왜 게임 데이터 분석을 해야할까요? 영상: https://www.youtube.com/watch?v=CHjMmAMPXlY 게임 데이터 분석을 제대로 하지 않았을 때 발생할 수 있는 여러가지 편향 오류와 함께 데이터 분석 인사이트를 소개해드립니다.

1. 왜 게임 데이터 분석인가?

2. 같은 게임, 서로 다른 유저의 취향

6. 어떻게 하면 다양한 유저의 취향을 파악할 수 있을까요?
유저의 필요에 맞게 게임 컨텐츠를 제공하는 방법은 없을까요?

7. 수집가 성향
Underdog 키우기
선호
각 유저들이 원하는 것을 파악하고, 유저의 플레이 성향에 맞게 맞춤형 인게임
가이드가 전송되면 어떨까요?
PvP 승리 지향
Cosmetic 중시

8. 수집가 성향
PvP 승리 지향Cosmetic 중시
Underdog 키우기 선호
각 유저들이 원하는 것을 파악하고, 유저의 플레이 성향에 맞게 맞춤형 인게임
가이드가 전송되면 어떨까요?

9. 인게임 컨텐츠 추천 시스템, 텐투플레이

10. 잔존율 증가 인앱구매 증가
그 결과 …

11. 텐투플레이는 게임 유저가 무엇을 원하는 지 파악할 수 있습니다.
BLACK BOX AI
(머신러닝, 딥러닝)
Explainable AI
데이터분석과 함께하는 AI

12. 텐투플레이는 게임 유저가 무엇을 원하는 지 파악할 수 있습니다.
BLACK BOX AI
(머신러닝, 딥러닝)
Explainable AI
데이터분석과 함께하는 AI
이탈 확률 79%

13. 텐투플레이는 게임 유저가 무엇을 원하는 지 파악할 수 있습니다.
BLACK BOX AI
(머신러닝, 딥러닝)
Explainable AI
데이터분석과 함께하는 AI
이탈 확률 79% “이 유저는 과금을 별로 하고 싶지 않은데,
과금벽에 부딪혀서 이탈하려고 하고
있습니다”

14. 왜 데이터 분석을 해야 할까요?

15. 왜 데이터 분석을 해야 할까요?
유저가 원하는 것, 유저의 성향을 정확하게 파악하는 것이
게임에 도움이 되기 때문입니다.

16. 게임 데이터를 분석해야 하는 이유 1
심슨의 패러독스 (Simpson’s Paradox)

20. 심슨의 패러독스 (Simpson’s Paradox)
“각 부분에 대한 트렌드가 존재한다고 해도,
이들 그룹 전체적으로 보았을 때는 이러한 트렌드가 나타나지 않거나
반전이 된다”

21. 0%
20%
40%
60%
80%
100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
전체
게임 A의 잔존율
잔
존
율

22. 재화 소비 패턴에 따른 게임 A 유저의 성향 구분
완벽주의자 폭풍성장
소비요정 존엄하게 버틴다

23. 재화 소비 패턴에 따른 게임 A 유저의 성향 구분
완벽주의자
완벽주의자의
악순환
부담
수행능력
저하
미루기
반복
완벽한 결정을 하기 위해 재화
소비 의사결정을 미루다가 결국
이탈하는 유저

24. 0%
20%
40%
60%
80%
100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
전체
완벽주의자
게임 A의 잔존율 (전체 유저 vs 완벽주의자)
잔
존
율

25. 재화 소비 패턴에 따른 게임 A 유저의 성향 구분
폭풍성장
효율적인 재화 소비로 짧은
플레이 시간에도 빠르게
성장하는 유저

26. 0%
20%
40%
60%
80%
100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
전체
폭풍성장
게임 A의 잔존율 (전체 유저 vs 폭풍성장)
잔
존
율

27. 재화 소비 패턴에 따른 게임 A 유저의 성향 구분
소비요정
많이 플레이하면서 상당히 많은
재화를 소비하는 유저

28. 0%
20%
40%
60%
80%
100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
전체
소비요정
게임 A의 잔존율 (전체 유저 vs 소비요정)
잔
존
율

29. 재화 소비 패턴에 따른 게임 A 유저의 성향 구분
존엄하게 버틴다
재화를 매우 아끼는 유저

30. 0%
20%
40%
60%
80%
100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
전체
존버
게임 A의 잔존율 (전체 유저 vs 존엄하게 버틴다)
잔
존
율

31. 0%
20%
40%
60%
80%
100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
전체
완벽주의자
폭풍성장
소비요정
존버
게임 A의 잔존율 (전체 vs 부분별)
잔
존
율

32. 게임 데이터를 분석해야 하는 이유 2
생존자 편향의 오류 (Survivorship bias)

37. 생존자 편향의 오류(Survivorship Bias)
“어떤 문제를 진단할 때,
이미 특정 선택 과정을 통해 걸러진 일부의 데이터만으로 판단하여
잘못된 결론을 얻게 되는 논리적인 실수”

38. 레벨이 높은 사람들이 사용하는
캐릭터를 게임을 잘 못하는
사람들에게 추천하면 되지 않을까?

39. 사용하는 캐릭터 분포에 따른 게임 A 유저의 성향 구분
수집가
다양한 캐릭터를 수집하고
플레이하는 것을 좋아하는 유저

40. 0
5
10
15
D1 D2 D3 D4 D5
수집가
나머지
레
벨
게임 B 유저의 레벨 (수집가 vs 나머지)

41. 0
5
10
15
D1 D2 D3 D4 D5
수집가
나머지
레
벨
게임 B 유저의 레벨 (수집가 vs 나머지)

42. 0
5
10
15
D1 D2 D3 D4 D5
수집가
나머지
레
벨
게임 B 유저의 레벨 (수집가 vs 나머지)

43. 데이터로 유저의 성향을 파악하고,
이에 맞는 서비스를 제공할 수 있다면…

46. 더욱 즐겁고 재미있는 서비스를 경험할 수 있도록
인게임 AI 가이드