게임 애널리틱스: 숫자가 중요한 이유

게임은 어디에나 있습니다. 평범한 아주머니가 출근길 지하철에서 사탕을 부수고, 어린 사촌은 포트나이트에서 첫 배틀로얄에 도전하기 위해 필사적으로 싸우고 있습니다. 게임 관련 수치 역시 게임이 우리의 일상에 얼마나 넓게 뿌리 내렸는지를 보여줍니다. 

리그 오브 레전드 월드 챔피언십 2023은 116시간의 방송 시간 동안, 심지어 중국 시청자 수를 제외하고도 640만 명의 동시 시청자 수를 기록했습니다. 게임은 더 이상 단순한 오락거리가 아닙니다. 사회적, 교육적, 심지어 문화적 요소로까지 자리 잡았습니다.

이렇게 게임이 강한 몰입도를 기반으로 성장할 수 있었던 배경에, 게임 애널리틱스라는 원동력이 있었습니다. 인간의 창의력과 뛰어난 데이터가 만나 놀라운 게임이 탄생할 수 있었던 것입니다. 

하지만 정확히 데이터가 이 과정에서 어떤 역할을, 어떤 방식으로 해냈을까요? 데이터가 어떤 정보를 알려주는지, 인사이트를 통해 게임 개발자들이 어떻게 스마트한 결정을 내릴 수 있는지 지금부터 살펴보겠습니다.

게임 애널리틱스란?

게임 애널리틱스은 게임 디자인, 수익화, 게임 경험, 비즈니스 성장에 관한 의사 결정을 개선시킬 수 있는 데이터와 인사이트를 가리킵니다. 올바른 데이터의 올바른 해석은 게임을 개선할 수 있는 과학적 근거가 됩니다. 정확하고 실용적인 데이터를 통해 더 이상 추측과 감에 의존할 필요 없이, 고객의 목소리에 더 깊이 귀 기울일 수 있습니다. 

모바일 게임 애널리틱스는 놀라운 발전을 이루었지만, PC와 콘솔 게임 역시 먼 길을 걸어왔습니다. 데이터가 오늘날 게임의 여러 측면에 어떻게 관여하는지 아래에 간략히 정리했습니다.

플레이어 행동: 게이머가 가장 많은 시간을 보내는 지점이나 이탈 지점을 파악하여 인게이지먼트를 높입니다.

수익화: 더 많은 플레이어를 구매 또는 수익화 이벤트로 이끄는 행동 패턴을 파악합니다.

예측 성장: 게임과 광고의 격차를 좁혀 플레이어 인게이지먼트와 앱 성장률을 높입니다.

마케팅 어트리뷰션: 여러 광고 플랫폼에서 어떤 캠페인이 가장 효과적인지 파악합니다.

게임 애널리틱스가 중요한 이유 

게임 애널리틱스는 광고에서 게임 플레이에 이르기까지 게임의 모든 측면을 개선하는 데 도움을 줍니다. 데이터 애널리틱스를 올바르게 사용하면 게임의 재미를 높이고 이탈을 줄이며 게임의 수익성을 개선할 수 있습니다. 

다음은 게임 애널리틱스를 활용했을 때 얻을 수 있는 이점입니다.

• 개인 맞춤형 광고 등을 통해 유저 경험을 개선하고 게임 내 생태계의 균형을 유지
• 데이터를 활용하여 게임의 특정 요소를 개선하고 리텐션 향상
• 광고 캠페인을 최적화하고 다수의 채널에 걸친 캠페인 성과를 측정
• ROAS, ROI, LTV 등 수익에 영향을 미치는 핵심 성과 지표(KPI) 측정

게임 애널리틱스 구현 방법

게임과 마찬가지로 게임 애널리틱스에도 레벨이 있습니다. 게임 애널리틱스의 첫 레벨은 아래의 세 가지 핵심 질문을 고려하는 것에서부터 시작합니다.

• 신규 유저 확보: 얼마나 많은 사람이 해당 게임을 설치했는가?
• 리텐션: 얼마나 많은 사람이 해당 게임을 플레이하고 있는가?
• 수익 창출: 해당 게임으로부터 얼마나 많은 수익이 발생하는가?

다음 세 가지 질문에 답하면, 게임에 중요한 지표가 무엇인지, 그리고 장기적으로 가장 큰 영향을 미칠 지표가 무엇인지 결정할 수 있습니다. 이 과정에서 예산에 맞춰야 한다는 점도 반영해야 합니다. 

