지난 3월 25일, 텐투플레이가 쿡앱스에 연사로 초청받아 강연을 진행하였습니다. 쿡앱스는 북미 및 유럽시장을 타깃으로 캐주얼 모바일 게임을 제작하는 게임회사로, 대표 게임으로 모던시티, 하와이라이프, 랜덤로얄 등이 있습니다. 텐투플레이가 진행한 강연의 내용을게이머 클러스터링 방법론과 사례 1에 이어서 소개합니다.
4. 개인화 서비스 방법론, 유저 클러스터링 테스트
유저의 게임 내 행동 패턴으로 클러스터링을 진행한 후, 이 유저의 플레이 동기와 이탈 원인을 찾기 위해서는 테스트를 진행합니다. 이때 진행하는 테스트는 "정말로 이 유저가 본인이 원하는 것을 달성하지 못하여 이탈했는지", "해당 요인이 정말 이 유저의 플레이 동기가 맞는지"를 확인하는 작업입니다.
특정 페르소나를 지닌 유저가 어떤 기대치를 가지고 게임을 다운로드하고 플레이를 하는데, 실제 게임이 기대에 부응하지 못할 경우 실망하고 이탈을 한다는 기본적인 틀을 가지고 출발합니다.
%2520(1).svg)
이때, 동일한 페르소나를 가지고 있음에도 게임이 본인의 기대치에 미친 사람과 미치지 못한 사람을 분류하여 두 그룹군을 비교합니다. 이때, Multivariate GLS와 Panel data analysis 등 다양한 가설검정 방법론으로 해당 페르소나의 플레이 동기를 파악할 수 있습니다.
.svg)
5. 개인화 서비스 방법론, 추천 검증하기
앞서 소개한 게임이 유저의 기대에 부응하지 못할 경우 실망하고 이탈한다는 틀에서 유저가 실망하고 이탈하기 전에 맞춤형 서비스를 제때 제공하여 준다면, 게임이 어느 정도 유저의 기대치에 부응하게 되고 계속 플레이를 하게 된다고 가정합니다.
각 유저의 페르소나 별로 파악한 플레이 동기를 바탕으로 해당 유저에게 맞춤형 추천을 제공해준 다음, 해당 추천이 좋은 성과를 나타내었는지 평가를 진행한다면, 향후 이 맞춤형 서비스를 계속 적용할지 의사결정을 할 수 있습니다.
%2520(1).svg)
자주 사용하는 방법으로는 A/B 테스트가 있습니다. 유저를 랜덤으로 두 그룹으로 나누어 서로 다른 버전(A, B)을 사용하여 어떤 것이 더 효과적인지를 비교하는 방법입니다. 동일한 페르소나를 가진 유저 중에서 어떤 유저는 맞춤형 서비스를 제공하고, 어떤 유저는 제공하지 않는 방식으로 실험집단과 통제집단으로 나누어 테스트를 진행합니다.
게임에서 특정 그룹을 나누어 테스트를 진행하기 어려울 경우, 특정 시점에 개인화 서비스를 진행한 다음, 해당 시점 전후 비교를 하는 Structural break test 도 있습니다.
이처럼 게임에서 유저들에게 맞춤형 서비스를 제공하기 위하여 데이터 수집부터 유저 클러스터링, 테스트 및 추천 성과 검증까지 알아보았습니다. 하지만 이러한 전 과정을 직접 툴로 개발하기에는 리소스 한계가 있을 것입니다. 게임의 수익화, 즉 각 유저 세그먼트 별 개인화 상점 기능은 텐투플레이에 맡기고 게임 개발에 집중하세요!
%2520(1)%2520(1).svg)
텐투플레이로 유저 맞춤형 개인화 상점 제공하세요
#SDK만 설치하면 데이터 로깅 끝
#세상에서 가장 쉬운 게임 유저 분석
.png)
