게임 시장의 성공과 실패를 사전에 예측하는 일은 여전히 많은 개발자와 퍼블리셔에게 해결되지 않은 과제다.
넥슨코리아 내비게이터실의 편호장 실장은 NDC 2025 발표를 통해, 정량적 수치나 인공지능 기반 분석만으로는 포착할 수 없는 '인간적인 데이터'의 중요성을 강조했다. 그는 게임이 결국 사람에 의해 만들어지고 소비되는 콘텐츠인 만큼, 그 평가와 예측 역시 사람에게서 출발해야 한다고 주장했다.
편 실장은 지난 몇 년간 유저 경험 데이터를 기반으로 한 게임 평가와 국내 서비스 타이틀의 사전 예측을 맡아왔다. 그는 이번 발표에서 게임 성패 예측이 왜 어려운지, 인간적인 데이터가 예측력 향상에 어떻게 기여할 수 있는지를 실제 사례와 함께 공유했다.
넥슨코리아 내비게이터실 편호장 실장
게임 성패 예측이 어려운 첫 번째 이유는 개발 환경 자체에 있다. 대부분의 개발자는 자신이 만든 게임을 객관적으로 보기 힘들다. 개발에 몰입할수록 시장성이나 경쟁력을 외부적 관점에서 평가하기 어려워지기 때문이다. 게임이 예술적 성격을 가진 복합 콘텐츠라는 점도 객관적 예측을 회피하게 만드는 요인 중 하나다. 또한 게임 시장은 트렌드와 감성의 영향을 많이 받는 분야라 예측의 무의미함을 주장하는 시각도 적지 않다.
게임의 객관적인 성패 예측은 대단히 어렵다
편 실장은 넷마블의 지난해 대표작 중 하나인 <나 혼자만 레벨업: ARISE>를 예로 들었다. 넥슨은 이 게임의 성패 여부를 두고 자체 설문을 진행했다. 내부 임직원을 대상으로 한 성공 가능성 설문에서 대체로 긍정적인 평가를 받았다.
하지만 실제 매출은 예상을 훨씬 상회하며 폭발적인 성과를 기록했다. 예측의 방향성은 맞았지만 수치는 오차가 컸다. 이는 사람의 직관이 일정 수준까지는 성과를 감지할 수 있지만, 구체적인 수치를 추정하는 데는 한계가 있다는 점을 보여준 것이다.
"나혼렙의 성공을 예측할까요?"
"예측할 수 있지만 수준은 달랐습니다"
다만 흥미로운 점은, 성공 여부를 맞춘 응답자의 비율이 낮지 않았다는 것이다. 또 상대적 매출 순위를 예측하는 데 있어서는 예측과 실제 간의 일치도가 높았다. 이는 경험이 많은 사람들의 직관이 일부 게임의 성공 흐름을 감지할 수 있다는 가능성을 시사한다.
그 결과, 예측을 잘한 인물들은 공통적으로 게임 콘텐츠 소비가 활발하고 커뮤니티 활동에도 적극적인 경향을 보였다. 새로운 게임에 대한 정보 습득이나 플레이 시도가 많았으며, 자신이 내린 판단에 대해 과신하지 않고 열린 태도를 유지했다. 이들은 또한 게임 출시 이후의 성과 데이터를 꾸준히 확인하는 습관이 있었고, 업계 경력 역시 상대적으로 길었다.
성패 예측에 도움이 되는 것과, 도움이 되지 않는 것
반면 게임을 오래 플레이했다고 해서 예측력이 높지는 않았고, 많은 과금을 한 유저라고 해서 성패를 더 잘 맞추는 것도 아니었다. 또한 특정 직군이라고 해서 예측력이 높은 것도 아니었으며, 오히려 시장 흐름에 대한 감각과 정보 습득 패턴이 더 중요한 요소로 작용했다. 이 같은 결과는 데이터 수집 대상이 누구인지가 예측 모델의 정확도에 결정적 영향을 미친다는 점을 보여준다.
특히 편 실장은 유저 퍼널(Funnel) 구조에 따라 데이터를 수집하고 이를 분석에 활용했다고 설명했다. 게임을 처음 접한 순간의 반응(예: 유튜브 트레일러 조회수, 좋아요 등), 실제 플레이 여부를 결정하기까지의 판단(예: 게임 스토어 페이지 반응), 그리고 플레이 이후의 리뷰(예: 정성적 리뷰 내용 분석) 등 각 단계에서 얻어진 데이터를 통해, 유저가 게임과 어떻게 접촉하고 반응하는지를 체계적으로 파악할 수 있다.
유저가 게임의 팬이 되는 과정
이러한 데이터는 유튜브 트레일러의 반응, 스토어 내 소개 페이지 클릭 패턴, 커뮤니티 게시글의 키워드 분석 등으로 구체화되었으며, 기존 수치 중심 모델보다 높은 예측 정확도를 보였다. 이는 인간적인 데이터가 단순한 참고 자료를 넘어, 정량적 예측 모델의 성능을 끌어올리는 핵심 요소가 될 수 있음을 보여준 것이다.
발표 말미에 편 실장은 게임 개발 및 서비스 실무자들을 위한 몇 가지 실용적인 조언을 남겼다.
인간적인 데이터가 도움이 되는 이유
다수 의견 수집과 그룹 단위 해석: 다수의 의견을 수집하는 것이 중요하며, 그 의견은 개인 단위가 아닌 유사한 성향을 가진 그룹 단위로 해석해야 한다. 이는 소수의 의견에 매몰되지 않고 시장의 전반적인 반응을 파악하는 데 유효하다.
전문가 의견 활용의 기준: 전문가 의견도 활용할 수 있으나, 전문가의 기준은 특정 직군이 아닌 정보 감도와 커뮤니티 이해도에 있다고 덧붙였다. 즉, 해당 장르와 유저 커뮤니티에 대한 깊은 이해가 있는 인물이 진정한 전문가라는 것이다.
퍼널 기반의 폭넓은 데이터 수집: 유저 퍼널 각 단계에서 수집 가능한 데이터를 폭넓게 고민할 필요가 있다. 게임 출시 전 광고 반응, 앱스토어 소개 페이지 설문, 커뮤니티 글 분석 등 다양한 지점에서 '인간적인 데이터'를 확보해야 한다.
수집 데이터의 성과 연결 해석: 수집된 데이터를 반드시 성과와 연결 지어 해석하는 과정이 중요하다고 강조했다. 단순히 감정적인 반응으로 끝나는 것이 아니라, 그것을 정량적으로 처리해 의미 있는 모델로 발전시키는 과정이 성패 예측의 핵심이라고 편 실장은 설명했다.
요약과 주의사항
