세상에는 여러 종류의 기업이 존재한다.
그리고 그 기업들은 분야에 따라 필요한 분석과 그 분석에 필요한 데이터가 조금씩 다를 수 있다. 따라서 자신이 취업하고 싶은 분야가 있다면 그 분야에서 중점적으로 다루는 데이터에 대해 알아두는 것이 도움이 될 수 있을 것이다.
그러므로 오늘은 특정 분야의 기업, 그 중에서도 게임 제작 · 배급사에서 다루는 데이터의 종류와 그 데이터로 얻을 수 있는 인사이트 중 몇가지에 대해 알아보고, 유추하고, 또 생각을 정리해보는 시간을 갖도록 하자.
게임 제작·배급사에서 다루는 데이터의 종류
기업이란 이윤의 획득을 추구하는 생산 경제의 단위체를 말한다.
기업은 이윤을 올리기 위한 여러 방법을 모색하게 된다.
그 중 자신들의 고객, 혹은 잠재적 고객들의 니즈를 파악하여 이윤을 올리는 방법이 존재하는데 이는 게임 제작 · 배급사(이하 게임사) 또한 마찬가지이다.
게임사 입장에서 고객은 바로 자신들의 게임을 플레이하는 '유저'들이다. 따라서 게임사는 유저들을 분석하여 편의를 제공하고 이윤을 올리는 것에 대한 방법을 모색할 수 있을 것이다.
게임사에서 분석할 수 있는 유저에 대한 데이터는 아래와 같다.
- 게임 유저에 대한 데이터
- 유저 성향
- 유저 행동패턴
- 과금 패턴
- 그 외 등등
이 외에도 다루는 데이터의 종류는 매우 다양하겠지만, 워낙 방대한 분야임으로 앞서 말했듯이 몇가지에 대해서만 알아보도록 하자.
데이터 수집
유저에 대한 분석을 위해서는 앞서 말한 유저 성향 및 행동패턴 등에 대한 데이터가 필요하다.
이러한 데이터는 어떻게 모이게 되는걸까?
데이터 수집을 위한 방법은 아래와 같다.
- 유저 데이터 수집의 방법
- 로그 기록
- 유저 설문
- 커뮤니티 동향 파악
- 그 외 등등
기본적으로 게임 상에서 유저가 하는 행동은 로그로 빠짐없이 기록되기 때문에 세밀한 분석이 가능하다. 그리고 추가적으로 필요한 데이터에 대한 설문을 유저 대상으로 실시하여 얻을 수 있을 것이며, 해당 게임을 주제로 한 커뮤니티를 모니터링하며 유저들의 동향을 파악할 수 있을 것이다.
데이터 분석의 방법
유저에 대해 수집한 데이터를 분석하는 방법 중 몇가지에 대해 알아보도록 하자.
- 데이터 분석의 방법
- 유저 성향 및 행동패턴에 따른 니즈 파악
- 유저 성향 및 행동패턴에 따른 Segmentation(고객 세분화)
- 행동 패턴을 통한 군집화
- Sequence Clustering(시간의 흐름에 따른 변화를 기반으로 군집화)
- Social Network Analysis(사회 연결망 분석)
- 그 외 등등
여기서 Clustering(군집화)이란 Segmentation에 많이 사용되는 데이터 마이닝 기법으로,
여러가지 유형이 섞여있는 데이터에서 유사한 특성을 갖는 유형끼리 군집을 묶는 것이다.
첫 번째로 행동 패턴을 통한 군집화,
말 그대로 게임 내에서 유저가 행한 행동을 바탕으로 군집화 하는 것이다.
두 번째는 시간의 흐름에 따른 변화를 기반으로 군집화,
'A'라는 유저가 어떠한 특성을 갖고 있다고 그 특성이 평생 유지될 것이라는 보장은 없다. 이러한 특성이 시간에 따라 변화한 정보 역시 군집화에 활용할 수 있다.
'A'라는 유저가 어떤 유형에서 시작하여 어떤 유형을 거쳐 지금 현재의 유형에 도달했는지를 염두에 두고 분류하는 것은 유저 분석에 더 도움이 될 것이다.
