사용자 지표 분석

사용자 지표 분석

 

지난 포스트에서 게임 마케팅 용어에 대해서 살펴 보았다.

• 게임 마케팅 용어 정리 : http://sqlmvp.kr/220378821510

 

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,

• OLAP 정의 및 데이터웨어하우스 : http://sqlmvp.kr/140180128685
• OLAP 다차원 모델 : http://sqlmvp.kr/140180575020
• 다차원 프로세싱 : http://sqlmvp.kr/140182697282
• 다차원 모델 : http://sqlmvp.kr/140184760088

 

 

 

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