이러한 하이 레벨 지표는 리포트에서는 매우 간단하게 보일 수 있지만, 깊이 파고들기 시작하면 그리 단순하지 않습니다. 그러나 심도 있는 분석을 통해 얻는 인사이트는 충분히 그만한 가치가 있습니다. 지금부터는 게임 애널리틱스를 효과적으로 구현하는 데 도움이 되는 팁을 설명드리겠습니다. 

데이터 웨어하우스 시작하기

게임 애널리틱스는 견고한 데이터 웨어하우스에 기반하고 있으며, 현재 대부분 클라우드 기반으로 운영되기 때문에 개발자들이 데이터를 더 효과적으로 저장하고 공유할 수 있습니다. 데이터 웨어하우스의 주요 역할은 대량의 데이터를 관리 및 분석하고 보강하며, 개인정보 보호 및 규제를 준수하는 것입니다.

주요 데이터 웨어하우스로는 Google BigQuery, Oracle Data Warehouse, Amazon Redshift, Snowflake 등이 있습니다. 

데이터 웨어하우스를 정했다면 이제 데이터 소스와 웨어하우스 간에 데이터가 원활하게 흐르도록 하는 방법을 찾아야 합니다. 데이터를 수집, 저장 및 분석하는 파이프라인을 구축하는 데 도움이 되는 AWS 또는 Azure와 같은 여러 테크 솔루션이 있습니다. 

모바일 측정 파트너(MMP) 찾기

모바일 측정 파트너(MMP)의 가장 좋은 점은 PC, 콘솔, 모바일 또는 세 가지 채널을 한 번에 연결할 수 있도록 지원한다는 점입니다. MMP는 인게임(in-game) 구매와 같은 전환 후 행동을 측정하여, 여러 플랫폼과 디바이스, 채널에 걸친 전체 광고 미디어 예산을 한 번에 볼 수 있도록 통합하는 데 핵심적인 역할을 합니다.

어떤 KPI를 측정해야 하나요?

마케팅 측정에서 자주 사용되는 다양한 약어와 전문 용어들이 많아 혼란스러울 수 있습니다. 이에 따른 혼란을 줄이기 위해, 미리 알아야 할 모든 KPI(핵심 성과 지표)를 세 가지 카테고리로 나눠 정리했습니다.

수익화 KPI

돈이 세상을 돌아가게 합니다! 성공적인 수익화를 위해 꼭 숙지해야 할 수익화 KPI부터 살펴보겠습니다.

ARPU: 유저당 평균 매출 (Average Revenue per User)

공식: ARPU = 총 매출 / 총 유저 수

ARPU은 게임의 수익성을 간단하게 파악할 수 있는 하이 레벨 지표이기 때문에, 수익을 높이기 위한 좋은 출발점이 됩니다. 그러나 엄청난 고액 구매자와 극도로 돈을 아끼는 플레이어로 인해 데이터가 왜곡되어 전체적인 상황을 정확히 파악하기 어려울 수 있습니다.

ARPPU: 결제 유저당 평균 매출 (Average revenue per paying user)

ARPPU는 일정 기간(일반적으로 1개월) 내에 인앱 구매, 소액 결제 또는 앱 구매를 한 각 유저가 창출한 평균 수익 금액을 측정합니다. 

공식: ARPPU = 총 매출 / 총 결제 유저 수

ARPPU는 게임에 아예 돈을 쓰지 않는 게이머를 세분화 및 식별해, 게임 수익화 전략의 효과를 측정합니다. ARPPU가 높다는 것은 다른 게임에 비해 훨씬 더 수익성이 높은 게임임을 뜻합니다.

ARPDAU: 일일 활성 유저당 평균 매출 (Average Revenue per Daily Active Users)

ARPDAU는 지정된 기간 동안 각 일일 활성 유저가 창출한 평균 매출을 측정합니다. 각 플레이어가 매일 얼마나 많은 수익을 창출하는지 파악하기 위해 매일 측정하는 것이 가장 일반적입니다.

공식: ARPDAU = 총 매출 / 일일 활성 유저 수

단기적인 변화, 게임 내 프로모션, 광고 캠페인 등 플레이어 매출에 일상적으로 영향을 미칠 수 있는 성과를 살펴볼 때 ARPDAU가 가장 효과적입니다.  

