[논문]확산모형과 군집분석을 이용한 게임제품의 흥행요소 분석

송성민; 조남욱; 김태구

doi:10.7232/jkiie.2016.42.3.222

확산모형과 군집분석을 이용한 게임제품의 흥행요소 분석
Success Factors of Game Products by Using a Diffusion Model and Cluster Analysis 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.42 no.3, 2016년, pp.222 - 230

송성민 (서울과학기술대학교 일반대학원 데이터사이언스학과) , 조남욱 (서울과학기술대학교 글로벌산업융합공학과) , 김태구 (한밭대학교 산업경영공학과)

Abstract ▼ AI-Helper

As the global game market has been more competitive, it has been important to analyze success factors of game products. In this paper, we applied a Bass Diffusion Model and Clustering Analysis to identify the success factors of games based on data from Steam, an international game platform. By using a diffusion model, we first categorize game products into two groups : successful and unsuccessful games. Then, each group has been analyzed by using clustering analysis based on product features such as genres, price, and minimum system requirements. As a result, success factors of a game have been identified. The result shows that customers in game industry appreciate sophisticated contents. Unlike many other industries, price is not considered as a key success factor in the game industry. Expecially, advanced independent video games (commonly referred to as indie games) with killer contents show competitiveness in the market.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그 경우, 같은 분석을 통해 얻은 결과들을 통해 두 게임 시장이 서비스 플랫폼에 따라 보이는 특성의 차이와 그 원인을 비교분석 할 수 있을 것으로 기대된다. 다른 한 편으로, 본 연구는 상향식(bottom-up) 방식의 접근법을 사용하여, 데이터를 바탕으로 게임 시장의 특성을 살펴 보고자하는 탐색적인 연구이다. 분석의 결과는 흥행 및 비흥행게임으로 분류된 작품들에 대한 여러 요인을 제시하여 특성에 대한 고찰을 가능하게 하였다.
본 연구의 분석 대상인 온라인 게임 역시 영화 시장과 마찬가지로 제작에 투입된 투자금액 및 플랫폼에 따른 유통비용, 서비스 유지에 필요한 운영 비용은 물론 매출에 대한 구체적인 정보가 공개되어 있지 않아, 절대적인 정량적 기준을 통해 흥행여부를 분류하는 것이 어려운 실정이다. 따라서 앞서 언급된 확산 패턴에 의한 기준을 이용하여 흥행게임을 분류하고자 하였다.
게임 상품의 경우 호기심에 구매하고 나서 전혀 플레이하지 않는 경우가 빈번히 발생하기 때문에 일회성 구매이력만으로는 게임의 성공여부를 판단할 수 없다. 따라서 월평균 접속자 수시계열 데이터를 수집한 다음 확산모형을 적용하여 월평균 접속자 수의 확산 패턴에 따른 흥행여부와 흥행게임의 특성을 분석하고자 한다.
본 연구는 특정 기간 동안 스팀(Steam) 게임 플랫폼에 출시된 게임들의 월평균 이용자 수를 토대로 흥행여부를 판단하고, 각 게임의 속성을 이용하여 군집화를 진행한 뒤 흥행게임의 흥행 요소를 분석하였다.
본 연구에서는 확산모형을 이용하여 PC 게임의 흥행여부를 판단하고 클러스터링 분석을 이용하여 흥행 요소를 분석하고자 한다. PC 게임은 영화나 기타 상품과 달리 사용자가 구매한후 지속적으로 접속 또는 플레이해야만 매출이 발생한다.
그러나 수치로 명시되어 있는 메모리 용량과는 달리 이러한 명목형 혹은 범주형 값을 정량화하는 데에는 한계가 존재한다. 이 같은 문제를 해결하기 위해 본 연구에서는 가장 대표적인 컴퓨터 성능 벤치마크 솔루션 개발업체 중 하나인 PassMark Software(https://www.cpuben chmark.net/)에서 발표한 CPU 및 그래픽카드의 벤치마크 점수를 이용하여 정량화하였다.

