1. 강제광고 오퍼 시점을 늦췄을 때의 이탈률 감소 효과 뿐 아니라, 절대적인 광고 오퍼 횟수가 줄어듦으로 인한 수익 감소 효과를 함께 고려해야 함을 지적.
2. 등장 시점 1라운드 지연당 이탈률 감소와 수익 지표 변화량을 단일 수치로 요약
3. 생존율 상승분보다 광고 수익 감소분이 크게 작용함을 수치로 증명하여, 강제광고 등장 시점을 현행(5R)보다 앞당기는 것이 총 기대수익 관점에서 유리하다는 결론과 근거 데이터를 제공

1. 보스근접도가 낮은 상태에서 제안된 시간연장 광고가 이후 광고 수락률을 오히려 낮춘다는 인과 관계를 데이터로 입증, 현행 "조건 없이 1회 오퍼" 정책의 한계 확인.
2. 보스근접도 기반 오퍼 임계값 및 스테이지당 최대 오퍼 횟수를 설정하는 신규 정책을 설계하고, 시뮬레이션을 통해 광고 시청 횟수 기대 순 증가량(현행 대비 약 +N%) 을 정량적으로 산출
3. "사망 시각 × 보스근접도" 2차원 분석을 통해 부활 광고 수락률이 특정 구간에서 집중적으로 높게 나타남을 시각화, 최적 트리거 시점 구간 규명
4. "교통사고 발생 타이밍 자체를 통제"하는 방향으로 접근을 전환하고, 스테이지 그룹 별 보스근접도 임계값 기반 신규 난이도 조정 정책 설계. 시뮬레이션을 통해 광고 수락 건수 기대 순 증가량(형행 대비 약 +N%) 을 정량적으로 산출

1. 전체 유저의 N%에 해당하는 "쭉쭉이" 세그먼트(2개 스테이지 연속 1회 클리어 유저)를 독자적으로 정의·발굴, 해당 유저 군 대상 DDA 도입의 타당성을 수치로 뒷받침
2. 먹이 밀도·감지 범위 조정이라는 구체적 게임 파라미터 조작을 통해 실제 구현 가능한 형태로 액션 전달, MCMC 시뮬레이션 기준 7일 추가 기대 수익 $XXX 산출
3. 유저 상태를 RV 수용성 × 직전 라운드 결과 조합 12가지 State로 정의하고, 각 State에서 기대 수익을 최대화하는 플레이 결과를 도출하는 State-Action-Reward 프레임워크 수립
4. 데이터 부재로 난이도 조정 정책을 직접 시행하지 못하였으나, 정책 개인화가 수익에 미치는 잠재적 영향을 정량적으로 제시. 데이터 축적 이후 즉시 적용 가능한 형태의 A/B 테스트 실험 설계도를 전달

슈퍼센트와 프로젝트를 진행하며 좋았던 점은 무엇인가요?

1. 세 번째로 산학협력을 진행하는 기업답게, 소통과 데이터 제공에 있어서 많은 편의를 봐주셔서 좋았습니다.
   특히 매주 대면 싱크미팅을 통해 일주일 동안 분석한 결과물에 대해 상세한 피드백을 남겨주셔서, 다음의 분석 목표를 수정하고 설정하는 것이 수월했습니다.

프로젝트 진행 중 겪었던 가장 큰 어려움은 무엇이었나요? 이를 어떻게 해결했나요?

1. 초반에 사측에서 설정한 목표의 달성 가능성을 두고 팀원들끼리 합의점을 도출하는 것이 어려웠습니다.
   결국 처음 오퍼받은 내용과 조금 다른 방향으로 진행하는 것으로 결론지었지만, 그 과정에서 소통 부족으로 잠깐 사측과 프로젝트 방향에 대한 의견이 맞지 않은 기간이 있었습니다.결국 싱크미팅 자리에서 저희 팀이 그동안 분석했던 내용과 의사결정의 이유를 잘 정리하여 말씀드리고 전체적인 분석 방향을 수정할 수 있었습니다.

 이번 경험을 통해 어떤 인사이트나 역량을 얻으셨나요?

1. 우리 팀 내에서 만들어낸 결과물과 논리들을 사측 담당자분들께 적절한 형태로 전달하는 것은 또 다른 문제라는 것을 느꼈습니다.
   생산성이 높아진 AI 시대에서 단순히 많은 그래프를 만들고 분석을 진행하는 것보다, 이를 더 정제하여 나의 의도대로 전달할 수 있는 역량이 더 중요하다고 느꼈습니다.

 향후 유사한 프로젝트를 진행할 학회원들에게 전하고 싶은 조언이 있나요?

1. 주제와 진행 방향 관련해서 사측과 적극적으로 소통하는 것이 중요한 것 같습니다.
   산학협력 프로젝트의 목적 답게, 팀원들끼리만 이야기하고 그 내용을 전달하지 않는다면 결국 협력하는 회사와 어느 부분에서 어긋나게 되어 불필요한 리소스를 쓰게 되기 때문입니다.
   또한 프로젝트의 전체 목적과 흐름을 잘 파악하는 것이 중요하다고 생각합니다.
   ​