분석 모델

Thinking Engine (TE)의 분석 모듈은 유저 행동과 특성 데이터를 다양한 방식으로 분석하여, 더 나은 데이터 기반 의사결정을 지원합니다. 이 모듈은 게임 산업에서 얻은 경험을 바탕으로 설계된 고급 노코드 분석 도구로, 다양한 산업 분석에 적합합니다.

‍

1. 이벤트 분석

유저 행동 이벤트의 발생 빈도를 라인 그래프로 시각화하여 분석할 수 있습니다. 특정 기간 동안 유저 행동의 변화, 일일 활성 유저 수(DAU), 그리고 수익 흐름 등을 파악하여 트렌드를 분석할 수 있습니다. 이를 통해 서비스의 성장세와 유저 반응을 면밀히 모니터링할 수 있습니다.

‍

2. 리텐션 분석

프로젝트의 핵심 성과 지표인 유저 잔존율을 분석합니다. 신규 유저가 앱을 처음 사용한 후 얼마나 자주 재방문하는지를 측정하며, 이를 통해 유저 이탈 원인을 파악할 수 있습니다. ‘지표 보기’ 기능을 활용해 유저 생애 가치(LTV)와 투자 수익(ROI)도 손쉽게 계산 가능합니다.

‍

3. 퍼널 분석

유저가 설정된 단계(퍼널)를 얼마나 순차적으로 완료하는지 분석하여, 전환율을 측정합니다. 예를 들어, 튜토리얼 중 어느 단계에서 유저가 이탈하는지, 또는 특정 링크에서 클릭 손실이 발생하는지 분석할 수 있습니다. 또한, 신규 등록에서 첫 결제까지의 전환 시간, 또는 건물 업그레이드 소요 시간의 분포 등, 인과 관계가 있는 두 이벤트의 전환 시간을 분석할 수 있어 퍼널 분석을 보완할 수 있습니다.

‍

4. 분포 분석

특정 유저 행동 이벤트의 발생 횟수를 분포 그래프로 시각화합니다. 유저별 결제 금액, 참여 횟수 등을 다양하게 나누어 분석하여, 유저 행동의 다양성을 파악하고 세분화된 타겟팅 전략을 수립할 수 있습니다.

‍

5. 간격 분석

유저 행동 이벤트 사이의 평균 소요 시간을 분석합니다. 예를 들어, 신규 등록부터 첫 결제까지 걸리는 시간, 게임 내 특정 기능을 사용하는 데 소요되는 시간을 분석하여 퍼널 분석을 보완할 수 있습니다. 이를 통해 유저 행동 패턴을 심층적으로 파악할 수 있습니다.

‍

6. 경로 분석

유저가 앱 내에서 어떤 경로를 따라 행동을 취하는지 시각화하여 분석합니다. 특정 이벤트에서 시작해 다음 행동으로 이어지는 주요 흐름을 파악할 수 있으며, 이를 통해 유저의 행동 패턴과 이탈 지점을 이해할 수 있습니다. 주요 전환 지점을 확인하여 사용자 경험을 개선하고 이탈을 줄이는 전략을 세울 수 있습니다.

‍

7. 속성 분석

특정 유저 속성에 따른 유저 분포를 시각화하여, 유저 프로필을 빠르게 파악할 수 있습니다. 2차원 크로스 분석을 통해 여러 유저 그룹을 비교하고, 효율적인 운영 전략을 세울 수 있습니다.

‍

8. 어트리뷰션 분석

유저가 어떤 경로로 앱을 설치하고 특정 행동을 완료했는지 추적하여, 마케팅 캠페인의 성과를 분석합니다. 이를 통해 광고 채널별 전환율을 확인하고, ROI를 극대화할 수 있는 전략을 수립할 수 있습니다.

‍

9. SQL IDE

커스텀 쿼리를 지원하여 복잡한 분석 상황에 대응합니다. 이벤트, 유저, 태그, 코호트 등을 포함한 현재 클러스터의 모든 프로젝트 데이터를 대상으로 커스텀 SQL 쿼리를 작성하여 분석할 수 있습니다. 기존 모델이 분석에 적합하지 않거나 여러 프로젝트의 데이터를 포함해야 하는 경우, SQL 쿼리를 통해 직접 계산하고, 시각화 모듈과 결합하여 결과를 표시할 수 있습니다.

