범위(Range)와 사분위수(Quartile)

 

평균은 데이터의 중심이 어디쯤에 있는지 알려 주지만 데이터가 어떤 식으로 변화하는지에 대해서는 알려주지 않는다. 점수가 평균을 중심으로 어떻게 분포되어 있는지 살펴봄으로써 데이터를 구분할 수 있다.

 

아래 3개의 도표는 모두 동일한 평균값과 중앙값, 최빈값을 가지고 있지만 데이터분포는 다르다.

점수

7

8

9

10

11

12

13

도수

1

1

2

2

2

1

1

 

점수

7

9

10

11

13

도수

1

2

4

2

1

 

점수

3

6

7

10

11

13

30

도수

2

1

2

3

1

1

1

 

 

이러한 경우 범위를 계산하여 구분할 수 있다. 범위(Range)는 데이터가 얼마나 많은 숫자 값을 포함하고 있는지를 알려준다. 범위를 찾으려면 데이터 집합에서 가장 큰 수에서 가장 작은 수를 뺀다. 가장 큰 값은 상한(upper bound), 가장 작은 값은 하한(lower bound)라한다.

 

범위는 데이터 집합의 분포를 간단하게 측정하는 방법이지만 그 범위 안에서 값들이 분포된 방식을 측정하는 가장 좋은 방법은 아니다. 범위는 데이터의 극단적인 값들을 이용해서 계산하기 때문에 데이터가 이상치를 가지고 있다면 상한값과 하한값 사이에 어떤 일이 있는지 나타내지 않기 때문에 범위를 이용한 값은 잘못된 정보를 제공할 수도 있다.

 

 

범위의 정의 자체가 이상치를 포함하기 때문에 이상치들에 대한 효과를 상쇄할 수 있는 방법이 필요하다. 이러한 방법 중 하나가 이상치를 무시하는 미니범위(mini range)를 살펴보는 것이다. 즉 데이터 전체의 범위를 측정하는 대신 이상치를 포함하지 않는 부분적인 범위를 측정 할 수 있다.

 

미니범위를 구성하는 방법에는 데이터 중심 근처에 있는 값들을 이용하는 방법이 있다. 데이터를 통일한 크기의 조각으로 나누어 중앙값을 사용한다. 이는 데이터의 중심에 분포하는 50%의 데이터만을 포함하기 때문에 이상치가 무시된다.

 

값이 가장 작은 사분위수는 하한 사분위수(lower quartile) 혹은 일사분위수(Q1)이라고 하고, 가장 큰 사분위수는 상한 사분위수(upper quartile) 혹은 삼사분위수(Q3)라고 한다. 가운데 있는 사분위수(Q2)는 데이터를 절반으로 나누므로 중앙값에 대한다. 사분위수 두 개사이에 존재하는 범위를 사분범위(interquartile range, IQR)이라고 한다.

 

 

사분위수 외에도 데이터를 분할하는 방식에는 데이터 집합을 퍼센트를 이용해서 분할하는 백분위수(percentiles), 조각을 열 개로 나누는 십분위수(deciles)도 있다. 백분위수는 흔히 사용되지는 않지만 벤치마킹을 하거나 등수나 위치를 정할 때 유용하다. 백분위수는 어떤 값이 다른 값들에 비해 얼마나 높은지 결정할 때 사용된다.

 

백분위수 참고 자료 : http://mba-lectures.com/statistics/descriptive-statistics/245/percentiles.html

 

 

통계학, 사분위수, 백분위수, 범위, Statistics, Range, Quartile, Percentile, 평균값, 이상치

'게임 기획자를 위한 통계학' 카테고리의 다른 글

중앙값(median)과 최빈값(mode)  (0) 2015.07.16
이상치(Outlier)와 편향(Skew)  (0) 2015.07.16
동접(동시접속자) 지표 분석  (0) 2015.07.16
매출 지표 분석  (0) 2015.07.16
사용자 지표 분석  (0) 2015.07.16

중앙값(median)과 최빈값(mode)

 

지난 포스트에서 일부 극한값 때문에 평균값이 무너지는 현상이 발생하여 이상치와 편향을 확인하여 극단적인 값으로 인한 평균이 무너지는 구간을 파악할 수 있었다.

 

편향된 데이터와 이상치 때문에 왜곡된 정보가 제공된다면 전형적인 값을 파악하기 위해 중앙값과 최빈값을 이용해야 한다.

 

중앙값(median)이란 무엇인가?

중앙값은 데이터를 나열하였을 때(오름차순) 가운데 있는 값을 뜻한다.

데이터가 홀수면 가운데 값이 중앙값이 된다.

19

18

20

20

20

21

21

100

102

 

데이터가 짝수면 가운데 있는 두수의 평균값이 중앙값이 된다.

18

20

20

20

21

21

100

102

     

20.5

     

 

 

아래와 같은 데이터가 있을 때 평균값, 편향, 중앙값에 대해서 알아보자.

 

[오른쪽 편향]

1

2

3

4

5

6

7

8

도수

4

6

4

4

3

2

1

1

 

  • 데이터 개수 : 25개 (데이터를 한 줄로 나열해본다.)
  • 평균값 : 3.44 ((4+12+12+16+15+12+7+8)/25)
  • 중앙값 : 3

 

데이터를 그래프로 그려보면 다음과 같이 오른쪽으로 편향되어 나타나며 평균값은 중앙값의 오른쪽(높음)에 위치한다.

 

 

 

[왼쪽 편향]

1

4

6

8

9

10

11

12

도수

1

1

2

3

4

4

5

5

 

  • 데이터 개수 : 25개 (데이터를 한 줄로 나열해본다.)
  • 평균값 : 9.28 ((1+4+12+24+36+40+55+60)/25)
  • 중앙값 : 10

 

데이터를 그래프로 그려보면 다음과 같이 왼쪽으로 편향되어 나타나며 평균값은 중앙값의 왼쪽(낮음)에 위치한다.

 

이처럼 중앙값을 사용하면 이상치로 인한 편향된 데이터에서 평균값이 높은지 낮은지 판별할 수 있다. 중앙값으로도 왜곡이 발생할 경우 최빈값을 이용할 수 있다.

예를 들어 아래와 같은 데이터가 있을 때 중앙값은 16.5가 된다. 데이터에 2 또는 31이 추가되면 중앙값은 2 또는 31이 된다.

1

2

2

2

31

32

32

32

     

16.5

     

 

 

최빈값(mode)이란 무엇인가?

최빈값은 데이터 집합에서 가장 많이 나타나서 도수가 가장 높은 값을 뜻한다. 최빈값이 하나 이상일 수도 있다. 어느 집합이 두 개의 최빈값을 가지고 있다면 이봉(bimodal)이라고 한다.

 

아래와 같은 데이터는 전체를 대표할 수 있는 값이 존재하지 않는다. 대신 각 종류의 데이터 집합에 대한 최빈값이 무엇인지 알 수 있다. 데이터에서는 두 개의 최빈값(2, 32)이 존재한다

1

2

3

31

32

33

도수

3

4

2

2

4

2

 

 

최빈값은 수치적 데이터만을 위해 사용되는 것은 아니다. 범주적 데이터를 위해서도 사용될 수 있으며 범주적 데이터를 위해 사용할 수 있는 유일한 평균값이다. 최빈값은 범주적 데이터를 다룰때 가장 흔히 사용하는 범주 중 하나이다.

 

게임으로 돌아와서 동접지표 분석할 때 평균 플레이 타임에 대한 왜곡에 대해서 설명하였다. 이상치와 편향으로 통계적 오류를 최소화 할 수 있었지만 1인당 플레이 시간에 대한 범주가 고르지 못하다면 최빈값등을 이용해서 각 범주를 대표할 수 있는 값을 함께 분석해보면 좋을 듯 하다.

 

 

 

게임마케팅, 게임용어, 마케팅 용어, 게임기획, 게임 분석, 게임이야기, 마케팅이야기, 게임분석, 기획자를 위한 게임 분석, 데이터분석, 데이터분석가, 게임분석가, 매출분석, 아이템분석

'게임 기획자를 위한 통계학' 카테고리의 다른 글

범위(Range)와 사분위수(Quartile)  (2) 2015.07.16
이상치(Outlier)와 편향(Skew)  (0) 2015.07.16
동접(동시접속자) 지표 분석  (0) 2015.07.16
매출 지표 분석  (0) 2015.07.16
사용자 지표 분석  (0) 2015.07.16

이상치(Outlier)와 편향(Skew)

 

지난 포스트에서 "특정 헤비한 유저로 인한 통계 수치가 무너지지 않았는지 살펴보아야 한다. 평균은 항상 전체대비 나타내기 때문에 일부 이상치 때문에 무너지는 경우가 많기 때문이다."라고 하였다.

 

이상치(Outlier)때문에 평균이 무너지는 경우가 어떤 뜻인지 알아보자.

