분석 시작하기

분석은 플레이어가 게임과 상호작용하는 방식을 이해하는 데 도움을 주어 더 나은 디자인 결정을 내릴 수 있게 합니다. 예측이나 일화적 피드백에 의존하는 대신, 메트릭스를 사용하여 패턴을 식별하고, 변화를 평가하며, 게임을 지속적으로 개선할 수 있습니다.

이 가이드는 분석을 어떻게 생각할 것인지에 대한 설명을 제공합니다. 메트릭스가 플레이어에 대한 질문에 어떻게 답할 수 있는지, 더 나은 질문을 할 수 있도록 도와주는 방법, 다음에 무엇을 만들지 결정할 때 그것들을 어떻게 활용할 것인지에 대해 설명합니다.

메트릭스를 사용하여 플레이어에 대한 질문에 답하기

메트릭스는 플레이어가 게임에서 무엇을 하고 있는지에 대한 신호를 제공합니다. 주요 행동을 추적함으로써 다음과 같은 질문에 답할 수 있습니다:

플레이어가 특정 게임 부분을 즐기고 있나요?

• 온보딩 콘텐츠에 대한 초기 세션 유지율 또는 완료율을 확인하세요.
• 많은 플레이어가 들어온 직후에 나간다면, 해당 메트릭은 온보딩, 난이도 급증, 또는 불명확한 목표와 관련된 문제를 나타낼 수 있습니다.
• 최근에 추가된 시스템이나 콘텐츠와 플레이어가 얼마나 자주 상호작용하는지 측정하세요.
• 자세한 내용은 참여 메트릭을 참조하세요.

플레이어는 어디서 진행을 멈추나요?

• 깔때기 또는 진행 메트릭은 플레이어가 떨어지는 위치를 보여줄 수 있습니다.
• 자세한 내용은 유지율 메트릭을 참조하세요.

수익화 시스템이 의도한 대로 작동하나요?

• 구매율, 상점과의 상호작용, 또는 보상 수령을 추적하세요.
• 자세한 내용은 수익화 메트릭을 참조하세요.

메트릭스는 항상 완전한 설명을 제공하지는 않지만, 더 면밀히 살펴봐야 할 곳을 밝혀주는 데 도움이 됩니다. 메트릭스를 활용하여 사용자에 대한 질문에 답하는 방법을 이해한 후, 세분화 및 필터링 필터를 사용하여 특정 사용자 집단을 파고들고 변경 사항을 점진적으로 테스트하세요.

참여 메트릭

참여 메트릭은 플레이어가 게임과 얼마나 자주, 얼마나 오랫동안 상호작용하는지를 보여줍니다. 가장 중요한 세 가지 참여 메트릭은 다음과 같습니다:

• 일일 활성 사용자 (DAU): 일일 활성 사용자 메트릭은 특정 일에 게임에 접속한 플레이어의 수를 추적합니다. 이는 시간이 지남에 따라 게임의 전체적인 건강 상태를 이해하는 좋은 방법입니다. 하루에 1,000,000명의 플레이어가 있고 며칠 후에 500,000명으로 감소하는 경우, 문제를 식별하고 문제 해결을 시작할 수 있습니다.

• 월간 활성 사용자 (MAU): 월간 활성 사용자 메트릭은 특정 월에 게임에 접속한 플레이어의 수를 추적합니다. 이 메트릭은 월별 추세를 보여주며 더 큰 시간 프레임에서 사용자 활동을 비교하는 데 사용할 수 있습니다. 예를 들어, 일부 월은 계절 이벤트와 휴일로 인해 플레이어 트래픽이 증가합니다. 지난 10월의 월간 활성 사용자 수가 이번 10월에 비해 낮다면, 할로윈 이벤트가 커뮤니티의 기대를 충족하지 못했다는 통찰력을 제공할 수 있습니다.

• 평균 세션 길이: 평균 세션 길이는 플레이어가 세션 시작부터 로그아웃할 때까지 게임을 플레이하는 평균 시간입니다. 이 메트릭은 대부분의 플레이어가 게임을 즐길 수 있도록 내용이 그 시간 내에 맞추어지도록 설계하는 데 도움이 됩니다. 평균 세션 길이는 또한 건강 상태 메트릭 역할을 합니다. 주요 업데이트나 계절 이벤트 후에 평균 세션 길이가 변동하면 최신 콘텐츠에 대한 수신 상태를 알리는 데 도움이 됩니다.

