게임 개발자들은 항상 세계에 가져다주는 플레이를 극대화하고, 미래의 타이틀, 콘텐츠 및 그들의 회사 전체의 성공을 위해 플레이어와의 지속적인 관계를 구축하려고 했습니다. 산업이 프리미엄, 박스 중심의 모델에서 서비스로서의 게임, 프리미엄+, LiveOps, F2P 등으로 이동함에 따라, 이 관계는 더욱 중요해집니다. 사회 전체, 이용 가능한 방해 요소의 수와 경쟁하는 엔터테인먼트 채널의 홍수는 산업에 변화를 요구합니다.
이 블로그에서는 게임 개발과 플레이어 참여의 모든 측면에서 플레이어 중심의 접근 방식을 취하는 것이 앞으로의 시장에서 성공하기 위해 필수적이라고 주장합니다. 현대 게임 마케터들에게는, 강력한 데이터 인텔리전스 플랫폼에 의해 구동되는 플레이어 중심 접근법이란, 광범위한 세분화를 넘어 개별화된 캠페인 타겟팅으로 나아가는 것을 의미합니다. 어떤 플레이어가 특정 제안에 가장 잘 반응하는지, 그들의 선호 채널은 무엇인지, 그리고 참여와 전환을 극대화하기 위해 메시지를 어떻게 개인화하는지 알아내는 것이 중요합니다. 이를 위해서는 플레이어 데이터를 통합하고 AI 기반의 통찰력을 제공할 수 있는 Databricks와 같은 플랫폼이 필요합니다.
게임은 상호작용적인 특성 때문에 특별한 형태의 엔터테인먼트입니다. 게임을 소비하는 것이 아니라, 그것과 상호작용하고, 그것을 몸소 체험하고, 그것을 통 해 판타지를 실현하며, 새로운 경험에 참여하고, 그것이 당신에게 미치는 영향을 직접 조절할 수 있습니다. 따라서 이러한 상호작용성 때문에 경험이 플레이어에게 맞춰져야 하는 것이 더욱 중요합니다. 경험이라고 할 때, 그것은 반드시 게임 플레이에 국한되거나 그것으로 제한되는 것이 아닙니다: 그것은 당신의 게임, 당신의 브랜드, 그리고 당신의 커뮤니티와의 전체적인 플레이어 경험에 관한 것입니다. 이런 단일 플레이어 시점을 만들기 위해서는 다양한 출처에서 데이터를 통합해야 합니다: 게임 내 행동, 캠페인 반응, 소셜 활동, 지원 상호작용 등. 이러한 관점에서, 플레이어가 그들의 특정한 선호도와 여정 단계에 맞는 정보와 제안을 받는 대상이 되는 플레이어 마케팅 경험을 만들 수 있습니다.
우리는 이를 여러 관점에서 살펴봅니다:
플레이어 중심 경험 마인드셋은 플레이어와의 모든 상호작용을 보고 그들이 최상의 경험을 가질 수 있도록 보장하려는 것입니다. 이것은 그들이 당신의 브랜드와 교류하기 시작하는 순간부터, 구매, 지속적인 가치 교환, 그리고 당신의 게임과 그들의 플레이어 원을 거쳐 진행됩니다. 우리는 플레이어의 선호도, 목표, 인구통계학적 정보, 플레이 스타일을 결정짓는 대량의 데이터를 활용하여 그들과 가장 잘 공 reson할 수 있는 방식으로 소통하려고 노력합니다.
우리는 이것을 산업, 그리고 예술 형태로서, 우리의 플레이어의 경험과 영향에 깊이 투자하고 있습니다. 우리는 오래 전부터 플레이어들이 다양하다는 것을 인식해 왔습니다. Bartle의 MMORPG 아키타입부터 사회적, 지리적, 커뮤니티 표준의 영향, 그리고 전 세계 연구자들에 의한 플레이어 동기 탐색에 이르기까지. 모바일 폰, F2P, 인터넷의 확산으로 새로운 플레이어들이 참여하기 위한 장벽이 낮아지면서 플레이어의 다양성은 계속해서 성장하고 있습니다. 사실, 오늘날 태어나는 거의 모든 사람들이 게이머가 될 것입니다. 우리 산업은 세계에 대한 놀이의 가치와 우리가 만드는 것의 중요성을 인식하고 있습니다. 게임은 재미를 주는 출처이지만, 전 세계 플레이어의 약 37%에게는 탈출의 출처이기도 합니다. 우리의 게임이 목표 플레이어에게 최대한의 영향을 미치기 위해서는, 우리는 그들에게 말해야 합니다.