 

이상치는 극단치, 이상점이라고 쓰이기도 하며 그 의미는 각 변수의 분포에서 비정상적으로 극단값을 갖는 경우나 비현실적 변수값들을 뜻한다. 즉 극단적적인 값을 이상치라고 한다. 예를 들어 아래와 같은 히스토그램의 평균값은 약 51.3의 값을 나타낸다. 대부분의 분포는 44~50 사이에 존재하지만 72에 있는 값도 무시할 수는 없다. 전형적인 분포에 비해 지나치게 높은 값이 존재하면서 평균값이 상승하면서 왜곡이 된다.

 

데이터에 포함된 이상치 때문에 평균값이 상승(또는 하락)된 현상을 보이면 데이터가 편향(skew)되었다고 한다. 편향된 데이터는 크게 3가지가 있다.

편향

설명

왼쪽으로 편향 : 이상치들의 꼬리가 왼쪽으로 길게 나타나며 평균값을 왼쪽으로 잡아끈다. 이런 상황에서는 평균값이 대부분의 값보다 낮다.

좌우 대칭 데이터 : 이상적인 경우 데이터가 좌우 대칭을 형성한다. 데이터가 좌우 대칭이면 평균값은 가운데 위치한다. 좌우에 형성되는 차트의 모양이 중앙을 중심으로 동일하다.

오른쪽 편향 : 이상치들의 꼬리가 오른쪽으로 길게 나타나며 평균값을 오른쪽으로 잡아끈다. 이런 상황에서는 평균값이 대부분의 값보다 높다.

 

 

이게 게임으로 돌아와서 하루동안 게임을 이용한 유저들의 1인 평균 플레이타임(TS)을 살펴보자. DAU가 1,000명이고 TS가 2시간이라고 하였을 때 평균값인 TS를 보면 꽤 괜찮은 지표일 수 있다. 하지만 분명 1000명에는 1분 이하의 플레이유저, 3시간 이상 플레이 유저, 23시간 이상 플레이 유저가 등 다양하게 모두 섞여있다. 결국 데이터의 분포에 따라 평균값은 왜곡될 수 밖에 없다. 이런 경우 평균값 외에 편향을 확인하여 극단적인 값으로 인한 평균값이 무너지는 구간을 잘 파악해야할 필요가 있다.

 

편향된 데이터와 이상치 때문에 왜곡된 정보가 제공된다면 전형적인 값이 무엇인지 파악하기 위해 중앙값등을 사용할 수 있다.

 

 

 

 

게임마케팅, 게임용어, 마케팅 용어, 게임기획, 게임 분석, 게임이야기, 마케팅이야기, 게임분석, 기획자를 위한 게임 분석, 데이터분석, 데이터분석가, 게임분석가, 매출분석, 아이템분석

동접(동시접속자) 지표 분석

 

지난 포스트에서 사용자 지표 분석과 매출 지표 분석에 대해서 살펴 보았다.

 

이번 포스트에서는 동접(동시 접속자) 지표에 대한 분석에 대해서 알아본다.

  • CCU (Concurrent User) : 특정 시점에 접속한 동시 접속자 수
  • MCU (Maxium Concurrent User) : 하루 동안 가장 높은 동시 접속자 수치.
  • PCU (Peak Concurrent User) : MCU 동일어
  • ACU (Average Concurrent User) : 1일 동안의 평균 동시 접속자 수
  • Stickness : 고착도 (DAU/MAU)/100
  • MTS (Mutigame Time Spent): 해당 기간 동안의 평균 실제 플레이 타임
  • TS(Time Spent) : 해당기간 동안의 유저1인당 플레이 타임

 

동접자 지표 분석을 하려면 주기적으로 현재 게임을 플레이하고 있는 유저의 수를 기록해야 한다. 이때 동접을 기록하는 주기의 간격은 짧을수록 흐름을 파악하는데 정확한 통계를 제공하지만 시스템 부하 및 특성을 감안하여 적당한 시간 간격을 유지하도록 한다. 통상적으로 대부분 업계에서는 기록 주기를 5분간격으로 가장 많이 사용한다. 동접을 기록하기 위해서는 기본적으로 기록시간, 서버, 동시접속 수 정보가 필요하다.

 

기본적인 테이블 스키마는 다음과 같다. 이때 유연성을 고려하여 우측보다는 좌측의 스키마 구조를 사용할 것을 권장한다.

 

 

좌측의 스키마 구조로 설계하였을 경우에는 데이터가 다음과 같이 적재된다. 예를 들어 서버가 3대라면 5분 단위로 각 서버당 1ROW씩 총 3개의 ROW가 생성된다.

 

우측의 스키마 구조로 설계하였을 경우에는 이미 3개 서버의 구조가 만들어져 있으므로 5분당 1ROW가 생성된다.

 

언뜻 보기에는 우측의 스키마 구조가 보기에도 편하고 서로 비교하기에도 편해보이지만 만약 여기에서 서버가 한대 또는 그이상 추가된다면 어떻게 될까?

  1. 좌측의 구조에서는 스키마 변경없이 기록시간, 서버명4, 동시접속 수 그대로 기록하면 된다.

 

  1. 우측의 경우에는 스키마 구조가 서버 수에 따라 변경되어야 한다. 스키마가 변경되면 데이터를 기록하기 위한 쿼리(소스코드)도 변경이 발생한다.

 

데이터구조의 유연성을 위해 좌측처럼 설계하고 실제 사용자에게 보여줄 때 피벗을 사용해서 보기 편한 방법으로 표현하면 된다. (웹으로 따지면 MVC 개념이랄까..아니면 말고..)

 

동접에 대한 기록은 보통 게임서버들이 담당한다. 현재 게임서버에 접속되어 있는 유저의 세션을 파악하여 기록하기 때문에 가장 정확하다고 할 수 있다.

 

다음 분석은 지극히 개인적인 생각이므로 분석에 대한 의견은 덧글로 나눌 수 있으면 좋을 듯하다.

 

동시 접속자수가 높다는 뜻은 그만큼 많은 사용자가 게임을 즐기고 있다는 뜻으로 매우 긍정적인신호이다. 특히 시간에 따른 동접 지표는 게임의 특성, 유저의 연령층, 게임의 장르에 따라 영향을 많이 받기 때문에 지표 그래프가 매우 다양하게 표현된다. 동시 접속의 패턴으로는 고연령 위주의 게임일수록 ACU가 높으며 저연령 일수록 MCU가 높은 성향을 나타낸다.

 

게임 동접 지표를 보면 쌍봉차트라고 하여 특별히 지표가 높은 구간이 있다. 예를 들어 아래와 같은 동접 지표 (이해를 돕기 위해 주식차트를 가져왔음, X축과 Y축의 수치는 무시함)가 있다고 가정할 때 하루 동안의 동접 지표 추이를 나타낸 것이다.

 

아래 그림으로는 하루에 두 번의 PCU를 확인할 수 있는데 게임의 장르 또는 게임을 즐기는 연령층에 따라 다른 시간대에 상승지표가 나타날 것이다. 어린이들이 이용하는 게임이라면 학교를 마치고 학원가기 전의 시간(13시~ 15시) 그리고 학원을 마치고 저녁식사 (17~19시)까지가 높은 지표를 나타낼 것이다. 성인이 즐기는 게임은 똑같은 쌍봉이라도 시간대가 다를 수 있다. 일반적으로 직장인들이기 때문에 (물론 아닐수도….시무룩….) 출근 전 (7~9시), 퇴근(야근) 후 (22~24시) 취침까지가 높을 것이다.

 

 

위와 같은 형태의 지표는 PC 게임이 주류일때의 패턴이다.(물론 인기 좋은 게임은 그래프가 거의 일정할 것이다. 부럽…).

PC 게임의 경우에는 환경적 제약이 있으므로 PC를 사용할 수 있는 시간이 제한적이기 때문이다.

 

 

최근에는 모바일 게임이 대세로 자리 잡으면서 접속 환경에 대한 제약이 완화되었고 게임의 장르 또한 라이트한 게임부터 기존의 MMORPG같은 헤비한 게임까지 다양하게 즐기고 있어 동접지표는 과거와는 다른 형태로 나타난다.

주변을 둘러보면 지하철, 버스 등 이동할때 게임을 즐기는 사람을 많이 보았을 것이다. 직장인의 경우 출, 퇴근 시간에 게임을 많이 하기 때문에 기존 PC 게임과는 다른 시간대의 지표를 나타낸다.

 

모바일 게임의 경우 특히 라이트한 게임의 경우에는 동접외에도 재방문율, 1인당 플레이 타임을 함께 분석해야 한다. 라이트한 게임은 잠깐 잠깐 즐길 수 있는 게임이기에 수시로 접속자가 로그인과 로그아웃을 반복한다. 재미있는 게임이라면 1일 동안에도 재방문율이 매우 높을 것이다.

