한국어
    • 한국어
    • ENGLISH
    • 日本語
    • 中文-繁體

    2017.01.16 Data Science

    데이터 분석을 이용한 게임 고객 모델링 #1

    게임 회사는 고객들의 유형과 특성을 정확히 파악하는 것이 매우 중요합니다.

    이는 고객들을 위한 맞춤형 콘텐츠를 기획하고, 보다 편리한 서비스를 제공하기 위함인데요.

    고객 유형 분석에 쓰이는 다양한 데이터 분석 방법을, 엔씨소프트 데이터분석팀 이은조 팀장이 소개합니다.  (*´∀`*)


    혹시 MBTI 검사를 받아본 적 있으신가요? MBTI는 테스트를 통해 사람의 성격을 16가지 유형으로 분류하는 지표입니다.

    비교적 단순한 검사와 몇 가지 유형만으로도 사람의 성격을 잘 분류하기 때문에, 지표가 개발된 지 수십 년이 지난 지금까지도 많은 인기를 끌고 있죠.

     4가지 카테고리 유형을 조합해 16가지 유형으로 사람의 성격을 분류하는 MBTI

    이처럼 다양한 사람들을 몇 가지 유형으로 분류해서 파악하는 방식은 비단 성격 테스트에서만 사용하는 것이 아닙니다.

    고객 관리 및 마케팅, 제품 설계, 서비스 기획 등의 분야에서도 다양한 방식으로 고객들을 유형 별로 분류해 그 결과를 활용하고 있죠!

    이것을 ‘고객 세분화(Customer Segmentation)’ 라고 합니다.

    우리 제품을 구매해 줄 고객님을 찾습니다 

    카드 회사에서는 고객 소비 패턴에 따른 맞춤형 신용 카드를 기획하기도 하고, 백화점이나 마트에서는 성별과 거주지, 연령대 별로 소비 패턴을 분석해 각 유형에 맞는 상품을 진열하기도 합니다.

    온라인 게임 역시 현실 세계 못지 않은 다양한 유형의 고객들이 존재합니다.

    때문에 좋은 게임을 만들고 서비스하기 위해서는 다양한 고객들의 특징을 잘 파악해서 적절하게 세분화하는 것이 필요하죠.

    ‘게이머’ 라고 하면 이런 이미지를 떠올릴지 모르겠지만...

    특히 온라인 게임은 고객들이 수행하는 다양한 활동들이 로그에 세세히 기록되기 때문에, 풍부하고 다양한 데이터를 바탕으로 세밀한 고객 분석이 가능합니다.

    이렇게 게임 활동을 관찰해 고객의 특징을 파악하는 작업은 마치 프로파일러가 세밀한 관찰을 토대로 어떤 사람의 직업이나 나이 등을 추정하는 것과 비슷하죠.

    물론 게임 고객들을 세분화할 때  ‘이 사람은 겉으론 까칠해 보여도 내면엔 섬세한 감수성이 있는 20대 도시남이군.’ 이런 수준까지 파악할 순 없습니다.

    데이터분석가들이 볼 수 있는 것은 단지 게임 플레이 기록이기 때문이죠. 실제 고객이 아니라 고객이 플레이한 캐릭터의 특성을 파악할 뿐입니다.

    예를 들면  ‘일주일에 10시간 정도 게임을 즐기는데, 필드 사냥보다는 퀘스트나 인던 활동을 더 선호하는 유형’ 처럼요.

    고객님은 어떤 유형이신가요? 

    이런 고객 세분화를 위해 많이 사용되는 데이터 분석 기법으로 ‘군집화 (Clustering)’ 라는 것이 있습니다.

    이름에서 알 수 있듯이, 서로 다른 여러 가지 유형이 섞여 있는 데이터에서 유사한 특성을 갖는 유형끼리 군집을 묶어 주는 기법이죠.

    가령 중국 음식을 좋아하는 사람들이 모여 있다면 이중에서 짬뽕 / 자장면 / 볶음밥을 선호하는 사람들을 골라내는 작업이라고 보시면 됩니다.