이것은 모든 사람에게 모든 것이 되어야 한다는 것을 의미하는 것은 아닙니다. 당신은 목표 청중과 서비스를 제공하려는 플레이어 그룹을 가질 것입니다. 플레이어 중심의 경험을 제공하려는 결정을 내리면서, 가능한 최선의 방법으로 그들을 서비스하려고 합니다. 예를 들어, 당신은 당신이 창작하는 예술에 중요하기 때문에 플레이어들에게 하나의 엄격한 난이도 레벨을 가지도록 선택할 수 있습니다. 당신은 그것이 당신의 청중을 줄일 것임을 이해합니다. 플레이어 중심 경험의 목표는, 여기서, 나머지 경험이 플레이어를 참여시키도록 보장하는 것입니다. 귀하의 메시지(마케팅)가 그 대상층에게 말하고 있습니까? 우리가 마음에 두었던 목표와 경험을 달성하기 위해 균형을 맞추는 것이 필요한가요? 게임은 플레이어가 재미있게 느끼는 것을 탐색할 수 있도록 퀘스트에 대한 선호도를 인식합니까? 다음 DLC가 왜 당신의 시간을 투자할 가치가 있는 지를 설명하기 위해 당신의 플레이 경험을 고려하나요? 당신의 게임과의 교류를 원하는 욕구를 더욱 증가시키나요?
이러한 노력 중 어떤 것이든 성공하기 위해서는 먼저 해결해야 할 주요 프로젝트가 하나 있습니다: 플레이어를 알아라. 일반적으로, 이러한 통찰력이 조직 전체에서 널리 사용될 것이므로, 이 데이터가 거의 실시간에 가까울수록 좋습니다. 이 논의에서 우리는 주로 플레이어 수준의 데이터와 통찰력에 관심이 있으며, 집계나 전체적인 지표는 아닙니다. 플레이어 중심 경험을 지원하는 데이터 전략을 구축할 때 고려해야 할 사항에 관심이 있다면, 우리는 프리미엄+ 게임을 위한 현대적인 데이터 전략 설계에서 이 주제에 대해 자세히 다룹니다.
사용자 획득과 마케팅을 최적화하기 위해서는, '플레이어를 알아내는' 노력이 기본적인 인구통계학을 넘어서야 합니다. 이것은 그들의 동기, 선호하는 플레이 스타일, 사회적 연결, 그리고 잠재적인 평생 가치를 이해하는 것을 요구합니다. 통합 데이터 플랫폼은 마케팅 팀이 고급 분석 및 머신러닝을 통해 이러한 통찰력을 발굴하게 도와, 포괄적인 플레이어 프로필을 생성하고 최적화된 사용자 획득 캠페인을 실시할 수 있게 합니다.
이것은 플레이어와 게임 데이터셋을 수집하는 것으로 시작합니다:
수집된 데이터를 이용하여 플레이어 기록을 다음과 같이 보완할 수 있습니다:
데이터 플랫폼 관점에서는 몇 가지 목표를 염두에 두어야 합니다:
더 높은 수준의 제안된 정의를 더욱 발전시키기 위해, 우리는 앞서 언급된 목표와 능력을 틀로 하는 플레이어 중심 사용 사례 예시의 부분 집합을 선택했습니다.
가장 어려운 사용 사례 중 하나지만, 추천 엔진을 제외하고 게임 개발자들이 가장 많이 묻는 것입니다. 우리는 여기서 완화, 감지가 아닌 것을 특별히 언급하고 있습니다. 왜냐하면 목표는 누군가가 떠났다는 것을 알아내는 것이 아니라, 대신 당신의 경험을 멈추는 결정에 영향을 미치는 것입니다. 마케팅에 있어서 이탈 방지는 위험에 처한 플레이어를 일찍 식별하고, 대상화된 제안, 개인화된 콘텐츠, 맞춤형 메시지를 통해 그들을 다시 참여시키는 것에 관한 것입니다. 데이터 지능 플랫폼을 이용하면 마케터들은 개별 플레이어의 경험을 고려하는 예측 모델을 활용하여 플레이어 중심 방식으로 개인화된 재참여 캠페인을 자동화할 수 있습니다.
플레이어의 마지막 세션, 또는 마지막 세 세션의 세부 사항을 고려하고, 그것을 그들의 평균 세션의 세부 사항과 비교함으로써 플레이어의 이상 행동을 찾을 수 있습니다: 현재 세션은 평소보다 짧은가, 그들은 더 많이 이기거나 덜 이기는가, 세션 사이의 시간이 증가하는가? 당신은 휴리스틱 기반의 재참여 기법을 거의 실시간으로 활용할 수 있지만, 이것은 종종 일괄 처리되는 사용 사례이며, 이러한 차이를 찾아내기 위해 LLM을 보완하여 일괄 처리 방식(매일, 하루에 두 번 등)으로 수행될 수 있습니다.