 

팡류 또는 런류 등의 라이트한 게임에서는 CU보다 고착률((DAU/MAU)*100)으 지표가 중요하다.

 

동접과 DAU, 그리고 플레이 타임을 종합적으로 비교해 볼 때 DAU가 높은 반면 플레이타임이 적다면 접속만 유지된 상태로 아무 행동을 하지 않는 유령 유저 가능성이 높다.

 

그리고 어떤 게임인지 호기심에 일회성 방문일 가능성이 있으므로 1인당 플레이타임을 관심있게 확인해야 한다. (그래서 유저당 플레이 시간도 주기적으로 기록해주어야 한다. 이때 유저가 활동중이라는 것을 알 수 있는 의미있는 행동을 할 때 같이 기록하는 것이 좋다. 예를 들면 필드 이동 또는 전투 등)

 

TS(Time Spent, 플레이타임)가 낮은 경우 게임에 체류하는 시간이 짧음으로 오랫동안 머무르게 할 수 있는 콘텐츠 개발이 필요하다. TS가 과도하게 높은 경우에는 특정 헤비한 유저로 인한 통계 수치가 무너지지 않았는지 살펴보아야 한다. 평균은 항상 전체대비 나타내기 때문에 일부 이상치 때문에 무너지는 경우가 많기 때문이다. MTS(평균 플레이 타임)가 높은 경우에는 하드코어한 유저가 생성되고 컨텐츠 소모가 빠르게 진행됨을 암시한다.

 

 

동접 지표는 게임의 성공여부를 판단하는 가장 기본적이면서도 신뢰하는 통계이기 때문에 (플레이를 해야 아이템을 구매하고 수익으로 이어지는 아름다운 선순환 구조^^) 동접, DAU, 플레이타임을 잘 분석하여 콘텐츠 개발 및 마케팅에 잘 활용해야 한다.

 

게임마케팅, 게임용어, 마케팅 용어, 게임기획, 게임 분석, 게임이야기, 마케팅이야기, 게임분석, 기획자를 위한 게임 분석, 데이터분석, 데이터분석가, 게임분석가, 매출분석, 아이템분석

'게임 기획자를 위한 통계학' 카테고리의 다른 글

중앙값(median)과 최빈값(mode)  (0) 2015.07.16
이상치(Outlier)와 편향(Skew)  (0) 2015.07.16
매출 지표 분석  (0) 2015.07.16
사용자 지표 분석  (0) 2015.07.16
게임 마케팅 용어 정리  (0) 2015.07.16

매출 지표 분석

 

지난 포스트에서 사용자 지표 분석에 대해서 살펴 보았다.

 

이번 포스트에서는 매출 지표에 대한 분석에 대해서 알아본다.

  • BU (Buying user) : 구매유저, 일정기간내에 게임에 아이템 구매, 월정액 결제 등 돈을 지불한 유저
  • PU (Paying User) : BU 동일어
  • BU rate = BU/UV (순방문자대비 결제 유저 비율)
  • CAC(Customer Acquisition Cost) : 유저 확보 비용으로 유저 1인을 확보하는데 소모되는 비용
  • CRC (Customer Retention Cost) : 유저 유지 비용으로 일정기간 내에 유저1인을 유지하는데 소모되는 비용
  • ARPU (Average Revenue Per User) : 일정 기간 내 유저 1인당 평균 수입
  • ARPPU (Average Revenue Per Paying User) : 일정기간 내에 게임에 비용을 지불한 유저의 1인당 평균 수입
  • PPU (Percentage of Paying Users) : DAU 내에서 결제한 비율 또는 비율
  • LTV (Life time value) : 유저 1인당 게임에서 완전히 이탈할 때까지 지불하는 비용
  • Entry Cost : 여러 가지 가격대의 상품을 제공할 때 유저의 최초 구매가 어떤 가격대에서 많이 일어나는지 측정
  • Sales by Purchase : 사용자의 구매 활동을 통해 집계된 매출

 

매출 지표 분석을 하려면 기본적으로 상품 정보와 결제 정보가 필요하다. (DW에서는 아래와 같은 테이블 스키마 형식이 아닌 집계 및 분류가 편하도록 스타스키마나 스노우플레이크 스키마를 사용한다)

 

상품 테이블은 상품에 대한 정보를 가지고 있다. 상품 테이블을 관리할 때 주의할 점은 동일한 아이템을 이벤트 형식으로 팔거나 가격 변동이 있을 때 기존의 상품에 대한 가격을 수정하는 것이 아닌 새로운 상품 번호를 발급받아 관리해야 한다. 예를 들면 아래와 같이 동일한 방패에 대해서도 이벤트 아이템 또는 가격이 변동되었을 때 새로운 상품 번호를 부여한다.

상품번호

상품명

상품가격

1

꽃무니 방패

500원

2

꽃무니 방패(이벤트)

300원

3

꽃무니 방패

600원

 

동일한 상품이라도 이렇게 관리해야 추후 매출을 집계하거나 과거 매출에 대한 정산을할 때 상품 가격변동으로 인해서 재무가 변동되는 상황을 막을 수 있다.

 

환불의 경우도 마찬가지이다. 환불이 발생하였을 때 결제정보에서 결제 데이터를 삭제하는 것이 아닌 환불 결제로 기록해야 한다. 환불이 발생하였다고 기존 결제 정보 데이터를 삭제하면 월 또는 분기 시 매출 건수 변동 및 매출액 변동이 발생하기 때문이다. 이는 재무처리를 하는데 있어서 매우 민감한 사항이다.

결제날짜

회원번호

상품번호

거래번호

2015-06-05 14:58

1

1

TX_정상거래

2015-06-05 15:00

3

2

TX_정상거래

2015-06-09 112:00

1

1

TX_환불거래

 

 

위 결제 정보를 이용해서 몇 가지의 정보를 만들 수 있을까?

  • 1일 매출 건수 : 1일 동안 발생한 결제 횟수 합산
  • 1일 매출 액 : 1일 동안 발생한 결제 금액 합산
  • 시간별 매출액 : 시간 별로 매출액 합산
  • 1일 결제유저 수 : 중복 사용자 제외한 결제 유저 수
  • 상품별 매출 건 수 : 상품별 구매 건수
  • 상품별 매출 액 : 상품별 구매 액수

대략 이정도 나올 것이다. 참고로 상품별 매출을 집계할 때 아이템 항목명을 기준으로 하면 너무 많은 분류로 세분화 되므로 무기구, 방어구 이런식으로 대분류 또는 중분류까지만 차원을 정하는것이 좋다.

 

여기에 회원정보(성별, 나이, 캐릭터종류(기사, 마법사 등), 캐릭터 레벨)를 더하면 어떻게 될까?

  • 남/여 따른 매출 금액
  • 연령에 따른 결제 금액 (아이템 가격 책정 시 중요한 정보가 됨)
  • 캐릭터 종류에 따른 선호 아이템 (캐릭터에 따라 선호 아이템이 다름)
  • 레벨에 따른 선호 아이템 (특정 레벨에서 많이 구입하는 아이템을 파악하여 물량 조절)

 

여기에서도 레벨의 경우 1레벨씩 세부 구간보다는 기획자의 의해 의미있는 구간(1 ~10, 11~30, 31~40 이런식으로)을 정하여 확인할 수 있도록 한다.

 

이처럼 다양한 조합이 가능하게 된다. 지난 포스트에도 이야기 하였듯이 데이터를 교차하여 다양한 통계를 만들어 낼 수 있다.

 

 

다음 분석은 지극히 개인적인 생각이므로 분석에 대한 의견은 덧글로 나눌 수 있으면 좋을 듯하다.

 

1. BU rate = BU/UV (순방문자대비 결제 유저 비율)가 높다는 뜻은?

BU Rate가 높다는 것은 게임을 즐기는 유저가 결제를 많이 한다는 뜻으로 수익구조가 안전하다는 것을 뜻한다.

 

1. ARPU (Average revenue per user) 높다는 뜻은?

ARPU는 [총 매출 / 총 유저수]로 나눈 것으로 1인당 객단가의 지표이다. ARPU가 높다는 것은 기존 고객이 충실히 결제를 하고 있기 때문에 신규 고객을 유치하기 위한 마케팅 부담을 덜 수 있어 고객 유지비용이 줄어든다.

 

1. ARPPU (Average revenue per paying user) 높다는 뜻은?

ARPPU는 일정 기간 내에 게임에 접속한 유저 중 비용을 지불한 유저의 평균 수입으로 일 매출로 구분하였을 때에는 [1일 매출 / DAU]로 나누어 산출 한다. ARPPU가 높다는 것은 결제 유저의 충성도가 높다는 것으로 긍정적인 신호이다. 특히 하드코어한 게임일수록 높게 나타난다. 하지만 ARPPU의 높고 낮음으로 게임이 잘 돌아간다고 판단하면 위험하다. 이 수치는 결제 금액도 중요하지만 DAU에 따라 비율이 급격히 변하므로 요즘처럼 수백만 DAU가 신기하지 않는 시대에 ARPPU가 높고 낮음에 따라 반응하는 것은 눈앞의 현상에만 집착하는 것에 불과하기 때문이다. 특히 슈퍼유저의 경우 1인당 결제 금액이 매우 크지만(80/20법칙) 라이트한 유저의 결제 때문에 전체 평균이 무너져 통계 오류가 발생하기 때문이다.

