Hive 애널리틱스로 전송한 이벤트 중 수집 기준을 충족한 이벤트는 회사별 BigQuery 데이터셋의 t_raw_event_log에, 기준에 맞지 않는 이벤트는 원본 JSON과 격리 사유를 담아 t_raw_event_log_rescue에 저장된다. 정상 테이블에서 이벤트를 찾을 수 없다면 rescue 테이블의 errorReason, errorStackTrace, rawData로 격리 원인을 확인한다. 예를 들어 eventTime이 RFC 3339 형식을 준수하지 않은 경우 201(DATETIME_INVALID) 오류로 격리된다. 이때 시간 형식을 수정해 이벤트를 […]

테스트 로그로 검증한 이벤트 구조를 실제 게임에 적용하려면 이용자의 행동이 확정된 직후에 실제 게임 데이터를 담아 이벤트를 전송해야 한다. Hive 애널리틱스는 클라이언트와 서버 전송을 모두 지원하며, 필수 속성의 이름이나 eventTime 형식 등이 잘못 전송되면 로그는 격리 테이블 t_raw_event_log_rescue에 저장된다. 실제 게임 행동을 데이터로 수집하기 「테스트 로그로 수집 구조와 지표 검증하기: 이벤트 로그 전송 2편」에서는 테스트 […]

이벤트 전송 기능을 개발하기 전에 테스트 로그를 전송하면, 이벤트와 속성이 의도한 구조와 자료형으로 수집되는지, 수집된 데이터로 원하는 지표를 구성할 수 있는지 미리 확인할 수 있다. Hive 애널리틱스에서는 데이터 > 이벤트의 ETL 시뮬레이션으로 테스트 로그를 전송하고, 데이터 미리보기와 BigQuery에서 수집 결과를, Create에서 지표 구성을 확인한다. 상용 환경에서 테스트한다면 별도의 테스트용 앱 ID를 사용하고, 테스트 데이터를 지표 […]

Hive 애널리틱스는 게임 분석에 자주 필요한 이용자 행동을 이벤트 템플릿으로 제공한다. 템플릿에는 이벤트명과 속성이 사전 정의되어 있어, 이벤트 구조를 처음부터 설계하지 않고도 로그 수집 구조를 정할 수 있다. 분석 담당자는 데이터 > 이벤트에서 이벤트를 선택해 활용할 수 있는 지표를 확인하고, 속성 설정에서 사전 정의된 속성을 수정하거나 추가한 뒤, 소스 생성에서 개발 환경에 맞는 소스를 확인한다. […]

Hive 애널리틱스 차트에서는 이벤트와 속성에 1차 연산을 적용해 측정값을 만들고, 2차 연산으로 일정 간격별 결과의 최대·최소·평균·최신 값을 다시 계산할 수 있다. 이를 활용하면 월간 일평균 AU나 오늘의 최대 동시 접속자 수처럼 한 번의 집계로 얻기 어려운 지표를 차트로 구성할 수 있다. 한 번의 집계만으로 확인하기 어려운 게임 지표 게임에서는 접속, 구매, 콘텐츠 플레이 등 다양한 […]

국가 코드나 가격·레벨 같은 원본 차원값은 그대로 조회하기보다 권역이나 구간처럼 분석 목적에 맞는 기준으로 다시 묶어 봐야 할 때가 많다. Hive 애널리틱스 차트의 구간 설정을 사용하면 원본 로그를 바꾸지 않고 문자형 값은 그룹으로, 숫자형 값은 직접 입력하거나 등간격(동일한 간격)으로 나눈 구간으로 구성해 새로운 차원값처럼 비교할 수 있다. 설정하지 않은 나머지 값도 하나의 이름으로 묶어 함께 […]

요즘은 AI 도구를 빼놓고 디자인 업무를 이야기하기 어렵다. 필자가 처음 관심을 가진 것은 이미지 생성 기능이었다. 몇 줄의 프롬프트만으로 새로운 이미지가 만들어지는 것이 신기했고, 자연스럽게 디자인 업무에도 적용해보게 됐다. 그렇게 시작한 AI 활용은 여러 도구를 써보며 점점 넓어졌다. 이제는 업계 사례를 찾고, 머릿속 구상을 시안으로 확인하고, Photoshop에서 쓸 리소스를 만드는 데 AI를 쓴다. 일본어 텍스트를 […]

기술 세미나를 열게 된 배경 지난 9월 10일 목요일, 컴투스플랫폼의 첫 오프라인 기술 세미나 ‘Hive Tech Summit 2026: Beyond the backend’가 열렸고 성공적으로 마무리됐다. 테크AM팀이 주관한 이번 행사는 각 팀의 실무자들이 업무를 통해 쌓아온 경험과 노하우를 참석자들과 나누기 위해 마련됐다. 특히 당시 9월 30일 출시를 앞두고 있던 신제품 ‘하이브 액실(Hive Axyl)’을 기술적인 관점에서 좀 더 […]

유입 정보와 게임 이벤트를 함께 봐야 유입 이후의 이용자 행동까지 확인할 수 있다. Hive 애널리틱스는 Airbridge, AppsFlyer, Adjust 연동을 지원하며, 연동한 MMP 이벤트를 차트·퍼널·리텐션에서 게임 이벤트와 함께 분석할 수 있다. 서로 다른 분석 환경에 나뉜 유입과 게임 행동 광고를 통해 유입된 이용자가 게임 안에서 어떤 행동으로 이어졌는지 확인하려면 유입 정보와 게임 이벤트를 함께 살펴봐야 한다. […]

전체 이용자 수만으로는 재방문 여부를 알 수 없으므로, 같은 시점에 특정 행동을 한 이용자를 하나의 집단으로 묶어 이후 복귀했는지 살펴봐야 한다. Hive 애널리틱스의 리텐션은 기준 이벤트와 복귀 이벤트를 설정해 재방문 또는 다른 행동으로의 전환을 분석하는 기능이다. 국가·OS 같은 차원을 더하면 변화가 두드러지는 이용자 그룹을 좁혀볼 수 있고, 서로 다른 이벤트를 연결하면 콘텐츠 완료 이후 재접속처럼 […]

초기 구매 여부만으로는 이용자가 이후에도 활동하며 가치를 만들고 있는지 알기 어렵다. Hive 애널리틱스에서는 세그먼트로 신규 유입 후 구매한 이용자를 묶고, 유저 활동 추적에서 이들의 최근 유저 분류 유형과 주요 정보를 비교할 수 있다. 여기에 개별 이용자의 이벤트 흐름을 시간순으로 살펴보면 현재 유형에 이르기까지 어떤 활동이 이어졌는지 구체적으로 확인할 수 있다. 초기 구매만으로 알기 어려운 이용자의 […]

합산된 전체 매출 지표로는 상위 성과 대상을 찾기 어렵다. Hive 애널리틱스의 랭킹은 선택한 기간 전체를 하나로 집계해 측정값 기준 순위를 산정하고, 차원값을 두 개 이상 선택하면 전체 또는 차원별 범위로 순위를 나눠 볼 수 있다. 이용자별 매출액 순위로 VIP 관리 대상을 찾고, 마켓별·상품별 순위로 후속 분석의 범위를 좁힐 수 있다. 수치만으로 비교하기 어려운 상위 성과 […]