제안 방법

클러스터링 분석을 위해서 제품의 장르, 가격, 시스템 최소 요구사양을 활용하였다. 게임 제품의 경우 장르, 가격, 시스템 최소 요구 사양이 해당 제품의 속성을 반영하는 특성으로 간주되며 스팀에서도 세 가지 속성만을 제시하기 때문에 본 연구에서는 장르, 가격, 시스템 최소 요구 사양을 이용하여 클러스터링 분석을 실시하였다.
본 연구에서는 k-means 군집화를 반복적으로 시행하여, 실루엣 계수의 평균값이 가장 급격하게 증가하는 군집 수(k)중 가장 작은 3을 최적 군집 개수로 선택하였다. 그 다음, 각 군집별 특성을 도출하고 군집 내 게임들의 시스템 최소 요구사양을 기준으로 흥행게임과 비흥행게임에서 고사양 군집, 중간사양 군집, 저사양 군집을 각 1개씩 선택하여 비교분석하였다. 클러스터링 분석을 위해서 제품의 장르, 가격, 시스템 최소 요구사양을 활용하였다.
데이터의 수집 기간은 게임의 출시일로부터 2015년 8월까지이며, 수집 대상 게임은 스팀에 출시된 게임 중 2013년과 2014년에 출시된 것으로서 3개월 이상의 서비스 기간을 갖는 554개의 게임제품이다. 다음 단계에서는 수집된 데이터에 Bass 확산모형을 적용하여 분석대상 게임 제품을 흥행 그룹과 비흥행 그룹으로 구분한 다음, 각 그룹별로 군집분석을 실시하여 흥행요소를 분석하였다.
s(i)는 i번째 데이터 포인트의 실루엣 계수, a(i)는 i번째 데이터 포인트와 같은 군집에 속한 다른 데이터 포인트들과의 평균거리, b(i)는 i번째 데이터 포인트와 가장 근접해 있는 군집에 속한 데이터 포인트들과의 평균거리를 각각 의미한다. 본 연구에서는 k-means 군집화를 반복적으로 시행하여, 실루엣 계수의 평균값이 가장 급격하게 증가하는 군집 수(k)중 가장 작은 3을 최적 군집 개수로 선택하였다. 그 다음, 각 군집별 특성을 도출하고 군집 내 게임들의 시스템 최소 요구사양을 기준으로 흥행게임과 비흥행게임에서 고사양 군집, 중간사양 군집, 저사양 군집을 각 1개씩 선택하여 비교분석하였다.
같은 콘텐츠를 구현하더라도 높은 최소 사양을 요구하는 게임들은 높은 퍼포먼스를 보일 가능성이 높고, 고객들도 이들 게임에게 높은 퍼포먼스를 기대하게 된다. 본 연구에서는 각 군집들 내의 게임들의 시스템 최소 요구사양에 따라 군집을 고사양, 중간사양, 저사양 군집으로 분류한 다음, 군집들을 사양별로 쌍대 비교하여 흥행요소를 탐색하였다.
Bass 확산 모형은 상품이나 서비스 혹은 기술 등 유무형의 혁신이 사람 들에게 퍼져 나가는 과정을 설명하기 위한 수리적 모형 중 하나로서, 계수의 상대적인 크기에 따라 다양한 확산 패턴을 묘사할 수 있다. 본 연구에서는 게임의 출시 이후 이용자의 수가 일정 시간 동안 꾸준히 증가하는 게임을 흥행에 성공한 것으로 분류하고, 출시 시점부터 이용자 수가 감소 형태를 보이는 게임을 흥행에 실패한 사례로 분류하여 분석하였다.
C2, C3, C4는 비교적 낮은 값을 나타냈는데, 이는 상대적으로 저품질의 그래픽 사양을 가진 인디 게임의 비중이 높기 때문으로 보인다. 시스템 최소 요구사양을 기준으로 C1과 C5를 고사양군, C2와 C6를 중간사양군, C3와 C4 를 저사양군으로 분류하였다. 각 군집별 특성을 살펴보면 다음과 같다.
그 다음, 각 군집별 특성을 도출하고 군집 내 게임들의 시스템 최소 요구사양을 기준으로 흥행게임과 비흥행게임에서 고사양 군집, 중간사양 군집, 저사양 군집을 각 1개씩 선택하여 비교분석하였다. 클러스터링 분석을 위해서 제품의 장르, 가격, 시스템 최소 요구사양을 활용하였다. 게임 제품의 경우 장르, 가격, 시스템 최소 요구 사양이 해당 제품의 속성을 반영하는 특성으로 간주되며 스팀에서도 세 가지 속성만을 제시하기 때문에 본 연구에서는 장르, 가격, 시스템 최소 요구 사양을 이용하여 클러스터링 분석을 실시하였다.
흥행게임과 비흥행게임 간의 세부적인 차이를 도출해내기 위해 흥행게임과 비흥행게임에 대해 각각 k-means 군집화를 실시하였으며, 군집 개수(k)를 도출하기 위해 실루엣 계수(Silhouette Width)를 활용하였다. 실루엣 계수는 군집의 응집도 (cohesion)과 분리도(separation)를 통합적으로 측정할 수 있는 지표이며 다음과 같이 측정된다(Kang et al.
흥행게임과 비흥행게임을 군집화하여 흥행게임과 비흥행 게임에 각각 세 개의 군집한 다음, 군집의 시스템 최소요구사양이 서로 유사한 군집끼리 쌍대 비교하였다. 그 결과 고사양 군집에서는 전략적 요소가 가미된 인디 어드벤처 액션 게임이, 중간사양 군집에서는 인디 요소가 추가된 어드벤처 게임이, 저사양 군집에서는 전략 요소를 통해 차별화한 인디 게임이 흥행에 유리한 것으로 나타났다.