유지율 메트릭

유지율 메트릭은 플레이어가 게임에 돌아오는지를 결정합니다. 가장 중요한 세 가지 유지율 메트릭은 다음과 같습니다:

• 첫날 (D1) 유지율: 첫날 유지율은 플레이어가 게임을 처음 플레이한 후 두 번째 날(D1)에 돌아오는 플레이어 수를 측정합니다. 낮은 D1은 일반적으로 낮은 유지율을 나타내며, 종종 잘못된 사용자 온보딩 게임의 결과입니다. 이는 일반적으로 플레이어가 혼란스러워하거나 좌절하거나 빨리 재미를 느끼지 못하는 경우를 의미합니다. 효과적인 온보딩 경험을 설계하는 방법에 대한 자세한 내용은 온보딩을 참조하세요.

• 일곱째 날 (D7) 유지율: D7 유지율은 7일 후에 게임으로 돌아오는 플레이어 수를 추적합니다. 이 숫자가 낮으면 종종 플레이어가 게임을 시작한 후 일주일 후에 자기를 볼 수 있는 구체적인 이유가 없는 잘못된 진행 시스템을 나타냅니다.

• 30일째 (D30) 유지율: D30 유지율은 30일 후에 게임으로 돌아오는 플레이어 수를 추적합니다. 이 숫자가 낮으면 종종 최종 콘텐츠가 부족하거나 최종 목표가 부족함을 나타냅니다. 경험이 많은 플레이어를 위해 게임의 끝에서 충분한 콘텐츠가 있는지, 퀘스트, 사회적 측면 또는 내러티브 요소 등이 있는지 고려하세요.

수익화 메트릭

수익화 메트릭은 게임이 생성하고 있는 수익의 양을 나타냅니다. 가장 중요한 세 가지 수익화 메트릭은 다음과 같습니다:

• 일일 활성 사용자당 평균 수익 (ARPDAU): ARPDAU는 플레이어가 게임에서 지출하는 평균 금액입니다. 이는 게임의 전반적인 건강 상태를 나타내는 좋은 지표입니다. 플레이어가 지출하도록 유도하는 성공적인 시스템이 게임에 있는지 고려하세요.

• 전환율: 전환율은 가장 중요한 메트릭 중 하나로 간주됩니다. 전환율은 게임에서 어떤 금액이라도 지출한 모든 사용자의 비율입니다. 플레이어가 초기 구매를 하면 향후에 다시 구매할 가능성이 매우 높기 때문에 이 메트릭이 중요한 이유입니다. 수익화 관행이 플레이어가 지출하도록 유도하고 있는지 고려하세요.

• 유료 사용자당 평균 수익 (ARPPU): ARPPU 메트릭은 게임의 모든 플레이어가 지출한 총 금액을 추적하며 이를 지출 깊이라고 합니다. 이는 게임에서 플레이어가 많은 금액을 지출할 의향이 있는지, 적당한 금액을 지출하는지, 아니면 그 중간인지 알려줍니다. 이 숫자가 낮으면 구매 아이템 가치가 제대로 최적화되지 않았음을 나타냅니다.

세분화 및 필터링

게임 분석을 볼 때 사용자 데이터를 세그먼트별로 필터링하여 사용자 집단의 행동을 이해할 수 있습니다. 이를 통해 다양한 특성에 따라 메트릭을 필터링할 수 있습니다.

활성 유료자 상태

활성 유료자 상태에 따라 메트릭을 세분화하면 유료 플레이어 간의 수익 분포를 이해하는 데 도움이 됩니다.

많은 게임에서 소수의 플레이어가 상당한 수익을 생성합니다. 평균적으로 상위 15%의 활성 유료자가 전체 수익의 약 50%를 차지합니다. 자신만의 게임 대시보드에서 이를 분석하려면:

1. 수익화 > 개요로 이동합니다.
2. 차트에서 세분화별 > 활성 유료자 상태를 선택합니다. 다양한 시간 간격에 대해 교차 확인합니다.

이 정보를 바탕으로 다양한 지출 그룹을 위해 게임을 개선할 기회를 식별할 수 있습니다:

• 상위 15%의 기여가 예상보다 현저히 낮다면, 상위 지출자를 더 잘 유지하거나 수익화할 기회가 있을 수 있습니다.
• 상위 15%의 기여가 현저히 높다면, 중간 및 하위 지출자에 대한 가치 제안을 강화할 필요가 있을 수 있습니다.

동일한 페이지에서 **유료 사용자당 평균 수익 (ARPPU)**도 검토할 수 있습니다. 상위 유료자는 일반적으로 다른 세그먼트보다 몇 배 더 많이 지출합니다. ARPPU가 낮거나 감소하고 있다면, 당신의 게임에서는 상위 플레이어가 계속 지출할 수 있는 매력적인 방법이 부족할 수 있습니다.

참여를 평가하려면 참여 페이지로 이동하여 세분화 > 유료자 상태를 선택하세요. DAU, WAU, MAU 및 평균 플레이 시간과 같은 메트릭을 검토하여 이 유료자 세그먼트가 시간이 지남에 따라 안정적인지 확인하세요.

