[용어 정리] 게임 데이터 분석 기본 개념 - 매출 및 마케팅

들어가며

 

내가 보려고 정리하는 데이터 분석 기본 개념 하편. 매출 및 마케팅 관련 개념, 지표를 훑어보았다.
글을 쓰는 동안 이미 알고 있는 내용을 천천히 한 번 더 들여다볼 수 있었고 모호했던 부분이 확실히 정리되어 좋았다. 🤭

 

매출, 경제

 

매출(현금 구매), 경제(현금으로 구매한 게임 내 재화 이용)와 관련된 자료.

 

1. 주요 개념

 

구분	풀이	측정식
Sales (=Revenue)	유료 매출액	기간 내 매출액 합계 (예. 1일, 1주, 1개월…)
Operationg Profit	영업 이익	Sales-일반 관리비
PU (Paying User) 혹은 BU (Buying User)	구매자 수	기간 내 순수 구매자 수 (예. 1일, 1주, 1개월…)
PUR (Paying User Rate) 혹은 BUR (Buying User Rate)	구매자 전환 비율	PU/UV*100
ARPU (Average Revenue Per User)	이용자 당 평균 매출	Sale/UV
ARPPU (Average Revenue Per Paying User)	구매자 당 평균 매출	Sale/PU
구매 횟수	구매자의 구매 횟수	기간 내 구매 횟수
ASP (Average Selling Price)	결제 건 당 평균 구매 단가	Sales/구매 횟수
재화 보유량	기준일에 이용자가 지니고 있는 재화 총량
재화 획득 수량	기준일에 이용자가 획득한 재화 총량
재화 소비 수량	기준일에 이용자가 소비한 재화 총량
재화 변동량	기준일 재화 획득량, 소비량의 차이	재화 획득 수량-재화 소비 수량

[표 1] 매출, 경제 현황 및 추이를 확인하기 위한 대표적인 지표. 매출 표기 시 부가가치세 포함 여부, 결제 취소액 등을 병기하여주면 도움이 된다. 또 매출액을 이용자 별(신규/복귀/기존, 레벨 등), 상품 별(재화, 소모품, 기능성 아이템, 치장성 외형, 기간제 서비스, 영구제 서비스 등)로 나누어 살펴보면 어떤 점이 효과적이었는지 확인하기 좋다. 

 

2. ARPU와 ARPPU

처음 매출, 경제 관련 지표를 살펴볼 때 헷갈렸던 내용.
ARPU, ARPPU를 분리해서 측정하는 이유는 게임의 매출 특성을 보다 정확히 파악하기 위함이다.

 

	ARPU	ARPPU
풀이	이용자 당 평균 매출	구매자 당 평균 매출
측정식	Sale/UV	Sale/PU
활용처	이용자 전반의 구매 성향 파악	실제 구매자의 구매 성향 파악
기타	- 고 객단가: ARPPU가 ARPU보다 매우 높을 경우로 극소수의 충성도 높은 이용자에 의해 대부분의 매출 발생 (예. RPG) - 저 객단가: ARPPU, ARPU의 차이가 크지 않은 경우로 많은 이용자에 의해 고른 매출 발생 (예. 기록 경쟁형 퍼즐 게임) - PUR, ARPPU는 서로 다른 방향으로 움직이는 지표이기에 둘 모두를 높게 유지하기 위한 액션은 찾기 어려움

[표 2] 위 같은 특징 때문에 때때로 ARPU를 광고 캠페인의 효과를 측정하기 위한 도구로 활용하기도 한다. 즉, 어떤 캠페인이 더욱 많은 이용자를 모객하고 보다 큰 수익을 창출하였는지 비교하는 것. 결과적으로 캠페인의 퀄리티를 높이는 데 도움이 된다. 한편, ARPPU는 인 앱 결제가 이루어지는 모바일 게임 등의 수익을 측정하는 데 널리 이용된다.

 

3. 결제 금액대 별 이용자 구분

결제 금액대에 따라 이용자를 아래처럼 분류하기도 한다. 
그러나 PUR와 ARPPU는 장르, 플랫폼 등에 따라 차이가 큰 편이니 참고만 할 것.

 

구분	결제 금액
고과금 (고래)	1,000,000원~
중과금 (돌고래)	100,000원~999,999원
소과금 (피라미 또는 플랑크톤)	1원~99,999원
무과금	0원

[표 3] 객단가가 높은 게임에서는 고래, 돌고래 그룹이 전체 매출의 90% 이상을 차지하는 경우가 많다.

