모바일 지표: 애플리케이션을 개발할 때 어떤 데이터에 의존해야 합니까? Facebook에서 유입되는 사용자는 얼마나 좋은가요?
무료 게임을 개발한다면 통계 수집 및 분석과 관련된 문제에 관심이 있을 것입니다. 왜? 통계는 무료 게임의 성공에 중요한 요소이기 때문입니다.
내 기사 시리즈의 목적은 다음에 대한 기타 정보를 구조화하는 것입니다. 이 문제, 우리 경험의 프리즘을 통해 그것을 전달하고 방법에 대한 권장 사항을 제공하십시오.
- 게임에서 어떤 지표를 추적해야 하는지,
- 통계 작업에 어떤 분석 도구가 도움이 될 수 있나요?
- 통계를 수집하고 분석하는 서비스에는 어떤 장점과 단점이 있습니까?
F2P 게임의 성공 비결 중 하나는 게임 디자인이 창의성과 "훌륭한" 아이디어뿐만 아니라 게임 내 플레이어 행동 분석, 즉 실제 데이터/통계에 더 기반을 두어야 한다는 것입니다. 동시에 기성 콘텐츠의 일부만으로 F2P 게임을 출시할 수 있고, 게임 개발을 관리하거나 플레이어의 요구와 특정 기능의 인기도에 따라 콘텐츠를 수정할 수 있습니다. 이러한 접근 방식을 데이터 기반 디자인 또는 "데이터 기반 디자인"이라고 합니다. 이는 그림에 표시된 4개의 단계가 있는 각 반복의 주기입니다.
게임 출시 시점에 준비된 콘텐츠의 허용 비율은 장르, 컨셉 등에 따라 다릅니다. 그러나 무료 게임을 시작할 때 확실히 준비해야 할 것은 통계를 수집하고 분석하기 위한 강력하고 유연한 시스템은 물론 기능/아트/밸런스에 대한 다양한 옵션을 테스트하기 위한 시스템입니다. 동시에 분석할 모든 지표를 명확하게 계획해야 하며 데이터 분석 및 시각화 도구를 사전 선택, 통합 및 구성해야 합니다.
내 기사 시리즈는 다음 문제를 다루는 세 부분으로 구성됩니다.
- 주목해야 할 주요 지표 무료 게임, 그리고 이러한 지표를 개선하기 위해 분석해야 하는 플레이어 행동 데이터입니다.
- 게임 개발에 대한 결정을 내리기 위해 수집된 데이터를 분석하는 주요 방법: 사용자 세분화, 집단 분석, "퍼널" 또는 전환 순서 분석, A/B 테스트.
- 장점과 단점이 있는 기존 서비스.
F2P 게임에서는 어떤 통계를 수집해야 하나요?
내 경험에 따르면 처음에는 통계 작업을 할 때 모든 클릭, 모든 게임 결과, 게임에 표시되는 모든 화면 등 게임의 거의 모든 것을 기록하고 싶습니다. 주제는 다음과 같을 수 있습니다. 가장 중요한 것은 모든 것을 수집하고 아무것도 놓치지 않는 것이지만 나중에 알아낼 수 있습니다. 이 접근 방식은 여러 가지 이유로 작동하지 않습니다.
- 엄청난 양의 데이터를 분석하는 것은 비용이 많이 듭니다. 통계와 데이터 처리 방법 모두에 대한 고급 지식을 갖추고 OLAP 큐브, 인공 지능 알고리즘 등에 대해 잘 알고 있어야 하는 우수한 자격을 갖춘 분석가를 많이 유치해야 합니다. 즉, 데이터가 적을수록 좋습니다!
- 데이터는 마케팅 캠페인, 플레이어 획득 소스, 게임 혁신, 심지어 연중 시간에 따라 달라지기 때문에 빠르게 오래된 것이 됩니다. 따라서 모든 지표를 실시간으로 보는 것이 중요합니다.
| 색인 | 내린 결정 |
| 수준별 소득 및 내부생산물 | 고급 플레이어가 더 많은 비용을 지불하면 사람들이 더 일찍 구매하도록 장려하기 위해 노력해야 합니다(초기 단계에서 요구 사항 분석, 일부 제품의 가격 인하 등). 게임 초반에 더 많은 비용을 지불한다면 고급 플레이어를 위한 특별 제품을 도입해야 합니다. 추가 기회축적된 화폐를 소비합니다. |
| 플레이어가 레벨별로 획득한 포인트 | 데이터는 플레이어에게 보다 적절한 목표를 설정하고 게임 밸런스를 조정하는 데 도움이 됩니다. |
| 게임 작업 완료 시간 | 각 작업마다 플레이어가 작업을 완료하는 데 걸리는 대략적인 추정 시간이 있습니다. 작업의 실제 실행 시간을 예상 시간과 비교하여 작업 매개변수와 해당 순서를 조정할 수 있습니다. |
게임에서 수집되는 통계는 세 부분으로 나뉩니다.
- 비즈니스 지표;
- 플레이어 행동;
- 기술적 인 정보.
아마도 가장 어려운 부분은 플레이어 행동을 추적하는 것입니다. 이 부분은 일반적으로 각 게임마다 고유하고 특정 분석 도구가 필요하기 때문입니다(이에 대해서는 기사 시리즈의 두 번째 부분에서 논의할 것입니다). 게임에 통합하여 필요한 통계를 즉시 수신할 수 있는 기성 솔루션은 없습니다. 통계 수집 및 분석을 아웃소싱할 수 있는 회사(예: GamesAnalytics Ltd)가 있습니다. 그러나 우리는 개발팀 내에서 이를 위한 리소스를 할당하는 것을 선호합니다.
기술정보는 게임을 보다 안정적으로 만들고 적시에 수정하기 위해 필요한 통계입니다. 기술적 문제플레이어.