 

ARPU경우에는 휴면유저(장시간 게임을 접속하지 않은 유저)까지 포함되어 시간이 지날수록 하향 곡선을 그리며 휴면 유저(아마 대부분 유저는 휴면 계정일 것이다.)로 인해 통계가 무너지는 상황이 발생하여 대부분의 마케터 및 기획자들은 ARPPU와 BU rate를 통해 마케팅 및 업데이트 방향을 정한다.

 

1. CAC(customer acquisition cost)가 높다?

CAC는 광고, 이벤트 등으로 신규 유저를 확보하거나 휴먼유저(분석에서는 장기간의 휴면 유저가게임을 다시 할경우 신규 유저로 분류한다.)를 다시 게임에 유입시키기 위한 활동이다. CAC가 높다는 뜻은 유저 1인을 확보하는데 소모되는 비용이 높다는 뜻으로 비용대비 효과가 크지 않다는 것을 뜻한다. 하지만 최근 TV광고나 연예인등을 섭외하여 광고 제작비가 높게 책정되어 CAC는 매우 높게 나타나고 있는 추세이다. 최근에는 CAC 비율을 낮추기 위해 SNS 마케팅, 타겟 마케팅을 사용자를 구분하여 매우 정교하게 마케팅을 한다.

 

1. CRC (customer retention cost)가 높다?

CRC는 일정 기간 내 유저1인을 유지하는데 소모되는 비용으로 쉽게 말하면 유저 1명을 케어하기 위해 드는 관리비용이다. CRC가 높다는 것은 상대적으로 물건을 팔았을 때 이익이 많지 않다는 뜻이다. 여기에는 서버임대료, 관리비, 전기세, 운영자 비용, 개발비(게임은 계속해서 컨텐츠가 업데이트 되므로) 등이 포함된다.

 

실질적인 수익은 LTV(Life time value, 유저가 게임에서 이탈 할 때까지 발생한 비용) – (CRC+CAC) 로 산출한다.

 

 

게임마케팅, 게임용어, 마케팅 용어, 게임기획, 게임 분석, 게임이야기, 마케팅이야기, 게임분석, 기획자를 위한 게임 분석, 데이터분석, 데이터분석가, 게임분석가, 매출분석, 아이템분석

사용자 지표 분석

 

지난 포스트에서 게임 마케팅 용어에 대해서 살펴 보았다.

 

이번 포스트에서는 사용자 기본 지표에 대한 분석에 대해서 알아본다.

  • UV (Unique visitor) : 일정기간 내에 게임의 접속(방문)한 실제 유저 수로 한 유저가 여러번 방문해도 1로 카운트 한다.
  • DAU (Daily Active User) : 일단위로 측정한 UV
  • WAU (Week Active User) : 주단위로 측정한 UV
  • MAU (Monthly Active User) : 월 단위로 UV 측정
  • RU (Registered User) : 일정기간내에 게임에 등록된 유저 수
  • NRU (New Registered User) : 일정기간내에 등록된 신규 유저 수.
  • ARU (Accumulate Register User): 해당 기간까지의 등록된 누적 유저 수
  • 재방문 UV : 해당 기간 동안 게임 클라이언트에 2회 이상 로그인한 회원 수

 

위 지표의 데이터를 산출 하기 위해서는 어떤 데이터가 필요 할까?

이 포스트에서 다루는 데이터 형식 및 테이블 구조는 설명을 위해 매우 간단히 표현하였다. 게임마다 스키마 구조가 다르고 데이터를 산출하는 기준이 다르기 때문에 기본적인 개념으로 접근할 수 있도록 작성 하였다.

 

 

여기는 모델링 강좌가 아니기 때문에 테이블 스키마 최적화에 대한 내용은 다루지 않는다.

 

 

게임에 필요한 유저 데이터를 저장하기 위해서는 데이터베이스에 다음과 같은 정보가 필요하다.

 

 

[회원 테이블]

처음 사용자가 회원가입을 하면 회원 테이블에 데이터가 입력 된다. 이때 고유한 키(회원번호)값이 생성되고 데이터가 입력 된 시점의 시간(가입일자)을 기록하게 된다.

 

여기까지의 정보로는 무엇을 확인할 수 있을까?

  • RU (Registered User), NRU (New Registered User) : 가입일자 기준으로 매일 생성된 계정을 카운트 한다.
  • ARU (Accumulate Register User): 가입일자 기준으로 특정일까지 생성된 계정을 카운트 한다.
  • 최근 N일 동안 미접속 계정 수 : 마지막 접속일이 [기준일 – N일] 해서 그보다 작은 날짜의 계정만 카운트 한다. 물론 이렇게 구하기 위해서는 게임에 로그인시마다 마지막 접속일을 업데이트 해주어야 한다.

 

 

[캐릭터 테이블]

회원가입을 하고 게임을 플레이 하기 위해서는 캐릭터를 생성해야 한다. 캐릭터가 생성될 때 회원번호를 상속받는다. 새로운 캐릭터 키(캐릭터번호)가 발급이 되고, 캐릭터 생성일을 기록 한다.

 

여기까지의 정보로는 무엇을 확인할 수 있을까?

  • 캐릭터 NRU : 캐릭터생성일 기준으로 매일 생성된 캐릭터를 카운트 한다.

 

테이블에 남겨진 정보에 따라 신규 캐릭터 생성시 기사를 좋아하는지 마법사를 좋아하는지에 대한 분류도할 수 있다. (하지만 설명 테이블에는 해당 정보가 없으므로 패스~)

 

 

[회원 테이블-캐릭터 테이블]

회원 테이블과 캐릭터 테이블을 조합하면 어떤 정보를 산출 할 수 있을까?

  • 한 계정당 생성된 캐릭터 수
  • 계정 생성 후 캐릭터 생성까지 걸린 시간
  • 계정생성 대비 캐릭터 생성 비율 (LOSS 비율) 등

 

 

[회원 테이블-로그인 로그]

회원 테이블과 로그인 로그 테이블을 조합하면 어떤 정보를 산출 할 수 있을까?

  • 일 전체 로그인 횟수
  • 계정별 로그인 횟수(재방문율)
  • 사용자 접속 패턴 (접속한 요일과 접속하지 않은 요일) 등
  • DAU

 

 

간단한 조합만으로도 여러 가지의 통계를 만들어 낼 수 있다. 즉 정보를 무엇을 얼마나 남기느냐에 따라 매우 다양한 데이터 분석이 가능하다.

 

 

지금까지 어떤 데이터를 남기고 남겨진 데이터를 어떻게 조합하느냐에 따라 다양한 통계 자료가 산출되는 것을 알아 보았다.

 

하지만 가장 중요한 것은 무엇일까? 분석과 예측이다. 통계로 확인할 수 있는 정보가 많다고 해도 그 숫자가 무엇을 뜻하는지 모른다면 아무 의미없는 그냥 숫자에 불과하다.

 

 

다음 분석은 지극히 개인적인 생각이므로 분석에 대한 의견은 덧글로 나눌 수 있으면 좋을 듯하다.

 

 

  1. UV에서 RU 비율이 높다?

    UV에서 RU 비율이 높다는 것은 유저 이탈 비율이 높다는 뜻으로 해석할 수 있다. RU 비율이 높다는 것은 신규 가입자가 많다는 것으로 자칫 오해할 수도 있다. 하지만 UV 대비이기 때문에 하루 총 방문자(기존 방문자 + 신규 방문자)에 대한 비율로 전체 접속자수가 적기 때문에 상대적으로 RU 비율이 높아진 것이다.

    물로 예외 상황이 있다. 서비스 초창기나 이벤트 마케팅 등으로 인해 신규 유저가 유입되면 UV에서 RU, NRU 비율이 높아질 수 있다. 그렇다고 하더라도 활성 유저가 상대적으로 작다는 뜻으로 해석할 수 있다.

 

  1. UV에서 NRU 비율이 낮다?

    UV에서 NRU 비율이 낮다는 것은 기존 유저의 접속이 많다는 뜻이다. 이는 게임이 어느정도 성숙한 경우 나타나며 충성도가 높은 유저들이 꾸준히 접속한다는 의미이다. 하지만 이 통계도 오해할 소지가 있다. 위에서도 말했듯이 상대적인 값이기 때문에 신규 유저의 유입이 적다는 뜻으로도 분석할 수 있다. 이는 게임에 대한 인지도가 낮거나 신규 유저에 대한 진입장벽이 높기 때문에 이를 해소할 수 있는 방안을 찾아야 한다.

