보를 표시할 수 있다. 프로세서(1150)는 사용자 인터페이스 장치(1120)를 통해 소정 시간 간격에 기반하여 제1 소정 기간을 선택하는 입력을 수신할 수 있다. 프로세서(1150)는 제1 소정 시간에 대한, 복수의 사용자의 제1 게임의 몰입도를 나타내는 인게이지먼트 지수, 제1 게임의 이탈률 및 잔존률을 포함하는 정보가 사용자 인터페이스 장치(1120)에 표시되도록 사용자 인터페이스 장치(1120)를 제어할 수 있다.

또한, 프로세서(1150)는 통신 장치(1110)를 통해 제1 게임의 이탈 원인 정보를 제1 게임을 관리하는 외부 장치로 전송할 수 있다.

한편, 프로세서(1150)는 학습 결과에 기초하여, 제1 게임의 잔존 사용자에 대한 제1 게임의 잔존 원인 정보를 획득할 수 있다. 프로세서(1150)는 적어도 하나의 카테고리에 따라 제1 게임의 잔존 원인 정보가 사용자 인터페이스 장치(1120)에 표시되도록 사용자 인터페이스 장치(1120)를 제어할 수 있다.

또한, 프로세서(1150)는 제1 사용자의 행위 정보를 포함하는 제1 로그 데이터를 획득할 수 있다. 프로세서(1150)는 학습 결과 및 제1 로그 데이터에 기초하여, 제1 사용자가 제1 게임을 이탈할 것인지를 예측할 수 있다. 프로세서(1150)는 예측 결과를 포함하는 정보를 통신 장치(1110)를 통해 제1 게임을 관리하는 외부 장치로 전송할 수 있다.

이상에서 설명된 컴퓨팅 장치(10)는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록 매체에 기록될 수 있다. 컴퓨터 판독 가능 기록 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (20)