LTV: 유저 생애 가치 (Life Time Value)

LTV는 플레이어가 전체 게임 플레이의 ‘생애’에 걸쳐 창출할 것으로 예상되는 수익을 측정합니다. 

공식: LTV = ARPU x 플레이어의 평균 생애 기간

LTV는 게임 개발자, 퍼블리셔, 광고주가 신규 플레이어를 유치하고 기존 플레이어를 유지하는 데 따른 장기적인 가치를 평가할 때 활용됩니다. LTV가 신규 플레이어를 확보하는 데 드는 비용(고객 확보 비용 혹은 CAC)보다 높으면 장기적으로 수익성이 보장되는 게임이라는 뜻입니다.

ATV: 평균 거래 가치

ATV는 플레이어가 일정 기간 동안 각 거래에 지출한 평균 금액을 측정합니다.

공식: ATV = 총 매출 / 거래 수

ATV는 게임 내 구매의 가치 혹은 플레이어에게 게임 내에서의 지출을 어떻게 받아들이는지를 나타냅니다. ATV가 낮을수록 잔존율도 낮을 수 있으며, 경쟁사와 비교했을 때 해당 게임이 어떻게 포지셔닝되어 있는지를 파악할 수 있습니다.

인게이지먼트 KPI

다음으로 인게이지먼트 KPI, 즉 플레이어 행동을 측정하는 데이터에 대해 알아보겠습니다.

DAU: 일일 활성 유저 (Daily Active User)

DAU는 매일 게임에 참여하는 순 플레이어 수를 측정합니다.

공식: DAU = 순 유저 수 / 해당 기간의 일수

DAU는 게임의 플레이어 기반을 파악할 수 있는 하이 레벨 지표입니다. DAU는 장기간에 걸쳐 측정할 때 가장 효과적입니다. 특히 멀티플레이어 게임에서는 DAU가 중요합니다. 활발한 플레이어 기반을 유지하여 매치메이킹 시스템을 개선하고, 플레이어 간 상호작용을 강화해 경쟁적인 환경을 조성하는 데 도움이 되기 때문입니다.

MAU: 월간 활성 유저 (Monthly Active Users)

MAU는 월 단위로 게임에 참여하는 순 플레이어 수를 측정합니다.

공식: MAU = 순 유저 수 / 해당 기간의 월수

MAU는, 특히 오랜 기간 운영된 게임의 경우, 유저 인게이지먼트의 장기적인 추세를 파악하는 데 효과적입니다. MAU가 높으면 게임이 지속적으로 활력을 유지하고 있으며, 활동적인 플레이어 기반이 있고, 유저 리텐션이 높다는 것을 나타냅니다.

고착도(stickiness)

플레이어가 얼마나 잘 유지되는지, 시간이 지난 뒤 재방문이 일어나고 있는지를 측정합니다. 

공식: 고착도 = DAU / MAU

DAU, MAU, WAU(주간 활성 유저 수), 리텐션율, 세션 길이, 이탈률, 세션 빈도 등 다양한 지표를 분석하여 고착도를 측정할 수 있습니다. 그러나 가장 간단하게 측정하는 방법은 DAU를 MAU로 나누어 특정 달에 게임을 다시 찾는 플레이어의 비율을 확인하는 것입니다.

잔존율 (리텐션율)

이는 특정 기간 동안 게임을 이탈하지 않고 플레이하는 플레이어의 비율을 측정합니다. 일반적으로 백분율로 표시됩니다.

공식: 잔존율 = 활성 플레이어 수 / 측정 기간 시작 시 총 활성 플레이어 수

쉽게 말해 잔존율은 얼마나 많은 플레이어가 게임을 지속적으로 플레이하고 있는지를 나타내는 하이 레벨 지표입니다. 이에 비해 고착도는 게이머가 일정 기간 동안 게임에 어떻게 참여하는 지를 보다 구체적으로 나타냅니다.

이탈률

특정 기간 동안 게임 플레이를 중단한 플레이어의 비율을 측정합니다.

공식: 이탈률 = 이탈한 플레이어 수/월간 유저 수 x 100

이탈률은 잔존율의 반대 개념으로, 플레이어를 얼마나 빨리 잃고 있는지를 측정합니다. 이탈률이 높다면 게임의 복잡성, 새로운 콘텐츠 부족, 반복적인 플레이, 열악한 게임 경험, 새로운 경쟁자 또는 게임을 그만둔 주변인과 같은 문제가 있다는 뜻입니다. 요약하자면, 이탈률은 마케터가 주시해야 할 첫 번째 위험 신호 지표로서, 게임에 높은 이탈률이 발생하고 있다면 마케터는 데이터를 자세히 분석하고 유출 원인을 파악해야 합니다.

