토큰형 아이템에 숨어있는 확률 이론 Game

온라인 RPG에서 플레이어에게 장비 아이템을 지급하는 방법은 다양하다.
상점을 통해 구입을 할 수도 있고, 퀘스트를 통해 보상으로 받거나, 
인스턴스 던전이나 필드에서 몬스터를 잡아서 획득할 수도 있다.

고 레벨로 갈수록 컨텐츠 반복 요소가 필수적으로 사용이 되고 반복을 위해 확률적인 요소를 많이 사용한다.
몇 년 전만 하더라도 장비 한 피스를 몇 %의 확률로 지급하느냐가 반복 정도를 결정했다면
최근에는 여러개의 토큰형 아이템을 획득한 뒤 장비 아이템으로 교환하는 형태의 보상 방식을 많이 사용하고 있다.

이러한 토큰형 아이템의 장점은 크게 2가지로 볼 수가 있을 것이다.

1. 플레이어의 직업에 맞는 장비를 선택할 수 있는 기회를 제공
2. 플레이어에게 장비 획득 과정을 수치적으로 알려 주는 것

1번은 사실 장비 드롭을 결정하기 전 플레이어의 직업을 체크하여 결정할 수도 있는 부분이지만
유저에게 유의미한 선택 과정을 통해 획득에 따른 희열을 토큰형 아이템을 통해 더 제공할 수 있다.

2번에서는 단순히 수치적으로 알려 주는 것도 있지만 여러 확률 이론도 숨어 있다.
이번 포스팅에서는 토큰형 아이템에 어떤 확률 이론이 숨어 있는지 살펴 보도록 하겠다.

우선 하나의 예를 들어 보자.

A 몬스터에서 B라는 아이템을 10%의 확률로 드롭을 한다고 가정을 하자.
하나의 아이템을 획득하기 위해서는 평균적으로 10회를 잡아야 한다고 쉽게 유추할 수 있다.
하지만 실제로는 1회에 획득하는 유저도 있을 것이고 20회가 넘어도 획득하지 못하는 유저가 있을 것이다.
평균은 말 그대로 평균일뿐 확실한 보장이 되는 것은 아니다.
여기서 확률이 더 낮아져 잡아야 되는 평균 횟수가 증가한다면 중심극한정리에 따라 정규 분포에 가까와 질 것이다.

여기서 발생하는 문제는 온라인 RPG에서의 유저간 성장 갭이 발생하고 
일반적인 유저들이 생각하는 기대값에서 더 많은 반복이 일어나게 되면 유저 이탈이 발생할 가능성이 높아진다.

이런 문제를 토큰형 아이템은 기대값을 동일하게 가되 모아야 되는 아이템 개수를 늘리면서 1개당 드롭 확률을 그만큼 늘려
같은 기대값이라도 분산을 낮춰주는 효과를 통해 어느 정도 해결을 하게 된다.

간단하게 설명을 하면 1개의 아이템을 1%의 확률로 획득한다면 토큰형 아이템을 통해 10개의 조각으로 나누고 조각별 획득 확률을 10%로 하게 되었을 때 기대값을 동일하게 된다는 것이다.
하지만 조각의 수가 많아짐으로 인해 분산이 줄어드는 효과가 생겨 동일한 정규 분포라도 중심점인 평균에 더 많은 확률 분포가 생기도록 밀집시켜주는 효과를 가져준다.

분산이 줄어드므로 인해 대부분의 유저는 기대값 근처에서 획득을 할 수 있게 되고 불필요한 유저 이탈을 막을 수 있는 효과가 생기게 된다.
(쓰다보니 점점 복잡해져서 자세한 증명 과정은 생략을 했다. 이항 분포와 정규 분포, 중심 극한 정리를 좀 더 찾아보시면 자세한 증명 과정을 찾을 수 있을 것이다.

오랜만에 글을 써서인지 쓰다보니 점점 산으로 가는게 느껴진다.
이 쯤에서 일단 마무리를 하고 더 좋은 설명 방법이 있다면 나중에 추가 보충을 해야 겠다.

