전체 지표에서 변화를 찾은 뒤에는 관련 이용자 집단을 분석 대상으로 고정하고, 그 집단의 재구매나 재방문이 기간에 따라 어떻게 이어지는지 확인해야 한다. ChatGPT에 Hive Axyl Plugin을 설치하면 이용자 조건을 자연어로 지정해 Hive 애널리틱스 세그먼트를 생성하고, 해당 세그먼트를 대상으로 리텐션을 이어서 구성할 수 있다. 저장 전에는 적용할 조건과 대상, 저장 위치를 먼저 보여주고 사용자가 승인한 뒤 생성하며, […]
ChatGPT에 Hive Axyl Plugin을 설치하면 Hive 애널리틱스에 저장된 대시보드를 자연어로 요약해 여러 차트의 핵심 변화와 주요 기여 대상을 한 번에 확인할 수 있다. 요약은 대시보드에 포함된 차트의 지표와 차원, 기간과 필터를 기준으로 하며, 국가·마켓·상품을 지정한 후속 질문으로 확인 범위를 좁힐 수 있다. 고액 결제처럼 특정 날짜에 집중된 변화는 기간을 넓혀 반복되는 패턴인지 추가로 확인한다. 여러 […]
분석에서 찾은 조건을 다시 확인하려면 측정값과 연산, 차원, 기간과 필터를 매번 같게 설정해야 한다. Hive Axyl Plugin을 이용하면 자연어로 차트 구성을 요청하고, 여러 차트를 하나의 대시보드로 구성할 수 있다. 생성·수정 전에는 적용할 내용을 먼저 보여주고 사용자가 승인한 뒤 실행하며, 1편에서 확인한 매출·ARPPU 감소 분석은 추천받은 지표 다섯 가지로 대시보드를 만들어 반복 확인할 수 있다. 분석 […]
ChatGPT에 Hive Axyl Plugin을 설치하면 Hive 애널리틱스의 지표를 자연어로 조회하고, 이전 질문의 맥락을 이어 국가·마켓·상품 순서로 분석 범위를 좁힐 수 있다. 사용하려면 애널리틱스 관리자가 조직에 프로젝트와 멤버를 등록하고, 플러그인을 쓸 계정을 조직의 MCP 멤버로 설정해야 한다. 분석 결과는 변화가 집중된 구간과 원인 후보를 보여주며, 해당 상품의 고액 주문·가격·프로모션 변경 여부는 추가로 점검한다. 반복 설정을 줄이는 […]
Hive 애널리틱스의 이벤트 원본 데이터는 BigQuery의 habq-storage 프로젝트에서 SQL로 직접 조회할 수 있다. 애널리틱스 관리자가 빅쿼리 접근 권한 관리에서 Google 계정의 조회 권한을 환경별로 신청하고, SQL을 실행할 Google Cloud 프로젝트를 준비하면 된다. 조회할 때는 UTC로 저장된 dateTime을 KST로 변환하고, checksum 기준으로 중복을 제거하며, 날짜 조건으로 필요한 파티션만 조회한다. 원본 데이터 활용한 데이터 검증 게임 이벤트를 […]
이용자가 결제한 금액에는 판매세가 포함될 수 있고 마켓 수수료와 국가별 세금이 반영되기 전이라, 결제액만으로는 개발사가 받을 금액을 바로 알기 어렵다. Hive 애널리틱스의 예상 수익금 메트릭은 구글 플레이와 애플 앱스토어 결제에 마켓별 계산 기준을 적용해 수수료와 세금이 반영된 예상 수익을 하루 단위로 보여준다. 차트에서 앱·국가·마켓 차원을 추가하면 정산서가 나오기 전에도 예상 수익 흐름을 비교할 수 있으며, […]
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 […]