Hive 애널리틱스 로그를 활용한 ‘신규 유저 및 보상형 광고’ 데이터 분석 사례

Hive 애널리틱스는 게임을 플레이하면서 발생하는 대용량 로그를 수집하고 활용할 수 있는 여러 기능을 제공하고 있다. 지표, 세그먼트, 퍼널 분석뿐만 아니라 빅쿼리(Bigquery)를 통해 수집된 로그를 조회해 목적에 맞는 분석을 수행해 볼 수 있다. VIP 유저 분석, 유저 분류 분석, 유저 생애 주기 분석 등 그 주제는 다양하다.

본 글에서는 Hive 애널리틱스 로그를 활용한 한 가지 분석 사례에 대해 소개하고자 한다.

게임사는 인앱 결제뿐만 아니라 광고를 통해 수익을 창출할 수 있다. 보상형 광고, 배너 광고, 전면 광고 등의 형식으로 유저에게 광고를 노출하고 수익을 얻는 구조다. 광고 BM을 잘 활용한다면 전체 수익이 크게 증가할 수 있다. 다양한 광고 형식 중 보상형 광고는 유저가 일정 시간을 투자해 광고를 시청하면 재화나 아이템을 무료로 얻을 수 있는 기회를 제공한다. 광고의 길이는 게임과 보상 아이템 종류에 따라 다르긴 하지만, 보통 15초 ~ 30초의 길이를 가지고 있다.

‘누군가에게는 짧을 수도, 길 수도 있는 시간을 투자해 광고를 시청한다는 것은 게임에 더 많은 관심을 보이는 게 아닐까?’라는 궁금증에서 시작되어, ‘보상형 광고를 시청한 신규 유저는 그렇지 않은 유저보다 접속, 구매가 활발할 것이다’라는 가설을 바탕으로 ‘보상형 광고를 시청한 신규 유저 집단’의 특징을 확인하고자 했다.

게임 및 기간 설정

RPG 장르, 스포츠 장르를 대상으로 출시일을 고려해 게임을 선정했으며, 최근 트렌드를 확인하고자 분석을 수행한 날 기준으로 전월 한 달간의 데이터를 사용했다.  

데이터 수집

분석에 필요한 데이터는 보상형 광고 시청 여부, 신규 유저 여부, 매출, 접속 데이터다. Hive 애널리틱스는 Hive SDK 연동만으로 따로 로그 전송 없이 매출, 접속 로그를 자동으로 수집하고 있고, 접속 로그에 신규 유저 여부를 확인할 수 있는 정보가 있어 쉽게 데이터를 확보할 수 있었다.

보상형 광고 시청 여부는 Hive Adkit 모듈을 적용할 경우 수집 가능하다. 해당 모듈을 통해, 유저가 광고 시청을 완료하기까지의 ‘광고 로드 -> 시청 시작 -> 보상 완료 -> 광고 종료’ 시점의 이벤트 정보를 광고 시청 로그로 수집할 수 있다. 여기서 보상 완료(reward)는 광고 시청을 완료하고 보상을 지급받는 시점으로, 보상형 광고 시청 여부를 판단하기 위한 기준으로 사용했다.

집단 설정

분석 집단을 설정하기에 앞서 한 가지 고민이 생겼다. 신규 유저가 오늘 유입되어 오늘 광고를 보는 경우도 있지만, 오늘 보지 않고 내일 보는 경우가 있을까? 그럼 이건 신규 유저가 본 것일까, 기존 유저가 광고를 본 것일까? 기준을 세워야 했다.

EDA 결과, 광고를 시청한 신규 유저 중 약 67% 유저가 유입 후 한 시간 이내에 첫 광고를 시청하고 있으며, 약 92% 유저가 24시간 이내에 첫 광고 시청을 완료하는 것으로 확인됐다.

EDA 결과를 토대로 ‘유입 후 24시간 이내 보상형 광고 시청 여부’를 기준으로 두 개의 집단으로 나누고 지표를 비교하는 방향으로 분석을 진행했다. 두 집단 모수 차이가 존재해 샘플링을 통해 5:5의 비율로 집단의 크기를 맞췄다.

• 광고 시청 집단: 신규 유저로 유입돼 24시간 이내에 광고를 한 번 이상 시청한 유저
• 광고 미시청 집단: 신규 유저로 유입돼 24시간 이내에 한 번도 광고를 시청하지 않은 유저

분석 내용

 분석에 사용되는 지표에 대한 설명으로, 잠깐 확인하고 넘어가자.