비즈니스 지표
DAU/MAU
이는 게임의 '참여도'를 측정한 것으로, 매일 얼마나 많은 사람들이 게임을 플레이하는지 알려줍니다.
- DAU(일일 활성 사용자)는 하루에 한 번 이상 게임을 시작한 순 사용자 수입니다.
- MAU(월간 활성 사용자)는 한 달에 한 번 이상 게임을 시작한 순 사용자 수입니다.
이는 대략적인 추정치라는 점에 주목할 필요가 있습니다. 플레이어의 복귀를 정확하게 계산하려면 특정 시간 간격(보통 매일)에 복귀한 플레이어와 신규 플레이어를 명확하게 구분하고 트래픽 소스를 고려해야 하기 때문입니다. 그리고 진행된 프로모션. 코호트 분석은 이러한 문제에 대한 자세한 연구에 도움이 되며 이에 대해서는 시리즈의 두 번째 부분에서 논의됩니다. 이 "흥미로움" 지표는 간단하며 게임에 대한 간략한 설명을 제공합니다.
"지불하는" 플레이어
유료 플레이어의 비율과 인구통계 및 기타 특성을 추적하는 것이 중요합니다. 그들의 프로필을 알면 게임의 새로운 기능을 개발할 때 특히 이 청중에게 집중할 수 있습니다.
우리 게임 중 하나의 예를 들어 보겠습니다. 아래 그림은 연령별 플레이하는 사람의 비율과 그 중 유료인 사람의 비율을 보여줍니다. 지불할 의향이 있는 중년층(35~54세)에 집중하는 것이 더 좋다고 볼 수 있다.
또한, 플레이어들 사이에서 "고래"를 식별할 수 있는 것이 중요합니다. 이들은 많은 돈을 지출하는 사람들입니다. 우리는 이 사람들을 더 잘 알고, 그들의 특징적인 행동 패턴과, 어디에서 실패하는지 연구하여 그들의 요구를 최대한 충족시켜야 합니다.
왜 "고래"인가? 일반적으로 모든 유료 플레이어는 때때로 "미노", "돌고래" 및 "고래"로 구분됩니다. 피라미들은 한 달에 1달러 정도만 지출합니다. “돌고래”는 약 5달러이고, “고래”는 많습니다. Zynga 게임의 Gigaom에 따르면 유료 플레이어의 상위 20%는 연간 평균 $1,100(월 $90)를 지출합니다.
소득 지표:
- ARPU - 플레이어당 평균 수입(유료 및 무료 설치 모두 고려되며 지표는 일반적으로 월별로 계산됩니다).
- ARPPU - 유료 플레이어가 평균적으로 지출하는 금액(즉, 게임의 실제 비용)입니다.
k-인자 – 바이러스성 계수
바이럴리티(virality)란 게임에 대한 정보를 인터넷에 퍼뜨리는 방식을 말하며, 소셜 네트워크에서플레이어에서 플레이어로. 게임의 바이러스성 메커니즘이 잘 발달되어 있으면 신규 사용자를 유치하는 데 드는 비용이 줄어듭니다. 바이러스성을 모니터링하려면 k-인자를 사용할 수 있습니다.
k-인자는 다음 공식을 사용하여 계산할 수 있습니다. k = X * Y, 여기서 X는 플레이어당 초대 수이고, Y는 게임에 참여하여 이러한 초대를 수락한 사람들의 비율입니다. k-인자가 0.2이면 모든 신규 플레이어에 대해 초대를 통해 게임에 온 0.2명의 플레이어를 얻을 수 있습니다(즉, 5명의 신규 플레이어마다 초대를 통해 게임에 온 1명의 무료 플레이어를 얻을 수 있습니다). 게임의 k-인자가 높을수록 새로운 플레이어를 게임에 끌어들이는 데 드는 비용이 더 저렴해진다는 것은 분명합니다.
플레이어 행동 분석
게임 내 플레이어 진행 상황
플레이어 행동을 분석하기 위해 가장 먼저 필요한 것은 플레이어의 게임 진행 상황에 대한 통계입니다. 게임 시나리오의 진행 상황을 추적하기 위해 플레이어가 통과해야 하는 체크포인트가 정의됩니다. 이 지점에서의 진행 속도와 이 지점에서 플레이어의 매개변수를 분석하면 게임에서 제거해야 할 장애물이나 어려움을 식별하는 데 도움이 됩니다.
첫 구매 시나리오
플레이어가 처음 구매를 한 경우에는 "지불" 플레이어 범주로 이동됩니다. 첫 번째 구매는 심리적 장벽이며, 일단 극복되면 플레이어는 훨씬 쉽게 돈을 버릴 수 있다고 믿어집니다. 플레이어가 첫 번째 구매를 하도록 유도할 수 있는 게임 내 일련의 동작을 미리 계획하세요. 정의한 시나리오를 구현하고 전환 작업을 수행하며 인터페이스와 균형을 개선하는 플레이어 수를 추적하세요.
지도 시간
플레이어가 튜토리얼 중에 게임을 떠나면 그 플레이어가 당신에게 길을 잃었다고 생각하십시오. 그 플레이어가 게임에 다시 돌아오지 않을 가능성이 높습니다. 이를 방지하려면 게임 시작 부분을 가능한 한 많이 준비해야 합니다. 플레이어가 어느 화면에서 지루해 게임을 떠났는지, 플레이어가 배울 수 있는지, 첫 번째 작업을 스스로 완료했는지 여부가 명확하지 않은지 이해하려면 튜토리얼의 모든 단계를 추적해야 합니다. .
플레이어의 첫 번째이자 마지막 행동
게임 세션 중에 플레이어의 첫 번째 행동과 마지막 행동을 추적하는 것이 유용할 수 있습니다.
