GA-PARSIMONY를 도입한 MMORPG 게임 사용자 이탈 분석에 관한 연구

Abstract

게임 시장의 규모가 매년 성장함에 따라 게임을 이용하는 사용자의 이탈 방지에 대한 관심도 커지고 있다. 게임 사용자의 이탈은 게임사의 매출에 영향을 주기 때문에 사용자의 이탈 방지는 중요하다. 본 연구에서는 NCSOFT의 Massively Multiplayer Online Role-Playing Game(MMORPG)인 블레이드 & 소울의 사용자 로그 데이터로 이탈을 예측하였다. 로그 데이터는 사용자의 모든 행동이 기록되어 있으므로 데이터 속에서 유용한 정보를 얻을 수 있다. 이탈 예측을 하는 기계학습 방법 중 로지스틱 회귀분석, 랜덤포레스트, Support Vector Machine(SVM) 등이 있다. 이 중 SVM은 모수 비용과 커널함수의 분산을 조절하는 모수에 따라 모형의 성능이 달라진다. 모수를 자동으로 결정해주고자 유전알고리즘을 이용한 GA-SVM방법이 제시되었다. 하지만 GA-SVM은 시간이 오래 걸리고 모형이 복잡해진다는 단점이 있었다. 따라서 본 연구에서는 모형이 성능과 복잡성을 모두 고려하여 최적화를 진행하는 GA-PARSIMONY를 이용해 SVM의 최적의 모수를 찾아 사용자 이탈 예측을 진행하였다. 기존 기계학습 방법인 로지스틱 회귀분석과 랜덤포레스트, 그리고 SVM의 다른 모수 추정방법과 성능을 비교한 결과 GA-PARSIMONY를 이용한 방법이 정확도 측면에서 기존의 방법에 비해 우수한 결과를 보였으며 F1-score 에서도 다른 SVM 방법보다 우수한 결과를 확인하였다. 또한, 계산 시간 부분에서도 GA-SVM에 비해 GA-PARSIMONY 방법이 더 빠르게 계산되었다.