 

  1. 전체 로그인 카운트에 비해 재방문 비율이 낮다?

    전체 로그인 카운트에 비해 재방문 비율이 낮다는 것은 유저가 로그인을 한 후 오랫동안 게임을 즐길수 있다는 것으로 분석할 수 있다. (여기에는 플레이타임에 대한 정보가 없으므로 실제 분석시에는 교차 분석을 해야한다.) 하지만 접속한 UV에 대해서 계정별 플레이타팀이 적다면 이는 신규 유저가 초반에 이탈한 가능성이 크다고 볼 수 있다. 즉 초기 진입장벽이 어렵거나 흥미를 끌만한 요소가 약해서 유저를 오랫동안 붙잡지 못하고 유저는 이후 다시 게임을 즐기러 돌어오지 않을 수 있다.

 

 

이처럼 분석은 통계 데이터에서 숫자가 의미하는 것을 다양한 교차 데이터를 통해서 그 속에서 의미를 찾아야 한다.

 

 

DW(Dataware House)에 대해서는 다루지 않았지만 교차 분석을 위한 데이터 저장방법이나 차원에 대한 개념이 궁금한 사람은 다음 포스팅을 참고 한다,

 

 

 

게임마케팅, 게임용어, 마케팅 용어, 게임기획, 게임 분석, 게임이야기, 마케팅이야기, 게임분석, 기획자를 위한 게임 분석, 데이터분석, 데이터분석가, 게임분석가

게임 마케팅 용어 정리

 

이번 포스트에는 게임 업계에서 일반적으로 사용하는 마케팅 용어를 정리한다.

 

 

 

마케팅 용어를 굳이 쓰는 이유 업계 표준화된 용어를 사용함으로써 커뮤니케이션에 오류를 방지하고 정보전달을 명확하게 하는데 있다.

 

 

 

[유저관련 지표]

  • UV (Unique visitor) : 일정기간 내에 게임의 접속(방문)한 실제 유저 수로 한 유저가 여러번 방문해도 1로 카운트 한다.
  • DAU (Daily Active User) : 일단위로 측정한 UV
  • WAU (Week Active User) : 주단위로 측정한 UV
  • MAU (Monthly Active User) : 월 단위로 UV 측정
  • RU (Registered User) : 일정기간내에 게임에 등록된 유저 수
  • NRU (New Registered User) : 일정기간내에 등록된 신규 유저 수.
  • ARU (Accumulate Register User): 해당 기간까지의 등록된 누적 유저 수
  • 재방문 UV : 해당 기간 동안 게임 클라이언트에 2회 이상 로그인한 회원 수
  • MUV (Multigame Unique Visitor): 해당 기간 동안 게임 클라이언트에 로그인하여 실제 게임을 플레이 한 회원 수
  • MTS (Mutigame Time Spent): 해당 기간 동안의 평균 실제 플레이 타임
  • TS(Time Spent) : 해당기간 동안의 유저1인당 플레이 타임
  • CCU (Concurrent User) : 특정 시점에 접속한 동시 접속자 수
  • MCU (Maxium Concurrent User) : 하루 동안 가장 높은 동시접속자 수치.
  • PCU (Peak Concurrent User) : MCU 동일어
  • ACU (Average Concurrent User) : 1일 동안의 평균 동시 접속자 수
  • Stickness : 고착도
  • EU (Executed User) : 인게임을 플레이한 유저로 UV와 같이 비교대상으로 분석

 

 

[매출 관련 지표]

  • BU (Buying user) : 구매유저, 일정기간내에 게임에 아이템 구매, 월정액 결제 등 돈을 지불한 유저
  • PU (Paying User) : BU 동일어
  • BU rate = BU/UV (순방문자대비 결제 유저 비율)
  • CAC(Customer Acquisition Cost) : 유저 확보 비용으로 유저 1인을 확보하는데 소모되는 비용
  • CRC (Customer Retention Cost) : 유저 유지 비용으로 일정기간내에 유저1인을 유지하는데 소모되는 비용
  • ARPU (Average Revenue Per User) : 일정 기간 내 유저 1인당 평균 수입
  • ARPPU (Average Revenue Per Paying User) : 일정 기간내에 게임에 비용을 지불한 유저의 1인당 평균 수입
  • PPU (Percentage of Paying Users) : DAU 내에서 결제한 비율 또는 비율
  • LTV (Life time value) : 유저 1인당 게임에서 완전히 이탈할 때까지 지불하는 비용
  • Entry Cost : 여러 가지 가격대의 상품을 제공할 때 유저의 최초 구매가 어떤 가격대에서 많이 일어나는지 측정
  • Sales by Purchase : 사용자의 구매 활동을 통해 집계된 매출
  • Sales by Advertisement : 광고 노출을 통해 집계된 매출
  • CPI (Cost per Install) : 게임 다운로드 후 설치하면 보상
  • CPA (Cost per Action) : 설치된 앱을 실행하면 보상
  • CPP (Cost per Play) : CPA 이후 일정 기간 한번씩 실행할 때마다 보상
  • CPL (Cost per Level) : 정량적인 플레이에 대한 레벨을 설정한 뒤 보상

 

 

[투자 퍼블리싱 관련 용어]

MOU (Memorandum of understanding) : 투자 등 거래에 관해 합의한 사항을 명시한 사전 협의문서로 법적 구속력이 없으며 정식 계약 전 업무 준비/친선관계 개선/대외 홍보의 역할로 활용 한다.

Initial fee : 판권 제공/계약 체결 시 판권 부여를 대가로 수령하는 금액으로 흔히 계약금이라고 한다.

Running Royalty : 퍼블리셔가 개발사에게 매출액의 일정 비율을 지급하는 비용으로 러닝 개런티랑 동일하다.

MG(Minimum Guarantee) : 판권 제공자의 최소 러닝 로얄티를 보장해 주는 금액

RS (Revenue Share) : 판권제공사/퍼블리셔 간의 수익 분배 비율

PF (Project Financing) : 회사 지분에 대한 투자가 아닌 프로젝트 성공 수익에 대해 투자하는 투자 방식

KPI(Key Performance Indicator) : 핵심실행지표로 기업이나 조직의 목표달성과 전략을 위한 핵심측정지표

 

 

[참고자료]

http://blog.naver.com/minopie/220362749342

 

 

용어는 업계마다 약간씩 다르지만 의미는 거의 유사하기 때문에 정리된 내용을 알아두면 많은 도움이 되리라 생각한다. 앞으로 포스팅 예정인 게임 통계 내용도 정리된 용어를 기반으로 설명한다.

 

 

 

게임마케팅, 게임용어, 마케팅 용어, 게임기획, 게임 분석, 게임이야기, 마케팅이야기, 동시접자수, 재방문율, 결제유저, ARPU, ARPPU, DAU, NU, UV, PV MCU, PCU, CCU

정보 시각화 중요성

  • 차트를 올바르게 사용하자

     

정보의 시각화는 인포그래픽(InfoGraphic)이라고도 한다. 인포그래픽은 Information과 Graphic의 합성어로 텍스트, 데이터, 통계 등의 복잡한 정보를 수집, 분석 가공하여 스토리텔링과 디자인을 통해 정보를 전달하는 시각 적 표현이다. 정보 시각화의 정의는 사용자에게 더 효율적인 정보를 전달하기 위해 그래픽 요소를 활용하여 데이터가 정보로서 의미가 생성되도록 형상화 하는 것이다.

 

출처 : http://inside.chosun.com/site/data/html_dir/2015/05/08/2015050800797.html

 

인포그래픽의 장점은 다음과 같다.

  1. 정보를 누구나 알기 쉽게 표현 함으로써 이해력을 높인다.
  2. 인간 정보 처리능력 확장과 정보의 직관적 이해가 가능하다.
  3. 많은 데이터를 동시에 차별적으로 볼 수 있다.
  4. 데이터의 숫자와 메시지를 픽토그램이나 도표 등으로 강조하여 설득력을 높일 수 있다.
  5. 지각적 추론을 가능하다.
  6. 문자보다 친근하게 정보 전달한다.
  7. 문자나 수치에 비해 발견하기 어려운 정보 발견할 수 있다.
  8. 정보를 입체적으로 만들 수 있다.

 

인포그래픽을 해석할 때 유의할 점도 있다.

  1. 지적 능력 요구한다.
  2. 정보가 왜곡 될 수 있다.
  3. 지나치게 시각화된 정보는 오히려 효율이 떨어진다.
  4. 문화적 요인 작용한다.

 

이처럼 데이터를 시각적으로 표현한다는 것은 다양한 정보를 직관적으로 나타내는데 있다. 앞으로 다룰 통계의 결과물에 대해서 사용할 시각화는 라인, 막대, 파이 차트 등 단순하지만 (인포그래픽은 디자이너의 도움이 많이 필요하다.) 상황에 따라 어떤 차트를 어떻게 사용해야 효율적이고 왜곡되지 않는 정보를 나타낼 수 있는지에 대해서 알아본다.

