KR20200120129A

KR20200120129A - 게임 업데이트 가이드를 위한 방법 및 장치

Info

Publication number: KR20200120129A
Application number: KR1020190042610A
Authority: KR
Inventors: 엄태욱; 한기영; 황영태
Original assignee: 넷마블 주식회사
Priority date: 2019-04-11
Filing date: 2019-04-11
Publication date: 2020-10-21
Also published as: KR102187880B1

Abstract

게임 업데이트 가이드를 위한 방법 및 장치가 개시된다. 일 실시예에 따르면, 게임 업데이트 가이드 방법은 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키는 단계와, 학습 기간보다 시간적으로 늦은 기준 시점의 게임 지표에 기초한 입력 데이터를 학습된 지표 예측 모델에 입력하여, 기준 시점보다 시간적으로 늦은 타겟 시간 구간의 게임 지표를 예측하는 단계와, 예측된 타겟 시간 구간의 게임 지표에 기초하여, 게임 업데이트에 관한 가이드 정보를 제공하는 단계를 포함한다.

Description

게임 업데이트 가이드를 위한 방법 및 장치{METHOD AND APPARATUS FOR GAME EVENT GUIDE}

아래 실시예들은 게임 업데이트 가이드를 위한 방법 및 장치에 관한 것이다.

퀘스트, 캐릭터와 같은 게임 컨텐츠의 소모 정도가 어느 정도 수준에 이르면 이들 게임 컨텐츠를 업데이트할 필요가 있다. 게임 내에서 게임 컨텐츠를 대부분 소비한 게임 유저의 비율이 높아지면 해당 게임 내 유저들이 게임을 이탈하게 될 가능성이 높아지기 때문이다. 기존에는 기획자나 운영자의 개별 판단에 기반하여 컨텐츠의 소모 정도를 확인하기 위한 지표가 추출되었다. 즉, 업데이트 시점이나 그 내용을 선정하는 데 있어서 개인적인 판단에 의존하게 되고, 개인적 판단에 따라 업데이트 효과에 차이가 생길 수밖에 없는 구조였다. 또한, 업데이트 시점에 대한 노하우는 각 운영진마다 별도의 노하우를 가지게 되고, 각 업데이트 시점 별 효과를 측정하기 어려운 문제가 있었다.

일 실시예에 따르면, 게임 운영 장치에 의해 수행되는 게임 업데이트 가이드 방법은 제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키는 단계; 상기 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 학습된 지표 예측 모델에 입력하여, 상기 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 상기 게임 지표를 예측하는 단계; 및 상기 예측된 상기 제1 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공하는 단계를 포함한다.

상기 게임 지표는 각 유저들의 게임 플레이 상태에 관한 분포를 나타내는 유저 상태 분포 정보 및 게임의 활성화 정도를 나타내는 게임 활성화 정보를 포함할 수 있다. 상기 유저 상태 분포 정보는 각 유저의 게임 로그에 기초하여 생성된 유저 상태 정보에 관한 통계에 기초하여 생성될 수 있다. 상기 게임 활성화 정보는 DAU(daily active user) 및 게임 매출에 관한 정보를 포함할 수 있다.

상기 게임 지표는 유저들의 컨텐츠 소비 현황, 유저들의 캐릭터 보유 현황, 및 유저들의 레벨 분포 중 적어도 하나를 포함할 수 있다. 상기 제1 가이드 정보는 컨텐츠 추가에 관한 경고, 캐릭터 추가에 관한 경고, 및 레벨 상한 조절에 관한 경고 중 적어도 하나를 포함할 수 있다.

상기 게임 지표는 유저들의 컨텐츠 소비 현황을 포함할 수 있고, 상기 제1 가이드 정보를 제공하는 단계는 상기 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 컨텐츠 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.

상기 게임 지표는 유저들의 캐릭터 보유 현황을 포함할 수 있고, 상기 제1 가이드 정보를 제공하는 단계는 상기 유저들의 캐릭터 보유 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 캐릭터 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.

상기 게임 지표는 유저들의 레벨 분포를 포함할 수 있고, 상기 제1 가이드 정보를 제공하는 단계는 상기 유저들의 레벨 분포를 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 레벨 상한 조절에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.

상기 학습 데이터 및 상기 입력 데이터 각각은 상기 게임 지표 및 상기 게임 지표의 변화량에 기초하여 구성될 수 있다.