• LTV(Life Time Value): 유입일(D+0) 기준으로 특정 기간 동안(D+N) 발생한 유저당 평균 누적 매출
• 구매 전환율: 유입일(D+0) 기준으로 특정 기간 내에(D+N) 구매 유저로 전환된 비율
• 평균 리텐션(Retention): 유입일(D+0) 기준으로 특정 기간 동안(D+N) 재접속으로 이어진 평균 비율
• 평균 플레이 타임: 게임에 접속하여 종료할 때까지 게임에 머무른 유저당 평균 시간
• 유저 분류 유형 : 게임 내 활동 및 구매 관련 로그를 기반으로 활동력과 구매력을 정의하고, 이를 바탕으로 고래, 돌고래, 미들, 라이트, 무과금, 신규 유저 총 6가지 유형으로 유저를 자동으로 분류하는 애널리틱스 기능
  • 고래 : 활동력과 구매력이 모두 ‘높음’인 경우
  • 돌고래 : 활동력과 구매력 중 하나라도 ‘높음’ 경우
  • 미들 : 활동력과 구매력력 중 하나라도 ‘보통’인 경우
  • 라이트 : 활동력과 구매력 모두 ‘낮음’인 경우
  • 무과금 : 활동력과 관계없이 구매력이 ‘비구매’인 경우
  • 신규 : 구매력과 관계없이 활동력이 ‘신규’인 경우

• 광고 시청 집단은 미시청 집단에 비해 D+30까지 LTV가 높게 유지돼 신규 유저 한 명당 지불하는 금액이 더 높은 것으로 나타났다. 특히, 광고 시청 집단은 D+7까지 LTV가 가파르게 증가하는 것으로 보아, 유입 초반부터 과금을 통해 게임을 즐기는 것으로 보인다.
• 광고 시청 집단은 30일 이내 구매 유저로 전환된 비율 역시 높았다. 1일 이내 구매 유저로 전환된 비율이 가장 높아, 유입 직후 많은 유저들이 결제 유저로 전환되는 것으로 보인다.

• 광고 시청 집단과 미시청 집단의 리텐션 그래프 개형은 유사하지만 광고 시청 집단에서 D+30까지 평균 리텐션이 높게 나타나, 이탈은 발생하지만 재접속률이 더 높은 것으로 보인다.
• 평균 플레이타임(분)은 일반적인 보상형 광고 길이 15초 ~ 30초를 제외하더라도 광고 시청 집단에서 높게 확인되며, 더 오랜 시간 게임을 플레이하는 것으로 보인다.

• 집단별로 신규 유저로 유입된 이후 30일 이내 마지막 분류 유형을 확인한 결과, 광고 시청 집단에서 미시청 집단에 비해 고래, 돌고래, 미들 유형으로 분류된 유저 비율이 높게 확인됐다. 활동력과 구매력이 보통 이상인 유저들로, 광고 시청 여부가 원인인지 알 수는 없으나 게임 활성화에 도움을 주는 유저가 더 많이 포함돼 있는 것으로 볼 수 있다.
• 무과금 유형 유저도 낮은 비율을 보인다. 앞서 확인한 구매에 긍정적인 반응을 보인 것과 유사한 결과이다.

광고 시청 여부가 직접적인 원인인지 알 수는 없으나, 유입 후 24시간 이내에 보상형 광고를 시청한 신규 유저 집단은 미시청 집단에 비해  더 많은 과금과 시간을 투자해 게임을 플레이하는 유저 집단으로 볼 수 있다.

이를 게임에 도움이 되는 방향으로 활용해 볼 수 있다. 해당 집단 게임에 관심을 보이는 신규 유저 집단으로 지속적인 트래킹이 중요할 것이다. 애널리틱스에서 광고 시청과 접속 로그로 해당 유저를 추출해 세그먼트로 등록한 후, 리텐션 분석 기능에서 세그먼트를 연동해 해당 집단의 리텐션을 확인해 볼 수 있다. 만약, 리텐션이 감소한다면 푸시 기능을 통해 접속을 유도해 보는 방법도 고려해 볼 수 있다.

지금까지 Hive 애널리틱스 로그를 활용한 분석 과정에 대해 소개했다. Hive 애널리틱스를 통해 수집되는 로그는 매출, 접속뿐만 아니라 약관 동의, 푸시 등 수십여개이며 디바이스 정보, 앱 버전, 국가 등 다양한 정보를 포함하고 있어 데이터에 구애받지 않고 분석을 시도해 볼 수 있다.(만약 로그 정의 기능을 활용한다면, Hive 애널리틱스로 수집할 수 있는 데이터는 무궁무진할 것이다.)

결론에 기재된 활용 방법은 다양한 집단에 사용될 수 있기 때문에, 직접 분석을 수행해 유의미한 집단을 정의해 보고 애널리틱스 기능을 적극 활용해 보기 바란다.