 

 

다음 두 차트는 6개월 동안의 실적을 나타낸 것이다. 첫 번째 차트는 실적이 거의 변하지 않는 것처럼 나타내며 두 번째 차트는 실적이 증가하고 있는 것으로 표현되고 있다.

 

하지만 둘은 같은 데이터에 기초하고 있다. 그런데 왜 다르게 보이는 걸까? 원인은 수직축의 값이 0부터 시작하는 것과 해당 0이 아닌 값부터 시작하는 차이에 있다. 그래서 두 번째의 차트는 실적이 엄청나게 증가하는 것처럼 나타내고 있다. 이처럼 같은 데이터를 어떻게 표현하느냐에 따라 서로 다른 견해를 나타낼 수 있다.

 

 

[파이차트]

파이차트는 데이터를 각자 구별되는 그룹이나 범주에 포함시킴으로써 완성한다. 동그란 원을 파이 조각처럼 생긴 부분으로 나누는 방식으로 구성된다. 각 조각은 하나의 그룹을 나타내며 조각의 크기는 다른 그룹에 비해 상대적으로 얼마나 큰지에 대해 나타낸다. 파이차트는 기본적인 비율을 서로 비교하고자 할 때 매우 유용하게 사용 할 수 있다. 조각들의 크기가 비슷할 때는 미세한 차이를 구별하기 쉽지 않으므로 큰 도움이 되지 않는다.

 

 

[막대그래프]

막대 그래프는 파이차트와 마찬가지로 상대적인 값을 비교 할 수 있으며 좀 더 정밀한 수준의 값을 나타낼 수 있다는 장점이 있다. 특히 범주들이 비슷한 값을 가지고 있을 때 쉽게 구별 할 수 있으며 작은 차이를 파악할 때 도움이 된다.

 

막대 그래프에서는 각각의 막대가 하나의 범주는 나타내며 막대 길이는 값을 나타낸다. 막대가 길수록 값이 크다는 뜻이며 모든 막대는 동일한 폭을 갖기 때문에 서로 비교하는 것이 용이하다.

 

  • 수직막대그래프는 범주는 수평축에 표시하고 도수나 퍼센트 값을 수직축에 표현한다. 각 막대의 높이는 해당 범주의 값을 나타낸다.
  • 수평막대그래프는 범주를 수직축에 나타매고 도수나 퍼센트를 수평축에 나타낸다. 수평 막대그래프는 범주의 이름이 긴 경우 이름을 옆으로 돌리지 않고도 표현할 수 있어 유용하다.

 

 

막대차트를 사용할 때 중요한 것은 눈금이다. 눈금은 때로 중요한 핵심을 왜곡할 수도 있다.

예를 들어 게임 장르별 만족도 조사를 할 경우 눈금을 %로 표시한다고 가정한다. 이 경우 만족도에 대한 %는 바로 확인이 가능하다. 하지만 몇 명이 참여하여 만족도를 나타내었는지는 알 수 없다. 참여자에 대한 눈금은 도수를 사용하는데 정확히 얼마나 많은 도수가 담겨 있는지 확인하고 서로 다른 값들과 비교하는 것을 용이하게 만든다. 이 때 도수에 따라 0부터 시작할 것인지 아닌지에 따라 전혀 다른 느낌을 표현한다.

 

두 가지 정보를 한번에 표현하고 싶으면 분할된 범주 막대 그래프(좌) 또는 조각으로 나누어진 막대 그래프(우)를 사용하여 동시에 표현할 수 있다.

 

 

차트를 생성하는 다양한 그래픽 요소의 소프트웨어들을 사용할 때도 무조건 생성해주는 데로 사용하지 말고 데이터가 가장 효율적인 방식으로 표현하고 자신이 원하는 메시지가 잘 전달 될 수 있는지 판단해야 한다.

 

 

'게임 기획자를 위한 통계학' 카테고리의 다른 글

사용자 지표 분석  (0) 2015.07.16
게임 마케팅 용어 정리  (0) 2015.07.16
한국의 게임시장 미래  (0) 2015.07.16
게임 시장 규모  (0) 2015.07.16
게임 시장 동향 (텐센트)  (0) 2015.07.16

한국의 게임시장 미래

 

둔화되는 게임 성장

 

게임시장의 규모(http://sqlmvp.kr/220353763740)에서 한국의 게임시장은 2013년 약 10조원의 시장이 형성되어 있다고 하였다. 하지만 최근 몇 년 동안 유지해온 성장세는 국내 게임시장 전체 종합 성장률이 2011년 18.5%에서 2012년 10.8%, 2013년에는 -0.3%로 급속히 둔화되고 있는 추세이다.

출처 : 게임백서 2014 (한국콘텐츠진흥원)

 

특히 모바일 게임의 성장률이 급속도로 둔화되고 있는 것으로 나타나는데 이는 2012년 스마트폰의 보급과 함께 크게 성장하였으나 급격한 보급속도로 인해 안정화 시기가 빠르게 도달하여 둔화된 것으로 분석된다.

 

 

모바일 게임 2년만에 성장 정체의 위기

 

빠르게 보급된 스마트폰은 포화상태가 되었으며 인프라가 안정되면서 새로운 수익 모델을 찾기가 어려워졌다.

출처 : http://www.zdnet.co.kr/news/news_view.asp?artice_id=20141002105002&type=xml

 

 

결국 제한된 범위의 파이를 나누어 먹고 있는 상태로 발전

 

 

 

게임을 즐길 수 있는 인구마저 줄고 있다

 

게임을 즐기는 주체는 사람이다. 결국 시장이 유지되기 위해서는 게임을 즐기는 사람이 많아야 하는데 3포(연애, 결혼, 출산)세대, 5포(연애, 결혼, 출산, 내집마련, 인간관계)세대, 최근 7포(연애, 결혼, 출산, 내집마련, 인간관계, 꿈, 희망)세대까지 등장하면서 출산율이 저하되고 있다. 이는 장기적으로 게임을 즐기는 인구가 감소한다는 것으로 분석할 수 있다.

 

특히 2018년을 중심으로 인구절벽(국가 인구 통계 그래프에서 급격하게 하락을 보이는 구간)은 급격한 소비침체가 우려되기도 한다.

 

 

단순 출생자만 비교했을 때 베이비붐 시대에는 출생아 수가 100만명(70년대)이었으나 현재는 45만명으로 1990년대 게임업계의 급성장 시기와 비교 했을 때 어린 아이들의 수는 절반도 되지 않는다.

 

 

이대로 괜찮을까?

 

한국의 게임이용자수는 인터넷 이용자의 61%라고 한다. 45만명의 출생기준으로 100% 인터넷 보급율을 적용 시 매년 게임에 신규로 유입되는 인구는 27만명이다. 그리고 현재 30대 이상의 인구수는 출생 인구수의 2배. 게임을 하지 않는 39%를 개척하지 않으면 결국 성장은 마이너스가 될 수 밖에 없다.

 

게임을 하지 않는 39%를 개척하지 않으면 성장률이 마이너스가 될 가능성 있음

 

 

미래 한국은 노인의 나라

 

 

한국은 현재 평균 연령은 늘고 출생아 수는 줄고 있다. 출산율 하락과 평균 수명 연장 등 원인으로 급속도로 고령화 되면서 오는 2026년 초고령화 사회로 진입이 예상된다.

 

출처 : http://mbn.mk.co.kr/pages/news/newsView.php?news_seq_no=1206144

 

 

 

중. 장년층을 공략하자

 

고령화가 산업에 미치는 영향은 어떨까? 이는 고령화가 이미 진행된 선진국들에서 찾아볼 수 있다. 이들 나라는 공통적으로 건강·교육, 금융, 부동산 임대, 레저, 통신, 정유화학 업종과 관련한 산업이 성장하고 있는 것으로 나타난다.

 

 

많이 보이는 중, 장년층 들의 무료함 호소! 게임으로 해소 할 수는 없을까?

 

 

미국시장조사 회사 스트래티지 애널리틱스(Strategy Analytics)의 최근 보고서에 따르면 우리나라 스마트폰 보급율은 67.6% 세계 1위라고 한다. 이는 글로벌 평균 보급률 14.% 대비 4.6배나 높은 수치이다.

 

방송통신위원회는 50대 이상 스마트폰 사용자수는 2011년 9.5%에서 2012년 46.8%로 60세이상도 4.6%에서 23.4%로 증가했다고 발표했다.

 

최근 스마트폰의 쉬운 접근성으로 인하여 중, 장년 층의 게임 다운로드수는 증가하는 추세이다.

 

하지만 결제를 하는 장년층의 유저는 거의 없다

 

따라서 이들 장년층에 대한 게임에 대한 인식 변화 필요하다.

