2. 지난번에서는…
• 리텐션의 산출과 활용
에 대해 알아보았습니다. 하지만 내용이 다소 포괄적이었습니다.
이번엔 하나의 세션을 잡아 그에 대해서만 집중적으로 다루어보겠습니다.
3. 필터와 대응주제
• 필터는 지난번 시간의 예제를 동일하게 활용하도록 하겠습니다.
• 그리고 이용자의 ‘이탈’의 원인은 여러 가지 요소가 복합적으로 있는 것
이 너무나 당연하지만 구체적인 예시를 들기 위해 이번 세션에서는 단 하나
의 주제인 ‘난이도로 인한 이탈’에 대해 대응하는 법을 소개하겠습니다.
• 난이도를 형성하는 요소는 레벨 디자인, 몬스터의 강함, 퀘스트 수행 난이
도 등등 굉장히 많은 것들이 복합적으로 합쳐져서 만들어지는데 이 세션에
서는 심플한 이해를 위해 ‘몬스터의 강함’만을 주제로 다루겠습니다.
4. 이탈의 정의와 규정
• 난이도로 인한 이탈에 대한 정의
• 이탈 현상의 가설
: 유저들은 몬스터에게 도전하다가 2회 이상 동일한 몬스터에게 죽임을 당할
때 장벽을 느끼고 이탈 할 것이다.
Case
포로리는 때려
칠테야.
5. 지금은 최대한 과정을 단순화 하기 위해 ‘죽음’
이라는 상황의 가설을 딱 1개만 산정 했습니다.
사실, 가설의 종류는 이용자의 정성데이터를 토대
로 동일한 증상을 공통적으로 겪고 있는 부분에 대
해 공통분모로 삼아 제일 많이 발생하는 현상을
가설화 하는 것이 효율적입니다.
기획자 스스로 판단해서 가설화 하는 것도 방법이
지만, 기획자 자신의 취향을 탄 가설이 될 가능성이
매우 농후합니다.
6. 포로리는 때려
칠테야.
이 분들을 Data에서 찾아봅시다.
추출할 Data의 대상 집단 선정
잔존 유저
이탈 유저
8. 죽음에 대한 로그 설정
Death Date MoinID UID Log-out
True 2013-01-01 13:30:00 너구리 포로리 2013-01-01 13:33:00
True 2013-01-01 13:32:34 너구리 포로리 2013-01-01 13:33:00
True 2013-01-01 13:10:00 너구리 보노보노 2013-01-01 13:50:00
True 2013-01-01 13:13:54 너구리 보노보노 2013-01-01 13:50:00
이러한 형태로 Log를 심어 Low Data가 나왔을 때 몇 가지 필터를 해야 합니다.
그 중 대표적인 사례 한 가지를 소개합니다.
9. 예외사항 필터 (아이콘 출처 : 아틀란티카)
Level : 15 Level : 8 Level : 12
힘 : 80 힘 : 42 힘 : 60
민첩 : 150 민첩 : 110 민첩 : 85
종합 전투력 : 50000 종합 전투력 : 7900 종합 전투력 : 11200
보유 아이템 : 보유 아이템 : 보유 아이템 :
포로리와 보노보노는 아직 너구리를 상대할만한 무장을 갖추지 못함.
기획단계에서 의도하지 않은 전투상황임.
즉, 컨텐츠 난이도 디자인이 어긋나서 이용자가 적절하지 못한 상대와 조우함
이런 상황에서는 컨텐츠 디자인을 수정해야 합니다.
10. Death Date MoinID UID Log-out
True 2013-01-01 13:30:00 너구리 포로리 2013-01-01 13:33:00
True 2013-01-01 13:32:34 너구리 포로리 2013-01-01 13:33:00
True 2013-01-01 13:10:00 너구리 보노보노 2013-01-01 13:50:00
True 2013-01-01 13:13:54 너구리 보노보노 2013-01-01 13:50:00
조금 더 세부적인 부분들을 알고 싶다면 UID들 별로
상세한 Low Data를 시간흐름 차순으로 정렬하여 파악해보면 됩니다.
(그건 다음 시간에…)
11. DATA MINING
• 이러저러한 과정을 거쳐서 결국 Low Data를 산출
• Data의 마이닝 진행
• 마이닝은 각기 다른 프레임으로 Data를 바라보는 편이 바람직
DATA DATA DATA
프레임에 차이에 따른 Data Mining의 결과
12. DATA MINING
• 이러저러한 과정을 거쳐서 결국 Low Data를 산출
• Data의 마이닝 진행
• 마이닝은 각기 다른 프레임으로 Data를 바라보는 편이 바람직
DATA DATA DATA
프레임에 차이에 따른 Data Mining의 결과
13. 자, 그렇게 해서 이제 결과가 Data Mining 결과가
나왔다고 합시다.
지난 시간에는 이탈자에게 ‘버프’아이템을 지급
한다고 했었는데 정말 단편적인 해결 방법이었습니다.
이제 Data Mining 결과를 조금 더 매끄럽게
게임 디자인에 적용해봅시다.
다만, 다소 명료화 하기 위해 약간은 Data Mining
결과를 일축시켜봅시다. 마이닝으로 얻은 결과는
‘이용자는 같은 몬스터에게 2회 이상 연속으로
죽으면 좌절하여 이탈한다’
14. 게임 디자인에 적용하기 : DB를 이용하는 방법
게임 시스템으로 구축
DB Log(너구리에게 당한 포로리) : 동일 몬스터에게 2회 연속 죽은 사용자
System(야옹이) : 대상 사용자에게 Buff 지급
Player(포로리) : 다시 재도전을 할 만한 동기부여 제공
포로리는 때려
칠테야.
힐줄게
15. 실제로 DB에서 Low Data를 산출하는 과정을
거쳤다면 Log를 심었다는 이야기고 이러한
그 Log를 이용한 개발은 그리 어렵지 않습니다.
또한 이 외에도 고민을 해보면 포로리 같은 이탈자
와 잘 적응해서 플레이하는 이용자를 모두 수용 가
능한 디자인을 설계할 수 있습니다.
세부적인 디자인은 당신이 고민해보세요.
16. 리텐션은 Game Data Mining의 일부분입니다.
Data는 보다 더 낳은 디자인을 하기 위한 스킬 중 하나입니다.
‘게임을 떠난 사용자는 더 이상 말을 하지 않습니다. 우리는 그
사용자들이 남긴 마지막 발자취(Data)를 통해 사건을 분석해서
진실을 밝히는 탐정입니다. 명탐정이 되어보세요.’
“기획자는 아는 만큼만 기획합니다.”
Ps. 발표용 문서라 아쉽네요.