세션 길이

플레이어가 한 게임 세션에서 소요하는 평균 시간을 측정합니다. 

공식: 세션 길이 = 총 플레이 시간/기간 

이는 게임이 얼마나 매력적이고 몰입도가 높은지를 나타내는 간단한 지표로, 세션 길이가 길수록 좋은 게임 경험을 제공하는 것으로 볼 수 있습니다.

인게임 KPI

마지막으로, 인게임 KPI를 확인함으로써, 게임 개발자가 난이도, 밸런스, 플레이 가능성 등에 대해 데이터 기반 의사 결정을 내릴 수 있습니다.

시작, 실패, 완료

시작은 레벨 또는 미션의 시작을 의미합니다. 실패는 플레이어가 레벨 또는 미션을 성공적으로 완료하지 못한 경우를 나타냅니다. 완료는 플레이어가 과제, 미션 또는 레벨을 성공적으로 완료했음을 나타냅니다. 

이 세 가지 지표를 측정하면 어떤 레벨이 너무 쉽고 어떤 레벨이 너무 어려운지 파악할 수 있습니다. 따라서, 개발자는 리텐션에 특히 부정적인 영향을 미치는 레벨을 파악해 난이도를 최적화할 수 있습니다.

소스 및 싱크

소스와 싱크는 게임 내 경제를 돌아가게 하는 두 가지 축입니다.

소스는 플레이어가 게임 내 화폐를 생성할 수 있는 메커니즘과 활동을 일컫습니다. 여기에는 퀘스트 완료, 일일 보상 달성, 인앱 구매, 단계적 목표 등이 포함됩니다. 

싱크는 플레이어가 생성한 자원을 의미 있게 사용할 수 있는 소비 메커니즘입니다. 여기에는 아이템 구매, 게임 내 수수료 지불, 제작, 건설 등이 포함되죠.

소스와 싱크가 지속적으로 균형을 이루는 게임 내 경제는 게이머에게 동기를 부여하며 의미있는 경험을 제공합니다.

게임 애널리틱스의 향후 과제

게임 애널리틱스에서 앞으로 흥미로운 혁신이 많이 등장할 것으로 예상되지만, 아직은 발전 초기 단계에 있습니다. 또한 발전 과정에서 성장통이 예상되기도 합니다. 다음은 게임 애널리틱스와 관련하여 주의해야 할 사항입니다.

리소스 제약의 문제

게임 애널리틱스는 매우 복잡하며, 전문 분야의 지식이 있어야 전체 과정을 제대로 실행할 수 있습니다. 즉, 게임 애널리틱스에 맞는 기술을 설정하고 구현할 수 있는 인력이 필수적이죠. 데이터를 분석하고 그로부터 실행 가능한 인사이트를 도출할 수 있는 게임 데이터 전문가는 이러한 인력의 대표적인 예입니다. 그러나 예산이 부족한 소규모 게임 개발사에게는 이러한 리소스 수준이 진입 장벽을 높일 수 있습니다. 

기술 연동

앞서 설명한 내용에 덧붙여, 게임 애널리틱스 시스템은 데이터베이스, 서버, 아키텍처 등 기존 게임 인프라와 함께 작동해야 합니다. 안정적이고 안전한 환경에서 원활한 데이터 흐름을 확보하려면 많은 비용과 시간이 소요될 수 있습니다.

크로스 플랫폼 캠페인 측정 및 어트리뷰션의 어려움

게임 마케터들은 모바일 게임을 큰 영향력을 행사해 왔지만, 모바일 업계에서 쌓인 디지털 전문 지식을 콘솔과 PC 게임으로 옮기는 것은 쉽지 않았습니다. 마케터들은 모바일 데이터는 장악했지만, 데이터의 파편화로 인해 여러 플랫폼에서 동일한 수준으로 측정하는 것은 거의 불가능했습니다. 단, 신뢰할 만한 MMP와 협력한다면 이야기가 달라지지만요.

