본 연구에서는 사회통계학적 분류 또는 게임 장르 구분에 따른 온라인 게임의 이용특성을 분석하였다. 기존의 유사 연구 사례에서는 주로 설문에 의한 접근 방법을 사용하였으나, 본 연구에서는 실제 게임 접속 기록에 대한 객관적인 데이터 분석을 수행하였고, 일부 요인의 분석을 위해서는 모수적 모델링 및 수리적 접근 방법을 사용하였다. 본 연구에서 제시한 가설의 검정 결과, 다음과 같은 사실이 확인되었다. 온라인 게임 이용 인구는, 성별 기준으로 남자>여자, 직업분류에서는 학생>화이트칼라>주부>블루칼라>자영업>무직/기타, 학력 기준에서는 대졸>초중고생>고졸>대학(원)생, 월 소득 수준별 구분에서는 300∼500만>100∼300만>500만이상>100만(원) 미만, 그리고 결혼여부에 있어서는 미혼자>기혼자의 관계가 성립되었다. 장르 구분에서는 웹보드>RPG>시뮬레이션>(액션, 레이싱, 슈팅)>스포츠 순으로 이용자가 많았고, 최대동시접속자 측면에서는 RPG가 타 장르보다 MCR(Max Concurrent User Ratio)이 높은 것으로 확인되었다, 한편, 장르별 지속이용율의 차이에 대한 가설은 기각되었다. 온라인 게임의 이용 인구 구성에 있어서 성별${\times}$연령, 장르${\times}$성별, 장르${\times}$연령의 상호작용의 존재가 확인되었고, 이들 각 상호작용에 대하여 사후분석을 수행하여 그 결과를 제시하였다.
본 연구에서는 사회통계학적 분류 또는 게임 장르 구분에 따른 온라인 게임의 이용특성을 분석하였다. 기존의 유사 연구 사례에서는 주로 설문에 의한 접근 방법을 사용하였으나, 본 연구에서는 실제 게임 접속 기록에 대한 객관적인 데이터 분석을 수행하였고, 일부 요인의 분석을 위해서는 모수적 모델링 및 수리적 접근 방법을 사용하였다. 본 연구에서 제시한 가설의 검정 결과, 다음과 같은 사실이 확인되었다. 온라인 게임 이용 인구는, 성별 기준으로 남자>여자, 직업분류에서는 학생>화이트칼라>주부>블루칼라>자영업>무직/기타, 학력 기준에서는 대졸>초중고생>고졸>대학(원)생, 월 소득 수준별 구분에서는 300∼500만>100∼300만>500만이상>100만(원) 미만, 그리고 결혼여부에 있어서는 미혼자>기혼자의 관계가 성립되었다. 장르 구분에서는 웹보드>RPG>시뮬레이션>(액션, 레이싱, 슈팅)>스포츠 순으로 이용자가 많았고, 최대동시접속자 측면에서는 RPG가 타 장르보다 MCR(Max Concurrent User Ratio)이 높은 것으로 확인되었다, 한편, 장르별 지속이용율의 차이에 대한 가설은 기각되었다. 온라인 게임의 이용 인구 구성에 있어서 성별${\times}$연령, 장르${\times}$성별, 장르${\times}$연령의 상호작용의 존재가 확인되었고, 이들 각 상호작용에 대하여 사후분석을 수행하여 그 결과를 제시하였다.
This study looks into the usage pattern in online games based on genres and socio-demographic characteristics. Compared to the prior studies that adopted survey as their main research method, this study has analyzed the actual data of game login records and adopted parametric modeling and mathematic...
