로드 컴플릿이 선택한 데이터 분석 솔루션은?

‍

Q. 자기소개 부탁드립니다.

‍

안녕하세요 저는 로드컴플릿의 메가 마카롱 스튜디오에서 근무하고 있는 손민정입니다.

‍

Q. 게임 소개 부탁드립니다.

‍

ThinkingData 엔진이 탑재되어 있는 게임은 레전드 오브 슬라임입니다.

레전드 오브 슬라임은 방치형 RPG로 1년 전에 글로벌 시장에 런칭되었는데요.

현재까지 글로벌 누적 다운로드 2천만 누적 매출 1억 달러를 달성했습니다

‍

Q. 왜 씽킹데이터를 선택하셨나요?

‍

레전드 오브 슬라임의 출시 이후 ThinkingData와의 협업을 통해서 신규 채용이나 데이터 분석 조직의 셋업 없이 ThinkingData에서 데이터 엔지니어, 데이터 분석, 데이터 모델링 등을 지원받아서 더 복잡해진 환경에 데이터 파이프라인을 구축하는 것이 가능했기 때문입니다.

레전드 오브 슬라임이 글로벌에서 큰 규모로 성공함에 따라 UA 캠페인에 대한 분석도 필요하고, 더 방대한 유저 트래픽에 대한 게임 데이터 분석이 함께 전제되어야 했는데 ThinkingData와의 협업을 통해서 새로운 인력의 추가 채용 없이 이 과정이 가능하게 되었습니다.

‍

또 두 번째로 가장 큰 이유는ThinkingData 엔진이 갖고 있는 우수함 때문인데요. 저희는 Idle RPG이기 때문에 캐주얼 게임임에도 불구하고 굉장히 다양한 유형과 세그먼트로 유저를 분석하고 있습니다. ThinkingData TE엔진에서 이 모든 세그먼트의 조합이 가능했기 때문에 ThinkingData를 선택하게 되었습니다. ThinkingData의 또 다른 장점은 MMP 데이터와 게임 플레이 데이터의 결합이 가능하다는 것인데요. 결합에 필요한 기술적인 지원도 ThinkingData의 인력을 통해서 가능했고, 그리고 ThinkingData의 UI를 통해서도 간단하게 진행될 수 있습니다.

‍

Q. ThinkingData는 어떻게 팀의 작업 효율성을 향상시켜 드렸나요?

‍

ThinkingData를 사용하고 난 이후에 개발, 사업, 마케팅 팀의 의사결정과 액션 아이템의 실행 단계가 굉장히 유기적이고 빠르게 진행되게 되었습니다.

‍

사업팀과 개발팀, 마케팅팀이 원하는 니즈와 데이터를 분석하는 목적이 다르기 때문에, 매번 다양한 형태의 세그먼트와 데이터에 대한 추출을 요청드리게 되는데요. 이 과정이 비효율적이고 저희 같은 작은 조직에서 한정된 리소스로 진행하기에는 너무 많은 시간과 비용이 필요합니다. 근데 ThinkingData 엔진에서 개개인이 필요한 데이터의 세그먼트를 조합하고 결합해서 원하는 데이터를 추출할 수 있기 때문에 효율적이고 유기적인 데이터 분석과 의사결정 과정이 진행될 수 있었습니다.

‍

또한 ThinkingData를 통해서 UA 캠페인을 통해 유입된 유저들의 LTV 성장과 게임 플레이 패턴을 분석하고 있습니다. 캠페인의 ROAS를 높이기 위해서는 인앱 LTV 또는 광고 시청 유저들의 ADLTV를 향상시키는 것이 함께 전제되어야 하는데요. ThinkingData의 분석 시스템을 활용해서 저희는 어떤 유저들의 인앱 LTV가 떨어지는지, 어떤 지점에서 유저의 eCPM이 떨어지는지를 게임 데이터에 근간한 세그먼트를 바탕으로 분석해 확인이 가능해졌습니다.

