콘텐츠 시작부터 완료까지 이용자 흐름 분석하기

새로운 콘텐츠를 공개하면 참여 이용자 수와 완료 횟수부터 살펴보게 된다. 시작과 완료 수치가 기대와 다를 경우 콘텐츠 구성이나 난이도, 보상 등을 검토할 수 있지만, 두 결과만으로는 이용자가 어느 단계에서 멈췄는지 알기 어렵다.

시작한 이용자는 많지만 특정 구간을 통과하지 못했을 수도 있고, 마지막 단계까지 도달했지만 보상을 받지 않고 이탈했을 수도 있다. 콘텐츠가 의도한 흐름으로 이용되는지 판단하려면 시작과 완료뿐 아니라 중간 과정까지 함께 살펴볼 필요가 있다.

기획 담당자는 콘텐츠의 진입 조건부터 진행 순서, 목표와 보상까지 하나의 경험으로 설계한다. 그러나 실제 이용자는 예상과 다른 순서로 행동하거나 특정 단계에서 반복적으로 이탈할 수 있다.

전체 참여 규모만 보면 콘텐츠에 대한 관심은 파악할 수 있지만, 진행 과정에서 발생한 문제까지 구분하기는 어렵다. 이용자가 콘텐츠를 시작한 뒤 어떤 단계를 거쳐 완료하는지 살펴보면 기획 의도와 실제 행동의 차이를 찾고, 검토가 필요한 구간을 구체화할 수 있다.

Hive 애널리틱스에는 게임 콘텐츠의 수락, 대기, 완료, 실패, 취소를 기록할 수 있도록 사전 정의된 이벤트가 제공된다. 정해진 스키마에 맞춰 콘텐츠 이벤트를 전송하면 이벤트 목록에서 확인하고 차트와 퍼널에 바로 활용할 수 있다.

콘텐츠 이벤트만으로 표현하기 어려운 진입, 중간 진행, 보상 획득 등의 행동은 커스텀 이벤트로 자유롭게 정의해 전송할 수 있다. 사전 정의된 이벤트와 커스텀 이벤트를 함께 사용하면 공통 상태는 일관된 기준으로 관리하면서 콘텐츠 구조까지 분석 범위에 포함할 수 있다.

차트에서는 콘텐츠 수락과 완료 이용자 수, 완료율을 함께 구성해 전체 참여 규모와 기간별 변화를 비교하고, 변화가 두드러진 시점은 퍼널로 이어서 살펴볼 수 있다. 콘텐츠 수락, 진입, 시작, 완료와 같은 주요 행동을 순서대로 연결하면 각 단계의 전환과 이탈을 확인할 수 있다.

콘텐츠 흐름은 먼저 차트에서 전체 규모와 결과를 확인한 뒤, 퍼널로 범위를 좁혀 단계별 이탈 구간을 살펴보는 방식으로 분석할 수 있다.

콘텐츠 수락 이용자 수와 완료 이용자 수, 수락 대비 완료율을 한 화면에 배치하면 참여 규모와 결과의 변화를 함께 확인할 수 있다. 예시 화면처럼 완료율이 40%대에서 점점 낮아져 20%대로 떨어진 날짜가 나타난다면 해당 시점을 상세 분석 대상으로 선택할 수 있다.

완료율이 낮아진 날짜의 콘텐츠 수락, 진입, 시작, 완료 이벤트를 퍼널로 확인하면 이용자가 어느 단계에서 이탈했는지 살펴볼 수 있다. 필요한 이용자 조건을 필터로 적용하면 특정 그룹의 흐름도 자세히 분석할 수 있다. 예시 화면에서는 콘텐츠 수락 이용자의 69.7%가 진입하고 34.0%가 시작했지만, 완료까지 도달한 비율은 1.6%에 그친다. 특히 시작 이후 완료 단계에서 이용자가 크게 줄어든 만큼 완료 조건과 난이도, 진행 안내 등 우선 검토할 범위를 좁힐 수 있다.

차트와 퍼널의 결과만으로 이탈 원인을 단정하기보다, 콘텐츠 유형이나 난이도, 이용자 레벨 등의 조건을 함께 비교해 차이가 두드러진 범위를 찾는 근거로 활용할 수 있다.

완료 조건이나 난이도 등을 조정한 뒤 동일한 단계와 필터로 퍼널을 다시 확인하면 개선 전후의 변화를 비교할 수 있다. 예시 화면에서는 수락, 진입, 시작 단계의 도달률은 이전과 비슷하지만 완료 비율은 1.6%에서 30.9%로 높아졌다. 이를 통해 변경 이후 완료 단계의 이탈이 줄었는지 살펴보고, 추가로 보완할 구간을 판단할 수 있다.

먼저 분석하려는 콘텐츠의 수락, 진행과 완료를 나타내는 이벤트가 수집되고 있는지 점검한다. 사전 정의된 콘텐츠 이벤트는 스키마에 맞춰 전송하고, 게임별로 추가 확인이 필요한 행동은 커스텀 이벤트와 속성으로 확장한다.

Hive 애널리틱스는 Hive SDK를 통해 커스텀 이벤트를 자유롭게 보낼 수 있고, 차트와 퍼널을 활용해 콘텐츠 수락부터 완료까지의 이용 흐름과 단계별 전환·이탈을 바로 분석할 수 있는 게임 전문 애널리틱스 솔루션이다. 지금 Hive 애널리틱스를 통해 콘텐츠 이용 규모와 단계별 흐름을 살펴보고, 기획 의도와 실제 이용 행동의 차이를 개선 판단에 활용해보자.