This study looks into the usage pattern in online games based on genres and socio-demographic characteristics. Compared to the prior studies that adopted survey as their main research method, this study has analyzed the actual data of game login records and adopted parametric modeling and mathematical approach. In terms of the socio-demographic characteristics, the following facts were confirmed: men > women by gender, students > white-collars > housewives > blue-collars > self-employed > jobless(etc.) by occupation, college graduates > K-12 students > high-school graduates > undergrads & grads by academic background, 3∼5 million > 1∼3 million > over 5 million > less than 1 million by income levels, and not married > married by marital status. In terms of genres, the population of the players is in the order of web board games, RPG, action/racing/shooting, and sports. The RPG game is confirmed to have a higher level of MCR (Max Concurrent User Ratio) than any other genres. On the other hand, the hypothesis on the difference in Repeated Use Ratio according to genres is rejected. This study has also confirmed that interactions exist between gender and age; genre and gender; genre and age among online game users, and conducted post-hoc analysis about those interactions.
This study looks into the usage pattern in online games based on genres and socio-demographic characteristics. Compared to the prior studies that adopted survey as their main research method, this study has analyzed the actual data of game login records and adopted parametric modeling and mathematical approach. In terms of the socio-demographic characteristics, the following facts were confirmed: men > women by gender, students > white-collars > housewives > blue-collars > self-employed > jobless(etc.) by occupation, college graduates > K-12 students > high-school graduates > undergrads & grads by academic background, 3∼5 million > 1∼3 million > over 5 million > less than 1 million by income levels, and not married > married by marital status. In terms of genres, the population of the players is in the order of web board games, RPG, action/racing/shooting, and sports. The RPG game is confirmed to have a higher level of MCR (Max Concurrent User Ratio) than any other genres. On the other hand, the hypothesis on the difference in Repeated Use Ratio according to genres is rejected. This study has also confirmed that interactions exist between gender and age; genre and gender; genre and age among online game users, and conducted post-hoc analysis about those interactions.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그리고 본 연구에서, 온라인 게임의 장르별 지속 이용율과 MCR을 비교 분석하기 위하여 A사의 실측 데이터를 사용하였는데, A사에서 서비스 중인 게임의 장르별 분포가 고르지 못하기 때문에, A사의 샘플이 장르별 게임 모집단을 정확하게 반영하지 못하였을 가능성도 있다고 본다. 따라서 장르별 게임 분석을 위하여, 보다 균형있는 샘플을 확보하여 차후 연구를 수행할 필요가 있겠다.
본 연구에서는 게임 인구의 사회통계학적 분류와 게임의 장르적 분류에 의해 대상을 세분화 할 때, 각각의 주요 게임 지표에 차이가 있는 지를 검토하고자 하였다. 본 연구에서 제시하는 연구 가설은 아래와 같다[표 5].
본 연구에서는 온라인 게임의 사회통계학적 분류 또는 게임 장르에 따라 구분되는 이용특성에 대하여 주목하였다. 기존의 유사 연구는 주로 설문에 의한 접근이었으나, 본 연구에서는 객관적인 이용 사실에 의거한 데이터 분석을 진행했다는 점에서 차별화 된다.
본 연구에서는 이용자의 사회통계학적 분류 또는 게임의 장르에 따라 특정되는 온라인 게임 이용 특성에 대하여 주목하였다. 기존의 유사 연구 사례에서는 주로 설문에 의한 접근 방법을 사용하였으나, 본 연구에서는 실제 게임 접속 기록에 대한 객관적인 데이터 분석을 수행하거나 수리적 접근 방법을 사용하였다.
가설 설정
그리고 성별×연령, 장르×성별, 장르×연령의 상호작용을 고려하여 교호작용 여부를 검토한 가설(H9, H10, H11)4)을 설정하였다.
사회통계학적 구분에 따른 게임 인구 규모의 차이를 검증하기 위한 가설(H1, H2, H3, H4, H5)을 제안하였고, 게임의 장르에 따른 이용 인구 차이및 이용 특성 차이를 검증하기 위한 가설(H6, H7, H8)을 제시하였다. 그리고 성별×연령, 장르×성별, 장르×연령의 상호작용을 고려하여 교호작용 여부를 검토한 가설(H9, H10, H11)4)을 설정하였다.
