소셜게임에서의 데이터 분석의 실제 노지마 미호의 소셜게임관련


노지마 미호의 '가상세계'의 비지니스디자인이란? 

게임은 단순한 오락의 한 장르를 넘어, 이젠 우리들의 생활전반으로 확산되고 있다. 이번 컬럼에서는 소셜게임이나 휴대폰게임어플 등, 분야가 확산되고 있는 게임컨텐츠의 비지니스모델에 대해서, 학술적인 배경을 기반으로 해설해본다. 


데이터 드리븐 (구동형)이란, '소프트웨어에 데이터를 넣으면 해결방법이 자동적으로 출력되는 '마법의 상자와 같이, 지나친 기대를 받곤한다. 분명 많은 양의 로그데이터를 해석하는 상황에서, 데이터마이닝은 매출향상 분야에서 즉각적인 효과를 발휘하곤 한다. 그러나, 데이터분석에  지나치게 주목하여, 숫자가 단순한 숫자로만 보일 때, 게임을 즐기는 고객 한 명, 한 명에게 쏟는 서비스의 본질에서 멀어지지는 않을까 필자는 염려스럽다.

 →소셜게임에서의 일본형 데이터드리븐이란 ?(前編)

소셜게임 개발 - 데이터를 중시해야 할까, 경험을 중시해야 할까? 

란 제목으로 로 번역했습니다. 

 최근, '데이터 드리븐에서 가장 효과적인 변수는 무엇입니까?'라는 질문을 받는 경우가 많다. 그러나 '이것만 파악하면 만사OK'식의 만병통치약 식의 변수가 있을 수는 없다. 소셜게임에서 다루는 변수는 유저가 게임을 플레이하는 행동 하나하나이므로, 게임의 종류에 따라 다양하다. 예를들어, 육성게임인가, 대결게임이간에 따라, 실제로 측정할 변수는 달라지게 된다. 

 중요한 것은 단발적인 해답을 얻는 것이 아니다. 데이터를 통해 의미있는 개선책을 얻기 까지의 프로세스가 중요한 것이다. '데이터드리븐의 본질은 분석수법에 의해 오히려 분석을 실현하는 조직체제에 있다'고 필자는 생각한다. 

 본디, 게임의 재미있는 포인트를 모르고, 처음에 설정한 문제 자체가 검토착오라고 본다면, 그 후에 아무리 고도의 수리모델을 사용해도, 산출되는 결과는 검토착오에 불과할 것이다. 숫자나 통계전문가는 계산과정면에서는 정교하지만, 문제설정의 적정성에 대해서는 판단할 줄 모른다. 따라서, 실제로 개발과 운영에 종사하고, 유저의 플레이방식을 관찰하는 담당자와 얼마나 연계할 수 있는가가 ,데이터분석의 정밀도를 결정하게 된다. 

데이터 홍수에서 헤매지 않으려면 

 어쨌든 소셜게임에서 다루는 변수에는 제한이 없다. 튜터리얼의 몇번째 스텝에서 클리어했는가, 어떤 유저와 싸워서 결과는 어땠는가, 어떤 아이템을 언제 구입했는가, 유저의 게임 내 행동의 하나하나가 분석대상이 되기 때문이다. 나아가 이들 변수간 종합적인 조합수를 생각하면, 엄청난 양의 숫자를 분석해야 한다. 

 그래서 필자는 두가지 어프로치방식을 제안한다.  하나는 소셜게임이 지향해야 할 형태, 즉 이상형을 염두에 둘 것, 이상과 현실을 비교하면, 무엇을 해야할 것인가  방침을 세우기 쉬어진다. 이는 지난 칼럼인 ('소셜게임에서 일본형 데이터드리븐의 존재방식이란 (전편)')에서 설명한 바 있다. 

소셜게임 개발 - 데이터를 중시해야 할까, 경험을 중시해야 할까? 

란 제목을 번역했습니다.  

또 한가지 어프로치는, 데이터의 전체상을 파악하여, 막대한 데이터 속에서 미아가 되지 않도록 방향감각을 익히는 것이 이번 칼럼의 테마다. 

KPI의 변동분석과 게임 내 분석 

 소셜게임의 데이터는 매출에 영향을 미치는 지표 (KPI=Key Performance Indicator)와 게임 내 행동으로 크게 분류된다. 

 기본적인 지표는, 신규획득유저, 액티브유저 (AU),과금유저 (PU)이다. 이들 수치를 일별, 월별로 비교하는 변동분석이 데이터분석의 출발점이 된다. 