상기 게임 업데이트 가이드 방법은 상기 제1 가이드 정보를 제공하는 단계 이후에 수행되는, 미리 정해진 학습 주기가 경과된 것에 대응하여, 상기 제1 학습 기간을 제2 학습 기간으로 업데이트하는 단계; 상기 제2 학습 기간의 상기 게임 지표에 기초하여 상기 지표 예측 모델을 추가 학습시키는 단계; 상기 제2 학습 기간보다 시간적으로 늦은 제2 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 추가 학습된 지표 예측 모델에 입력하여, 상기 제2 기준 시점보다 시간적으로 늦은 제2 타겟 시간 구간의 상기 게임 지표를 예측하는 단계; 및 상기 예측된 상기 제2 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제2 가이드 정보를 제공하는 단계를 더 포함할 수 있다.

일 실시예에 따르면, 게임 업데이트 가이드를 수행하는 게임 운영 장치는 프로세서; 및 상기 프로세서에서 읽을 수 있는 명령어들을 포함하는 메모리를 포함하고, 상기 명령어들이 상기 프로세서에서 실행되면, 상기 프로세서는 제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키고, 상기 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 학습된 지표 예측 모델에 입력하여, 상기 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 상기 게임 지표를 예측하고, 상기 예측된 상기 제1 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공한다.

상기 게임 지표는 유저들의 컨텐츠 소비 현황을 포함할 수 있고, 상기 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 컨텐츠 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공할 수 있다.

상기 게임 지표는 유저들의 캐릭터 보유 현황을 포함할 수 있고, 상기 유저들의 캐릭터 보유 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 캐릭터 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공할 수 있다.

상기 게임 지표는 유저들의 레벨 분포를 포함할 수 있고, 상기 유저들의 레벨 분포를 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 레벨 상한 조절에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함할 수 있다.

상기 프로세서는 상기 제1 가이드 정보를 제공한 이후에, 미리 정해진 학습 주기가 경과된 것에 대응하여, 상기 제1 학습 기간을 제2 학습 기간으로 업데이트하고, 상기 제2 학습 기간의 상기 게임 지표에 기초하여 상기 지표 예측 모델을 추가 학습시키고, 상기 제2 학습 기간보다 시간적으로 늦은 제2 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 추가 학습된 지표 예측 모델에 입력하여, 상기 제2 기준 시점보다 시간적으로 늦은 제2 타겟 시간 구간의 상기 게임 지표를 예측하고, 상기 예측된 상기 제2 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제2 가이드 정보를 제공할 수 있다.

도 1은 일 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트.
도 2는 일 실시예에 따른 게임 지표 생성 과정을 나타낸 도면.
도 3은 일 실시예에 따른 지표 예측 모델의 학습 과정을 나타낸 도면.
도 4는 일 실시예에 따른 지표 예측 모델을 나타낸 도면.
도 5는 일 실시예에 따른 지표 예측 모델을 이용한 예측 과정을 나타낸 도면.
도 6은 일 실시예에 따른 각 시점을 설명하기 위한 도면.
도 7은 일 실시예에 따른 각 시점의 업데이트 과정을 설명하기 위한 도면.
도 8은 다른 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트.
도 9는 일 실시예에 따른 게임 운영 장치를 나타낸 블록도.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.

본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 일 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트이다.

도 1을 참조하면, 단계(110)에서 지표 예측 모델이 학습된다. 지표 예측 모델은 학습 기간의 게임 지표에 기초한 학습 데이터를 통해 학습될 수 있다. 예를 들어, 지표 예측 모델은 딥러닝 기반의 인공 신경망을 포함할 수 있고, 보다 구체적으로는 RNN(Recurrent Neural Networks), LSTM(Long Short Term Memory), GRU(Gated Recurrent Unit) 등과 같이 시계열 데이터에 기반한 추론을 수행할 수 있는 모델을 포함할 수 있다. 게임 지표는 유저들의 게임 플레이 진행 정도(예: 컨텐츠 소비 현황, 캐릭터 보유 현황, 레벨 분포 등)를 측정하기 위한 것으로, 게임 로그 등에 기초하여 생성될 수 있다. 지표 예측 모델 및 게임 지표에 관한 상세한 내용을 후술된다.

단계(120)에서 지표 예측 모델을 이용하여 타겟 시간 구간의 게임 지표가 예측된다. 학습 기간보다 시간적으로 늦은 기준 시점의 게임 지표에 기초한 입력 데이터가 지표 예측 모델에 입력될 수 있고, 입력 데이터의 입력에 반응하여 지표 예측 모델에 의해 출력된 출력 데이터는 기준 시점보다 시간적으로 늦은 타겟 시간 구간의 게임 지표에 관한 예측 값들을 포함할 수 있다. 타겟 시간 구간은 복수의 시점들을 포함할 수 있다. 지표 예측 모델은 기준 시점의 입력 데이터에 기초한 예측을 반복적으로 수행하여 타겟 시간 구간 내 복수의 시점들에 대응하는 예측 값들을 생성할 수 있다. 본 명세서에서 '시점'은 학습 및 예측을 수행하는 타임 스텝의 단위, 예를 들어 '하루' 단위로 구분될 수 있다.