제안 방법
주로 구현 플랫폼별, 그래픽 형식별, 시점별, 게임 내용 등을 기준으로 하여 게임의 장르를 구분할 수 있다. 그 중에서도, 게임 내용을 기준으로 한 장르 구분이 일반적이므로, 본 연구에서는 게임 내용 기준의 장르 구분에 따라 논의를 진행하였다.
본 연구에서는 이용자의 사회통계학적 분류 또는 게임의 장르에 따라 특정되는 온라인 게임 이용 특성에 대하여 주목하였다. 기존의 유사 연구 사례에서는 주로 설문에 의한 접근 방법을 사용하였으나, 본 연구에서는 실제 게임 접속 기록에 대한 객관적인 데이터 분석을 수행하거나 수리적 접근 방법을 사용하였다.
기존의 유사 연구는 주로 설문에 의한 접근이었으나, 본 연구에서는 객관적인 이용 사실에 의거한 데이터 분석을 진행했다는 점에서 차별화 된다. 지속이용율 지표를 비교하기 위해서 생존모형 및 FFT를 이용한 역콘볼루션 과정 등의 수학적 기법을 활용하였고, 서로 규모가 다른 게임에 대하여 동시접속자 지표를 상호 비교하기 위하여 MCR(Max Concurrent User Ratio) 계수를 제안하는 등, 기존 연구에서 행하지 않았던 새로운 방법론을 제안하였다.
관련 문헌에 따르면, 한국콘텐츠진흥원(2009)이 가장 세분화된 게임 장르 분류를 제시하고 있고[1], 그 외의 문헌에서도 이와 유사한 장르 구분 사례를 확인 할 수 있다[2,3,4,7,8,9]. 현재 온라인 게임 분야에 있어서 어드밴쳐와 퍼즐, 기능성 게임 장르의 실제 사례가 많지 않다는 점을 감안하여, 본 연구에서는 이들 장르를 제외하고 온라인 게임을 분류하였다[표 1].
대상 데이터
당일이용자와 신규이용자, 지속이용율, 최대동시접속자 지표에 대해서는 A사에서 서비스되었거나서비스 중인 게임에 대하여, 실측한 값을 사용하였다. 데이터 수집기간은 2005년 1월부터 2009년 8월까지 4년 8개월이며, 총 62종의 게임에 대하여 해당 데이터를 확보하였다[표 6].
에서 제공하는 패널 리서치 데이터베이스를 통해 수집되었다. 데이터의 수집 대상은 2005년 1월부터 2009년 8월까지 4년 8개월 분의 국내 온라인 게임 월이용자 지표로써, 성별, 연령, 직업, 소득수준, 결혼여부, 게임장르 등의 기준으로 분류가 가능한 형태로 확보되었다.
사회통계학적 분류와 장르 구분에 따른 이용자 규모에 대한 데이터는 코리안클릭(koreanClick)5)에서 제공하는 패널 리서치 데이터베이스를 통해 수집되었다. 데이터의 수집 대상은 2005년 1월부터 2009년 8월까지 4년 8개월 분의 국내 온라인 게임 월이용자 지표로써, 성별, 연령, 직업, 소득수준, 결혼여부, 게임장르 등의 기준으로 분류가 가능한 형태로 확보되었다.
데이터처리
두 요인의 상호작용 검토에 관한 가설(H9, H10, H11)의 검정을 위하여 2요인 분산분석(Two-way ANOVA)을 실시하였고, 두 요인간의 교호작용이 존재하는 지를 확인하였다. 각 가설에 대한 분석 결과는 아래 [표 10]과 같다.
본 연구에서 제시한 가설을 검정하기 위해 통계 패키지 SPSS-12K를 이용하였고, 모수적 분산분석 혹은 비모수적 순위 검정 분석을 수행하였다. 집단별 샘플 수(N)가 30 이상일 경우 모수적 분석 방법인 One-way ANOVA를 이용하였고, N이 30미만일 경우 비모수적 순위 검정 방법인 KruskalWallis 분석을 이용하였다.