 예를들어, 전날과 비교해서 신규유저증가가 둔화되었다면, 프로모션에 역점을 기울어야겠음을 알 수 있다. 액티브유저는 늘고 있는데, 과금유저가 줄었다면, 유료아이템 설정 등의 머니타이즈부분에 문제가 있음을 알 수 있다. KPI의 변동분석으로, 대략적인 문제점을 알 수가 있다. 

 그에 비해, 유저의 게임 플레이 이력에서 얻을 수 있는 데이터는, 구체적인 해결책을 제시해준다. 

 예를들어 배틀계열의 게임이라면, 배틀횟수, 이긴 횟수와 진 횟수(승패), 동료에게 도움을 받은 횟수, 배틀상대와의 레벨차이 등, 게임시스템 그 자체를 나타내는 변수다. 이기기만하는 배틀도 시시하겠지만, 지기만 한다면 의욕이 나지 않을 것이다. 딱 좋은 승률과 난이도를 컨트롤하면 유저가 더욱 더 게임에 빠져들게 될 것이다. 

 게임 내의 액션을 하나하나 모아보면, 분석대상이 될 변수의 종류는 엄청나다. 그래서 그 중에서 중요한 변수를 통계적으로 정리한 것이 데이터마이닝기법에 사용된다. 액티브율 (AU)이나 과금률 (PU)에 영향을 주는 변수를 찾는 것이 목표가 된다. 

게임 내 분석의 한계 

 게임 내 분석은, 유저행동을 분석하여, 게임을 재미있게 하기 위한 개선점을 찾는 것이다. 구체적인 개선책과 연결되는 즉효성이 매력적이다. 소셜게임에서는 분석결과를 받아들여 매일 게임을 업데이트한는 일이 드물지 않다. 

 단, 게임 내 분석에도 한계는 있다. 첫번째는 상세한 분석을 반복하면서, 근시안적인 분석에 빠질 위험이 있다는 점이다. 하나의 개선이 다양한 파급효과를 낳는 점을 놓치기 쉽다. 

 예를들어 '배틀 난이도를 높이면, 전투상황을 유리하게 할 수 있는 유료아이템이 잘 팔릴 것'이란 가설을 세우고, 난이도를 올렸다 치자. 그러나 지고 싶지 않다고 생각해서 과금을 하는 유저가 있는가 하면, 짜증나서 해지해버리는 유저도 나온다. 분명히 가설대로 과금률에 변화는 있겠으나, 반대로 액티브율에도 악영향을 미치게 되는 것이다. 

 나아가, 승률 변화는 아이템유통에 변화를 주며, 유료아이템의 효과도 변하게 될 것이다. 그래서, 고객단가에 영향을 줄 수도 있다. 또는 유저배틀을 회피하며 싱글퀘스트 플레이스타일로 변화하다보면 게임의 수명에 악영향을 미칠 수도 있다.

 이러한 복합적인 효과를 모두 추적할 수는 없으나, 가능한 한 다각적으로 보아야 할 것이다. 분석에 신경을 쓰면 쓸 수록, 분석대상인 데이터에만 집중하여, 점점 지엽적인 개선에 빠지는 위험도 존재한다.

 두번째 한계는 게임 내 분석에 의한 튜닝은 현 상황의 개선에는 도움이 되나, 원래 구현되지 않은 불만점에 대해서는 알 수 없다는 점이다. 과금이 잘늘지 않는 것이 과연 배틀시스템의 밸런스만의문제일까? 

 필자는 휴대폰 배틀계열 소셜게임을 몇가지 동시에 시작했었다. 모든 게임들의 배틀이 빠져들만 했고, 퀘스트성공이나 배틀승리 때 표시되는 화려한 화면이 맘에 들어, 계속 즐기게 되었다. 그런데 몇 일 지나니, 자주 접속하는 게임과, 아무래도 멀어지는 게임으로 갈리게 되었다. 

 즉, 같은 날 시작했음에도 불구하고, 얼마나 친구를 만들기 쉽냐에 따라 다른 결과가 나온 것이었다. 팀을 짜고 동료만들기라는 설정 자체는 모든 게임에 존재했으나, 동료신청의 절차 상 간편함이나 동료가 된 후의 메시지의 북적거림등의 소프트적인 부분이 전혀 달랐다. 필자의경우, 배틀의 승패보다도, 메시지를 보내주는 동료가 있어서, '못 끊겠구나' 하고 느낄 때가 많았다. 