단계(130)에서 타겟 시간 구간의 게임 지표에 기초하여 게임 업데이트에 관한 가이드 정보가 제공된다. 게임 업데이트는 컨텐츠 추가, 캐릭터 추가, 레벨 상한 조절 등을 포함할 수 있고, 가이드 정보는 이러한 게임 업데이트가 필요하다는 경고를 포함할 수 있다. 즉, 가이드 정보는 컨텐츠 추가에 관한 경고, 캐릭터 추가에 관한 경고, 레벨 상한 조절에 관한 경고 등을 포함할 수 있다.

타겟 시간 구간 동안의 게임 지표가 예측되면, 예측된 게임 지표를 통해 유저들에 의한 미래의 게임 플레이 진행 정도가 분석될 수 있다. 예를 들어, 컨텐츠나 캐릭터가 고갈되거나, 최고 레벨을 달성한 유저의 비율이 높아지는 미래 시점이 예측될 수 있다. 컨텐츠 추가, 캐릭터 추가, 레벨 상한 조절과 같은 게임 업데이트를 위한 개발 및 테스트에는 일정 시간이 소요되므로, 이렇게 미래의 변화를 미리 예측하여 업데이트를 위한 개발 및 테스트와 같은 대응 방안을 마련할 수 있다.

일 실시예에 따르면, 게임 운영자, 기획자, 개발자 등은 업데이트가 필요한 임계치를 미리 설정해 둘 수 있고, 게임 지표가 타겟 시간 구간 내에서 임계치를 초과하는 것이 예측된다면, 가이드 정보로서 게임 지표가 임계치를 초과하는 시점이 언제 인지, 및 이에 따라 업데이트가 필요하다는 점이 관리자에게 알려질 수 있다. 예를 들어, 가이드 정보는 문자 메시지나 메신저 메시지를 통해 가이드 정보를 받아볼 수 있다.

일 실시예에 따르면, 게임 지표는 유저들의 컨텐츠 소비 현황을 포함할 수 있고, 이 경우 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 것에 따라, 컨텐츠 추가에 관한 경고 및 통계치가 미리 정해진 임계치를 초과하는 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 가이드 정보가 제공될 수 있다.

예를 들어, 본 실시예는 스토리(예: 메인 퀘스트), 지역(예: 메인 던전) 등의 컨텐츠를 포함하는 장르의 게임, 일례로 RPG(role playing game) 게임에 적용될 수 있다. RPG게임의 경우, 메인 스토리를 따라가며 유저의 성장 및 기타 컨텐츠를 즐길 수 있도록 설계되어 있다. 처음 설계되어 오픈된 컨텐츠(예: 메인 스토리, 신규 지역)는 무한하지 않으며, 시간이 지나면 많은 수의 유저가 해당 컨텐츠를 클리어하여 더 이상 진행할 컨텐츠가 없는 상태에 봉착할 수 있다. 게임 기획자, 개발자는 본 실시예를 이용하여 이러한 상태에 도달하기 전에 신규 스토리 및 신규 지역을 기획 및 개발하여 유저 이탈을 막을 수 있다.

다른 일 실시예에 따르면, 게임 지표는 유저들의 캐릭터 보유(예: 수집, 성장 등) 현황을 포함할 수 있고, 이 경우 유저들의 캐릭터 보유 현황을 나타내는 통계치가 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 것에 따라, 캐릭터 추가에 관한 경고 및 통계치가 미리 정해진 임계치를 초과하는 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 가이드 정보가 제공될 수 있다.

예를 들어, 본 실시예는 캐릭터를 수집하는 장르의 게임, 일례로 CCG(collectible card game) 게임에 적용될 수 있다. CCG 게임의 경우, 게임 내 존재하는 영웅의 수가 정해져 있고 많은 수의 영웅을 획득 및 성장시키는 것이 목적이다. 게임 내 존재하는 영웅을 대다수 획득하고 성장시킨 유저들의 비율이 증가하는 경우, 유저들에게 캐릭터(카드) 추가 등을 통해 새로운 목적성을 부여해 주어야 한다. 게임 기획자, 개발자는 본 실시예를 이용하여 이러한 상태에 도달하기 전에 신규 컨텐츠, 캐릭터(카드)를 기획 및 개발하여 유저 이탈을 막을 수 있다.

