AI를 사용해 팬 환경 개선
2018년 미국의 최고 인기 TV 프로그램은 유명 드라마나 리얼 예예능이 아닌 풋볼 경기 중계였습니다.
2018년 시청률 상위 50개 프로그램 중 46개는 NFL 중계였으며 연간 시청자 수는 무려 1,580만 명이었습니다. 이처럼 NFL이 팬들에게 지속적인 인기를 얻고 있는 이유는 체스와 같은 방식을 활용하는 전략, 준비, 그리고 본능적인 플레이 방식 때문이라 할 수 있습니다. 이러한 플레이가 성공을 거두는 방식에 영향을 미칠 수 있는 요인은 어떤 것도 간과할 수 없습니다. 팀 출전자 명단 변경, 경기장 상황(예: 실내/실외, 주간/야간, 풍속/우천 등)의 모든 요인이 경기에 영향을 줄 수 있기 때문입니다.
NFL은 창설 당시부터 다양한 통계를 추적해 왔으나 이러한 수치는 수십 년이 지나도록 별로 개선되지 않았습니다. 즉, 경기 중에 발생한 모든 상황을 제대로 파악할 수 없는 단순한 계산 통계만이 제공되어 왔습니다. 최근 NFL은 데이터를 수집하여 활용하기 위한 첨단 시스템의 필요성을 인식하게 되었습니다. 이러한 시스템은 선수의 성적에 영향을 준 요인이나 특정 선수 라인업을 출전시킨 경기의 결과 등 팬과 선수에게 모두 유용한 경기 역학 관련 분석 정보를 제공할 수 있습니다. 이를 통해 궁극적으로는 NFL 팬의 충성도와 경기 이해도를 더욱 높이는 것이 목표입니다.
현재 NFL의 NGS(Next Gen Stats) 프로그램은 모든 선수의 어깨 보호대에 내장되어 있으며 각 경기장에도 설치되어 있는 RFID 디바이스를 통해 수집되는 정교한 추적 기술을 사용합니다. 이러한 디바이스는 특정 시간에 플레이 중인 선수, 각 선수의 위치 및 선수가 움직이는 속도와 방향 관련 데이터를 캡처합니다. 이렇게 수집된 데이터는 NFL 리그 내 32개 팀, 다수의 미디어 파트너, 그리고 전 세계 1억 8천만 명의 NFL 팬들에게 매우 유용한 리소스입니다.
“기계 학습을 활용하면 더욱 많은 작업을 높은 신뢰도로 제때 완료할 수 있습니다.”
Matt Swensson
신흥 제품 및 기술 부문 VP
NFL
“기계 학습을 활용하면 더욱 많은 작업을 높은 신뢰도로 제때 완료할 수 있습니다.”
Matt Swensson
신흥 제품 및 기술 부문 VP
NFL
NFL은 Amazon Web Services와 협력하여 최첨단 분석 및 기계 학습을 통해 데이터를 효율적으로 활용하고 있습니다. NFL의 신흥 제품 및 기술 부문 VP(부사장)인 Matt Swensson은 “기계 학습을 활용하면 더욱 많은 작업을 높은 신뢰도로 제때 완료할 수 있습니다. NFL에서는 매일 생성되는 수많은 통계를 최적의 방식으로 활용할 수 있어야 합니다. 기계 학습을 사용하면 현재 추적 시스템에서 수집되는 대량의 데이터에서 적절한 요소를 적절하게 파악할 수 있습니다.”라고 설명합니다.
NFL은 Amazon Sagemaker의 기계 학습 도구를 통해 구동되는 NGS 플랫폼을 통해 경기 진행 상황을 해석할 수 있는 기계 학습 모델을 빠르고 쉽게 생성하고 배포할 수 있습니다. 예를 들어 이 모델은 특정 패스의 거리와 속도, 리시버와 가장 가까운 위치의 수비수 간 거리, 쿼터백과 가장 가까운 패스 러셔 등 10가지가 넘는 경기 중 측정 데이터를 통합하는 NGS의 Completion Probability 수치를 분석할 수 있습니다.
NFL은 Amazon SageMaker를 사용해 이러한 예측 모델을 쉽게 작성하고 학습시켜 실행함으로써 결과를 수집하는 데 걸리는 시간을 12시간에서 30분으로 줄일 수 있었습니다. 그리고 Swensson이 언급한 것처럼, SageMaker를 사용하면 데이터 과학자 팀 없이도 엔지니어가 작업을 빠르게 시작할 수 있습니다. Swensson은 “기계 학습을 도입한 결과 특정 작업을 처리할 때마다 매번 새로운 방법을 사용할 필요가 없게 되었습니다.”라고 설명합니다.
결과 데이터를 제공하면 팬들이 특정 패스 플레이가 더 어려운 이유를 이해할 수 있으며 경기 자체를 더 적절하게 파악할 수 있습니다. NFL과 미디어 파트너는 이러한 분석 정보를 신속하게 활용해 방송 및 온라인 콘텐츠 내용을 개선할 수 있으며 경기장 내의 팬들에게도 유익한 정보를 제공할 수 있습니다. Swensson은 “경기에서 멋진 패스가 나온 경우 해당 패스의 수치 정보를 다른 패스와 비교하여 표시할 수 있습니다. 팬들은 이러한 정보를 통해 게임 상황을 파악할 수 있으므로 매우 유용합니다.”라고 설명합니다.
물론 데이터는 빠르고 쉽게 액세스할 수 있어야 유용하게 활용할 수 있습니다. NFL은 Amazon QuickSight 등의 비즈니스 인텔리전스 도구를 사용해 내부에서도 더욱 많은 분석 정보를 파악함과 동시에 팬들에게도 데이터를 제공할 수 있습니다. Swensson은 “AWS의 도구를 사용하면 대시보드에서 질문을 받고 대답을 표시하는 매우 빠른 쿼리를 실행할 수 있습니다. NFL.com에서 클럽, 방송 관계자, 기자, 풋볼 전문 기고자 등에게 이러한 대시보드가 제공됩니다.”라고 설명합니다.
예전에는 이러한 대시보드를 작성하려면 몇 시간, 길게는 며칠이 걸리기도 했지만 이제는 몇 분 만에 작성할 수 있으며, 관련 필터도 원하는 수만큼 포함할 수 있습니다. Swensson은 “이제는 정보를 표시할 때마다 대량의 코드를 작성할 필요가 없으므로 효율성이 매우 높아졌습니다.”라고 강조합니다.
또한 NFL은 이러한 분석 정보를 수집한 다음 조직 내 여러 영역에 적용할 수 있습니다. 따라서 감독들이 경기를 더 효율적으로 계획하고 선수의 안전을 개선하는 방법도 파악할 수 있습니다. Swensson은 “정보를 많이 확보할수록 경기 패턴을 더 효율적으로 파악할 수 있습니다.”라고 부연 설명합니다. 기계 학습을 통해 확인된 이러한 패턴은 선수가 부상을 당할 가능성이 높은 상황을 더 효율적으로 파악하고 위험을 완화하기 위한 규칙을 설계하는 과정에서 핵심적인 요소로 사용할 수 있습니다.
그러면 팬과 선수, 그리고 팀 모두에게 더욱 효율적인 환경이 실시간으로 제공됩니다. 즉, 차세대 분석 및 기계 학습을 통해 지원되는 차세대 NFL 풋볼 환경이 구축된다고 할 수 있습니다.