마지막은 사회 연결망 분석,
유저가 속한 집단을 기준으로 군집화하는 것이다. 게임 내에서 작용하는 상호작용, 이를테면 파티라던지 길드 또는 클랜, 더 나아가 유저 간의 거래 등을 통해 유저 개별의 유형을 파악하는 것이 아닌 'A'라는 유저가 어떤 유저와 상호작용 하는 것을 선호하는지 등을 분석한다면 유저의 특징 및 유형을 더 세밀하게 파악할 수 있을 것이다.
분석을 통해 얻을 수 있는 인사이트
유저 세분화 및 군집화, 그리고 위에서 설명하지 못한 다른 많은 방법을 통해서 분석을 진행하였다면 그로 인해 도출되는 인사이트가 있을 것이다. 그러한 인사이트에는 어떤 것들이 있는지 알아보도록 하자.
- 도출 가능한 인사이트
- 일반 유저와 어뷰징, 매크로 유저 구분
- 신규 상품 프로모션 기획
- 신규 유저 유치 방안
- 유저의 중도 하차를 감소시킬 방안
- 그 외 등등
첫 번째로 일반 유저와 어뷰징, 매크로 유저 구분,
유저의 행동 패턴을 기반으로 군집화하여 정상적인 플레이를 보이는 일반 유저와 비정상적인 플레이를 보이는 유저, 즉 어뷰징 혹은 매크로로 의심되는 유저를 구분 / 모니터링하고 확실한 정황이 포착된다면 제재를 가할 수 있을 것이다.
두 번째로 신규 상품 프로모션 기획,
과금유저들이 많이 분포해있는 군집을 찾고 그 군집의 성향 및 니즈를 파악하여 신규 상품 프로모션을 기획할 수 있을 것이다. 또한 시퀀스 클러스터링을 통해 해당 과금유저가 어떤 과정을 통해 무과금에서 과금까지 이루어지게 되었는지를 분석하여 무과금유저를 과금유저로 전환시킬 방안을 모색할 수 있을 것이다.
세 번째는 신규 유저 유치 방안,
어떠한 이벤트 혹은 컨텐츠를 런칭했을 때 신규 유저의 유입이 가장 많았고 또 그러한 신규 유저들이 게임에 정착한 비율은 어떻게 되는지 등을 분석하여 신규 컨텐츠 혹은 다음 업데이트를 기획하고 제작할 때 참고할 수 있을 것이다.
마지막은 유저의 중도 하차를 감소시킬 방안,
유저의 중도하차, 즉 게임을 접는 유저를 대상으로 분석하여 어느 지점에서 가장 이탈이 많은지 분석할 수 있을 것이다.
예를 들어 유저들이 'C' 라는 지점에서 게임을 접는 경우가 많다면 해당 부분에 치명적인 버그가 존재하는지, 난이도 등 밸런스에 문제가 있는지, 혹은 컨텐츠의 부족으로 게임을 접게 되는지 등 원인 파악을 통한 해결책을 마련하여 다음 업데이트 때 반영할 수 있을 것이다.
또한 'B' 를 거쳐 'C' 에 도달한 'A→B→C' 유저와 'B' 를 거치지 않고 'C' 로 건너 뛴 'A→C' 유저를 군집화하였을 때 'A→C' 유저의 중도 하차 비율이 더 높다면 두 군집의 유저 경험을 비교하여 원인을 파악하고 'B' 지점을 강제로 진행하게 할 필요성이 있는지 등의 고민을 해볼 수 있을 것이다.
오늘은 이렇게 게임 제작·배급사에서 다루는 데이터, 그 중에서도 유저에 관한 데이터 위주로 알아보았다. 물론 유저 외에도 다루는 데이터는 다양할 것이다. 또한 게임사 뿐만 아니라 세상에는 많은 종류의 기업이 존재한다. 이러한 기업 그리고 기업에서 다루는 데이터에 대한 정보를 알아둔다면 현재 재직 중인 기업에서는 물론 원하는 기업에 취업하여 커리어를 쌓는데 큰 도움이 될 것이다.