둘째, H1을 제외한 모든 가설 검정 과정에서 등 분산성이 성립되지 않았다는 문제를 들 수 있다. 본 연구에서는 등분산성이 성립되지 않는 데이터에 대하여 Dunnett T3 방법을 이용하여 사후분석을 실시하였다. 그러나 엄밀하게 말해 등분산 가정을 위배한 분산분석 결과는 그 해석에 상당한 주의가 필요하다.
사후분석으로는 등분산일 경우 Tukey 방법, 이분산일 경우 Dunnett T3방법을 이용하였다. 이 때, 등분산성 여부는 Levene 통계량을 통해 검정하였다. 한편 두 요인의 교호작용을 확인하기 위한 과정에서는 Two-way ANOVA 분석을 이용하였고, 그에 따른 사후분석도 수행하였다.
본 연구에서 제시한 가설을 검정하기 위해 통계 패키지 SPSS-12K를 이용하였고, 모수적 분산분석 혹은 비모수적 순위 검정 분석을 수행하였다. 집단별 샘플 수(N)가 30 이상일 경우 모수적 분석 방법인 One-way ANOVA를 이용하였고, N이 30미만일 경우 비모수적 순위 검정 방법인 KruskalWallis 분석을 이용하였다. 사후분석으로는 등분산일 경우 Tukey 방법, 이분산일 경우 Dunnett T3방법을 이용하였다.
이 때, 등분산성 여부는 Levene 통계량을 통해 검정하였다. 한편 두 요인의 교호작용을 확인하기 위한 과정에서는 Two-way ANOVA 분석을 이용하였고, 그에 따른 사후분석도 수행하였다.
이론/모형
역콘볼루션 결과를 얻기 위해서는 FFT를 이용한 푸리에 해석 기법을 사용하였는데, 컴퓨터를 이용한 FFT 처리를 위하여 Visual C++로 개발한 Cooley-Tukey FFT알고리즘을 이용하였다[15,16]. 그리고 지속이용율 지표에 대한 생존함수 적합은 NLS(Nonlinear Least Squares) 방법을 통해 이루어졌고, 그 도구로 SPSS-12K가 사용되었다. MCR지표는 실측값인 당일이용자와 최대동시접속자로부터 관계식(식 6)으로부터 도출되었다.
그러나, 이 지표는 역콘볼루션 매커니즘에 의하여 수학적으로 도출이 가능하고, 그 결과의 정확성이 확인된 바가 있다[14]. 따라서 본 연구에서는 수집이 불가능한 지속이용율 값을 얻기 위해 역콘볼루션 방법을 이용하였다.
집단별 샘플 수(N)가 30 이상일 경우 모수적 분석 방법인 One-way ANOVA를 이용하였고, N이 30미만일 경우 비모수적 순위 검정 방법인 KruskalWallis 분석을 이용하였다. 사후분석으로는 등분산일 경우 Tukey 방법, 이분산일 경우 Dunnett T3방법을 이용하였다. 이 때, 등분산성 여부는 Levene 통계량을 통해 검정하였다.
역콘볼루션 결과를 얻기 위해서는 FFT를 이용한 푸리에 해석 기법을 사용하였는데, 컴퓨터를 이용한 FFT 처리를 위하여 Visual C++로 개발한 Cooley-Tukey FFT알고리즘을 이용하였다[15,16]. 그리고 지속이용율 지표에 대한 생존함수 적합은 NLS(Nonlinear Least Squares) 방법을 통해 이루어졌고, 그 도구로 SPSS-12K가 사용되었다.
지속이용율 지표는 극히 일부인 게임에 대해서만 입수가 가능하기 때문에, 미확보된 지속이용율 지표를 얻기 위해서 FFT를 이용한 역콘볼루션 해법을 이용하였고, 이를 통해 도출된 지속이용율 추정치를 로그-로지스틱 생존함수에 적합하여 분석에 활용하였다[14].