또 다른 일 실시예에 따르면, 게임 지표는 유저들의 레벨 분포를 포함할 수 있고, 이 경우 유저들의 레벨 분포를 나타내는 통계치가 타겟 시간 구간 내에서 미리 정해진 임계치를 초과함에 따라, 레벨 상한 조절에 관한 경고 및 통계치가 미리 정해진 임계치를 초과하는 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 가이드 정보가 제공될 수 있다. 본 실시예는 레벨 기반의 모든 게임 장르에 적용될 수 있다.

실시예들에 따른 게임 업데이트 가이드에 관한 동작들은 게임 운영 장치(미도시, 추후 설명됨)에 의해 수행될 수 있다.

도 2는 일 실시예에 따른 게임 지표 생성 과정을 나타낸 도면이다.

도 2를 참조하면, 게임 로그(220)에 기초하여 유저 상태 정보(230)가 생성된다. 게임 로그(220)는 게임 유저가 게임을 플레이하며 발생한 정보를 유저 클라이언트(예: 유저 단말)로부터 수신하여 기록할 수 있다. 일례로, 게임 로그(220)는 유저 클라이언트로부터 수신한 플레이 관련 정보를 테이블 형태로 기록할 수 있다. 유저 상태 정보(230)는 게임 로그(220)에 저장된 데이터를 분석에 적합한 형태로 가공한 것으로, 데이터를 유저 별로 분류하여 저장할 수 있다. 예를 들어, 유저 상태 정보(230)는 각 유저의 컨텐츠 소비 정도, 캐릭터 보유 정도, 레벨 등을 저장할 수 있다.

유저 상태 정보(230)에 기초하여 게임 지표(240)가 생성될 수 있다. 예를 들어, 게임 지표(240)는 각 유저들의 게임 플레이 상태에 관한 분포를 나타내는 유저 상태 분포 정보 및 게임의 활성화 정도를 나타내는 게임 활성화 정보를 포함할 수 있다. 유저 상태 분포 정보는 각 유저의 게임 로그에 기초하여 생성된 유저 상태 정보(230)에 관한 통계에 기초하여 생성될 수 있다. 예를 들어, 유저 상태 정보(230)가 각 유저의 컨텐츠 소비 정도, 캐릭터 보유 정도, 레벨 등과 같은 각 유저의 개별 상태를 포함한다면, 유저 상태 분포 정보는 전체 유저 대비 최종 컨텐츠 도달 유저의 비율, 전체 유저의 캐릭터 보유 현황, 전체 유저의 레벨 분포 등과 같은 유저 상태 정보(230)의 게임 내 분포, 현황을 포함할 수 있다.

추가로, 게임 지표(240)는 게임의 활성화 정도를 나타내는 게임 활성화 정보를 더 포함할 수 있다. 다시 말해, 게임 지표(240)는 유저 상태 분포 정보 및 게임 활성화 정보를 포함할 수 있다. 예를 들어, 게임 활성화 정보는 DAU(daily active user), 게임 매출 등에 관한 정보를 포함할 수 있다. 게임 활성화 정보는 게임 로그(220) 이외에 별도의 게임 데이터베이스를 통해 획득될 수도 있다.

일 실시예에 따르면, 게임 지표(240)는 다음과 같은 과정을 통해 생성될 수 있다. 우선, 게임 로그(220)에서 타임 스텝(예: 하루)동안 발생된 로그 기록(예: 테이블의 행, n개) 및 메타 정보를 획득한다. 이후, 로그 기록 내 각 필드(예: 테이블의 열)의 합, 평균, 분산 등의 통계 연산을 이용해 집계한 필드를 생성한다. 접속 유저와 비접속 유저를 포함하는 전체 유저 기준으로 집계를 수행할 수 있다. 이후, 각 유저 기준으로 합, 평균 연산된 필드를 접속 유저(또는 접속 유저와 비접속 유저를 포함하는 전체 유저)를 기준으로 평균 내어 집계를 수행한다. 예를 들어, select mean(sum_field_1) as, sum(sum_field_1)/total_user from, select sum(field_1) as sum_field_1과 같은 연산을 이용할 수 있다.

이후, group by user 연산(예: 3개)을 별도로 수행 후 join하여 하나의 테이블을 생성한다. 집계를 수행할 때 연산을 prefix 또는 suffix로 붙여 필드명을 둘 수 있고, 타겟 지표 및 PLC(product life cycle) 지표의 경우 별도의 별명을 두어 관리할 수 있다. 이에 따라, 타입 스텝 동안 발생된 n개의 로그의 각 필드 값을 대표하는 값들이 저장된 테이블이 생성될 수 있다. 예를 들어, 테이블은 sum_feild_1, mean_feild_1, var_feild1, div_total_sum_field_1, total_buy, average_buy와 같은 필드를 포함할 수 있다. 게임 지표(240)는 이와 같은 과정을 통해 생성된 해당 테이블에 기초할 수 있다.