대상 데이터

또한, Bass 모형 추정을 위하여 데이터 수집 범위가 3개월보다 적은 게임은 분석 대상에서 제외하였다. 데이터의 수집 기간은 게임의 출시일로부터 2015년 8월까지이며, 수집 대상 게임은 스팀에 출시된 게임 중 2013년과 2014년에 출시된 것으로서 3개월 이상의 서비스 기간을 갖는 554개의 게임제품이다. 다음 단계에서는 수집된 데이터에 Bass 확산모형을 적용하여 분석대상 게임 제품을 흥행 그룹과 비흥행 그룹으로 구분한 다음, 각 그룹별로 군집분석을 실시하여 흥행요소를 분석하였다.
본 연구에서는 분석 대상 장르로 월평균 접속자수가 상위 5,000위에 속하는 게임의 1% 이상이 포함하고 있는 장르인 인디(Indie; Independent Video Game), 액션, 어드벤처, 롤플레잉, 전략, 캐주얼, 대규모 멀티플레이어(MMORPG; Massively Multiplayer Online Role-Playing Game), 스포츠, 레이싱의 장르와 함께 ‘앞서 해보기(Early Access)’를 장르로 선택하였다.
본 연구의 분석 절차는 [Figure 1]과 같다. 우선 게임 플랫폼인 스팀(Steam)에 출시된 게임의 속성 데이터(장르, 최소요구 사양 등)를 크롤링(crawling)기법을 이용하여 수집하고, 각 게임별 월평균 접속자 수의 시계열자료를 Steamcharts(steamcharts.com)로부터 수집하였다. 데이터 수집과정에서 해당 게임이 출시된 달과 데이터를 마지막으로 수집한 달의 접속자 수는 불완전하다고 판단하여 제외하였다.
본 연구의 한계점과 그에 따른 추후 연구 방향은 다음과 같다. 첫 째, 본 연구의 분석대상은 특정 기간에 스팀(Steam)에 출시된 PC 게임으로 한정되어있다. 그러나 전체 게임 시장을 기준으로 보면, 전용 게임 단말기의 플랫폼을 통해 서비스되는 콘솔 게임 시장의 비중이 상당히 크고, 스마트폰 생태계의 발전으로 인한 모바일 게임 시장의 성장 또한 가파른 추세를 보이고 있다.

이론/모형

분석대상 각 게임의 월별 평균 접속자 수 데이터를 Bass 모형으로 추정하였다. Bass 모형은 변형된 방정식을 통한 선형 회귀 추정, 최우 추정법 등 다양한 추정 방법이 있으나, 일반적으로 가장 추정 성능이 뛰어난 것으로 알려진(Hong et al., 2016) 비선형 추정법(Nonlinear Least Squares) 을 적용하였다. 비선형 추정법은 다음과 같은 목적함수를 최소화하기 위한 Bass 모형의 계수(p, q, m)를 탐색하는 방식이다.
분석대상 각 게임의 월별 평균 접속자 수 데이터를 Bass 모형으로 추정하였다. Bass 모형은 변형된 방정식을 통한 선형 회귀 추정, 최우 추정법 등 다양한 추정 방법이 있으나, 일반적으로 가장 추정 성능이 뛰어난 것으로 알려진(Hong et al.
이를 위해서 각 게임별 접속자 수의 시계열 데이터에 Bass 확산모형을 적용하여 흥행여부를 판단하고자 한다. Bass 확산 모형은 상품이나 서비스 혹은 기술 등 유무형의 혁신이 사람 들에게 퍼져 나가는 과정을 설명하기 위한 수리적 모형 중 하나로서, 계수의 상대적인 크기에 따라 다양한 확산 패턴을 묘사할 수 있다.