사용자가 처음 플레이한 시점

사용자가 처음 플레이한 시점에 따라 플레이어를 세분화하면 다양한 플레이어 집단의 건강 상태를 평가할 수 있습니다.

신규 출시된 게임에서는 대부분의 DAU가 최근에 가입한 플레이어에서 옵니다. 이 시기에 강력한 획득 채널과 초기 유지가 매우 중요합니다.

게임이 성숙해짐에 따라 장기적인 성장은 기존 플레이어를 유지하고 재참여시키는 데 점점 더 의존하게 됩니다. 시간이 지남에 따라 오래된 집단이 활성 사용자 중 더 큰 비율을 차지해야 합니다. 자신의 게임 대시보드에서 이를 분석하려면:

1. 분석 > 참여로 이동합니다.
2. 세분화별 > 사용자가 처음 플레이한 시점을 선택합니다. 다양한 시간 간격에 대해 데이터를 확인하세요.

이 정보를 바탕으로 다양한 사용자 그룹을 위해 게임을 개선할 기회를 식별할 수 있습니다:

• 안정적이거나 증가하는 집단은 건강한 장기 참여를 나타냅니다.
• 감소하는 집단은 주의를 기울여야 할 영역을 강조합니다.

예를 들어, 0–30일 집단은 안정적이지만 181–365일 집단이 감소하는 경우, 획득은 건강하지만 장기 플레이어가 참여하지 않고 있을 수 있습니다. 이 경우, 플레이어가 돌아오도록 독려하기 위해 새로운 콘텐츠, 이벤트 또는 게임 플레이 업데이트를 도입하는 것을 고려하세요.

플랫폼 지출자 상태

플랫폼 지출자 상태에 따라 메트릭을 세분화하면 Robux를 통해 지출하는 플레이어가 게임과 어떻게 상호작용하는지를 이해하는 데 도움이 됩니다.

이 세그먼트는 일일 참여 보상와도 관련이 있으며, 이는 활성 지출자가 게임을 플레이하는 매일 보너스를 제공합니다. 자신의 게임 대시보드에서 이를 분석하려면:

1. 분석 > 획득으로 이동합니다.
2. 플랫폼 지출자 상태에서 활성 지출자 필터를 활성화하고 적용을 클릭하세요.

1. 소스별 고유 사용자를 검토하세요.

활성 지출자는 일반적으로 평균 플레이어보다 더 잘 유지됩니다. 이 세그먼트의 감소는 지출이 많은 플레이어의 참여를 개선할 기회를 나타낼 수 있습니다.

일일 참여 보상은 활성 지출자가 게임에서 최소 10분을 보내야 하므로, 참여 > 평균 플레이 시간 통계를 확인해야 합니다. 평균 플레이 시간이 이 기준에 가까워지거나 이하라면, 많은 플레이어가 요구 사항을 충족하지 못할 수 있습니다.

또한 DAU, WAU 또는 MAU 내에서 활성 지출자의 비율을 시간이 지남에 따라 모니터링하는 것도 좋습니다. 총 숫자 또는 비율 비율 감소는 청중의 변화나 참여를 강화할 기회를 나타낼 수 있습니다.

점진적인 변경을 하고 결과 측정하기

분석은 게임 개선 기회를 식별하는 데 도움을 줄 수 있지만, 변경 사항은 점진적으로 도입하고 시간에 걸쳐 측정할 때 가장 효과적입니다.

한 번에 큰 업데이트를 하는 대신, 더 작은 조정을 테스트하고 플레이어 행동의 변화를 관찰하는 것을 고려하세요. 이 접근 방식은 어떤 변경이 의미 있는 영향을 미쳤는지 이해하는 데 도움이 됩니다. 다음 도구를 사용하여 이 워크플로우를 지원하세요:

• 경험 구성 - 새 버전을 게시하지 않고도 게임의 값을 조정할 수 있습니다. 라이브 상태인 동안 게임 플레이 시스템, 진행 속도, 보상 또는 기타 매개변수를 조정하는 데 사용할 수 있습니다.
• 실험 - 서로 다른 플레이어 그룹과 기능의 다른 버전을 테스트할 수 있습니다.

분석, 구성 및 실험을 함께 사용하면 계속적인 개선 루프를 생성합니다:

1. 메트릭을 분석하여 기회를 식별합니다.
2. 구성 또는 실험을 사용하여 목표 변경을 합니다.
3. 관련 메트릭을 통해 결과를 모니터링합니다.
4. 게임을 계속 다듬기 위해 반복합니다.

이 과정은 정보에 입각한 결정을 내리고 실제 플레이어 행동을 기반으로 게임을 개선하는 데 도움이 됩니다.