첫 번째 이벤트는 전체 게임 세션의 분위기를 설정합니다. 그것은 플레이어를 사로잡고 게임에 많은 시간을 보내게 만들 수 있습니다. 그러나 첫 번째 이벤트는 플레이어를 "겁나게" 할 수 있으며, 그 결과 플레이어는 게임을 닫고 돌아오지 않을 수도 있습니다. 어떤 이벤트/창문/인사말이 게임에 더 많은 시간을 소비하게 하는지 비교하고 테스트해야 합니다.
마지막 이벤트도 중요합니다. 마지막 이벤트는 일반적으로 게임에서 제거해야 할 장애물입니다. 게임 세션의 마지막 이벤트가 계획된 경우(예: 플레이어가 일부 게임 주기가 완료되기를 기다리고 있는 경우) 플레이어가 다음에 게임에 참가하고 싶도록 이 이벤트를 만드는 것이 좋습니다.
기술통계 수집
개발 중이니까 모바일 게임– 매혹적인 안드로이드 세계의 예를 들어보겠습니다.
게임의 안정성을 보장하기 위해 플레이어 장치의 기술 장비에 대한 통계를 수집하는 것이 유용할 수 있습니다. 예를 들어, 플레이어들 사이에서 어떤 장치, 펌웨어, 화면 해상도, 하드웨어 지원 텍스처 유형이 가장 인기가 있는지 아는 것이 중요합니다. 어떤 하드웨어 구성이 플레이어에게 가장 큰 수입과 수익을 가져다 주는지 아는 것도 중요합니다(수입 차이는 수십 퍼센트까지 다를 수 있음). 수입이 발생하지 않거나 해당 장치에서 게임이 불안정한 경우 지원되는 장치 목록을 줄이는 것이 좋습니다. 이는 또한 스토어의 부정적인 리뷰로부터 애플리케이션을 보호합니다.
게임이 재개 리소스를 사용하는 경우 재개 성공 여부, 재개 요청 횟수, 재개 시 발생하는 오류에 대한 통계를 수집합니다. 게임을 처음 시작하기 전에 다운로드가 발생하면 청중의 상당 부분이 겁을 먹을 수 있습니다. 그리고 플레이어가 게임을 다운로드하지 않았다면 다시 돌아와서 비용을 지불하지 않을 것입니다. 따라서 다운로드 절차의 안정성을 최대화하고 플레이어가 기다리는 동안 할 수 있는 일을 찾아야 합니다. 더 나은 방법은 처음에 데이터를 다운로드하는 것이 아니라 게임 내에서 데이터를 다운로드하여 추가 보상을 받을 수 있는 기회를 찾는 것입니다.
게임이 추가 수익 창출로 제안 시스템을 사용하는 경우 제안 범위 확인을 포함하여 작업의 효율성을 모니터링하는 것이 합리적입니다. 다른 나라다른 장치에서.
꽤 많이 유용한 정보분석 서비스 자체에서 준비한 문서, 프리젠테이션, 기사에서 찾을 수 있습니다. 일반적으로 그는 유능한 사례, 사례, 정당성 및 업계 지표를 제공합니다. 게임 내 통계 수집 및 분석 문제를 이해하는 데 도움이 된 서비스 목록은 다음과 같습니다.
고객 이탈은 화재 사이렌과 같습니다. 당신은 뭔가 잘못되었다는 것을 이해하지만, 이 지식은 당신이 불을 끄는 데 도움이 되지 않습니다.
유지 문제를 "진단"하고 해결하려면 단순히 승패 패턴을 살펴보는 것보다 더 심각한 조치를 취해야 합니다. 누가, 언제, 왜 떠나는지 파악하는 것이 필요합니다. 그래야만 시간을 현명하게 관리하고 비즈니스 성장에 가장 큰 영향을 미칠 조정을 할 수 있습니다.
화재의 원인을 찾아 사업체가 불타기 전에 진화하는 방법을 알아보려면 계속 읽어보세요.
귀하의 세부정보가 정확합니까?
리드 생성이 초기 단계 회사의 성공에 중요한 역할을 한다는 사실을 누구도 부인할 수 없습니다. 하지만 좋은 지표가 이탈 문제를 가리도록 두지 마십시오.
공식을 기억해 봅시다:
이탈 = 이탈한 사용자 / 총 사용자 수
실제 세계에서 공식의 의미를 보여주는 Profitwell의 예를 살펴보겠습니다.
업종 : 기존 고객, 기존 고객 이탈, 신규 고객, 신규 고객 이탈, 총 고객 수, 이탈률. 수평: 8월, 9월
이탈 공식의 문제점은 완전히 동일한 운영 모드(매월 5,000명의 사용자 추가)가 동일한 결과로 이어지지 않는다는 것입니다. 즉, 9월의 이탈률이 8월보다 낮습니다. 매월 추가되는 신규 고객은 아직 구독을 취소할 시간이 없었기 때문에 급속한 성장은 인위적으로 이탈을 줄입니다.
이탈률이 100분의 1이라도 변경되면 수익이 25% 감소할 수 있으므로 이러한 계산이 부정확해지는 것을 원하지 않습니다.
측정항목 #1. 평균을 기준으로 이탈률 계산
급증으로 인해 왜곡된 좋은 이탈률은 무엇이 제대로 진행되고 있고 무엇이 잘못되었는지에 대한 객관적인 그림을 제공하지 않습니다. 따라서 빠르게 성장하는 스타트업을 위해 약간 수정된 공식이 있습니다.
무섭게 보이나요? 알아내는 것은 그리 어렵지 않습니다.