 

 

그래도 희망은 있다

 

장년층들의 소비형태가 변화 하고 있다. 베이비붐 시대 먹고 살기 힘든 시대를 살며 거주 및 생계 위주 소비형태가 줄고 취미 생활에 소비가 증가하였다.

 

출처 : http://webzine.korad.or.kr/webzineView.jsp?yearMonth=201310&pageNo=330

 

기존의 베이비붐 세대와 비교해 보다 활동적인 50대인 이들은 액티브 시니어의 특징을 강하게 나타내고 있다. 최근 국내에서도 액티브 시니어를 겨냥한 소비 시장이 본격적으로 발달하기 시작했지만 새로운 생산과 소비의 동력으로 유입시키려는 움직임은 상대적으로 더딘 편이다.

 

 

액티브 시니어의 가장 큰 특징 중 하나는 활발한 소비활동이다

 

특히 온라인 쇼핑몰의 이용 빈도가 높은데, 이들의 90%가 온라인 쇼핑을 즐기고 있다는 조사결과가 보고되고 있을 정도다. 또 30대 이하 젊은 세대의 전유물로 여겨졌던 소셜커머스를 이용하는 중·장년층 소비자가 크게 늘어나고 있다.

 

소셜커머스 업체인 위메이크프라이스(위메프)의 조사에 따르면, 50대 이상 가입자 비율이 지난해에 비해 62% 급증했고, 전체 매출에서 중·장년층이 차지하는 비율은 2013년 상반기를 기준으로 17% 늘어났다고 밝혔다.

 

현대 홈쇼핑의 60대 이상 연간 구매액을 살펴보아도 빠르게 증가하는 것을 확인할 수 있다.

출처 : http://news.donga.com/3/all/20130116/52374829/1

 

이처럼 액티브 시니어들은 더 이상 노인으로 불리길 원치 않으며 젊은 세대와 소통하기 위한 학습에 능동적이며, 은퇴 후에도 원하는 일을 얻기 위해 노력한다. 일본은 이미 오래전에 이러한 변화과 일어 났으며 한국도 이 변화를 따라가고 있다.

 

게임업계는 시니어를 흡수할 수 있는 콘텐츠를 생산하여 새로운 고객으로 유입시켜야 한다.

 

 

한국 시장의 결론

 

  • 저출산으로 인한 신규 유입 인구수는 점점 낮아지고 있다.
  • 인터넷과 모바일의 보급률이 매우 높아 안정화가 빠르다.
  • 취미에 대한 소비가 늘어가고 있어 성장의 기회는 남아 있다.
  • 종합적으로 고성장의 시대는 끝나간다고 보이며 틈새 시장 개척이 필요하다.
  • 장년층에 대한 새로운 접근이 필요하다.

 

 

게임 시장 규모

 

[글로벌 게임 시장 규모]

글로벌 게임 리서치 기관의 2014년 자료에 따르면 전세계 72억 인구중에 29억7천명 정도가 웹에 접속한다. 이중 18억명((25%) 정도가 게임을 한다고 한다.

 

출처 : http://venturebeat.com/2014/06/24/gamer-globe-the-top-100-countries-by-2014-game-revenue/

 

총 게임 매출액은 820억 달러(91조 정도)이며 지역별로 큰 차이를 보이고 있다.

 

미국은 20.5억 달러 규모이고 캐나다는 1.7억 달러 규모이다.

 

아시아 지역에서는 중국은 17.9억 달러, 한국 3.4억 달러, 일본 12.2억 달러 규모이다.

 

아래 표는 게임 지출 금액 및 1인당 게임 지출 금액을 국가별로 산출한 것이다. 한국의 경우 게임 시장의 규모는 6위이지만 1인당 게임 지출 금액은 2위 이다. 국민수와 규모를 감안한다면 매우 많은 사람들이 게임을 즐기고 있는 것을 확인 할 수 있다.

순위

게임 지출 금액

1인당 게임 지출 금액

1

U.S.A.: $20.5 billion

Japan: $120/person

2

China: $17.9 billion

Korea: $79/person

3

Japan: $12.2 billion

U.S.A.: $74/person

4

Germany: $3.43 billion

U.K.: $62/person

5

U.K.: $3.43 billion

Australia: $55/person

6

Korea: $3.36 billion

Canada: $54/person

7

France: $2.6 billion

Germany: $50/person

8

Canada: $1.7 billion

Switzerland: $47/person

9

Italy: $1.5 billion

France: $46.38/person

10

Spain: $1.49 billion

Ireland: $46/person

11

Brazil: $1.34 billion

 

12

Russian Federation: $1.14 billion

 

13

Australia: $1.14 billion

 

14

Mexico: $1 billion

 

15

Taiwan: $643 million

 

16

India: $583 million

 

17

Netherlands: $433 million

 

18

Turkey: $375 million

 

19

Sweden: $370 million

 

20

Switzerland: $326 million

 

 

위의 표를 보면 국민규모나 IT인프라 규모를 보았을 때 아직 잠재시장이 많이 남아 있는 것을 확인 할 수 있다.

 

[한국 게임 시장 규모]

한국콘텐츠진흥원의 2014 게임백서 자료에 따르면 2013년 국내 게임 시장은 전년대비 -03% 성장하면서 최근 몇 년 동안 유지해온 성장세가 둔화된것으로 나타났다.

 

2013년 게임 시장 : 9조7198억원. (-0.3% 성장)

  • 온라인 게임 : 5조4523억원(전체 게임의 56.1%점유)

 

 

2013년에는 온라인 게임 비중이 전체 게임의 60%이하로 낮아졌으며 모바일게임이 시장의 20%이상을 차지하였다. 2013년 모바일 게임 시장은 2012년 대비 190.6%나 성장하면서 매출액 2조3277억원을 기록하였다.

 

 

 

 

 

 

 

게임 시장 동향 (텐센트)

 

텐센트는 중국의 인터넷 서비스 및 게임 서비스 전문 기업으로 1998년 11월 중국 광둥성 선전에서 설립되었다. 창업자는 마화텅(馬化騰, Ma Huateng)으로 IT엔지니어였다. 텐센트는 무료 메신저프로그램인 QQ로 잘 알려져 있다.

 

 

http://www.tencent.com

 

 

텐센트는 2014년 중국 내 브랜드 가치 1위 기업으로 선정되기도 하였으며 전 세계에서 가장 만은 수의 이용자를 보유한 매신저 앱 위챗, 중국인의 95%가 사용한다는 QQ, Q존, 텐페이(온라인 결제 수단), 텐센트 웨이보등 자회사를 가지고 있는 중국의 대표적인 기업이다.

 

마화텅이 밝힌 텐센트의 성장전략은 '창의적 모방'을 통한 새로운 서비스 창조와 부족한 기술력을 보완할 수 있는 공격적 M&A이다. QQ 서비스 출시 당시 미국 AOL기업의 IICQ메신저를 모방하여 중국 시장에 맞게 재창조 하였고, 한국의 싸이월드를 모방하여 유료 아바타 서비스를 시작하였으며 위챗은 2012년에 카카오톡에 대한 지분 투자 이후 벤치마킹하여 출시하였다.

 

텐센트가 성장한 주요 게임으로는 한국의 크로스파이어(스마일게이트), 던전앤파이터(넥슨)가 있다. 특히 크로스파이어는 세계 최고 매출액 게임으로 기록되기도 하였다.

 

[매출액]

2014년 홍콩 거래소에 등록되었을 때에는 시가총액 1초원 이었으나 2014년 시가총액 150조원으로 급성장 하였다.

매출액은 2013년 9조 9천억원이었으며, 2014년 14조 2천억원(789억3200만 위안), 순이익 4조 2761억원이 발생하였다. 이 중 게임이 약 76%를 차지한다고 한다. 이는 연평균 매출액 25.8% 성장 하였으며 영업 이익률은 2013년 28.6%, 2014년에는 39.7%의 영업 이익률을 달성하였다.

출처 : http://www.ddaily.co.kr/news/article.html?no=129548

 

 

[투자현황]

텐센트는 투자에도 매우 활발하다. 2011년 '리그오브레전드'(일명 '롤(LOL)) 개발사 라이엇게임즈 투자는 신의 한 수였다. 4000억원 투자로 그 후 수년간 전 세계적으로 천하통일을 할 만큼 성과를 이루어냈다. 국내에서는 2012년 4월에 카카오에 720억원을 직접 투자해 13.8%지분을 확보하여 김범수 의장에 이어 2대 주주가 되었다. 현재는 다음카카오의 3대 주주(9.9%)가 되었다. 현재 그 가치는 9000억원으로 약 10배이상 증가하였다.