 이 경우, 문제는 배틀시스템이 아니라 소셜부분의 설계이다. 이러한 소프트 부분은 의외로 문제의 뿌리가 깊다. 현 시스템의 튜닝으로는 모두 대처할 수 없고, 기획・개발 단계로 거슬러 올라가야만 하는 경우도 있다. 

 왜 유저가 이탈하는지, 왜 과금이 늘지 않는지, 그 이유는 다양할 것이다. 따라서 당초의 문제설정을 너무 좁은 범위에서 하면, 해결할 수 없는 영역이 남을 위험도 있다. 

문제발견을 위한 시계열분석 

 게임의 행동변수를 직접 조작하는 게임 내 분석은, 바로 게임시스템의 개선안과 연결되는 점은 강력하나, 폭넓은 범위에서의 문제발견이란 점에서는 한계가 있다. 

 그래서 KPI를 매크로적으로 보는 변동분석과 게임 내 분석과의 간격을 메꾸는 것으로 '유저의 플레이시간에 맞춘 시계열분석'이 주목된다. 시간은 모든 유저에게 불평등한 요소다. 이를 기축으로 하고, 유저가 어떤 행동을 취했는가, 그래프화한 것이다. 

유저활동과 플레이시간 관계를 통한 분석 

 그림에 나오듯, 가로축은 시간이나 진행상황을 표시하는 수치이다. 가로축을 단순히 날짜별로 하지 않은 것은, 시간개념에도 바리에이션이 있기 때문이다. 게임 억세스를 나타내는 변수로는, 등록하고 난 날짜, 총 로그인시간 등이 있다. 나아가 게임 내에서의 진행상황을 나타내는 것이 게임레벨, 퀘스트진행도 등이다. 

 그에 비해 세로축은 유저의 활동정도를 나타낸다. 로그인 유무나 로그인 빈도 등, 행동의 활발함을 나타내는 모든 변수다. 한마디로 게임에 얼마나 몰입했나를 가시화한 것이다. 이러한 그림을 만들어, 유저가 게임의 어떤 점에 빠졌는가, 그 반대인 이탈포인트, 그리고 과금포인트가 명확해진다.

 그림에 나온 액티뷰율 그래프는 게임에 로그인을 한 사람의 비율을 시간축에 따라 정리한 것이다. 예를들어 레벨3부터 4로 갈 때 액티뷰율이 대폭 내려간다면, 여기가 이탈포인트다. 그래서 레벨 3부터 4부분에 집중해서 게임 내 분석을 하면 좋을 것이다. 특정 퀘스트가 어렵거나, 시간을 요하기 때문에 이탈하는 것일 수도 있다. 또는 친구가 없다면  진행할 수 없는 설계였는데, 레벨 3에서는 친구를 모으는 데 충분한 시간적인 여유가 없을 수도 있다. 

 마찬가지로 과금포인트를 파악할 수도 있다. 예를들어 과금률 10%라고 하면, 일률적으로 확률이 정해졌다고 보기 쉬우나, 시간축으로 보면 과금률도 제각각으로 표시된다. 레벨분포나 로그인 시간 별로 유저를 나눠보면, 과금에 도달할 확률과 필요한 시간을 알 수 있게 된다.

 대략, 오래 게임을 계속한 유저일 수록, 과금률은 높은데, 과금에 도달하기 까지의 시간을 어떻게 설정할까는, 꽤 미묘한 문제다. 자금회수 면에서는 과금포인트는 빠르면 빠를 수록 좋다. 그러나 너무 빨리 타이밍을 잡으면 빨리 질리게 된다. 과금이란 유저의 열중도나 만족도를 금전으로 바꾼 것으로, 빨리 지출하면, 그 열의가 나중으로 이어지지 않게 된다. 이렇게 조절하는 것도, 시간축에 따라 데이터를 꾸준히 봐가야 한다. 

수많은 숫자에서 유저 한 명, 한 명을 느낀다 

 필자가 생각하는 궁극의 데이터분석은 데이터 덩어리에서 유저 한 명, 한 명을 의식할 수 있는 것이다. 히트목표를 100만MAU(월간액티브유저)라는 숫자로 들 수 있겠으나, 그 숫자의 뒷면에는 100만명의 체험이 있다는 생각을 잊어서는 안된다.

 필자는 이전 칼럼인 (「소셜게임유저들은 언제 지갑을 열까  ――고객만족도와 머니타이즈의 관계 」)

소셜게임유저들은 언제 지갑을 열까 - 고객만족도와 수익화의 관계 


에서 고객만족도 곡선에 대해서 밝혔다. 