도 3은 일 실시예에 따른 지표 예측 모델의 학습 과정을 나타낸 도면이다.

도 3을 참조하면, 지표 예측 모델(320)은 학습 데이터(310)에 기초하여 학습된다. 학습 데이터(310)는 학습 기간의 게임 지표에 기초할 수 있다. 예를 들어, 학습 데이터(310)는 학습 기간의 게임 지표, 및 학습 기간의 게임 지표의 변화량을 포함할 수 있다. 상술된 것처럼, 게임 지표는 유저 상태 분포 정보 및 게임 활성화 정보를 포함할 수 있다. 일 실시예에 따르면, 지표 예측 모델(320)은 지도식 학습(supervised learning)을 통해 학습 데이터(310)를 학습할 수 있고, 학습이 완료된 지표 예측 모델(320)은 기준 시점의 게임 지표에 기초하여 타겟 시간 구간의 게임 지표를 예측할 수 있다.

일 실시예에 따르면, 학습 데이터(310)의 최신성을 유지하여 지표 예측 모델(320)의 예측 정확도를 높이기 위해, 학습 데이터(310) 및 학습 데이터(310)에 대응하는 학습 기간은 지속적으로 업데이트될 수 있다. 예를 들어, 지표 예측 모델(320)이 제1 학습 기간의 학습 데이터(310)로 학습된 이후 제1 기준 시점에 관한 예측이 수행될 수 있고, 그 이후 지표 예측 모델(320)은 제1 학습 기간에 비해 최근 정보를 포함하는 제2 학습 기간의 학습 데이터(310)로 추가로 학습되어 제1 기준 시점에 비해 시간적으로 늦은 제2 기준 시점에 관한 예측을 수행할 수 있다. 본 실시예에 관해서는 추후 더욱 상세히 설명한다.

도 4는 일 실시예에 따른 지표 예측 모델을 나타낸 도면이다.

도 4를 참조하면, 지표 예측 모델은 히든 레이어들(410, 420, 430)을 포함한다. 지표 예측 모델은 시점 t의 데이터에 기초하여 시점 t+1의 데이터를 예측하고, 예측된 시점 t+1의 데이터에 기초하여 시점 t+2의 데이터를 예측하는 방식으로, 시점 t+N의 데이터까지 예측하는 자기회귀적 모델(autoregressive model)에 해당할 수 있다. 즉, 지표 예측 모델은 시점 t의 지표에 기초하여 타겟 시간 구간 t+1 내지 t+N까지의 지표를 예측할 수 있다. 이 때, 히든 레이어들(410, 420, 430) 각각에는 지표 및 지표의 타입 스텝 동안의 변화량(예: 일간 변화량)이 입력될 수 있고, 이를 통해 다음 타입 스텝의 지표가 예측될 수 있다.

이하 지표 예측 모델의 입력(X)은 시점 i에 집계된 특징과 지표에 기반하고, 출력(Y)은 시점 i+1 내지 시점 i+N까지의 타겟 시간 구간의 지표인 것을 가정하여, 지표 예측 모델의 학습 및 예측 과정을 설명한다.

학습 과정에서, 지표 예측 모델의 입력(X)은 i-N에 집계된 특징, 시점 i-N 내지 시점 i-1 간의 지표, 및 지표의 타임 스텝 동안의 변화량이고, 출력(Y)은 시점 i-N+1 내지 시점 i의 지표이다. 이후 시점 i를 과거 시점으로 변경해가며 학습 데이터를 생성하여 지표 예측 모델의 학습을 반복할 수 있다. 지표 예측 모델은 출력(Y)의 로스가 최소화되도록 학습될 수 있다.

예측 과정에서, 지표 예측 모델은 시점 i에 예측한 시점 i+1의 지표를 기반으로, 시점 i+N까지 지속적으로 예측을 수행할 수 있다. 예를 들어, Y'_(i+1) = f(Y_t, Y_t - Y_(t-1)), Y'_(i+2) = f(Y'_(i+1), Y'_(i+1) - Y_i)와 같이 예측이 수행될 수 있다.