이탈 = 이탈한 사용자 수
∑ = 데이터 세트(n)의 일일 신규 사용자 합계(i=1)
n = 특정 기간의 일수
사용자가 고객 기반에 점진적으로 추가되면 평균이 증가하고 월간 이탈률에 더 큰 영향을 미칩니다. 기간이 끝날 무렵에 고객이 데이터베이스에 추가된 경우 이탈률이 왜곡되거나 실제보다 낮게 표시되지 않습니다.
이 공식 덕분에 데이터를 평균하여 중요한 리드 생성 효과의 균형을 맞출 수 있습니다. 급성장으로 인해 수치가 왜곡되거나 한 달 동안 성과가 더 좋았다가 다음 달에는 더 나빠졌다고 생각하도록 속이는 일이 발생하지 않습니다.
유출이 평준화되고 있습니까?
고객 이탈보다 더 위험한 지표를 찾기는 어렵지만, 하나가 있습니다. 이것이 바로 유저들의 변덕입니다. 유지 곡선을 평평하게 만들 수 없다면 제품이 매력적인 매력을 갖지 못하는 것입니다.
1월 1일에 서비스에 가입한 100명의 사용자가 월말까지 유지율이 40%라고 가정해 보겠습니다. 그러나 이 수치는 지속적으로 감소하고 있으며 두 번째 달이 끝날 때까지 원래 수치에는 아무것도 남지 않습니다. 구독 날짜별로 그룹화된 코호트 또는 사용자가 거의 완전히 고갈되고 절대 레벨을 벗어나지 않는 경우 심각한문제.
그렇다면 이것이 귀하의 성장에 어떤 의미가 있습니까?
월간 코호트별 주간 활성 사용자(WAU)(가상 데이터) 수직: 총 WAU 수. 수평: 월간 코호트
처음에는키가 줄어들지 않습니다. 하지만 위의 그래프를 보면 시간이 지날수록 이탈하는 사용자 수가 늘어나고 이로 인해 궁극적으로 성장이 둔화된다는 것을 알 수 있습니다. 그래프를 오른쪽으로 더 계속 진행하면 곡선이 확실히 떨어지게 됩니다. 사용자는 점점 더 빠른 속도로 웹사이트/앱을 떠나고, 동일한 속도로 새로운 웹사이트/앱을 얻게 됩니다.
미터법 2번. 코호트당 고객 유지율
서비스 이용 개시일을 기준으로 사용자를 구분하고 코호트 분석을 실시합니다. 유지 곡선을 평평하게 만들어야 합니다. 사용자가 유출을 멈추는 시점(2일차든 3주차든 상관없음)을 찾아보세요.
2개의 코호트 분석을 살펴보세요.
처음에는 아무도 남지 않을 때까지 각 코호트에서 유출이 점차적으로 시작됩니다. 그러나 두 번째에서는 유지 곡선이 12일차에 평평해지고 각각의 새로운 코호트는 이전 코호트의 남은 부분을 기반으로 구축됩니다. 분석이 첫 번째와 유사한 경우 유지 초기 단계에서 고객에게 제안의 가치를 보다 명확하게 전달하는 데 집중하세요. 그래야만 성장 그래프가 다음과 같이 보일 것입니다.
유지 곡선을 평탄화한 후에는 프로세스 속도를 높이는 데 투자할 수 있습니다. 동일한 유지율로 더 많은 사용자가 발생하는 12일차가 아닌 3일차에 사용자를 "아하!"하는 순간에 이르게 하세요.
사용자에게 어떤 가치가 있나요?
곡선을 평평하게 만들더라도 조만간 사용자가 떠나기 시작할 것입니다. 목표는 얼마나 빨리가 너무 빠른지, 더 오래 유지하기 위해 무엇을 할 수 있는지 결정하는 것입니다.
LTV(고객평생가치)가 CAC(고객획득비용)보다 높으면 포지션이 안정적이라는 전설이 있습니다. 즉, 확보한 고객으로부터 창출한 총 수익보다 마케팅에 지출하는 비용이 적다면 괜찮습니다.
LTV > CAC = ☺
모든 것이 맞습니까? 아니요.
이 공식은 매우 부정확한 두 가지 가정 하에서 유효합니다.
1. 이탈률이 일정하고
2. 모든 사용자는 결국 떠날 것입니다.
이전 장에서 살펴본 바와 같이 유출 아니다일정하고 당신은 그것을 원하지 않습니다. 귀하는 이 지표를 지속적으로 개선하기 위해 노력하고 있습니다. 두 번째 가정에서는 다음과 같은 고객을 확보하기를 바랍니다. 절대당신은 버림받지 않을 것입니다.
미터법 3번. 총 코호트 이익
확장 단계의 소프트웨어 스타트업과 협력하는 오픈뷰파트너스는 이 공식 대신 사용자 가치를 이해하기 위한 개선된 공식을 제시했다. 그들은 CCR(Cumulative Cohort Revenue)이라는 것을 살펴보고 이를 CAC와 비교할 것을 권장합니다. CCR은 일정 기간(보통 12개월 또는 24개월) 동안 확보한 고객 점유율로 창출된 총 수익 금액입니다.
연간 CCR = 12번째 달 해당 코호트의 CCR / 해당 코호트에 대한 첫 달의 총 판매 및 마케팅 비용
새로운 공식에는 기간이 포함됩니다. 비교를 보장합니다 유효한한 개별 코호트의 총 이익과 이를 획득하기 위해 지출한 금액입니다. 잘못된 가정의 여지가 없으며 귀하와 귀하의 CAC가 어디에서 손익분기점에 도달하는지 진정으로 이해하게 됩니다.
코호트 전반에 걸쳐 CCR과 CAC를 비교하면 시간이 지남에 따라 어느 부분이 개선되고 있는지, 그리고 고객 확보 비용을 얼마나 빨리 회수할 수 있는지 알 수 있습니다.
