넷플릭스를 30분째 둘러보다,
결국 아무것도 못 골랐다.

당신만 그런 게 아닙니다. 그리고 게임은, 훨씬 더 심합니다.

선택 마비는 어디에나 있습니다.

고를 게 많을수록 사람은 더 망설입니다. 게임은 그 정점에 있습니다.

거대해질수록, 더 길을 잃는다

그 속에서 ‘내 게임’을 찾는 일은
점점 더 불가능해집니다.

검색은 이름을 알아야 하고, 순위는 모두에게 똑같습니다.

Steam은 시간을 안다.

하지만 마음은 모른다.

플레이타임·구매 이력은 ‘무엇을 했는지’만 압니다. ‘왜 좋아했는지’는 없습니다.

100시간을 했다고
사랑한 건 아니다.

행동 신호는 취향의 ‘대용’일 뿐, 진심이 아닙니다.

추천은 많다.
그런데 ‘왜’엔 아무도 답이 없다.

이유 없는 추천은 신뢰를 만들지 못합니다 — 클릭도 따라오지 않습니다.

아무도, 동시에 하지 못했다

LLM이 이 경험의 언어를 취향 수치로 바꿉니다.

세 개의 축으로, ‘왜’를 만든다

감성·취향을 읽는다

리뷰의 경험 언어를 RoBERTa·KoBERT로 수치화 — 측면별로 ‘난이도·분위기’까지 읽습니다.

이유를 말한다

‘왜 이 게임인지’를 기록 기반 자연어로 설명 — 블랙박스를 벗고 신뢰를 만듭니다.

처음 온 당신도 안다

이력이 없는 유저도 대화·설문만으로 즉시 추천 — 신규 진입장벽(콜드스타트)을 제거합니다.

한 제품, 다섯 화면

이 화면이 무엇인지 — 지금부터 한 장씩 설명합니다.

이유를 말하면, 실제로 더 눌린다

기존 대비 오차 54% 감소

↓ 낮을수록 정확합니다.

지금 증명된 것, 다음에 더할 것

RMSE는 예측 오차를, 랭킹 지표는 ‘잘 노출했는가’를 증명합니다 — 실서비스 단계에서 추가합니다.

막히면, 길을 만든다

이미 거대한, 이미 아픈 시장

1차 고객 = 플랫폼(Valve). 환불·리텐션 KPI가 곧 ROI입니다.

개인화는 이미 돈이 된다

작게 시작해, 가치로 증명하고 키운다

고객(Valve) ROI ≈ 3–6배 · PoC는 무료 스택(HW만 A100 대여 실비) · 가격·조달은 팀 책정

리스크는 줄이고, 증거는 남긴다

정확도를 넘어, 발견의 경험으로

단순 챗봇이 아니라,
능동형 커머스 에이전트

OpenAI ‘Operator’급의 능동성 — 사용자를 대신해 탐색하고 제안합니다. B2B·플랫폼에 가장 매력적인 모델.

2인이, 끝까지 갔다

기획·설계·학습·데이터·모델·프론트·홍보까지 — 환경이 무너진 자리에서도 핵심 지표를 지켜냈습니다.

PoC 기반 협의 · 제한적 위젯 파일럿