도 5는 일 실시예에 따른 지표 예측 모델을 이용한 예측 과정을 나타낸 도면이다. 도 5를 참조하면, 지표 예측 모델(520)은 입력 데이터(510)의 입력에 응답하여 출력 데이터(530)를 출력한다. 상술된 것처럼, 입력 데이터(510)는 게임 지표에 기초할 수 있다. 예를 들어, 학습 데이터(310)는 게임 지표, 및 게임 지표의 변화량을 포함할 수 있다. 게임 지표의 변화량은 게임 지표의 타임 스텝 별 변화량(예: 일간 변화량)일 수 있다. 출력 데이터(530)는 예측된 게임 지표일 수 있다. 입력 데이터(510)는 기준 시점에 관해 집계된 것일 수 있고, 출력 데이터(530)는 타겟 시간 구간에 관해 예측된 것일 수 있다. 지표 예측 모델(520)은 기준 시점의 입력 데이터(510)에 기초한 예측을 반복하여 타겟 시간 구간의 출력 데이터(530)를 생성할 수 있다. 각 시점 간의 관계는 도 6을 참조하여 더욱 상세히 설명한다.

도 6은 일 실시예에 따른 각 시점을 설명하기 위한 도면이다. 도 6을 참조하면, 지표 예측 모델은 기준 시간 간격(D)에 대응하는 학습 기간의 학습 데이터를 기반으로 학습 시점(C)에서 학습될 수 있다. 학습 데이터는 게임 지표에 기반할 수 있다. 지표 예측 모델의 학습이 완료되면, 지표 예측 모델은 기준 시점(A)에 관해 집계된 입력 데이터를 기반으로 기준 시간 간격(D)에 대응하는 타겟 시간 구간의 출력 데이터를 생성할 수 있다. 입력 데이터 및 출력 데이터는 게임 지표에 기반할 수 있다. 기준 시간 간격(D) 및 타겟 시간 구간은 기준 시점(A) 및 타겟 시점(B) 간의 시간 구간으로 정의될 수 있다.

도 7은 일 실시예에 따른 각 시점의 업데이트 과정을 설명하기 위한 도면이다. 상술된 것처럼, 학습 데이터의 최신성을 유지하여 지표 예측 모델의 예측 정확도를 높이기 위해, 학습 데이터 및 학습 데이터에 대응하는 학습 기간은 지속적으로 업데이트될 수 있다.

도 7을 참조하면, 상단의 시간 축에서 지표 예측 모델은 학습 시점(C)에 제1 학습 기간의 학습 데이터로 학습된 이후, 기준 시점(A)에 집계된 입력 데이터에 기초하여 타겟 시간 구간(A 내지 B)에 대응하는 출력 데이터를 생성할 수 있다. 이후, 일정 시간(E)이 경과하면, 학습 시점(C'=A=C+E)이 업데이트되고, 지표 예측 모델은 제1 학습 기간에 비해 최근 정보를 포함하는 제2 학습 기간의 학습 데이터로 추가로 학습되어, 기준 시점(A)에 비해 시간적으로 늦은 기준 시점(A')에 집계된 입력 데이터에 기초하여 타겟 시간 구간(A' 내지 B')에 대응하는 출력 데이터를 생성할 수 있다. 예를 들어, 일정 시간(E)은 타임 스텝(예: 하루)에 대응할 수 있다.

도 8은 다른 실시예에 따른 게임 업데이트 가이드 방법을 나타내는 플로우 차트이다. 도 8을 참조하면, 단계(810)에서 학습 시점에서 지표 예측 모델이 학습된다. 단계(820)에서 기준 시점의 게임 지표에 기반한 입력 데이터를 지표 예측 모델에 입력하여 타겟 시간 구간의 게임 지표가 예측된다. 단계(830)에서 타겟 시간 구간의 게임 지표가 임계치를 초과하는지 판단된다. 예를 들어, 타겟 시간 구간의 게임 지표로서 예측된 통계치(예: 컨텐츠 소비 현황을 나타내는 통계치, 캐릭터 보유 현황을 나타내는 통계치, 레벨 분포를 나타내는 통계치 등)들이 임계치와 비교될 수 있고, 예측된 통계치들 중 어느 하나라도 임계치를 초과하는 경우 타겟 시간 구간의 게임 지표가 임계치를 초과하는 것으로 판단될 수 있다.

타겟 시간 구간의 게임 지표가 임계치를 초과하는 경우 단계(840)에서 가이드 정보가 제공되며, 타겟 시간 구간의 게임 지표가 임계치를 초과하지 않는 경우 단계(850)에서 학습 주기 동안 대기 상태가 유지되고, 단계(860)에서 각 시점이 조정된다. 예를 들어, 단계(860)에서 학습 시점, 학습 기간, 기준 시점, 및 타겟 시간 구간이 조정될 수 있다. 실시예에 따라 단계(830)의 판단 과정 없이 단계(820) 이후에 단계들(840, 850)이 바로 수행될 수도 있다.

