AI
머신러닝 엔지니어가 퍼즐 게임을 더 재미있게 만드는 방법
두줄요약
퍼즐봇과 유저 행동 데이터를 바탕으로 퍼즐 스테이지의 품질을 수치화하는 지표를 설계했습니다.\n폴리싱 효율을 높이기 위해 총 미션 수 구간별 기준을 달리 적용하고 사내 테스트로 검증했습니다.
핵심 내용
- 쿠키런: 마녀의 성 퍼즐 스테이지의 폴리싱 단계에서 활용할 강화학습 기반 퍼즐봇과 스테이지 평가 지표 설계 과정
- 실패 시 이어하기·하트 구매 후 재시도 비율을 좋은 스테이지의 행동 기준으로 두고, 남은 미션 수 분포와의 상관관계를 지표로 구성
- 총 미션 수 구간에 따라 전체 분포, 절대 개수, 비율 기준을 다르게 적용하고 퍼즐봇 데이터와 사내 테스트 데이터로 검증
적용해볼 점
- 데이터 기반 지표로 수작업 폴리싱의 편향과 비용을 보완하는 접근
- 운영 전 단계에서도 기존 게임 데이터와 봇 플레이를 활용해 스테이지 품질을 예측하는 방식
- 지표 신뢰도를 높이기 위한 보조 지표와 구간별 기준 최적화의 필요성