‍

Q.주로 ThinkingData의 제품(TE)을 통해 어떤 데이터를 확인하시나요?

‍

글로벌 게임 서비스의 흥행을 위해서는 UA 캠페인의 성공이 반드시 필요하고, UA 캠페인의 성공을 위해서는 게임 플레이 지표나 LTV의 개선이 반드시 전제되어야 됩니다. 특정 UA 캠페인에서 들어온 유저의 LTV를 분석을 하고, 이 유저들의 Day1 LTV, Day 7, LTV를 개선하기 위해서 사업팀에서 문제점을 제안을 하면, 개발팀에서 같은 대시보드와 같은 데이터를 보고 액션 아이템을 제안하고, 이를 바탕으로 UA 캠페인이 최적화가 되면, 마케팅팀에서도 이 캠페인에 대한 지표를 보면서 추가적인 의사결정을 실행하게 됩니다.

‍

Q. ThinkingData의 제품이 글로벌 런칭 과정에서 어떻게 도와드렸나요?

‍

ThinkingData를 활용해서 국가별 유저 데이터를 분석하면서 브라질을 비롯한 T3국가에 대한 가능성을 발견하게 되었습니다. T3 국가의 유저들은 일반적으로 구매력이 낮기 때문에 시장성이 낮거나 UA 캠페인을 실행 했을 때 수익성을 확보할 수 없다고 판단하는 경우가 대부분인데, ThinkingData를 통해 특정 캠페인으로 유입된 브라질 유저들의 데이터를 분석했을 때 의외로 유의미할 정도의 결제율을 갖고 있었고, 그리고 캠페인의 로아스를 100 % 리쿱할 수 있을 정도의 구매력을 가진 유저들도 존재한다는 것을 발견했습니다.

‍

이후에 저희는 T3 시장에 대한 UA 캠페인 예상과 로아스 KPI 예상 LTV들을 바탕으로 액션 아이템을 준비할 수 있었고, 현재는 해당 시장에서도 매출을 확보하며 스케일업을 꾸준히 진행하고 있습니다.

‍

Q. ThinkingData의 제품이 귀하께서 과거에 해결하기 어려웠던 어떤 문제들을 해결해 드렸나요?

‍

ThinkingData는 유저의 속성에 따른 세그먼트나 유저의 이벤트 달성 여부에 대한 특정 조건으로 한정해서 세그먼트를 다양하게 만들 수 있습니다.

‍

제가 경험했던 BI툴에서는 UA 캠페인을 통해 들어온 유저들의 전반적인 KPI는 알 수 있었지만, 구체적인 액션 전략을 실행할 수 있는 유저들의 결제 포인트라든지 결제를 하는 세그먼트를 특정할 수 없는 경우가 대부분이었습니다. 그런데 ThinkingData는 MMP 데이터와 유저 플레이 데이터를 매핑을 해서 특정 캠페인의 구체적인 세그먼트까지 한정해 들어온 유저들의 퍼포먼스를 측정할 수 있기 때문에 다양한 국가, PU(Paid User), Non-PU 인앱 수익, 광고 수익 등 구체적인 세그먼트에 대한 액션 아이템을 만들 수 있다고 생각합니다.

‍

Q. 전하고 싶은 다른 말씀이 있으신가요?

‍

이제까지 사용해봤던 BI 툴에서 툴과 비교했을 때 ThinkingData는 가장 구체적으로 사용자가 가진 "왜 ?"라는 질문에 대답을 해줄 수 있었던 툴이라고 생각합니다.

‍

그 이유는 세그먼트를 굉장히 다양하게 구성할 수 있고 UA든 광고 수익화든 게임 플레이든 사용자의 니즈에 맞는 데이터베이스를 결합을 해서 분석할 수 있기 때문에, 한쪽 측면에 치우치지 않고 다양한 측면에서 찾아야 하는 원인과 결과들을 함께 분석해 볼 수 있는 툴이라고 생각하기 때문입니다.