이후, 단계(810) 내지 단계(830)를 통해 새로운 학습 시점, 학습 기간, 기준 시점, 및 타겟 시간 구간에 따른 지표 예측이 수행될 수 있다. 예를 들어, 단계(850)를 통해 미리 정해진 학습 주기가 경과된 것에 대응하여, 단계(860)에서 학습 시점, 학습 기간, 기준 시점, 및 타겟 시간 구간이 업데이트될 수 있다. 또한, 단계(810)에서 새로운 학습 기간의 게임 지표에 기초하여 지표 예측 모델이 추가로 학습될 수 있고, 단계(820)에서 새로운 기준 시점의 게임 지표에 기초한 입력 데이터를 추가 학습된 지표 예측 모델에 입력하여, 새로운 타겟 시간 구간의 게임 지표가 예측될 수 있다. 또한, 단계(830)의 판단 결과에 따라, 단계(840)에서 새로운 타겟 시간 구간의 게임 지표에 기초하여, 게임 업데이트에 관한 가이드 정보가 제공될 수 있다.

이와 같은 단계들이 반복됨에 따라 지표 예측 모델은 지속적으로 최신 정보를 통해 업데이트될 수 있고, 지표 예측 모델의 예측 결과가 게임 지표에 관한 최신 정보를 반영하게 되어, 지표 예측 모델의 예측 성능이 향상될 수 있다.

도 9는 일 실시예에 따른 게임 운영 장치를 나타낸 블록도이다. 도 9를 참조하면, 게임 운영 장치(900)는 프로세서(910) 및 메모리(920)를 포함한다. 메모리(920)는 프로세서(910)에서 읽을 수 있는 명령어들을 저장할 수 있고, 메모리(920)에 저장된 명령어들이 프로세서(910)에서 수행되면, 프로세서(910)는 실시예에 따른 게임 업데이트 가이드에 관한 동작들을 수행할 수 있다. 예를 들어, 프로세서(910)는 제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키고, 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 게임 지표에 기초한 입력 데이터를 학습된 지표 예측 모델에 입력하여, 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 게임 지표를 예측하고, 예측된 제1 타겟 시간 구간의 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공할 수 있다. 그 밖에, 게임 운영 장치(900)에 관해서는 도 1 내지 도 8을 통해 설명된 내용이 적용될 수 있다.

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

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

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 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