성능/효과

흥행게임과 비흥행게임을 군집화하여 흥행게임과 비흥행 게임에 각각 세 개의 군집한 다음, 군집의 시스템 최소요구사양이 서로 유사한 군집끼리 쌍대 비교하였다. 그 결과 고사양 군집에서는 전략적 요소가 가미된 인디 어드벤처 액션 게임이, 중간사양 군집에서는 인디 요소가 추가된 어드벤처 게임이, 저사양 군집에서는 전략 요소를 통해 차별화한 인디 게임이 흥행에 유리한 것으로 나타났다. 따라서 단일 콘텐츠 위주의 게임보다는 다양한 콘텐츠를 가진 게임들을 게임 소비자들이 더 선호하는 것으로 분석된다.
본 연구에서는 모방계수가 혁신계수 보다 큰 게임을 흥행게임으로 판단하고, 그렇지 않은 게임을 비흥행게임으로 판단하여, 총 294개의 흥행게임과 260개의 비흥행게임을 도출하였다. [Figure 3]은 흥행게임과 비흥행게임 간의 장르 차이를 보여 주고 있다.
본 연구에서는 흥행게임과 비흥행게임에 대해 각각 k-means군집화를 진행한 결과 흥행게임과 비흥행게임에서 각각 3개의 군집을 도출하였다. [Table 1]은 도출된 흥행군집 C1, C2, C3와 비흥행군집 C4, C5, C6에 대한 기본정보를 요약하고 있다
시스템 최소 요구사양의 경우, CPU 성능은 1,395가 최고치고 727이 최저치로 C3을 제외한 다른 군집들은 유사한 CPU 성능을 요구하는 것으로 나타났다. 이는 실제 게임이 CPU 성능에 높은 의존도를 가지기 보다는 각 게임을 구동할 수 있는 최소 OS 사양이 CPU 성능에 의존적이기 때문이라고 볼 수 있다.
우선 전체 흥행게임과 전체 비흥행게임 간의 장르, 가격, 시스템 최소 요구사양을 비교한 결과, 흥행게임 중 절반 이상이 인디 게임인 것으로 나타났다. 특히, 컨텐츠가 다양하고 완성도가 높은 고사양의 인디 게임이 흥행을 주도하였다는 것을 알 수 있었다.
게임의 가격에 있어서는 흥행군집과 비흥행군집이 서로 통계적으로 유의한 수준의 차이를 보이지 않았다. 유일하게 통계적으로 유의한 차이를 보인 경우가 저사양군 비교에서였는데, 흥행게임이 비흥행게임에 비해 높은 가격대를 형성하는 것으로 나타났다. 이는 고객들이 게임의 구매를 결정할 때 가격은 중요한 고려사항이 아니며, 게임의 콘텐츠와 서비스가 우수하다면 가격에 상관없이 소비자들이 구매한다는 것을 시사한다.
또한 휴대기기라는 특성상 본문에서 언급된 최소요구사항의 차이 역시 크지 않은 편이다. 이를 고려할 때, 본 연구의 방법론을 모바일 게임 시장으로 확장하는 것은 분석 방법론의 일관성을 유지하는 것이 가능할 것으로 보인다. 그 경우, 같은 분석을 통해 얻은 결과들을 통해 두 게임 시장이 서비스 플랫폼에 따라 보이는 특성의 차이와 그 원인을 비교분석 할 수 있을 것으로 기대된다.
중간사양군에 속한 고객층도 게임의 콘텐츠에 따라 소비를 결정하는 것으로 볼 수 있다. 중간 사양의 그래픽과 시스템으로 구성된 액션/어드벤처 게임의 성공가능성이 높지 않았던 반면 탄탄한 스토리라인에 독특한 인디 요소가 가미된 어드벤처 게임의 성공가능성이 높았다.
중간사양군에 속한 군집 간의 시스템 최소 요구사양을 비교하면, CPU 성능, 메모리 용량, 그래픽카드 성능 모든 면에서 비흥행군집 C6이 흥행군집 C2보다 t-검정결과 통계적으로 유의미하게(p < 0.05) 높았다.
중간사양의 고객층을 대상으로는 높은 사양을 요구하는 액션 위주의 게임보다는 스토리라인이 강조되는 어드벤처 게임이 흥행에 더 유리한 것으로 나타났다. 스토리라인에 독창적인 인디 요소를 가미하는 것이 경쟁력을 가진다고 분석된다.
우선 전체 흥행게임과 전체 비흥행게임 간의 장르, 가격, 시스템 최소 요구사양을 비교한 결과, 흥행게임 중 절반 이상이 인디 게임인 것으로 나타났다. 특히, 컨텐츠가 다양하고 완성도가 높은 고사양의 인디 게임이 흥행을 주도하였다는 것을 알 수 있었다. 반면 롤플레잉 게임은 흥행게임보다 비흥행게임에 많이 분포하였다.