 

4. 매출 시뮬레이션

1) 참고 자료 준비

• 상용화 강도
  • 게임 내 가격대 별 상품 비중, 최고 가격, 최저 가격을 리스트업한다.
  • x축에 저가-고가 상품 비중, y축에 최고-최저 가격을 놓고 사분면을 그려보는 등 유사한 게임과 나의 게임을 시각화하여 비교한다.
  • 유사성이 큰 게임을 추려 시뮬레이션 시 참고 자료로 활용한다.
• 상품 구성
  • 게임 내 성격 별 상품 비중을 리스트업한다.
  • x축에 기간제-영구제 상품의 비중, y축에 기능성-치장성 상품의 비중을 놓고 사분면을 그려보는 등 유사한 게임과 나의 게임을 시각화하여 비교한다.
  • 상용화 강도와 마찬가지로 비슷한 게임을 골라 시뮬레이션의 참고 자료로 쓴다.

[그림 1] 좌측부터 상용화 강도 예시, 아이템 종류 별 비율 예시. (출처: Sunnyrider님의 모바일/온라인 게임의 매출 시뮬레이션 슬라이드 셰어)

 

2) 시뮬레이션 절차

• 예상 MAU 산출
  
  • 1명이 클라이언트 또는 앱 인스톨을 완료할 시 1,000원을 청구하는 CPI (Cost Per Install) 광고를 집행한다고 가정해본다.
  • 프로젝트는 마케팅 예산으로 100,000,000원을 배정하였다.
  • 프로젝트는 위 광고를 통해 100,000,000/1,000=100,000명의 광고 유입 이용자를 유치할 수 있다.
  • 꾸준한 자체적 홍보와 바이럴 효과로 인한 자연 유입이 100,000명 이루어졌다고 가정했을 때, 총이용자는 200,000명.
  • 테스트 단계에서 게임의 한 달 이탈률이 35%를 기록한 경우 잔존 MAU는 70,000명 정도.

[그림 2] D0 DAU=10,000이고 매일 광고를 통해 10,000명의 신규 이용자가 유입된다고 가정하였을 때 D1 DAU=(D0*잔존율)+NRU로 계산하는 식으로 진행한 MAU 시뮬레이션 일부. (출처: 봉쿠레님의 실무 관점에서 바라본 게임사업 포스팅)

 

• 예상 PUR, ARPPU 설정
  • 시장 조사를 통해 발굴한 유사 게임, 장르, 플랫폼의 PU를 확인한다. 장르 별로 살펴보자면 RPG는 월 3~8%, SNG 및 퍼즐은 2~5% 정도.
  • 시장 조사 중 확인한 유사 게임, 장르, 플랫폼의 ARPPU를 검토한다. 장르만 따졌을 때 RPG는 월 40,000~80,000원, SNG 및 퍼즐은 월 10,000~30,000원 정도.
• 시간에 따른 유저 하락 등을 예상하여 연간 매출 정리
  • MAU, 앞서 정리한 PUR 및 ARPPU를 활용하여 예상 매출을 정리한다.

 

[그림 3] 기본에 충실한 초간단 매출 시뮬레이션. (출처: Sunnyrider님의 모바일/온라인 게임의 매출 시뮬레이션 슬라이드 셰어)

 

마케팅

마케팅 예산 사용의 정당성을 이해하고 검토하며 집행 이후 성과를 측정하기 위한 개념, 지표.
예컨대 UAC < CLV라면 이용자를 유치하기 위한 지출의 근거가 되며 CLV를 기준으로 이용자를 그룹화하여 맞춤형 서비스를 제공할 수도 있다.

1. 주요 개념

 

구분	풀이	측정식
Oraganic User	자연 유입 이용자	유기적으로 유입된 이용자 수
Non-Oraganic User	광고 유입 이용자	광고를 통해 유입된 이용자 수
UAC (User Acquisition Cost)	신규 이용자 1명을 획득하는 데 발생하는 비용	총 마케팅 비용/신규 유입 이용자
Impression	노출	광고 소재가 노출된 횟수
CTR (Click Through Ratio)	광고 소재 클릭률	광고 클릭 수/노출
CR (Conversion Rate)	클라이언트 또는 앱 인스톨 전환율	클라이언트 또는 앱 인스톨 수/노출
CPM (Cost Per Mille)	광고 소재 1,000회 노출 시 드는 비용	판매자의 광고 상품에 따라 상이 (예. ① 인 앱 광고 등 노출 위치 ② 배너, 동영상 등 소재 종류 ③ 노출 시, 클라이언트 또는 앱 다운로드 시 등)
CPC (Cost Per Click)	1회 클릭 시 드는 비용	구글 애즈 기준 (경쟁자의 광고 게재 순위*/나의 품질 평가 점수**)+0.1
CPA (Cost Per Action)	특정 행위 시 드는 비용
CPI (Cost Per Install)	클라이언트 또는 앱 인스톨 시 드는 비용으로 CPA의 하위 개념
Bounce Rate 혹은 Churn Rate	기준일(D0) 게임을 이용하였으나, 다음 날(D1) 접속하지 않고 떠나간 이용자의 비율로 '이탈률'에 해당	1-D1리텐션
CLV (Customer Lifetime Value) 혹은 LTV (Life Time Value)	이용자 1명이 최종 이탈 시점까지 가져올 것으로 기대되는 예상 매출액	ARPPU/이탈률
	이용자 전체가 최종 이탈 시점까지 가져올 것으로 기대되는 예상 매출액	ARPU/이탈률
CLC (Customer Life Cycle)	이용자 1명 당 생애 주기	1/이탈률
ROAS (Return On Advertisement Spend)	특정 채널 광고비 지출 대비 해당 광고로 인해 발생한 매출로 '광고 수익률'을 의미	광고 수익/광고 비용
ROI (Return On Investment)	광고를 포함한 특정 마케팅 활동 비용 대비 이를 통해 실현한 이익으로 '광고 투자 대비 수익률'을 의미	(투자 이익-투자비용)/투자비용
BEP (Breaking Even Point)	매출액이 총 비용과 동일해져 회수할 수 있을 때로 '손익분기점'에 해당
UVP (Unique Value Proposition)	다른 제품, 서비스와 차별화되는 고유 가치