게임 애널리틱스에 AI가 끼치는 영향

AI는 이미 우리가 상상하지 못했던 방식으로 게임 산업에 영향을 미치고 있습니다. 플레이어가 아닌 캐릭터와의 AI 기반 대화는 게임의 몰입도를 새로운 차원으로 끌어올렸습니다. 또한 시각 장애가 있는 플레이어를 지원하는 AI 접근성 툴도 등장했습니다. 이러한 변화는 이제 시작일 뿐입니다. 

AI가 게임 애널리틱스에 미치는 영향도 엄청납니다. 현재 진행 중인 몇 가지 방법을 소개합니다.

플레이어 여론 분석

과거에는 사람이 일일이 직접 게임 사이트 게시판에 올라온 글을 읽고 플레이어의 피드백 이메일을 응대했습니다. 이제 AI를 통해 채팅 로그, 리뷰, 소셜 미디어를 분석하여 게이머가 게임을 어떻게 생각하는지 더 잘 파악할 수 있습니다.

특정 레벨에 대한 불만이나 새로운 게임 모드에 대한 과도한 지원 등 무엇이 효과가 있고 없는지를 파악할 수 있도록 AI가 데이터와 툴을 제공해 줍니다. 이에 따라 개발자는 게임의 가장 취약한 부분을 개선하는 동시에 성공적인 측면은 강화할 수 있습니다.

수익 창출 

AI는 방대한 데이터를 활용하여 사람의 눈에는 쉽게 띄지 않는 구매 행동 패턴을 식별할 수 있습니다. AI로 얻은 인사이트를 통해 개발자는 게임 내 수익화를 세밀하게 조정할 수 있으며, 새로운 개인 맞춤형 경험이나 유연한 가격 책정을 통해 게임을 개선할 수 있습니다.

게임 디자인 

시작, 실패, 완료 또는 소스 및 싱크(앞 내용 참고)와 같은 게임 내 지표는 플레이어 경험에 긍정적 및 부정적인 영향을 미치는 중요한 부분을 조명합니다. 이러한 지표에서 얻은 인사이트를 통해 개발자는 플레이어와 직접 대화하지 않고도 게임을 개선할 수 있습니다. 

프로드 감지

멀티플레이어 게임에서 부당한 이득을 취하는 해커는 게임의 몰입도와 신뢰를 가장 빠르게 무너뜨립니다. 발로란트, 배틀그라운드와 같은 많은 인기 게임은 AI 기반 프로드 탐지를 사용하여 부자연스럽고 의심스러운 행동 패턴을 식별합니다. 프로드를 신속하게 처리하는 것은 리텐션을 개선하고 이탈을 최소화하는 가장 좋은 방법 중 하나입니다.

다이나믹 인게임 광고

게임 내 AI 기반 광고는 유저 경험을 개선하는 동시에 광고주가 타겟 고객에게 더 효율적으로 도달할 수 있게 해줍니다. 프로그래매틱 광고를 통해 광고주는 실시간으로 광고 공간에 입찰할 수 있으므로 광고 플랫폼과 광고주 모두가 높은 수익을 창출할 수 있습니다.

핵심 요약

• 게임 애널리틱스은 게임 디자인, 수익화, 게임 경험, 비즈니스 성장에 관한 의사 결정을 개선시킬 수 있는 데이터와 인사이트를 가리킵니다. 
• 게임 애널리틱스은 장기적인 수익성을 보증하는 핵심 요소로, 광고 캠페인을 최적화할 뿐만 아니라 플레이어 경험을 개선하여 시간이 지남에 따라 인게이지먼트와 리텐션을 높일 수 있습니다. 
• 게임 애널리틱스을 시작하려면 데이터 웨어하우스, 데이터 파이프라인, 측정 파트너 등 적합한 툴을 파악해야 합니다.
• 게임 애널리틱스을 구현할 때는 수익화, 인게이지먼트, 게임 내 행동 등 목표 달성을 위해 측정할 KPI를 미리 분류하고 결정해야 합니다.
• 게임 애널리틱스은 예상보다 많은 리소스를 필요로 하며, 효과적으로 실행하기 위해서는 전문 지식과 적합한 툴이 필요합니다. MMP와 협업하지 않는다면 플랫폼 전반의 캠페인 측정 및 어트리뷰션도 어렵습니다.
• AI는 여론 분석, 수익화, 게임 디자인, 프로드 감지, 게임 내 광고를 통해 게임 애널리틱스을 개선하고 있습니다.