게임 운영 장치에 의해 수행되는 게임 업데이트 가이드 방법에 있어서,
제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키는 단계;
상기 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 학습된 지표 예측 모델에 입력하여, 상기 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 상기 게임 지표를 예측하는 단계; 및
상기 예측된 상기 제1 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공하는 단계
를 포함하는 게임 업데이트 가이드 방법.
제1항에 있어서,
상기 게임 지표는
각 유저들의 게임 플레이 상태에 관한 분포를 나타내는 유저 상태 분포 정보 및 게임의 활성화 정도를 나타내는 게임 활성화 정보를 포함하는,
게임 업데이트 가이드 방법.
제2항에 있어서,
상기 유저 상태 분포 정보는
각 유저의 게임 로그에 기초하여 생성된 유저 상태 정보에 관한 통계에 기초하여 생성되는,
게임 업데이트 가이드 방법.
제2항에 있어서,
상기 게임 활성화 정보는
DAU(daily active user) 및 게임 매출에 관한 정보를 포함하는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 게임 지표는
유저들의 컨텐츠 소비 현황, 유저들의 캐릭터 보유 현황, 및 유저들의 레벨 분포 중 적어도 하나를 포함하는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 제1 가이드 정보는
컨텐츠 추가에 관한 경고, 캐릭터 추가에 관한 경고, 및 레벨 상한 조절에 관한 경고 중 적어도 하나를 포함하는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 게임 지표는 유저들의 컨텐츠 소비 현황을 포함하고,
상기 제1 가이드 정보를 제공하는 단계는
상기 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 컨텐츠 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함하는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 게임 지표는 유저들의 캐릭터 보유 현황을 포함하고,
상기 제1 가이드 정보를 제공하는 단계는
상기 유저들의 캐릭터 보유 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 캐릭터 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함하는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 게임 지표는 유저들의 레벨 분포를 포함하고,
상기 제1 가이드 정보를 제공하는 단계는
상기 유저들의 레벨 분포를 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 레벨 상한 조절에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함하는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 학습 데이터 및 상기 입력 데이터 각각은
상기 게임 지표 및 상기 게임 지표의 변화량에 기초하여 구성되는,
게임 업데이트 가이드 방법.
제1항에 있어서,
상기 제1 가이드 정보를 제공하는 단계 이후에 수행되는,
미리 정해진 학습 주기가 경과된 것에 대응하여, 상기 제1 학습 기간을 제2 학습 기간으로 업데이트하는 단계;
상기 제2 학습 기간의 상기 게임 지표에 기초하여 상기 지표 예측 모델을 추가 학습시키는 단계;
상기 제2 학습 기간보다 시간적으로 늦은 제2 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 추가 학습된 지표 예측 모델에 입력하여, 상기 제2 기준 시점보다 시간적으로 늦은 제2 타겟 시간 구간의 상기 게임 지표를 예측하는 단계; 및
상기 예측된 상기 제2 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제2 가이드 정보를 제공하는 단계
를 더 포함하는 게임 업데이트 가이드 방법.
제1항 내지 제11항 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 프로그램을 저장한 컴퓨터 판독 가능 저장매체.
게임 업데이트 가이드를 수행하는 게임 운영 장치에 있어서,
프로세서; 및
상기 프로세서에서 읽을 수 있는 명령어들을 포함하는 메모리
를 포함하고,
상기 명령어들이 상기 프로세서에서 실행되면, 상기 프로세서는
제1 학습 기간의 게임 지표에 기초한 학습 데이터로 지표 예측 모델을 학습시키고,
상기 제1 학습 기간보다 시간적으로 늦은 제1 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 학습된 지표 예측 모델에 입력하여, 상기 제1 기준 시점보다 시간적으로 늦은 제1 타겟 시간 구간의 상기 게임 지표를 예측하고,
상기 예측된 상기 제1 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제1 가이드 정보를 제공하는,
게임 운영 장치.
제13항에 있어서,
상기 게임 지표는
각 유저들의 게임 플레이 상태에 관한 분포를 나타내는 유저 상태 분포 정보 및 게임의 활성화 정도를 나타내는 게임 활성화 정보를 포함하는,
게임 운영 장치.
제13항에 있어서,
상기 게임 지표는 유저들의 컨텐츠 소비 현황, 유저들의 캐릭터 보유 현황, 및 유저들의 레벨 분포 중 적어도 하나를 포함하는,
게임 운영 장치.
제13항에 있어서,
상기 제1 가이드 정보는
컨텐츠 추가에 관한 경고, 캐릭터 추가에 관한 경고, 및 레벨 상한 조절에 관한 경고 중 적어도 하나를 포함하는,
게임 운영 장치.
제13항에 있어서,
상기 게임 지표는 유저들의 컨텐츠 소비 현황을 포함하고,
상기 유저들의 컨텐츠 소비 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 컨텐츠 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는,
게임 운영 장치.
제13항에 있어서,
상기 게임 지표는 유저들의 캐릭터 보유 현황을 포함하고,
상기 유저들의 캐릭터 보유 현황을 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 캐릭터 추가에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는,
게임 운영 장치.
제13항에 있어서,
상기 게임 지표는 유저들의 레벨 분포를 포함하고,
상기 유저들의 레벨 분포를 나타내는 통계치가 상기 제1 타겟 시간 구간 내에서 미리 정해진 임계치를 초과하는 경우, 상기 프로세서는 레벨 상한 조절에 관한 경고 및 상기 통계치가 상기 미리 정해진 임계치를 초과하는 상기 제1 타겟 시간 구간 내 경고 시점에 관한 정보를 포함하는 상기 제1 가이드 정보를 제공하는 단계를 포함하는,
게임 운영 장치.
제13항에 있어서,
상기 프로세서는
상기 제1 가이드 정보를 제공한 이후에,
미리 정해진 학습 주기가 경과된 것에 대응하여, 상기 제1 학습 기간을 제2 학습 기간으로 업데이트하고,
상기 제2 학습 기간의 상기 게임 지표에 기초하여 상기 지표 예측 모델을 추가 학습시키고,
상기 제2 학습 기간보다 시간적으로 늦은 제2 기준 시점의 상기 게임 지표에 기초한 입력 데이터를 상기 추가 학습된 지표 예측 모델에 입력하여, 상기 제2 기준 시점보다 시간적으로 늦은 제2 타겟 시간 구간의 상기 게임 지표를 예측하고,
상기 예측된 상기 제2 타겟 시간 구간의 상기 게임 지표에 기초하여, 게임 업데이트에 관한 제2 가이드 정보를 제공하는,
게임 운영 장치.