Steam에만 플레이 가능한 게임이 12만 개를 넘고 하루 50개씩 늘어나며, 2025년 연간 다운로드는 1억 테라바이트(전년 대비 +25%)에 달합니다. 그러나 기존 추천은 플레이타임·구매 이력 같은 ‘행동’만 볼 뿐, ‘왜 좋아했는지’라는 취향의 이유에는 답하지 못합니다. Because는 리뷰에 담긴 경험의 언어를 읽어, 추천에 이유(∵)를 붙이는 것에서 출발합니다.
PLAY 가능 게임 120,000+연간 다운로드 1억 TB · +25%최대 동시 접속 4,200만
출처 · Valve, Steam Year in Review 2025 (100 엑사바이트 = 1억 TB, 42.3M 최대 동접)
목적
취향의 ‘이유’까지 설명하는 추천 Agent를 증명한다
취향의 이유까지 설명하는 개인화 게임 추천 Agent의 기술적 타당성을 PoC로 증명하는 것이 목적입니다. 세 축을 하나의 제품으로 묶어, “왜 이 게임인지”를 말하는 추천이 실제로 동작함을 보입니다.
사용자는 12만 개 속에서 ‘내 게임’을 이유와 함께 발견해 선택 실패가 줄고, 플랫폼(Valve)은 취향 미스매치 환불(업계 10–14%)을 줄여 연간 $97–227M 규모의 절감 여지를 얻습니다. 추천에 이유를 붙이면 실제 반응도 커집니다 — 맥락 제공 시 콘텐츠 참여 확률 4배, 개인화 도입 시 전환율 +15.3%·수익 최대 +35%. 더불어 인기작에 가려진 인디 게임의 발견성을 높입니다.
환불 절감 여지 $97–227M/년이유 제공 시 참여 4배개인화 전환율 +15.3%수익 최대 +35%
출처 · Spotify Research(2024.12)×Meta Llama(참여 4배) · ‘AI-driven personalization’(전환 +15.3%, 수익 +35%) · EA 환불율 12.4% 등
목표
PoC에서 검증한 정량 목표
추천 정확도
RMSE 목표 ≤ 2.64 → 달성 1.510 · 목표 대비 43% 더 정확 (기존 협업필터링 3.31 대비 오차 54%↓, ALS factors=128)
사용자 경험
추천 응답 ≤ 3초 · 카드마다 ∵ 일치율과 이유를 동시 노출 · ‘마음에 안 들어요’ 시 즉시 다음 추천