스팀 계정에 쌓인 플레이 시간 데이터를 진지하게 들여다본 적 있으신가요? 단순히 “이 게임에 몇 시간 썼구나”를 확인하는 게 아니라, 그 숫자들이 패턴을 이루고 있다는 점에서 출발합니다. Guildeline은 이 패턴을 읽어서 취향 추천에 활용합니다.
왜 플레이 시간이 별점보다 신뢰할 수 있나
별점과 리뷰는 쉽게 왜곡됩니다. 출시 초기 열기, 패치 이후 불만, 커뮤니티 갈등 — 리뷰 점수에는 게임 경험 외의 요소가 많이 섞입니다. 하지만 플레이 시간은 다릅니다. 재미없으면 끕니다. 강제로 켜둘 이유가 없습니다.
물론 AFK(자리 비움 상태로 켜두기)나 업적 파밍 같은 노이즈도 있습니다. 하지만 대부분의 유저 데이터에서 플레이 시간과 만족도 사이의 상관관계는 별점보다 일관적입니다. 특히 100시간 이상의 장기 플레이는 강한 취향 신호입니다.
태그 가중치: 시간을 게임 특성으로 변환하기
스팀의 각 게임에는 유저가 붙인 태그가 있습니다. Stardew Valley라면 ‘Farming Sim’, ‘Relaxing’, ‘Resource Management’, ‘Pixel Graphics’ 등의 태그가 붙어 있습니다.
Guildeline은 보유 게임들의 플레이 시간을 가중치로 삼아 각 태그의 합산 점수를 계산합니다. 예를 들어 ‘Roguelite’ 태그가 붙은 게임들에서 총 300시간을 플레이했다면, 이 태그의 가중치 점수가 높아집니다. 이 과정을 모든 태그에 적용하면 태그별 선호도 프로필이 만들어집니다.
가중치 계산 방식
단순 합산보다 정교한 방식을 사용합니다.
- 로그 스케일링 — 1000시간과 100시간의 차이보다 1시간과 10시간의 차이가 더 의미 있게 반영됩니다. 극단적인 플레이 시간이 결과를 과도하게 지배하지 않도록 합니다.
- 미플레이 게임 제외 — 구매만 하고 한 번도 실행하지 않은 게임은 취향 데이터에서 제외됩니다. 세일 충동구매가 분석을 오염시키지 않습니다.
- 태그 수 정규화 — 태그가 많은 게임의 경우 각 태그당 기여 가중치를 분산 처리합니다. 태그가 20개인 게임이 3개인 게임보다 각 태그에 지나치게 큰 영향을 주지 않도록 합니다.
AI가 이 프로필을 사용하는 방식
가중치 프로필이 완성되면 AI에 전달합니다. AI는 상위 가중치 태그들을 종합해서 어떤 유형의 경험을 선호하는지 해석하고, 이미 플레이한 게임은 제외하면서 데이터베이스에서 가장 잘 맞는 후보군을 선별합니다.
단순히 “이 태그가 있는 게임을 추천”하는 방식이 아닙니다. 태그 조합의 패턴을 읽고, 플레이한 게임들 사이의 공통 맥락을 찾아냅니다. 예를 들어 ‘Atmospheric’ + ‘Story Rich’ + ‘Mystery’가 높은 가중치라면, 단순 스릴러가 아닌 분위기와 서사 중심의 게임을 우선 추천합니다.
데이터가 없을 때의 대안
스팀 계정이 없거나 플레이 기록이 적다면, Guildeline의 수동 선택 모드를 사용할 수 있습니다. 선호 장르와 태그를 직접 고르면 가중치 프로필을 수동으로 구성할 수 있습니다. 데이터 기반 추천만큼 정밀하진 않지만, 처음 시작하는 좋은 출발점이 됩니다. 장르를 탐색하고 싶다면 장르별 탐색 →
피드백 기능도 적극 활용해 보세요. 추천 결과에 좋아요/싫어요를 남기면 이 신호가 가중치 조정에 반영되어 다음 추천이 더 개인화됩니다.