1. 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하는 단계;
   상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계;
   학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계; 및
   적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
2. 제1항에 있어서,
   상기 복수의 사용자의 행위들을, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계는,
   상기 복수의 사용자 중에서 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위를 학습하여, 상기 적어도 하나의 잔존 사용자가 상기 제1 게임에 잔존한 적어도 하나의 잔존 원인을 결정하는 단계; 및
   상기 복수의 사용자 중에서 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위를 학습하여, 상기 적어도 하나의 이탈 사용자가 상기 제1 게임에 이탈한 적어도 하나의 이탈 원인을 결정하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
3. 제2항에 있어서,
   상기 복수의 사용자의 행위들을, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계는,
   상기 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위와 상기 적어도 하나의 잔존 원인을 연관하여 학습하는 단계; 및
   상기 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위와 상기 적어도 하나의 이탈 원인을 연관하여 학습하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
4. 제2항에 있어서,
   상기 복수의 사용자의 행위들을, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계는,
   상기 적어도 하나의 이탈 원인과 관련된 제1 카테고리를 결정하는 단계;
   상기 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 상기 적어도 하나의 이탈 원인을 정량화하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
5. 제1항에 있어서,
   상기 적어도 하나의 카테고리 각각은,
   상위 카테고리, 상기 상위 카테고리에 종속되는 적어도 하나의 하위 카테고리를 포함하고,
   상기 적어도 하나의 하위 카테고리는, 상기 제1 게임에서 제공되는 서비스에 기초하여 결정되는, 컴퓨팅 장치의 동작 방법.
6. 제1항에 있어서,
   상기 학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계는,
   상기 학습 결과에 기초하여, 상기 적어도 하나의 카테고리 각각에 대해 뎁스에 기반하는 상기 제1 게임의 이탈 원인 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
7. 제6항에 있어서,
   상기 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계는,
   상기 적어도 하나의 카테고리 중 제1 카테고리를 선택하는 입력을 수신하는 단계; 및
   상기 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 뎁스에 기반하는 상기 제1 게임의 이탈 원인 정보를 표시하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
8. 제1항에 있어서,
   상기 학습 결과에 기초하여, 상기 제1 게임의 잔존 사용자에 대한 상기 제1 게임의 잔존 원인 정보를 획득하는 단계; 및
   상기 적어도 하나의 카테고리에 따라, 상기 제1 게임의 잔존 원인 정보를 표시하는 단계를 더 포함하는, 컴퓨팅 장치의 동작 방법.
9. 제1항에 있어서,
   상기 적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계는,
   소정 기간 간격으로, 상기 적어도 하나의 카테고리에 따라 상기 제1 게임의 이탈 원인 정보를 표시하는 단계;
   상기 소정 시간 간격에 기반하여 제1 소정 기간을 선택하는 입력을 수신하는 단계; 및
   상기 제1 소정 기간에 대한, 상기 복수의 사용자의 상기 제1 게임의 몰입도를 나타내는 인게이지먼트 지수, 상기 제1 게임의 이탈률 및 잔존률을 포함하는 정보를 표시하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
10. 제1항에 있어서,
    상기 제1 게임의 이탈 원인 정보를 상기 제1 게임을 관리하는 외부 장치로 전송하는 단계를 더 포함하는, 컴퓨팅 장치의 동작 방법.
11. 제1항에 있어서,
    제1 사용자의 행위 정보를 포함하는 제1 로그 데이터를 획득하는 단계;
    상기 학습 결과 및 상기 제1 로그 데이터에 기초하여, 상기 제1 사용자가 상기 제1 게임을 이탈할 것인지를 예측하는 단계; 및
    예측 결과를 포함하는 정보를 상기 제1 게임을 관리하는 외부 장치로 전송하는 단계를 더 포함하는, 컴퓨팅 장치의 동작 방법.
12. 제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하는 단계;
    상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하는 단계;
    학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하는 단계; 및
    적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 제공하는 단계를 포함하는, 방법을 하드웨어와 결합되어 실행시키기 위해 매체에 저장된 컴퓨터 프로그램.
13. 통신 장치;
    사용자 인터페이스 장치;
    스토리지;
    프로세서; 및
    상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    제1 게임에 대한 복수의 사용자의 행위 정보를 포함하는 로그 데이터를 획득하고,
    상기 로그 데이터로부터 추출된 상기 복수의 사용자의 행위 정보에 기초하여, 상기 복수의 사용자의 행위들을 머신 러닝을 통해, 상기 제1 게임의 잔존 사용자의 행위 및 이탈 사용자의 행위로 구별하여 학습하고,
    학습 결과에 기초하여, 상기 제1 게임의 이탈 사용자에 대한 상기 제1 게임의 이탈 원인 정보를 획득하고,
    적어도 하나의 카테고리에 따라, 상기 제1 게임의 이탈 원인 정보를 상기 사용자 인터페이스 장치에 표시하는, 컴퓨팅 장치.
14. 제13항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 복수의 사용자 중에서 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위를 학습하여, 상기 적어도 하나의 잔존 사용자가 상기 제1 게임에 잔존한 적어도 하나의 잔존 원인을 결정하고,
    상기 복수의 사용자 중에서 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위를 학습하여, 상기 적어도 하나의 이탈 사용자가 상기 제1 게임에 이탈한 적어도 하나의 이탈 원인을 결정하는, 컴퓨팅 장치.
15. 제14항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 적어도 하나의 잔존 사용자에 대한 적어도 하나의 행위와 상기 적어도 하나의 잔존 원인을 연관하여 학습하고,
    상기 적어도 하나의 이탈 사용자에 대한 적어도 하나의 행위와 상기 적어도 하나의 이탈 원인을 연관하여 학습하는, 컴퓨팅 장치.
16. 제14항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 적어도 하나의 이탈 원인과 관련된 제1 카테고리를 결정하고,
    상기 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 상기 적어도 하나의 이탈 원인을 정량화하는, 컴퓨팅 장치.
17. 제13항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 학습 결과에 기초하여, 상기 적어도 하나의 카테고리 각각에 대해 뎁스에 기반하는 상기 제1 게임의 이탈 원인 정보를 획득하는, 컴퓨팅 장치.
18. 제17항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 적어도 하나의 카테고리 중 제1 카테고리를 선택하는 입력을 수신하고,
    상기 제1 카테고리 내의 적어도 하나의 하위 카테고리의 분류체계에 따라, 뎁스에 기반하는 상기 제1 게임의 이탈 원인 정보를 상기 사용자 인터페이스 장치에 표시하는, 컴퓨팅 장치.
19. 제13항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    소정 기간 간격으로, 상기 적어도 하나의 카테고리에 따라 상기 제1 게임의 이탈 원인 정보를 상기 사용자 인터페이스 장치에 표시하고,
    상기 소정 시간 간격에 기반하여 제1 소정 기간을 선택하는 입력을 사용자 인터페이스 장치를 통해 수신하고,
    상기 제1 소정 기간에 대한, 상기 복수의 사용자의 상기 제1 게임의 몰입도를 나타내는 인게이지먼트 지수, 상기 제1 게임의 이탈률 및 잔존률을 포함하는 정보를 상기 사용자 인터페이스 장치에 표시하는, 컴퓨팅 장치.
20. 제13항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 통신 장치를 통해 상기 제1 게임의 이탈 원인 정보를 상기 제1 게임을 관리하는 외부 장치로 전송하는, 컴퓨팅 장치.

Images