후속연구

이를 고려할 때, 본 연구의 방법론을 모바일 게임 시장으로 확장하는 것은 분석 방법론의 일관성을 유지하는 것이 가능할 것으로 보인다. 그 경우, 같은 분석을 통해 얻은 결과들을 통해 두 게임 시장이 서비스 플랫폼에 따라 보이는 특성의 차이와 그 원인을 비교분석 할 수 있을 것으로 기대된다. 다른 한 편으로, 본 연구는 상향식(bottom-up) 방식의 접근법을 사용하여, 데이터를 바탕으로 게임 시장의 특성을 살펴 보고자하는 탐색적인 연구이다.
그러나 이러한 요인들의 흥행에 대한 직접적인 인과관계 및 흥행성적에 대한 예측력을 가지는지에 대한 분석이 부족한 것은 물론, 연속된 수익의 규모가 아닌 확산 패턴을 기준으로 분류된 명목 변수로서의 흥행이 갖는 한계 역시 존재한다. 앞으로 분석된 특성을 토대로 인과관계 등을 좀 더 통계적으로 엄밀한 모형에 적용하는 것이 추후 연구과제가 될 수 있다. 다양한 시계열 모형은 물론 기계학습(machine learning) 알고리즘을 활용한 게임 서비스의 흥행 예측 모형을 수립하는 것은 게임 제작 및 공급자의 의사결정에 활용할 수 있는 중요한 정보를 제공할 수 있게 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	PC의 성능 향상과 모바일 기기의 보급 확대에 힘입어 지속적인 성장을 거듭하는 산업은 무엇인가?	PC의 성능 향상과 모바일 기기의 보급 확대에 힘입어 게임산업은 지속적인 성장을 거듭하고 있다. 시장조사업체 뉴주(Newzoo) 는 2015년 글로벌 게임 시장의 규모가 전년도 대비 9% 성장하여 915억 달러에 이를 것으로 예상했으며, 2018년에는 그 규모가 1,130억 달러까지 도달할 것으로 예측했다.
	PC 게임이 전체 게임 시장에서 차지하는 비중은 어느정도인가?	최근 모바일 게임시장이 급속도로 성장하고 있으나 아직까지 게임시장의 가장 큰 비중을 차지하는 분야는 온라인 게임을 포함한 PC 게임이다. PC 게임이 전체 게임 시장에서 차지하는 비중은 2015년 기준 37%이며 2018년에도 컴퓨터 게임 시장은 36%로 가장 높은 비중을 차지할 것으로 전망되고 있다(Newzoo, 2015).
	게임산업 중 가장 큰 비중을 차지하는 분야는 무엇인가?	시장조사업체 뉴주(Newzoo) 는 2015년 글로벌 게임 시장의 규모가 전년도 대비 9% 성장하여 915억 달러에 이를 것으로 예상했으며, 2018년에는 그 규모가 1,130억 달러까지 도달할 것으로 예측했다. 최근 모바일 게임시장이 급속도로 성장하고 있으나 아직까지 게임시장의 가장 큰 비중을 차지하는 분야는 온라인 게임을 포함한 PC 게임이다. PC 게임이 전체 게임 시장에서 차지하는 비중은 2015년 기준 37%이며 2018년에도 컴퓨터 게임 시장은 36%로 가장 높은 비중을 차지할 것으로 전망되고 있다(Newzoo, 2015).

참고문헌 (27)

Altinkemer K. and Shen, W. Q. (2008), A Multigeneration Diffusion Model for IT-Intensive Game Consoles, Journal of the Association for Information Systems, 9(8), 442-461.

상세보기
Baek, J.-M., Won, R.-J., Lee, B.-H., and Kim, J.-H. (2008), A study on the Distribution Estimation of Residental Refrigerators using Bass Diffusion Model and Economic Analysis Corresponding to Enhancement of Energy Efficiency, The Korean Institute of Electrical Engineers, 57(11), 1938-1945.
Bass, F. M. (1969), A New Product Growth Model for Consumer Durables, Management Science, 15(5), 215-227.