이 접근법은 플레이어 경험 초기에도 적용할 수 있어, D0에서 잠재적인 이탈 위험을 찾아내는 데 도움이 됩니다. 그들의 플레이 경험이 이탈하지 않은 사람들과 이탈한 사람들과 비교하여 어떻게 달랐는가? FTUE와의 교류 결과로 이탈 위험이 얼마나 큰가요?
상상해보세요, 만약 당신이 이탈할 가능성이 높은 사람을 식별했다면, 그 다음은 무엇일까요? 이것이 바로 플레이어 중심 경험이 정말로 중요해지는 곳입니다. 표준적인 반응은 그들에게 모든 사람이 받는 같은 마케팅 재참여 콘텐츠, 알림, 또는 제안을 보내는 것일 것입니다. 이것을 당신이 이전에 했던 것보다 더 일찍하는 것은 당신의 결과를 향상시킬 것이지만, 더 좋은 것은 당신이 플레이어에 대해 가지고 있는 모든 통찰력을 그 재참여의 일부로 사용하는 것입니다. 그들의 게임이 충돌했나요? 그들은 특정 메타 빌드 에게 패배했나요? 그들은 그 마케팅 캠페인에서 대부분의 사람들이 가장 즐겼던 콘텐츠를 놓쳤나요?
위의 내용을 당신의 재참여 시도에 통합함으로써, 당신은 더 큰 영향을 미칠 것입니다. "우리가 당신을 그리워합니다,"는 "당신이 이 마일스톤에 20분 떨어져 있다"로 바뀌며, 당신이 그들이 아마도 즐길 것이라고 판단한 것입니다. "여기 100개의 가상 화폐 단위가 있습니다"는 "여기 XYZ 아이템을 무료로 얻을 수 있는 170개의 단위가 있고, ABC 혜택이나 즐거움을 제공합니다"로 바뀝니다. 마침내 "당신이 우리 게임에 문제를 겪고 있는 것 같습니다"가 "당신이 이 op 메타를 많이 만났습니다, 이것은 당신이 그것을 대응할 수 있도록 도와줄 수 있는 비디오입니다"가 됩니다. 당신은 단지 플레이어를 이해하고, 그들을 가치있게 여기는 것을 보여주는 것이 아니라, 그들이 경험에서 더 많은 즐거움을 얻도록 돕고 있습니다. 이것은 그들에 대한 것이지, 당신에 대한 것이 아닙니다.
이것은 루프를 닫는 예시로, 에이전트 AI 시스템의 일부가 될 수 있습니다. 당신은:
종종 게임 경험 자체에 변화를 요구하지 않는 가장 영향력 있는 개인화 프로젝트 중 하나는 추천 엔진을 도입하는 것입니다. Mojang이 그들의 추천 엔진(콘텐츠용)을 구현했을 때, 그들 은 클릭률이 2.5배 증가했습니다. 이것은 더 많은 사람들이 더 많은 콘텐츠를 플레이하고 더 많이 참여하게 만들었습니다. 추천 엔진의 가장 일반적인 구현, 특히 시작할 때,는 추천 캐러셀입니다. 아이디어는 당신이 한 번에 3-5개의 제안을 플레이어에게 보여줄 수 있을 뿐이지만, 그 중 어떤 것을 보여줄 것인가요? 여기서 클러스터, 세분화, 최근 플레이어 경험, 현재 권한을 활용할 차례입니다. 목표는 플레이어가 가장 많이 공 reson하는 것을 결정하고, 그것을 개인화된 제안과 콘텐츠 추천을 통해 전달함으로써 더 큰 플레이어 참여를 유도하는 것입니다.
여기서 고려하는 초기 사용 사례는 구매 제안 추천, 상점 주문, 플레이어가 가치를 느낄 각 플레이어에게 맞는 제안을 맞추는 것입니다. 이것은 추천 엔진과 다음으로 가장 좋은 제안 프로젝트가 게임에 어떻게 적용되는지에 대한 첫 번째, 좋은 예시입니다. 하지만 여기서 멈추지 마세요. 이 시스템의 목표는 올바른 제안/가치를 올바른 플레이어에게 맞추는 것입니다. 구매 가능한 제안 외에도 이것은 최고의 클랜, 다음으로 가장 좋은 친구, UGC 콘텐츠 제안, 난이도 조절, 다음으로 가장 좋은 퀘스트, 다음으로 가장 좋은 게임 내 결정, 다음으로 가장 좋은 캐릭터 또는 플레이스루를 포함할 수 있습니다. 잠시 생각해보면: 다른 플레이어들은 이 다음 결정을 내릴 때 다른 선호도를 가질 것이라면 플레이어 중심의 추천 노력이 적용됩니다.