오늘 얘기의 세줄 요약
1. 토큰형 아이템은 분산을 줄여주는 효과를 보인다.
2. 분산이 줄어들어 기대값 근처에서 획득 확률이 높아진다.
3. 유저의 기대값과 근사해지면서 불필요한 유저 이탈을 막을 수 있다.


이론적 확률과 인지적 확률 Game

게임 밸런싱 과정에서 확률과 기대값을 중요한 역할을 한다.
밸런싱 과정 중에서도 특히 컨텐츠 플레이에 대한 보상을 지급 하는 부분에서 확률과 기대값에 의존하는 경우가 많다.
(RPG에서라면 퀘스트, 몬스터 드롭, 인스턴스 던전 보상 등등 매우 많다.)

하지만 이론적인 확률과 기대값에만 전적으로 의존하기에는 게임을 플레이하는 유저는 그렇게 단순하지는 않다.
그 이유를 설명하기 위한 개념으로 이론적 확률과 인지적 확률이라는 용어를 사용한다.

이론적 확률 : 말 그대로 이론적인 확률이다. 수식과 계산을 통해서 확률을 구하고 그에 따른 기대값을 통해 비교를 한다.
인지적 확률 : 사람이 받아들이는 확률이다. 복잡한 계산보다는 직관적으로 받아들인다. 사람의 성향(Risk-Taking 정도)에 따라 인지적 확률은 달라진다.

간단한 예를 들어 보자.

A 퀘스트는 완료시
70%의 확률로 100 골드를 지급하고,
29%의 확률로 110 골드를 지급하며,
1%의 확률로 아무 것도 지급하지 않는다.

반면 B 퀘스트는
100%의 확률로 100골드를 지급한다.

A와 B 퀘스트 중 유저는 하나의 퀘스트만 선택하여 수행할 수 있다고 하면
대 부분의 유저는 어느 퀘스트를 선택할 것인가?

A 퀘스트의 기대값은 101.9 골드가 되고, B 퀘스트의 기대값은 100골드이다.
이론적 확률과 기대값에 따르면 당연히 A 퀘스트가 이득이지만
1%의 확률로 아무 것도 획득하지 못하는 리스크가 존재하고, 한 번만 수행할 수 있기 때문에
대부분의 유저는 안전하게 보상을 획득할 수 있는 B 퀘스트를 선택할 것이다.

여기서 만약 중복으로 시도가 가능하다면 어떻게 될까?
위의 퀘스트가 몬스터로 바뀌고 그에 따른 드롭 골드로 간주를 한다면
대부분의 유저는 A를 택하긴 할 것이다.
(반복성이 추가되면서 여러 번 반복 수행하게 되면 이론적 확률과 기대값에 근접한다. 
 대수의 법칙에 따르면 30회 이상이면 정규 분포에 따른다고 볼 수 있다.
 체감하기에는 근소한 차이지만 많은 유저는 저 차이를 플레이하면서 쉽게 파악하더라.)

결국, 단순한 숫자 놀음만으로 게임 밸런싱을 진행하기 보다는
어느 정도 반복 테스팅과 그에 따른 경험이 필요할 것이다.








게임과 음식을 주제로 한 블로그

평생 블로그에 글 쓰는 일은 없을 것이라고 생각해 왔었지만,
추석 맞이 궁상놀이의 일환으로 블로그를 새로 만들었다.

평소 글 쓰는 것을 별로 좋아하지 않는 공대 출신 남자이기에
얼마나 오래 갈지는 모르겠지만, 일단 일주일에 3개 이상의 포스트를 목표로 블로그를 개설하였다.

게임 쪽 업계에 몸을 담고 있고, 맛집이라면 거리를 불문하고 달려가는 성격에
이 두 가지를 주제로 하여 이런 저런 얘기를 쌓아 나아가고 싶다.

주위 사람들에게는 알리고 싶지 않기 때문에 원래 사용하던 닉을 버리고
새로운 닉인 Muke와 함께 거리낌 없이 생각을 토해내어야 겠다.




1


통계 위젯 (화이트)

00
1
313