온라인게임에서 확률과 통계는 매우 많은 부분에서 활용되고 있다.
아이템 드롭, 몬스터와의 전투, 인공 지능, 매치 메이킹, 유저 랭킹과 같은 게임 개발 분야는 물론이고 더 좋은 서비스를 위한 유저 지표 분석과 의사 결정의 근거자료까지, 게임 서비스 그 자체를 움직이는 것이 통계와 확률이라 해도 과언이 아니다.

최근에 한국 축구가 28위로 발표돼 사람들에게 널리 알려진 Elo랭킹의 경우도 이미 게임에서 매치 메이킹이나 유저 랭킹 집계를 위해 널리 사용되고 있는 방식이다.

Elo는 체스 선수의 순위를 계산하기 위해 고안된 방법으로 두 명이 플레이하는 게임에서 플레이어들의 상대적인 실력을 계산하기 위한 방법으로 기본적인 룰을 간단히 설명하면 경기 후 얻는 점수는 두 플레이어의 승률에 영향을 받는다.

따라서 확률이 높은 플레이어는 적은 점수를, 확률이 낮은 플레이어는 높은 점수를 얻게 된다. Elo는 1대 1 경기 방식을 위해 고안됐기 때문에 다수의 유저가 플레이하는 게임에 적용하기에는 여러 가지 단점을 지니고 있으나 여전히 널리 사용되는 방식이다.

▲ 엔도어즈 마케팅본부 해외사업팀 엄정현 팀장

이러한 Elo의 단점을 보완한 Glicko, Glicko2 평가 시스템도 많이 이용되고 있으며 MS의 경우 TrueSkill이라는 랭킹 시스템을 개발해 사용하고 있다. Trueskill의 기본 원리는 게임 유저의 평균 스킬(μ: 뮤)과 불확실성(σ:시그마)의 개념과 ‘베이즈 정리’를 이용한 방식으로 계산된다. MS의 게임 서비스에 사용되는 만큼 온라인게임에 적합하게 수정돼 있다.

이처럼 별 것 아닌 것 같아 보이는 랭킹 집계를 위해서도 다양한 방식이 사용되고 있으며 이를 보다 정교하게 만들기 위한 연구도 계속되고 있다. 비단 이것은 한 예일 뿐이고 유저들에게 보다 양질의 서비스를 제공하기 위해 고객 서비스를 강화하기 위한 통계 연구도 계속 되고 있다.

유저들에게는 화려한 그래픽이나 사운드 만이 게임 기술의 발전으로 보이겠지만 이처럼 보이지 않는 분야에서도 많은 사람들이 게임과 서비스를 발전시키기 위한 노력을 계속하고 있다.

※ 외부 기고는 본지 편집방향과 다를 수 있습니다.