그것이 게임 플레이에 얼마나 깊이 통합되어 있는지에 따라, 특히 당신이 제목을 만들면서 맞춤화에 대해 생각하지 않았다면, 그것을 구현하는 데 더 많은 노력이 필요할 것입니다. 당신은 경험을 개인화할 수 있을지도 모르지만, 플레이어 경험에 대한 최종 영향은 개발 노력에 비해 가치가 없을 수 있습니다. 이러한 이유로: 재마케팅, 플레이 요약, 다음으로 가장 좋은 (구매) 제안, 다음으로 가장 좋은 경험 프로젝트는 처음에 다루어지는 것들이 될 경향이 있습니다.
수없이 많은 다른 것들이 있지만, 우리가 마지막으로 살펴볼 예시는 플레이어 중심 방식으로 당신의 커뮤니티를 지원하는 것입니다. 여기서의 초점은 플레이어들이 그들이 도달하게 된 어떤 문제든 해결하는 데 최상의 경험을 가질 수 있도록 보장하는 것입니다. 현실은 소수의 커뮤니티 매니저만이 100%의 요청을 적시에 처리할 수 있다는 것입니다. 효과적으로 "우리가 당신을 들었습니다, 아마 우리가 답변할지도 모릅니다"라고 말하는 표준 응답 봇을 활용하면 그들의 이탈 가능성이 증가하지만, 여전히 꽤 흔히 사용됩니다.
RAG 기반의 채팅봇은 기계가 응답했다는 것을 덜 명백하게 만들어 L1 또는 L2 질문에 대한 경험을 개선할 수 있습니다. 봇을 플레이어의 피드백과 지원 상호작용에 대해 학습시킴으로써, 커뮤니티 관리 팀은 즉시 개인화된 지원, 타겟팅된 게임플레이 제안, 게임 내 제안을 제공하여 플레이어 경험을 향상시킬 수 있습니다. 개발자들은 위의 것들을 수행한 후 플레이어의 문제를 즉시 해결하기 위해 즉시 행동하는 에이전트 AI 시스템을 통해 한 단계 더 나아갈 수 있습니다.
위의 고려 사항을 고려하면, 우리가 본 최종 모범 사례는 다중 경로입니다. 이 플레이어는 고가치(재정적, 사회적 또는 네트워크가 많은) 플레이어인가요? 그렇다면, 아마도 그들의 티켓은 대기열에서 우선 순위를 받거나, 완전히 다른 대기열을 통해 전송될 수 있습니다. 만약 당신이 RAG와/또는 에이전트 시스템을 구축했다면, 당신의 커뮤니티 매니저는 그 같은 인터페이스를 내부적으로 사용하여 상호작용에 필요한 정보를 수집한 다음, 그것을 더 인간적인 상호작용으로 번역할 수 있을 것입니다. 이렇게 하면 이러한 플레이어들에게 최상의 결과를 보장하고, 확장할 수 있으며, 당신의 직원들로부터의 응답에 대한 피드백을 통해 채팅봇을 반복할 수 있습니다.
처음에 언급했듯이, 플레이어 중심의 경험을 만드는 데는 두 가지 주요 요구사항이 있습니다: 거의 실시간으로 올바른 데이터를 수집하고, 그것을 사용하기 쉽게 하는 플랫폼을 갖추는 것입니다. Databricks는 플레이어 중심 경험 프로젝트를 가능하게 하고, 비용 효율적으로 만들고, 시간이 지남에 따라 더 쉽게 만들 수 있습니다. Databricks가 게임 회사들이 이러한 사용 사례를 어떻게 돕는지 더 알고 싶다면 databricks.com/games 을 방문하거나 담당 계정 관리자에게 문의하십시오. 또한 우리의 eBook에서 데이터, AI, 게임에 대해 더 자세히 알아보거나, 우리의 솔루션 가속기를 확인할 수 있습니다.
세계의 플레이어들을 위해 봉사해 주셔서 감사합니다, 그것은 Databricks의 모든 사람들에게 많은 의미를 가지고 있습니다.
Huntting Buckley, GTM 리더
Games @ Databricks
(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)