 어떤 게임을 시작하고 나서 멈출 때까지, 유저가 느끼는 만족도는 평탄하지 않음을 나타낸 그래프다. 실제로 100만명의 만족도곡선을 그리는 것은 현실적이지 않으나, 이념적으로는 한 명 한 명의 만족도곡선을 묶어 모은 결과가 MAU라는 지표로 연결되었음을 의식하셨으면 한다. 

 예를들어 、일별 액티브율 (DAU)계정에 대해 생각해보자. 각 유저의 로그인 시간을 매일 추적하면, 고객만족도 곡선이 아닌 로그인 시간곡선을 한 명 한 명의 유저를 대상으로 그릴 수 있다. 이를 모든 유저분을 집약하면 DAU가 된다. 우선 로그인시간의 길이는 생략하고, 로그인 유무만을 나타내는 데이터를 요약한다. 그리고 어느 하루에 '로그인을 한'유저가 몇 명 있었나를 카운트하고, 모든 유저에서 차지하는 비율을 계산한다. KPI 변동분석에서는 이 값이 어제와 비교해서 얼마나 증감했나를 분석한다. 

 그러나, DAU라고 해도, 등록하고 첫째날인 유저도 있는가하면, 3개월된 유저도 있다. 게임에 대한 기대도나 몰입도도 시간의 경과에 다라 상당히 다를 것이나, 그러한 각 유저의 사정은 완전히 배제된다. 말하자면 둥근물체를 어떤 지점에서 탁 썰은 단면같은 데이터인 것이다.  

 즉, KPI는 이미 가공된 숫자이다. 이를 의식하지 않고 KPI에 더욱 가공을 하여 분석해가면, 점점 무엇을 분석하는지 실감할 수 없게 된다. 그것이 숫자를 숫자로만 보는 서비스에서 이탈한 데이터분석의 문제를 낳게 되는 것이다. 

 의사가 CT등의 단편적인 그림으로 더욱 입체적인 장기를 진찰할 수 있게 된 것 같이, 매일매일의 KPI라는 단면적인 데이터로 유저 전체의 모습을 이미지할 수 있다면 좋을 것이다. 의학을 공부하 사람이 CT화면을 보는 것 처럼, 소셜게임 서비스구조를 이해한 후에 데이터분석에 임해야 할 것이다. 

 소셜게임의 서비스구조의 중요한 점은, 등록부터 시간이 경과되며, 심리상황이나 행동의 변화를 유저에게 불러일으키는 것이다. 처음에는 그럴 생각이 없었지만, 어느새 몰입하게 되고, 과금까지 하고 플레이하게 되는 것이다. 수백만명 이상의 유저의 심리변화를 짐작하는 서비스를 실현하려면, 때로는 세부적인 부분에 파고들고, 때로는 전체를 내려다보며, 유연하게 초점을 바꿔가며 데이터를 보셨으면 한다. 

유저전체 모습을 이미지하기 위한 어프로치 

野島美保(노지마 ・미호)

세이케대학경제학부교수. 전문분야는 경영정보론. 1995년에 도쿄대 경제학부졸업 후, 감사법인근무를 거쳐, 도쿄대 대학원경제연구과에 진학했다.  웹서비스 초기인 대학원생시절, EC연구를 하면서, 밤에는 온라인게임을 하며, 연구실 바닥에서 자기도 했다. 게임폐인이라는 평가에 어디까지나 연구를 하는 척 하기 위해서, 게임비지니스연구를 시작한 것이 지금은 본업이 되어, 온라인게임과 가상세계 등, 최첨단의 E비지니스를 연구 중이다. 논문을 쓰기 전에 게임을 하나 하나 즐기다보니 집필속도가 느리다는 것이 약점이다. 저서로는 『왜 사람들은 무형의 재화를 구입하는가 가상세계의 비지니스모델 』(NTT출판)등이 있다. 


덧글

  • NaMuKKun 2014/09/16 20:58 # 삭제 답글

    매우 도움이 되는 글입니다. 소셜게임 개발자의 입장에서는 자신의 게임을 똑바로 알고 또한, 어떠한 관점에서 접근하여 문제점을 측정하는 것이냐가 매우 중요할 것이라고 생각됩니다.
댓글 입력 영역



통계 위젯 (블랙)

15144
953
4688732

이 이글루를 링크한 사람 (블랙)

609