‍

10. 히트맵 분석

앱 내에서 유저가 가장 많이 상호작용하는 부분을 시각적으로 보여주는 히트맵을 통해, UI/UX 최적화에 필요한 인사이트를 도출합니다. 이 데이터를 활용하여 유저의 클릭 패턴과 관심 영역을 쉽게 파악할 수 있습니다.

‍

11. 랭킹 분석

특정 지표나 행동을 기준으로 유저를 랭킹화하여 분석합니다. 예를 들어, 상위 결제 유저 또는 가장 많은 시간을 소비한 유저를 파악할 수 있으며, 이를 바탕으로 중요한 유저 그룹에 대한 차별화된 전략을 수립할 수 있습니다.

‍

12. 시각화 모듈

SQL IDE에서만 지원되는 기능으로 풍부한 데이터 처리 및 시각화 기능을 제공하며, 쿼리 결과에 인터랙티브 차트를 추가하고 저장할 수 있습니다.

‍

13. 유저 시퀀스

분석 모델별로 추출한 매크로 데이터뿐만 아니라, 특정 조건을 만족하는 유저 행동 시퀀스의 상세 데이터도 확인할 수 있습니다. 매크로 분석 결과와 함께 유저 시퀀스를 살펴보면 유저가 특정 행동을 한 원인을 발견하는 데 도움이 됩니다.

‍

‍

‍

활용팁(TIP)

‍

이 분석 모델은 유저 행동 분석, 성과 최적화, 그리고 심화 분석의 세 가지 축을 중심으로 설계되었습니다. 이를 통해 유저의 행동을 파악하고, 비즈니스 성과를 최적화하며, 세부적인 데이터를 심도 있게 분석하여 데이터 기반 의사결정을 지원합니다.

‍

유저 행동 분석

유저의 앱 내 상호작용을 추적하고, 이탈 원인을 파악하며, 유저 경험을 최적화합니다.

‍

• 이벤트 분석: 유저 행동 이벤트의 빈도와 트렌드를 시각화해, DAU와 주요 지표의 변화를 분석합니다.

• 리텐션 분석: 신규 유저의 잔존율과 생애 가치(LTV), 투자 수익(ROI)을 측정해 유저 유지 전략을 수립합니다.

• 퍼널 분석: 단계별 유저 전환율을 분석해, 튜토리얼 이탈 지점이나 전환 단계에서의 손실을 파악하고 개선합니다.

• 경로 분석: 유저가 앱에서 어떤 경로로 이동하는지를 시각화하여, 비정상적 경로 또는 이탈 경로를 분석하고 최적화할 수 있습니다.

‍

성과 최적화

성과 지표를 기반으로 비즈니스 목표를 달성하기 위한 최적화 전략을 제공합니다.

‍

• 어트리뷰션 분석: 광고와 마케팅 캠페인의 성과를 추적하고, 각 유입 경로의 기여도를 파악해 ROI를 최적화합니다.

• 히트맵 분석: 유저가 가장 많이 클릭하는 영역과 상호작용 패턴을 시각화해, UI/UX 최적화 및 사용자 경험 개선을 도모합니다.

• 랭킹 분석: 유저별 활동, 결제 금액 등 주요 지표에 따라 유저를 랭킹화하여 중요한 유저 그룹을 식별하고 타겟팅 전략을 수립합니다

‍

심화 분석

심화된 분석을 통해 데이터의 세부적인 인사이트를 도출하고 다양한 비즈니스 질문에 답할 수 있도록 합니다.

‍

• 분포 분석: 특정 유저 행동 이벤트별 발생 횟수를 분포로 시각화해 유저 행동의 다양성을 파악하고, 유저별 결제 금액과 참여 빈도를 분석합니다.

• 간격 분석: 다양한 유저 행동 이벤트 사이의 평균 시간을 분석하여, 첫 결제까지 걸리는 시간이나 특정 행동 간 간격을 파악해 퍼널 분석을 보완합니다.

• 속성 분석: 유저 속성에 따른 행동 데이터를 시각화해, 다른 유저 그룹과 비교하며 유저 프로필을 파악하고 효율적인 운영 전략을 수립합니다.

• SQL IDE: 커스텀 SQL 쿼리를 통해 복잡한 데이터를 심층적으로 분석하고, 여러 프로젝트나 이벤트 간의 관계를 탐색할 수 있습니다.

‍

이 분석 모델은 유저의 행동 데이터를 체계적으로 분석하여 성공적인 비즈니스 전략을 세우는 데 중요한 도구로 활용됩니다.