유지율은 중요하지만 전체 내용을 말해주지는 않습니다. 사실 사용자가 제품에 대한 초기 결정을 내린 후 사용자가 떠나는 과정은 1분, 1시간 또는 심지어 1주일까지 걸릴 수 있습니다. 아마도 그는 구독을 취소하고 싶지만 계속 잊어버릴 수도 있습니다. 또는 그는 제품에 또 다른 기회를 주기로 결정했지만 문제가 해결되지 않았습니다.
유지율 그래프에 다음과 같은 걱정스러운 기울기가 있다고 가정해 보겠습니다.
유지율이 급격히 떨어지는 것을 발견했지만 무슨 일이 일어나고 있는지 전혀 알 수 없습니다. 14일째에는 곡선이 가파르게 변하는 것 같습니다... 하지만 이는 끔찍한 버그 때문인가요? 아니면 사용자가 구독을 취소하고 싶다는 사실을 단순히 기억한 것인가요?
미터법 번호 4. DAU/WAU/MAU
유지율만 보는 것이 아니라 사용자 행동 분석을 살펴봐야 합니다. 그녀는 누가 활동 중이고 시간을 내어 구독을 취소했는지 설명할 사람입니다.
이를 위해서는 활동 수준을 살펴봐야 합니다. 제품의 성격에 따라 비용을 지불해야 합니다. 세심한 주의다음 지표 중 하나로:
일일 활성 사용자(DAU)
월간 활성 사용자(MAU)
주요 가치가 일일 사용량에서 나온다면(메시징 앱 또는 워크플로 구성 도구를 홍보하는 경우) 일일 활성 사용자에 초점을 맞춥니다. 가치가 덜 빈번한 체크인에 따라 달라지는 경우 WAU 또는 MAU를 추적하세요.
모든 사용자가 어느 날 아침에 일어나서 애플리케이션을 종료하기로 결정하는 경우는 없습니다. 유출은 일반적으로 활동 감소로 이어집니다. 사용자에 대한 활동 벤치마크를 설정하고, 사용자에게 가까워지지 않으면 너무 늦기 전에 재참여 프로세스를 시작하세요.
증상 치료보다는 예방
이탈 문제가 있든 없든 관계없이 모든 유지 전략을 기반에 적용하는 것은 매우 유혹적일 수 있습니다. 그러나 이로 인해 당신은 분열되어 결과적으로 거의 성취하지 못할 것입니다. 위에서 설명한 4가지 지표는 이탈 목표를 설정하고 필요한 조치를 신속하게 취하는 방법에 대한 아이디어를 제공합니다.
이러한 지표가 좋은 결과를 보여주기 시작하면 소매를 걷어붙이고 사용자로부터 더 많은 가치를 추출하는 데 집중할 수 있습니다.
이 간행물은 사이트와 devtodev의 게임 지표에 관한 일련의 자료의 일부로 게시됩니다. 기사는 계절별로 나누어져 있으며 각 기사는 특정 주제를 다룹니다. 두 번째 시즌의 이름은 "Users"입니다. 여기에서는 청중과의 작업 측면에서 애플리케이션의 효율성을 반영하는 비즈니스 측정 항목에 대해 이야기합니다.
베라 카르포바
프로젝트의 청중은 매일 새로운 사용자로 보충됩니다. 그들 중 일부는 빨리 흥미를 잃고 일부는 때때로 응용 프로그램을 기억하고 일부는 정기적으로 사용합니다. 그리고 아마도 매일 이 모든 부문의 대표자들이 애플리케이션에 로그인할 것입니다. 오늘 우리는 그들에 대해 이야기 할 것입니다 - 활성 사용자.
활성 사용자– 연구기간 동안 1회 이상 세션을 진행한 분들입니다. 이러한 간격은 다를 수 있지만 대부분 프로젝트의 일일, 주간 및 월간 청중을 연구합니다. 그리고 이러한 지표에는 이름이 정해져 있습니다.
- DAU– 일일 고유 사용자 수(일일 활성 사용자)
- 와우주당 고유 사용자 수(주간 활성 사용자)
- MAU– 월간 고유 사용자 수(월간 활성 사용자).
동시에 회사의 요구 사항을 더 잘 충족하는 경우 다른 기간에 대해서도 유사한 계산을 수행할 수 있습니다. 예를 들어, 나가는 해의 결과를 요약하면 프로젝트의 연간 청중을 계산하고 이를 전년도와 비교하여 역학을 평가할 수 있습니다.
주목할 가치가 있는 것은 특정 주의 WAU는 7일 동안의 DAU의 합이 아닙니다., 순 사용자에 대해 이야기하고 있기 때문입니다. 예를 들어, 그 중 한 명이 월요일과 화요일에 애플리케이션에 로그인하면 월요일 DAU와 화요일 DAU에 모두 기록됩니다. 단, 일주일(월요일부터 일요일까지) 동안에는 한 번만 계산됩니다.
마찬가지로 MAU는 4WAU와 30DAU의 합이 아닙니다. 계산 관점에서 볼 때 이러한 지표는 서로 연결되어 있지 않으며 별도로 계산됩니다.
이러한 지표를 더 잘 이해하기 위해 예를 사용하여 계산해 보겠습니다.
2주 동안 다양한 사용자의 애플리케이션 방문에 대한 데이터가 있다고 가정해 보겠습니다. 이 경우 사용자가 하루에 몇 번이나 프로젝트에 접속했는지는 중요하지 않습니다. 왜냐하면 사용자는 여전히 한 명의 고유 방문자이기 때문입니다.
사용자가 애플리케이션에 접속한 날짜는 파란색으로 표시됩니다.
그럼 먼저 1일차, 2일차, 5일차, 10일차 DAU를 계산해 보겠습니다. 이렇게 하려면 요즘 애플리케이션에 액세스한 고유 사용자 수를 알아야 합니다.