성능/효과
한편, 18세 이하의 두 집단에서는 RPG 장르의 게임을 가장 선호하고 있는데 반해, 19세 이상의 집단들에서는 웹보드 게임의 선호도가 가장 높은 것으로 확인되었고, 연령이 낮을수록 다이나믹하고 동적인 게임을 선호하고, 반대로 연령이 높을수록 정적인 웹보드 게임을 더 선호하는 것으로 나타났다. 그리고 19～24세 또는 25～29세 집단은 타 연련층 집단에 비해 스포츠 장르의 게임을 상대적으로 더 선호하는 것으로 확인되었다.
따라서 지속이용율은 장르 요인보다는 그 자체의 게임성에 의해 결정되는 것으로 이해할 수 있다. 다만, 유의차가 확인되지는 않았으나 RPG와 스포츠 장르의 지속이용율이 타 장르에 비해서 비교적 높은 경향을 보였다.
둘째, H1을 제외한 모든 가설 검정 과정에서 등 분산성이 성립되지 않았다는 문제를 들 수 있다. 본 연구에서는 등분산성이 성립되지 않는 데이터에 대하여 Dunnett T3 방법을 이용하여 사후분석을 실시하였다.
마지막으로 결혼 여부에 대한 사후분석에서는 온라인 게임 이용 인구에 있어서 미혼자가 기혼자보다 많은 것으로 확인되었다(H5, p<.05).
마지막으로 이용 인구 구성에 있어서 성별×연령(H9), 장르×성별(H10), 장르×연령(H11)의 상호작용의 존재가 확인되었다(p<.01).
온라인 게임 이용 인구를 성별로 구분할 때 남자가 여자보다 많은 것으로 확인되었고(H1, p 화이트칼라 > 주부 > 블루칼라 > 자영업 > 무직/기타의 순으로 구성원이 많음이 확인되었다(H2, p 초중고생> 고졸 > 대학(원)생의 순서로 그 값이 컸고(H3, p 100～300만 > 500만이상 > 100만(원)미만의 순으로 나타났다(H4, p<.05).
온라인 게임 이용 인구의 구성에서, 남자가 여자보다 많은 것으로 확인되었고(H1, p화이트칼라>주부>블루칼라>자영업>무직/기타의 순으로 구성원이 많음이 확인되었다(H2, p초중고생>고졸>대학(원)생의 순서로 이용자가 많았고(H3, p100～300만>500만이상>100만(원)미만의 순으로 나타났다(H4, p<.05).
05). 이로부터 연령이 낮을수록 다이나믹하고 동적인 게임을 선호하고, 반대로 연령이 높을수록 정적인 웹보드 게임을 더 선호한다는 사실을 알 수 있다.
장르 구분에서는 웹보드>RPG>시뮬레이션>(액션, 레이싱, 슈팅)>스포츠 순으로 이용자가 많았고(H6, p<.05), RPG가 타 장르보다 MCR이 높은 것으로 확인되었다(H8, p<.05).
장르별 MCR 차이에 대한 사후 분석 결과에서는, RPG가 타 장르보다 MCR이 높았고(H8, p<.05), RPG 이외의 장르들에서는 유의미한 MCR 차이가 확인되지 않았다.
장르별 이용 인구 구성에서, 웹보드 > RPG > 시뮬레이션 > (액션,레이싱,슈팅) > 스포츠 순으로 확인되었고(H6, p<.05), 액션, 레이싱, 슈팅 장르에 대해서는 대소 관계가 유의하지 않았다.
장르별 지속이용율 차이에 있어서는, 유의차가 확보되지는 않았으나 RPG와 스포츠 장르의 지속 이용율이 타 장르에 비해서 비교적 높은 경향을 보였다(H7, p=.242).
특히 12세이하의 저연령 집단에서는 액션과 레이싱 장르를 웹보드 게임보다 더 선호하는 것으로 확인 되었으나, 13세 이상의 모든 연령층에서는 웹보드 게임을 액션 또는 레이싱 장르보다 더 많이 이용하는 것으로 나타났다(p<.05).