상세보기
Bulte, C. V. and Joshi, Y. V. (2007), New Product Diffusion with Influentials and Imitators, Marketing Science, 26(3), 400-421.

상세보기
Chun, H. and Lee, H. (2013), A DEA-Based Portfolio Model for Performance Management of Online Games, Journal of the Korean Institute of Industrial Engineers, 39(4), 260-270.

원문보기 상세보기
Choi, J.-H. and Park, Y.-J. (2008), Economic Value Analysis of Document Delivery Services at Foreign Journal Supporting Center by the Parameter Estimates of Bass Diffusion Model, Korea Society for Information Management, 25(1), 61-74.

원문보기 상세보기
Clement, M., Fabel, S., and Schmidt-Stolting, C. (2006), Diffusion of hedonic goods : A literature review, The International Journal on Media Management, 8(4), 155-163.

상세보기
Eun, K.-H. and Lee, D.-Y. (2002), A Study on the changes the electronic game by the times, Korean Society of Design Science, 15(1), 327-338.
Hong, J.-S., Kim, T.-G., and Koo, H.-Y. (2011), A Parameter Estimation of Bass Diffusion Model by the Hybrid of NLS and OLS, Journal of the Korean Institute of Industrial Engineers, 37(5), 74-82.

원문보기 상세보기
Hong, J., Koo, H., and Kim, T. (2016), Easy, reliable method for mid-term demand forecasting based on the Bass model : A hybrid approach of NLS and OLS. European Journal of Operational Research, 248(2), 681-690.

상세보기
Kang, N., Kang, J., and Yong, H.-S. (2004), Performance Comparison of Clustering Techniques for Spatio-Temporal Data, Journal of Intelligent Information Systems, 10(2), 15-37.
Kim, K.-T. and Park, S.-K. (1987), Demand Forecasting for New Service using the Diffusion Model, Journal of the Korean Institute of Industrial Engineers, 13(1), 25-29.
Kim, T.-G., Cho, N.-W., and Hong, J.-S. (2014), Characteristics of Korean Film Market by Using Social Network Analysis, The Korea Contents Society, 14(6), 93-107.
Kim, T.-G. and Hong, J.-S. (2013), Identifying the Diffusion Patterns of Movies by Opening Strength and Profitability, Journal of the Korean Institute of Industrial Engineers, 39(5), 412-421.

원문보기 상세보기
Korea Creative Content Agency (2013), 2013 White Paper on Korean Games.
Korea Creative Content Agency (2014), 2014 White Paper on Korean Games.
Korea Creative Content Agency (2015), 2015 1Q Content Industry Trend Report.
Korea Creative Content Agency (2015), 2015 2Q Content Industry Trend Report.
Kwon, H.-I. and Choi, Y.-S. (2008), A Study on On-Line Game Market Segmentaion Classification and Discrimination variable, Korean Society of Computer Game, 14, 53-61.
Lee, B.-J., Kim, N.-H., and Seo, J.-M. (2012), An Exploratory Study of Application of the Bass Diffusion Model to Forecasting the Demand of Social Services, Academy of Korean Social Welfare Administration, 14(2), 27-55.
Lee, J.-H., Jung, H.-S., Kim, G.-H., and Jang, C.-I. (2004), The Demand Forecasting of Game Products by Bass Model, Korean Game Society, 4(1), 34-40.
Lee, S.-C., Kim, J.-K., and Seo, Y.-H. (2003), Customer Segmentation of Korea and Japan Online Game Markets using MCFA and SOM, Korea Intelligent Information Systems Society, 199-205.
Mahajan, V., Muller, E., and Bass, F. M. (1995), Diffusion of New Products : Empricial Generalizations and Managerial Uses, Marketing Science, 14(3), 79-88.

상세보기
Newzoo (2015), Global Games Market Report.
Oh, G. H. and Ryu, T. Y. (2007), Game Design on Item-selling Based Payment Model in Korean Online Games, Proceedings of DiGRA, 650-657.
Ryu, S.-I. and Park, S.-J. (2011), Analysis of Genre-specific Competition Patterns in Korean Online Game Market using Market Dominance Assessment of Major Game Contents, The Korea Contents Society, 11(12), 145-151.
Yun, H.-S. and Kwon, Y.-M. (2013), A Study on Korean Game History, Korean Society of Computer Game, 26(1), 107-113.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증