AI로 찾는 진짜 유저 인사이트
반복 작업 대신 인사이트에 집중하는 방법
게임을 만들고 운영하는 사람이라면 누구나 공감하는 일이 있습니다. 바쁘다는 이유로 중요한 부분을 놓치기 쉬운 경우가 많다는 것. 예를 들면 이런 일들입니다:
“아, 테스트 코드는 일단 기능부터 만들고 나중에…”
“유튜브 트레일러 댓글에 피드백이 많다던데, 언제 다 읽지?”
하지만, 이런 반복적이고 시간이 많이 소요되는 작업들을 누가 대신해 줄 수 있다면, 우리는 더 중요한 판단과 창의적인 일에 집중할 수 있을 것입니다.
EA (Electronic Arts)는 이 부분에 주목했습니다.
“반복되지만 중요한 일”을 AI가 먼저 처리해 주는 방식으로 개발자, QA, 운영자, 게임 사업팀 모두의 일하는 방식을 바꾸고 있습니다.
ℹ️ AI가 써주는 테스트 코드
게임 개발에서 ‘유닛 테스트(Unit Test)’는 중요합니다. 핵심 기능이 의도대로 제대로 동작하는지 자동으로 검증해 주는 코드이기 때문입니다.
하지만, 일정에 쫓기는 현실에서는 이 테스트 코드 작성은 종종 뒷전으로 밀립니다.
EA는 개발자 편의를 위해 내부 툴에 AI 기반 테스트 코드 생성 기능을 탑재했습니다.
개발자가 기능 코드를 작성한 후 버튼을 누르면, AI가 해당 기능을 검증하는 테스트 코드 초안을 자동으로 생성해 줍니다.
예를 들어, ‘감정 → 이모지 변환’ 기능을 개발했다면, AI는 다음과 같은 기본 테스트 코드를 만들어줍니다.
이로 인해 개발자는 테스트 코드 초안을 직접 작성하는 시간을 절약할 수 있고, QA 이전 단계에서 기본적인 오류를 빠르게 점검할 수 있으며, 더 복잡하고 창의적인 기능 구현에 집중할 수 있습니다.
ℹ️ 수백 개 댓글, AI가 요약해 줍니다
게임 트레일러가 공개되거나 베타 테스트, 플레이 영상이 올라올 때 마케팅팀이나 운영팀은 소셜 반응을 빠르게 파악해야 합니다. 하지만, 유튜브, 트위치, 커뮤니티에 달리는 수많은 댓글을 일일이 읽고 정리하는 것은 쉽지 않은 일입니다.
EA는 이 작업을 AI에게 맡기고 있습니다.
소셜 미디어 링크를 툴에 입력하면, AI 모델이 댓글 100개를 읽고 긍정 피드백과 개선 요청을 요약해 줍니다. 예를 들어 아래와 같은 형식입니다.
긍정 요약: “F1게임 그래픽과 사운드는 놀랍다”
개선 요약: “AI 상대팀이 너무 쉬워 도전의식이 부족하다”
AI는 단순히 ‘좋다’ 혹은 '나쁘다'로 끝나는 것이 아니라, ‘무엇이 좋고, 무엇을 개선해야 하는지’ 실행 가능한 인사이트로 정리해 줍니다.
3️⃣ 유저 테스트도 AI가 도와줍니다
AI가 ‘개발과 운영’의 반복 작업을 줄여주는 동시에, ‘유저 테스트 (FGT/FGI)’에서도 실질적인 역할을 하기 시작했습니다.
넥슨의 경우, 유저가 플레이하는 장면을 실시간으로 촬영하고 AI가 얼굴 표정과 감정을 분석해 “어떤 구간에서 몰입했는지”, “언제 당황했는지”, “재미를 느낀 타이밍은 언제였는지” 등을 수치화합니다. 이를 통해 개발팀과 게임 사업팀은 설문만으로는 알기 어려웠던 '실제 플레이 중 감정 변화'를 객관적으로 파악할 수 있습니다. (출처: FGT 얼굴 분석 프레임워크 개발 사례, 권승진, NDC 2021)
ℹ️AI가 시선과 반응의 흐름을 읽는 스트리밍 분석
트위치에서는 시청자의 시선 추적 데이터를 수집해 어떤 구간에서 시선이 집중되는지, 어떤 태그나 콘텐츠가 유입에 효과적인지를 분석합니다.
예를 들어, 트위치나 유튜브 라이브 스트리밍에서 시청자가 방송에 들어오는 경로를 분석할 수 있습니다.
"트위터 링크를 통해 들어왔는지", "메인 페이지에서 추천받았는지", "‘신작 게임’ 태그를 클릭했는지" 등의 유입 정보를 AI가 자동으로 수집하고 정리해 줍니다.
또한, 시선 분석을 통해 UI나 영상 콘텐츠에서 집중된 영역을 파악할 수 있습니다.
시선 추적 기술은 시청자의 눈동자 움직임을 추적해 화면의 어느 위치에 얼마나 오래 머무는지를 측정합니다. 예를 들어, 캐릭터 능력치를 보여주는 UI에서 시청자의 시선이 30초 중 2초만 머문다면, 그 요소는 충분히 주목받지 못한 것이겠죠. 이 분석 결과는 열지도(heatmap) 형식으로 시각화되어, 어디가 흥미 포인트였는지, 어떤 부분이 무시되었는지를 한눈에 파악할 수 있습니다.
트위치 시청자의 시선에 따른 적외선 열지도 변화이는 단순한 클릭 수 이상의 ‘실시간 감정 흐름 데이터’ 를 제공하며, 게임 스트리밍이나 방송형 콘텐츠 기획에 참고 지표로 사용되고 있습니다.
ℹ️인터뷰 설문 자동화
FGI(Focus Group Interview)에서도 AI는 빠르게 도입되고 있습니다.
참가자가 FGT나 FGI에 참여하면, 기존에는 설문지를 직접 나눠주고 결과를 일일이 정리해야 했습니다.
하지만, 이제는 AI 챗봇이 자동으로 설문을 발송하고, 참가자가 남긴 문장을 자연어 처리(NLP) 기술로 분석해 줍니다. 예를 들어 :
“튜토리얼이 너무 길어요” → UI 진입장벽 항목: 부정적 반응
“전투는 재밌었지만 보상이 약해요” → 전투 경험: 긍정 / 보상 시스템: 개선 필요
이렇게 주관식 응답을 자동으로 태그화하거나 수치화해 주기 때문에, QA팀이나 운영팀은 장문의 피드백을 일일이 읽지 않아도, 유저 반응의 경향을 빠르게 파악할 수 있습니다.
반복적인 분석 작업은 줄고, 실제 인사이트에 집중할 수 있게 된 것입니다.
♻️ 마무리
이 모든 사례가 말해주는 것은 하나입니다.
AI가 대단해서가 아니라, 사람이 하기엔 아까운 반복작업을 먼저 처리해 주기 때문에 우리는 더 중요한 판단에 집중할 수 있다는 것입니다.
테스트 코드를 짜주는 개발 도우미, 소셜 댓글을 요약해 주는 마케팅 도우미, 감정을 실시간으로 분석해 주는 UX 테스터로서 AI는 우리 업무 방식의 일부가 되어가고 있습니다.
다음 글에서는 글로벌 시장 공략이 중요한 게임 트렌드를 반영해,
현지화(Localization) 과정에서 AI가 어떻게 활용되고 있는지를 살펴보겠습니다.
* 위 내용은 저자의 개인적인 의견이며, 본문에서 언급된 기업의 공식적인 입장과는 무관합니다