- 1일차 DAU = 2(사용자 1 및 4);
- 2일차 DAU = 3(사용자 2,4,5);
- 3일차 DAU = 3(사용자 2,3,4);
- 10일차 DAU = 0(요즘에는 앱에 로그인한 사람이 없습니다).
- 첫 주(1일부터 7일까지)에는 5와 같습니다. 모든 사용자가 프로젝트에 참여했습니다.
- 두 번째 주(8일부터 14일까지)에 이 지표는 이미 3입니다. 첫 번째와 두 번째 사용자는 세션을 만들지 않았습니다.
예를 들어 3일부터 9일까지 임의의 주를 선택할 수도 있으며, 그러면 WAU는 4가 됩니다.
이 예에서는 5명만 참여했지만 실제 프로젝트에서는 매일 수천, 수십만, 수백만 명의 사용자가 제품을 방문합니다. 그리고 애플리케이션에 액세스하는 방식은 애플리케이션의 안정성, 품질 및 규모를 나타냅니다.
게다가 활성 사용자는 실시간으로 추적하는 데 적합한 지표입니다., 애플리케이션이나 서버에 문제가 발생하여 사용자가 제품을 사용할 수 없는 경우 이 측정항목이 즉시 영향을 받기 때문입니다. 이러한 제어를 위해 사용자를 일별이 아닌 시간 또는 10분 간격으로 그룹화할 수 있습니다.
그런데 현재 애플리케이션에 있는 활성 사용자는 고유한 이름을 가진 별도의 측정항목입니다. 가장 흔히 이 온라인 사용자이지만 다음과 같은 약어도 찾을 수 있습니다. CCU(동시 사용자)– 애플리케이션에 있는 사용자 특정 순간, 그리고 PCCU(최대 동시 사용자 수)– 애플리케이션에서 동시에 사용할 수 있는 최대 사용자 수입니다.
평균 CCU는 프로젝트 규모를 잘 반영하며, 서버 부하를 계획할 때 PCCU는 매우 중요합니다.
활성 사용자의 역학은 하루에만 변하는 것이 아니라 매달 점차적으로 증가하거나 감소할 수 있습니다. 그리고 그것을 통제하는 것이 매우 중요합니다. 세분화는 활성 사용자 수의 변화 분석을 단순화하는 데 도움이 됩니다. 덕분에 지표 변경에 책임이 있는 사용자 세그먼트를 빠르게 이해할 수 있습니다.
활성 청중을 분류하기 위한 몇 가지 옵션은 다음과 같습니다.
결제의 경우:
- 지불 / 지불하지 않음
- 1회만 결제함 / 반복 결제함
설치 날짜별:
- 1일 / 2~7일 / 8~14일 / 15~30일 / 30~60일 / 60일 이상
방문 빈도별:
- 매일 / 주 4~6회 / 주 1~2회 / 한 달에 1회 이하
국가, 기기, 운영 체제, 맞춤 이벤트별로 나눌 수도 있습니다(즉, 잠재고객을 특정 작업을 수행한 사용자와 수행하지 않은 사용자로 나눌 수 있습니다).
애플리케이션에 게임 경험의 완성도를 높이거나 제품의 올바른 첫인상을 만드는 데 중요한 몇 가지 주요 이벤트가 있는 경우 후자의 분할 옵션을 사용할 수 있습니다(예: 튜토리얼 완료, 게임의 N 레벨 또는 게임 참가). 가게).
활성 사용자 수가 감소하고 있는 세그먼트를 식별하면 검색이 더 쉬워집니다. 가능한 이유문제.
일어날 수 있는 상황은 다음과 같습니다.
첫째, 러시아의 활성 사용자 수가 감소하기 시작하는 동시에 일본의 방문자 수가 증가하여 다른 국가의 감소를 보상합니다. 전체 DAU 차트만 보면 역학적 변화를 거의 느낄 수 없습니다. 그리고 나중에 러시아의 활성 사용자 수가 더욱 줄어들면 일반 그래프에서 이를 확인할 수 있습니다. 그러는 사이 이미 많은 시간이 흘렀고, 이를 통해 추락 원인을 찾아 제거할 수 있게 됐다.
또 다른 통계적 이상 현상은 분할의 중요성을 확인시켜 줍니다. 심슨의 역설. 그 표현은 예를 통해 가장 잘 볼 수 있습니다.
이전 예에서 4개 국가를 선택하고 해당 국가에서의 구매 전환이 다음과 같다고 가정해 보겠습니다.
그리고 이런 일이 일어납니다:
- 러시아의 전환율(4.85%)은 일본의 전환율(4.44%)보다 높습니다.
- 영국 전환율(7.08%)은 중국 전환율(6.98%)보다 높습니다.
- 총 전환수 유럽 국가(5.8%)는 아시아인(6.5%)보다 적습니다.
이는 세분화가 지표의 전체 통계와 완전히 다른 결과를 제공할 수 있음을 다시 한 번 시사합니다.
그런데 DAU 차트를 보면 항상 추세를 명확하게 알 수 없는 경우가 있는데, 주별, 월별(차트를 WAU, MAU로 변환)로 그룹화하면 좀 더 명확해집니다.
활성 사용자 지표 자체는 확실히 프로젝트에 중요하지만, 이 외에도 다른 재무 및 행동 지표와도 관련이 있습니다.
가장 먼저, 활성 사용자는 신규 사용자 수의 영향을 받습니다.– 더 많은 사람들이 프로젝트에 더 빠르고 지속적으로 참여할수록 청중이 더 빨리 증가합니다.