 

2013년 ~ 2014년 최근2년동안 투자한 기업만해도 40여곳이 넘으며 투자한 금액도 7.3조원에 이른다. 특히 2014년 3월 한국의 게임회사 넷마블(몬스터길들이기, 모드의 마블 등)에 5300억원을 투자하여 3대 주주(28%)에 올랐으며, 2014년 9월 파티게임즈에 200억원 투자(지분 20% 확보), 네시삼십삼분(433)에 라인-한국투자파트너스와 공동으로 1200억원을 투자 및 중국 퍼블리싱 계약을 하기도 하였다.

 

게임외에도 많은 부분에 투자하였는데 전자상거래, 택시, 세탁, 가정부, 음식점, 여행, 의료, 교육과 같은 일상 소비에서 금융, 유통물류, 영화제작, 인공지능까지 다양한 분야에 진출하였다.

 

2006 ~ 2014 M&A 현황

 

최근 인수 또는 투자한 기업

업체

투자규모

E-House

부동산중개, 2000억원, 15% 지분

Sogou

온라인검색, 5000억원, 36.5%

CJ게임즈

현재 넷마블, 온라인게임사, 5300억원, 28%

Futu

실시간주식정보제공사이트,

China South City

홍콩상장, 유통물류업체, 3000억원 투자, 13% 지분

Didi Dache

콜택시앱, 1조원 투자

Renrendai

P2P대부업체, 1500억원

Linktech Navi

온라인지도서비스,

Mob Arts

모바일게임개발, 300억원

Ly.com

17U, 여행예약사이트, 100억원

Dianping

음식점평가 및 예약사이트, 2000억원

JD.com

나스닥상장, 전자상거래, 2500억원, 15% 지분

Naveinfo

나스닥상장, 온라인지도서비스, 2000억원, 11.3% 지분

175Game

온라인/모바일게임사, 300억원

Whisper

고백앱, 미국소재, 400억원

58.com

온라인벼룩시장, 9000억원, 24% 지분

Picooc

웨어러블기기, 250억원

Edaixi

O2O 세탁소앱, 35억원

Scaled Interface

인공지능, 55억원

Kuakao

교육서비스, 50억원

eJiajJie

O2O 청소 가정부 구인앱, 45억원

AltspaceVR

가상현실, 미국소재, 50억원

DXY

온라인헬스케어커뮤니티, 80억원

Woqu

미국전문 온라인여행사, 20억원

Guahao

병원예약앱, 1100억원

CLS

복권사업, 700억원, 7.52% 지분

Koudai

소셜커머스앱, 4000억원

Blink

사집공유앱, 200억원

Huayi Brothers

영화제작사, 6천억원, 알리바바와 공동투자

Renren Kuaidi

공유형 물류서비스, 150억원

4시33분

온라인게임사, 라인, 한국투자파트너스와 공동으로 1200억원 투자

Dots

모바일게임사, 100억원

Aiming

일본 모바일게임사

Kamcord

영국 모바일게임사

출처 : http://www.hankyung.com/news/app/newsview.php?aid=201503056298v

 

 

[텐센트 최대 주주]

텐센트의 최대 주주는 33.6% 지분을 보유한 남아공의 언론사 네스퍼스(Naspers)다. (마화텅의 지분은 10%정도에 불과하다.) 네스퍼스는 1915년 설립된 남아공 대표 종합미디어회사로 남아공 증권거래소에 상장된 10대 기업중하나다. 2001년 5월 초 텐센트에 투자하여 13년 넘게 투자한 지분을 한 주도 회수하지 않았고 홍콩 거래소 상장 이후에도 매각하지 않고 있다.

 

 

 

[참고자료]

http://www.hankyung.com/news/app/newsview.php?aid=201503042802v

 

 

게임기획자를 위한 통계이야기

 

[시작하면서]

지금까지 거의 10년 동안 게임회사에 몸담고 있으면서 수 많은 데이터를 다루어왔다. 데이터베이스를 운영하는 엔지니어로써 어떻게 하면 더 빠르게 데이터를 처리 할 수 있을까를 고민해 왔고, 사업팀, 재무팀, 기획팀 등과 함께 하면서 한정된 데이터로 더 많은 정보를 만들어 낼 수 있을까, 어떻게 하면 좀더 시각적으로 한눈에 파악할 수 있을까, 이 결과는 정말 유용한가 등에 대해서 많은 고민을 하게 되었다.

 

 

이 프로젝트는 지금까지 경험한 내용을 바탕으로 정리하였으며 게임 회사에서 주로 하는 분석및 분석하기 위해 필요한 데이터, 그리고 데이터 처리를 위한 시스템 구성에 대해서 다룬다. 앞으로 쓰게 될 글은 인터넷 검색, 각종 통계 자료, 경험 등을 정리하며 외부자료의 경우 출처를 명시할 것이다.

 

 

필자는 통계학을 전공 하였거나 정규기관에서 통계학에 대해서 배워 본적이 없다. 따라서 기술적 통계에는 약하다. (나도 공부하면서 글을 완성할 예정이다.) 그래서 누구나 편하게 읽고 생각할 수 있도록 최대한 쉽게(어렵게 쓸려고 해도 아는 것이 없어서 어렵게 못쓴다.) 예제를 들어 설명 하려고 한다. 게임 기획자나 분석을 하는 담당자 분들에게 조금이라도 도움이 될 수 있기를 바란다.

 

 

[왜 게임기획자가 통계를 알아야 하는가]

나는 게임 기획자가 아니다. 하지만 게임 기획자와 많은 시간을 함께 함으로써 간접적으로 체험해 볼 수 있었는데 게임을 기획하기 위해서는 데이터가 필요하다. 신규 콘텐츠를 만들 때에도 유저의 반응을 분석해야 하며 레벨 밸런스, 무기 밸런스 등 모든 것이 데이터에 기반하기 때문이다.

 

출처 : http://blog.naver.com/playsai/220332480095

 

그럼 이제 게임회사에서 분석하는 통계에 대해서 하나씩 알아보자.

 

 

[통계란]

통계의 사전적 의미는

1. 한데 몰아서 어림잡아 계산함

2. 어떤 현상을 종합적으로 한눈에 알아보기 쉽게 일정한 체계에 따라 숫자로 나타냄

3. <수학> 집단적 현상이나 수집된 자료의 내용에 관한 수량적인 기술. 대상이 되는 집단을 일정한 시점에서 파악하는 것을 정태 통계, 일정한 기간에서 파악하는 것을 동태 통계라 하며, 사회나 자연 현상을 정리ㆍ분석하는 수단으로 쓰기도 한다.

[출처]

http://dic.naver.com/search.nhn?dicQuery=%ED%86%B5%EA%B3%84&query=%ED%86%B5%EA%B3%84&target=dic&ie=utf8&query_utf=&isOnlyViewEE

 

 

즉, 통계는 있는 그대로의 사실과 숫자를 뭔가 의미 있는 방식으로 정리하여 표현한 것이다. 통계가 중요한 이유는 원시 데이터를 겉으로만 보아서는 파악할 수 없는 내용을 볼 수 있게 해준다.

 

 

[통계를 꼭 배워야 하는가]

통계를 몰라도 삶을 살아가는데 큰 문제가 없다고 생각한다. 하지만 통계를 배운다면 객관적인 결정을 내릴 수 있게 되고 좀더 정확한 예측을 할 수 있으며 원하는 메시지를 가장 효율적인 방법으로 전달 할 수 있다. 자신의 생각을 전달하는 것도 중요하지만 숫자로 생각을 뒷받침 한다면 훨씬 설득력 및 신뢰성이 높아진다.

 

 

[통계는 어렵지 않을까]

물론 통계를 배운다는 것은 여러 가지 수학적인 능력과 데이터를 분석하는 능력 등이 필요하다. 하지만 우리는 이미 일상 생활 속에서도 충분히 많은 통계를 사용하고 있으며 통계적 사고에 많이 익숙해져 있다. 예를 들어 아침에 출근하는데 집에서 회사까지 평균 30분이 걸린다고 이야기 한다. 30분이란 숫자는 매일의 출근 시간을 기록하여 일반적인 값을 도출한 것이다. 이것이 통계이다. (하지만 실제로는 어려운 내용이 더 많을 것 같다. 어차피 나도 어려운건 잘 모르므로 쉬운것만 다루도록 한다.)

 

 

[통계를 맹신하지 말자]

통계를 제대로 배운다면 객관적인 결정을 내릴 수 있게 되고 예측을 할 수 있다. 통계는 사실에 기초하지만 간혹 사실을 왜곡하는 경우가 있다. 여기서 중요한 것은 사용자가 진실과 거짓을 어떻게 구별하는가 하는 것이다.

 

통계에 대한 득과 실을 간단하면서도 재미있게 정리한 글이 있어 공유한다.

[출처] http://blog.naver.com/dpshr259/220157257596

 

.

.

.

.

.

.

.

.

.

첫 시작은 했는데 앞으로 어떻게 스토리를 풀어가야 할지…막막하다….

 

+ Recent posts