한편, 18세 이하의 두 집단에서는 RPG 장르의 게임을 가장 선호하고 있는데 반해, 19세 이상의 집단들에서는 웹보드 게임의 선호도가 가장 높은 것으로 확인되었고, 연령이 낮을수록 다이나믹하고 동적인 게임을 선호하고, 반대로 연령이 높을수록 정적인 웹보드 게임을 더 선호하는 것으로 나타났다. 그리고 19～24세 또는 25～29세 집단은 타 연련층 집단에 비해 스포츠 장르의 게임을 상대적으로 더 선호하는 것으로 확인되었다.
후속연구
그리고 본 연구에서, 온라인 게임의 장르별 지속 이용율과 MCR을 비교 분석하기 위하여 A사의 실측 데이터를 사용하였는데, A사에서 서비스 중인 게임의 장르별 분포가 고르지 못하기 때문에, A사의 샘플이 장르별 게임 모집단을 정확하게 반영하지 못하였을 가능성도 있다고 본다. 따라서 장르별 게임 분석을 위하여, 보다 균형있는 샘플을 확보하여 차후 연구를 수행할 필요가 있겠다.
온라인 게임 산업에 있어서, 게임 이용자의 이용 패턴을 분석하고 활용하는 것은 중요한 일이다. 본 연구의 결과로 제시한, 이용자의 사회통계학적 분류에 따른 이용 특성 또는 게임 장르별로 특정되는 이용 패턴은, 타켓 마케팅 혹은 장르별 신규 게임 출시시기를 조정하는 등의 다양한 경영 전략을 수립하기 위하여 유용하게 활용될 수 있을 것으로 기대된다.
마지막으로 시계열 관점에서의 접근이 없었다는 점도 이 연구의 단점으로 들 수 있다. 실제로 온라인 게임의 이용패턴은 시간의 흐름에 따라 변화하는 양상을 보일 수 있는데, 후속 연구에서 이러한 관점을 다룰 필요가 있다고 생각된다.
그러나 엄밀하게 말해 등분산 가정을 위배한 분산분석 결과는 그 해석에 상당한 주의가 필요하다. 차후 연구에서는 샘플의 규모를 늘리거나 이상치(Outlier) 데이터를 제거하는 등의 작업을 통해 등분산성 위배 문제를 해결할 필요가 있겠다.
물론 설문을 통한 분석방법에서도 여러 가지 오류 발생의 요인이 존재하므로8), 어느 쪽이 전적으로 옳다고 단정하기는 어렵다. 후속 연구에서는 이들 두 결과의 차이에 대하여 고찰 해볼 필요가 있다고 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
생존모형이란?
생존모형이란 어떤 대상이 시간 경과에 따라 변화하는 지속율 또는 생존율을 추적 및 예측하기 위한 계량적 모형이다. 이는 의학, 신뢰성공학, 재무 및 보험 등 다양한 분야에서 활용되고 있다.
생존모형은 어떤 분야에서 활용되고 있는가?
생존모형이란 어떤 대상이 시간 경과에 따라 변화하는 지속율 또는 생존율을 추적 및 예측하기 위한 계량적 모형이다. 이는 의학, 신뢰성공학, 재무 및 보험 등 다양한 분야에서 활용되고 있다.
게임의 장르는 어떤 기준으로 구분할 수 있는가?
게임의 장르 구분은 그 기준에 따라 다양한 방법으로 정의될 수 있다. 주로 구현 플랫폼별, 그래픽 형식별, 시점별, 게임 내용 등을 기준으로 하여 게임의 장르를 구분할 수 있다. 그 중에서도, 게임 내용을 기준으로 한 장르 구분이 일반적이므로, 본 연구에서는 게임 내용 기준의 장르 구분에 따라 논의를 진행하였다.
참고문헌 (16)
한국콘텐츠진흥원, "2009 대한민국 게임백서", 서울: 한국콘텐츠진흥원, 2009.
이응규, 권정일, "온라인 게임에서의 플로우와 플로우에 영향을 미치는 요인 및 재사용의도의 관계에 대한 장르별 비교", 한국경영과학회지, 30(4), 131-150, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.