두 번째로 덜 중요한 지표는 다음과 같습니다. 보유(사용자 유지): 사용자가 프로젝트로 복귀하는 방법을 알려줍니다. 프로젝트에 돌아오지 않을 새로운 사용자를 프로젝트에 데려오면 그들은 청중을 보충하지 못할 것이며 그러한 매력은 아무런 효과도 없을 것입니다. 사용자가 제품에 관심을 갖고 다시 방문하고 싶도록 만드는 것이 중요합니다. 그리고 그 수가 많을수록 활동적인 청중도 더 많아질 것입니다.
작은 예:
앱에서 좋은 유지율을 가질 수 있지만 신규 사용자 수가 적으면 잠재 고객이 매우 느리게 증가합니다. 반대로 신규 사용자가 많이 유입되고 유지율이 낮으면 대부분이 프로젝트를 떠나게 되므로 청중도 늘어나지 않습니다.
그리고 프로젝트의 청중이 많을수록 잠재적인 지불자가 더 많아집니다. 결국 사용자가 비용을 지불하게 되는 순서는 다음과 같습니다.
신규 사용자 → 활성 사용자 → 유료 사용자
그런데 사용자가 첫 번째 결제 후에도 제품을 계속 사용하는 것이 중요합니다. 이렇게 하면 반복 구매 가능성이 높아지기 때문입니다.
따라서 활성 사용자는 수입에 직접적으로 비례하여 영향을 미칩니다.
수익 = 활성 사용자 * 지불 지분 * ARPPU
활성 사용자 수는 제품의 가장 중요한 지표 중 하나이며, 신규 사용자 유치 품질과 유지 지표를 결합하여 수익에 직접적인 영향을 미치며 성공을 간접적으로 나타냅니다. 따라서 활성 사용자를 분석할 때 잠재고객 증가율에도 주의를 기울여야 합니다. 이 지표는 가장 긍정적인 신호 중 하나이기 때문입니다. 활발한 개발제품.
또는 애플리케이션의 내부 메커니즘을 설정하는 것은 블라인드 게임입니다. 데이터를 분석하고 개별 조치를 평가해야만 올바른 결정을 내릴 수 있습니다. 아래에는 홍보할 때 없이는 할 수 없는 가장 중요한 지표가 나열되어 있습니다.
일반 지표
설치 수 및 등록 수 -이는 가장 명확한 지표를 반영하는 기본 지표입니다. 그 자체로는 분석에 큰 가치가 없지만 다른 지표를 계산할 때 필요합니다.
이 두 측정항목 간의 차이점의 중요성을 강조할 가치가 있습니다. 첫째, 사용자는 애플리케이션을 설치할 수 있지만 로그인하지 않고 삭제할 수 있습니다. 이 경우 설치는 계산되지만 등록은 이루어지지 않습니다. 둘째, 한 사용자는 여러 장치를 설치할 수 있습니다. 예를 들어 두 장치(스마트폰과 태블릿)에 설치할 수 있지만 두 경우 모두 하나의 응용 프로그램에 로그인하게 됩니다. 계정. 따라서 등록은 1개, 설치는 2개로 계산됩니다.
설치 횟수 및 기타 정보는 일반적으로 내부 애플리케이션 분석 시스템이나 스토어의 개발자 계정에서 가장 쉽게 확인할 수 있습니다.
사용자 활동
등록 수로 인해 애플리케이션의 실제 사용자를 판단할 수는 없습니다. 결국, 모든 프로젝트에는 거의 항상 "죽은 영혼", 즉 응용 프로그램 사용을 중단한 사용자가 있습니다. 따라서 객관적인 평가를 위해 특별한 측정 기준이 채택되었습니다.
사용자 활동은 일반적으로 특정 기간(대개는 한 달, 한 주 또는 하루) 동안 측정됩니다. DAU(Daily Active Users) 지표는 하루 동안 애플리케이션을 방문한 고유 사용자 수, WAU(Weekly Active Users)(주) 및 MAU(Monthly Active Users)(월)을 반영합니다. 따라서 모든 사용자가 한 달 동안 매일 애플리케이션에 로그인하면 DAU와 MAU가 동일해집니다. 하지만 실생활물론 이것은 일어나지 않습니다. 이 지표는 주로 프로젝트 규모를 나타냅니다.
또한 모바일 분석에는 사용자가 애플리케이션에 얼마나 자주 접속하는지 알려주는 측정항목(소위)이 있습니다. 끈끈한 요인. 계산하다 사용자 참여매우 간단합니다. DAU를 MAU(WAU)로 나누어야 합니다. 예를 들어 일일 시청자가 100명이고 월간 시청자가 500명이라면 참여도는 20%가 됩니다. 이 지표는 신규 사용자 유입이 균일할 경우에만 실제 상황을 반영할 수 있습니다.
유지율- 사용자 유지 효과, 즉 재방문 빈도에 대한 측정 기준입니다. 이 지표를 계산하려면 다음이 필요합니다. 총 수기간 종료 시 신규 사용자(해당 기간 동안 애플리케이션을 방문한 사용자)를 빼고 기간 시작 시 사용자 수로 나눕니다. 일반적으로 유지율은 2일, 1주, 2주, 1개월 단위로 계산됩니다. 이 지표는 제품에 대한 청중의 애착 정도를 보여줍니다. 재무설계에도 중요합니다.
세션 길이- 사용자가 애플리케이션과 상호 작용하는 기간입니다. 예를 들어, 대부분의 게임에서는 긴 세션이 유익하며 이는 높은 레벨사용자 참여, 택시 호출 또는 호텔 예약 서비스에서는 세션 길이가 특별한 역할을 하지 않습니다. 여기에서 개발자는 가능한 가장 짧은 전환 경로를 위해 노력합니다.
수익 창출 지표
다음 측정 항목 그룹은 소득과 관련이 있습니다. 사용자가 지출하는 금액과 방법을 이해하는 것이 중요합니다. 이는 수익화 방법의 효율성을 평가하거나 비즈니스 모델 변경을 고려하는 데 도움이 됩니다.
