몬스터 슈퍼리그, 장수 게임의 비결은 데이터?!

‍

Q. 자기소개 부탁드립니다.

‍

안녕하세요 스마트스터디 게임즈에서 사업팀장을 맡고 있는 김나연이라고 합니다.

‍

Q. 게임 소개 부탁드립니다.

‍

대표 게임으로는 이제 몬스터 슈퍼리그라고 수집형 RPG 게임이 있는데요. 글로벌 원빌드로 전 세계 서비스 중이고, 2016년 9월에 출시를 해서 벌써 이제 햇수로 8년차를 맞은 장수 게임입니다.

‍

Q. 런칭 시점과 8년이 지난 지금 좀 다른 부분이 있을까요?

‍

제가 런칭 멤버는 아니긴 하지만, 이제 확실히 아무래도 유저들의 업데이트 콘텐츠들을 많이 추가하는데 중점을 두고 있고, 아무래도 수집형 RPG이다 보니까 신규 영웅, 신규 스타몬을 가장 좋아하기 때문에 그런 부분도 많이 추가를 하고 있습니다.

‍

Q. ThinkingData를 사용하며 가장 잘 활용중인 기능은 무엇인가요?

‍

ThinkingData의 코호트 기능이라고 말씀드릴 수 있습니다.

‍

코호트라고 하면은 특정 조건을 만족하는 유저들을 하나로 묶은 그룹인데, 그룹의 예를 들면 유저 레벨 분포는 어떻고 또 재화 보유량은 어떻고, 또 이 유저들이 특정 이벤트를 수행했는지 혹은 안 했는지 이런 것들을 체크를 할 수가 있어서 매우 유용하게 잘 사용하고 있습니다.

‍

Q. 데이터 기반 의사결정을 게임 개발 및 마케팅에 어떻게 활용하고 계신가요?

‍

아무래도 게임 개발적으로는 일단 개발자 그리고 사업 PM 양쪽 모두 걸리는 시간이 매우 획기적으로 단축되었다라고 말씀드릴 수 있을 것 같아요. 기존에는 사업 PM이나 혹은 BI 기획자가 원하는 지표가 있으면 그거를 들고 개발자한테 가서 이런 저런 데이터들을 뽑아달라고 요청했어야 됐는데, 라이브 이슈 대응이나 업데이트 컨텐츠 등으로 개발자분들이 매우 바쁘기 때문에 조율이 쉽지 않았습니다. 그래서 이런 부분에서 상당히 병목 현상이 있었는데, 이제 비개발자도 쉽게 데이터를 조회할 수 있게 되면서 그런 병목 현상이 많이 해소되었습니다.

‍

Q. ThinkingData 도입 이후 새롭게 얻게된 중요한 인사이트가 있으셨을까요?

얼마 전의 사례인데, 저희는 클랜원이 뽑기를 하면 나한테 선물이 오고, 반대로 내가 뽑기를 하면 클랜원한테 선물이 전달되는 클랜 페스티벌이라는 시스템이 있는데요. 근데 클랜 페스티벌 관련 지표를 이것저것 뽑아 보던 중에 갑자기 클랜을 가입하지 않고, 클랜 페스티벌에 참여하는 유저도 있을텐데 이 비율이 얼마나 될지 궁금해졌고, 바로 조회를 해보게 되었습니다. 그래서 클랜 가입 여부에 따라 그룹핑을 하고, 그것에 따라서 클랜 페스티벌에 참여한 유니크 유저수를 thinkingdata로 확인했는데, 생각보다 많은 인원이 클랜에 가입하지 않은 상태로 클랜 페스티벌에 참여하고 있었습니다. 그런데 이 시스템이 상호 선물을 주고받는 시스템이다 보니까 클랜에 가입하지 않고 진행하게되면 상당히 효율이 떨어지는 상황이라 이번에 클랜 페스티벌을 개편할 때도 그런 부분을 많이 고려해서 진행하였습니다.

‍

Q. ThinkingData 도입 이후 조직문화나 업무행태에 변화가 있었을까요?

‍

그 전에는 주간 정례회의 때 사업 PM이 로우데이터를 추출하고 엑셀에 정리해서 지표를 보며 브리핑했었는데 씽킹데이터를 통해서 이제 언제든 누구나 실시간으로 원하는 데이터를 볼 수 있는 형태가 되다보니, 한 개발자분께서 DAU가 많이 빠지고 있는데 개선 방안을 모색해야할 것 같다고 먼저 이슈 레이징을 하는 등 많이 변화되었습니다. 저희가 항상 조직 문화에서도 강조를 하는게 우리 모두가 지표에 관심을 가져야 되고, 원팀으로 일해야 되는다는 것인데, 이런 솔루션의 도입을 통해서 조금 더 데이터를 관심있게 볼 수 있는 환경이 구축된 것 같아서 매우 만족스럽습니다.

‍

Q. 데이터 분석과 관련된 앞으로의 도전과제나 목표가 있을까요?

‍

얼마전에 씽킹데이터가 4.2버전으로 업그레이드 하면서 어트리뷰션이라는 기능을 새로 추가했던데, 설명을 들어보니 어떤 가설을 세우고 예를 들어 결제가 일어났을때 이 결제의 원인은 골드가 부족해서일지 아니면 전투에서 실패해서일지 이런 것들에 대해 검증을 해주는 시스템이었습니다. 저희도 이제 직면한 문제가 여러가지이다 보니 이런 어트리뷰션 기능을 사용하면 좀 더 가설을 세우고 검증하는데 들이는 시간을 효율적으로 단축할 수 있지 않을까 생각합니다.

‍

Q. Thinkingdata와의 협업을 통해 얻은 가장 큰 장점이나 이점은 무엇인가요?

‍

좀 더 어떤 의사결정을 할 때 데이터 기반으로 의사결정을 할 수 있게 된게 가장 큰 장점이라고 생각합니다. 그 전에도 데이터 기반으로 의사결정을 안한 건 아니었으나, 방대한 데이터를 유기적으로 연관되어 있지 않은 형태로 로우 데이터로 보다보니, 이 데이터가 무엇을 의미하는지도 모르겠고, 이것과 관련된 다른 데이터도 보기가 어려운 그런 문제가 있었습니다. 그래서 장님 코끼리 더 늙는 그런 느낌이었는데, 씽킹데이터를 도입하면서 코호트 기능이나 다른 기능들을 통해 내가 원하는 데이터를 쉽게 볼 수 있게 되다보니 그런 부분을 통해 좀 더 데이터에 대한 접근성도 높아졌고, 그렇다 보니 의사결정을 하는데도 자연스럽게 데이터를 사용할 수 있게 되는 것 같아서 너무 좋았습니다.