    그림으로 설명하면 이렇습니다 

    이런 군집화 기법을 사용해 게임 고객의 유형을 분류할 때, 우리는 크게 세 가지 기준을 적용할 수 있습니다.

    첫 번째는 고객이 게임에서 하는 ‘행동’을 기준으로 삼는 것입니다.

    앞서 언급한 소비 패턴에 따라 고객의 유형을 나누는 사례처럼, 게임을 할 때의 행동 패턴에 따라 유형을 나누는 것이죠.

    고객의 행동을 기준으로 한 군집화는 다른 게임에서도 일반적으로 사용하는 방식입니다 

    두 번째는 시간에 따른 변화 과정을 군집화 기준으로 삼는 것입니다.

    시간이 흐름에 따라 게임 업데이트로 인해 서비스 자체가 변하기도 하고, 주변 환경이나 사람들의 성향 역시 조금씩 달라지기 때문인데요.

    어떤 고객을 특정 시점에 게임을 하드하게 플레이하는 유형으로 분류했다고 해서, 그 고객이 영원히 그 유형일 거라고 단정지을 순 없는 것이죠.

    고객의 성향이 변하는 건 지극히 자연스러운 일 

    만약 홍길동 이라는 캐릭터가 A유형에서 B를 거쳐  C로 바뀌었고, 춘향이 라는 캐릭터는 E에서 D를 거쳐 C로 바뀌었다고 하면, 이 둘이  마지막 분류 시점에서 같은 C 유형이라고 해서 같다고 봐야 하는 것일까요?

    비록 같은 C 유형이라 해도, 어떤 과정을 거쳐 현재의 상태에 도달했느냐를 고려해서 유형을 분류해야만 고객의 성향을 더 정확히 파악할 수 있습니다.

    이렇게 일련의 순서를 갖는 정보를 이용해서 군집을 나누는 기법을 ‘시퀀스 클러스터링 (Sequence Clustering)’ 이라고 합니다.

    같은 유형이라 해도 중간에 어떤 과정을 거쳤는지가 중요하죠 

    마지막 세 번째는 고객이 속한 사회 집단을 기준으로 삼는 것입니다.

    대부분의 온라인 게임은 게이머 간의 상호 작용에 의한 사회 활동을 중요한 게임 콘텐츠로 제공합니다.

    파티나 혈맹 활동이 대표적이고, 더 나아가 서로 아이템을 사고 파는 거래 활동 역시 그렇습니다.

    게임은 다함께 즐겨야 제맛! #블소 

    이런 상호 작용을 통해, 모든 게임 캐릭터들은 일종의 사회 집단을 형성하게 됩니다.

    ‘그 사람을 알려면 친구를 보라.’ 는 말처럼, 각 캐릭터가 속한 집단과 주변 캐릭터의 유형을 분석하면 해당 캐릭터의 특징을 더 잘 알 수 있겠죠.

    이렇게 사회 관계 데이터를 이용해 여러 가지 특징을 분석하는 기법을 ‘사회 연결망 분석 (Social Network Analysis)’ 이라고 합니다.

    주로 페이스북이나 트위터 같은 SNS를 이용한 데이터 분석이 널리 알려져 있는데, 온라인 게임 역시 이런 분석이 가능합니다.

    ‘좋아요’만 파악해도 취향과 가치관을 짐작할 수 있죠 

    이처럼 우리는 고객이 어떤 행동 패턴을 보이는지, 시간이 흐름에 따라 그 패턴이 어떻게 변화하는지, 그리고 긴밀한 관계를 맺고 있는 집단은 어떠한지를 통해 고객의 유형을 세분화할 수 있습니다.

    이러한 과정을 통해 좀 더 고객 맞춤형 게임을 만들 수 있는 것이죠.


    데이터 분석을 이용한 게임 고객 모델링, 다음 편에서는 고객을 유형 별로 세분화하는 구체적인 방법을 소개하도록 하겠습니다~.

    기대 많이해 주세요~ ^ㅁ^//