ARPU(사용자당 평균 수익)은 프로젝트 수익 창출의 기본 지표 중 하나입니다. 이 측정항목은 각 사용자가 평균적으로 창출하는 수익 금액을 반영합니다. 간단히 계산하면 전체 수익을 애플리케이션 사용자 수로 나누어야 합니다. 이 지표의 역학도 중요합니다. 이 지표가 성장하면 프로젝트가 올바른 방향으로 발전하고 있음을 의미합니다.
ARPA(계정당 평균 수익) - 동일하지만 사용자당이 아니라 계정당입니다. 이 지표는 애플리케이션이 이미 등록된 사용자로부터 직접 지불을 통해 돈을 버는 것과 관련된 경우에 사용됩니다.
ARPPU(유료 사용자당 평균 수익) - 이 지표는 ARPU와 쉽게 혼동될 수 있습니다. 차이는 단 한 글자에 불과합니다. 유일한 차이점은 유료 사용자만 고려된다는 것입니다. 즉, ARPPU는 일반적으로 ARPU보다 훨씬 높습니다.
LTV(평생 가치) - 사용자가 애플리케이션의 전체 수명 동안 벌어들이는 수익입니다. 이는 기본 지표 중 하나이며 CAC(한 명의 사용자를 유치하는 데 드는 비용)를 초과하기 시작하면 광고가 수익성이 있는 것으로 간주될 수 있습니다. LTV가 CAC를 3배 이상 초과하도록 노력해야 합니다. 이를 통해 고객 유치에 드는 직접 비용을 상환하는 것이 아니라 개발에 투자하고 감가상각비를 충당할 수 있습니다.
ALTC(Average Lifetime of a Customer)는 LTV 계산에 필요한 지표로, 애플리케이션 내 사용자의 '평생'을 알려줍니다. 예를 들어, 전자상거래 부문의 애플리케이션의 경우 이는 원칙적으로 클라이언트가 애플리케이션을 사용하는 기간 동안의 거래 수입니다.
이탈률- 사용자 이탈률, 측정항목은 떠난 사용자의 비율을 반영합니다. 이탈률이 낮을수록 프로젝트에 더 좋습니다.
광고 효과 지표
다음 지표 그룹은 트래픽 구매 및 판촉과 직접적으로 관련되며 광고 효과를 평가하는 데 사용됩니다. 결국 프로모션의 주요 원칙 중 하나는 수익을 창출하는 것보다 광고에 더 많은 비용을 지출하지 않는 것입니다.
(설치당 비용) - 1회 설치 비용입니다. 이 지표는 신규 사용자를 유치하는 데 드는 모든 비용을 고려합니다. CPI를 계산하려면 모든 광고 비용을 유치된 설치 수로 나누어야 합니다. 그러나 이 지표는 매우 임의적이어서 여러 가지 요소를 고려하지 않습니다.
eCPI또는 효과적인 설치 비용이 더 정확한 지표이며, 이를 계산할 때 바이러스성을 고려합니다.
K-인자또는 바이러스성 계수 - 응용 프로그램의 자연적인 확산을 나타내는 지표입니다. 사용자는 소셜 네트워크에서 이에 대해 이야기하고, 친구에게 추천하고, 다른 방법으로 정보를 전달합니다. 일반적으로 이는 애플리케이션에 내장된 특별한 소셜 메커니즘을 통해 달성됩니다. 이 지표는 다음과 같이 계산됩니다. 권장 사항 수에 권장 사항을 수락한 사람들의 비율을 곱해야 합니다.
C.A.C.(고객 확보 비용) - 한 명의 사용자를 유치하는 데 드는 비용입니다. 설치가 아닌 고객 지불을 고려한다는 점에서 CPI와 다릅니다. 차이점은 한 명의 사용자가 애플리케이션이 설치된 여러 장치를 가질 수 있다는 것입니다.
CR(전환율) - 전환율. 이는 다양한 방식으로 사용될 수 있는 일반적인 측정항목입니다. 예를 들어 마케팅 담당자는 클릭 후 설치 전환을 계산하는 경우가 많습니다. 이 경우 숫자를 통해 랜딩 페이지의 품질을 알 수 있으며 타겟 여부에 관계없이 잠재고객이 관심을 끌고 있는지에 대한 결론을 도출할 수 있습니다. 설치에서 타겟 작업으로의 전환도 중요합니다. 이는 트래픽의 품질을 평가하는 데 도움이 됩니다. 다양한 소스그리고 비효율적인 것들을 제거하라.
모바일 분석 서비스
위의 모든 데이터를 수집하려면 모바일 분석 서비스라는 특별한 도구 없이는 할 수 없습니다.
구글애널리틱스- 가장 일반적인 분석 시스템은 무료라는 점에서 다른 시스템과 다릅니다. 필요한 모든 데이터를 수신할 수 있지만 신중한 구성이 필요합니다.
단말마- 유료 서비스이지만 가격이 저렴합니다. 명확한 인터페이스와 간단한 설정을 통해 보고서를 쉽게 생성하고 대규모 측정항목을 모니터링할 수 있습니다.
믹스패널- 가장 편리하고 강력한 서비스 중 하나입니다. 하지만 비용을 지불해야 합니다. 이 시스템분석은 가장 비용이 많이 드는 것으로 간주됩니다. 그러나 이를 통해 거의 모든 측정 항목에 대한 통계를 얻을 수 있습니다.
기사에 나열된 측정항목은 실용적인 모바일 분석의 기초일 뿐입니다. 지표 자체는 유용한 정보를 거의 제공하지 않으며 주요 가치는 올바른 해석에 있습니다. 또한 이러한 지표는 보다 복잡한 측정항목을 계산하는 데 필요합니다. 분석을 연구하고 블로그를 구독하여 아무것도 놓치지 마세요.