[표 4] 사실 광고 유형이나 단가는 사업보다 마케팅의 영역에 가깝긴 하지만, 앞서 살펴본 것처럼 광고를 통해 얼마나 많은 이용자가 유입될지 짐작할 수 있다면 잔존 이용자 수를 가늠하는 식으로도 활용 가능하다.

 

* 광고 게재 순위 (Ad Rank): 입찰 결과에서 다른 광고와 비교할 때의 광고 순서. 입찰가, 광고 및 방문 페이지의 품질, 이용자의 검색 문맥 등에 영향을 받는다.

** 품질 평가 점수 (Quality Score):  광고를 보게 될 사용자와 광고, 키워드, 방문 페이지의 관련성을 추정한 수치. 일반적으로 품질 평가 점수가 높으면 비용은 감소하고 광고 게재순위는 상승한다.

 

2. A/B 테스트
이용자를 임의의 그룹으로 나누고 두 가지의 각기 다른 마케팅 어셋, 웹, 애플리케이션을 보여주어 반응을 살펴보는 것.
1) 활용처
대상의 효과를 측정하여 마케팅 어셋 개선, 웹 사이트 및 애플리케이션 최적화에 사용한다.
주로 전환율, 재방문율을 검토한다.

2) 진행 방식

• 테스트 대상에 대한 가설을 수립한다. 예를 들어 '문안이 나라는 개인을 지목할 경우, 클릭률이 높을 것이다.' 등으로.
• 테스트 대상을 배리에이션한다. 위 예와 반대로 '문안이 대중적일 때, 클릭률이 높을 것이다.' 처럼.
• 테스트한다. 테스트 시 주의해야 할 부분은 아래에 별도로 정리한다.
• 결과를 분석한다. 가설이 적중했다면 더욱 많은 이용자에게 원안을 제공하고 반대의 경우 배리에이션한 버전을 보다 적극적으로 활용한다. 만약 두 안 사이에 유의미한 차이가 없을 경우 다른 가설을 세워 후속 테스트를 준비 및 진행한다.

3) 유의 사항

• 주제를 압축해 테스트해야 한다. 즉, 비교 대상 간 다른 부분이 적을 수록 좋다. 어떤 문구가 이용자의 행동을 더욱 잘 이끌어내는지 확인하고 싶다면 버튼 레이블만 달리 해야지 버튼의 크기, 색상, 위치 등에 차이를 둬선 안 된다.
  만약 두 가지 이상의 대상을 비교하려 하거나 여러 주제를 테스트하려 하는 경우 다변량 테스트, 다항 테스트가 보다 적합할 수 있다.
• 테스트는 동시에 진행해야 한다. 시기 별 이슈가 결과에 영향을 미칠 수 있기 때문이다.
• 테스트에 참여하는 이용자는 가능한 동일한 성격을 지니고 있어야 한다. 결과의 신뢰도를 높이기 위해 무작위로 사용자를 추출하는 방향을 권한다.
• 적정 수준 이상의 참여자를 확보해야 한다. 샘플의 수가 너무 적다면 결과를 신뢰하기 어렵다.
• 통계적 유의미성을 확인해야 한다. 유의 확률*에 대한 해석이 올바르게 이루어져야 한다.
  *p-value: 두 그룹 간 차이가 없다고 가정할 때 얻은 결과보다 극단적인 결과가 발생할 확률.

 

참고 자료

 

모바일/온라인 게임의 매출시뮬레이션

실무관점에서 바라본 게임사업

세상에는 아직 모르는 게 수두룩하고 대단한 분이 너무나 많은 것 같다. 짧은 강연 자료, 포스팅에 많은 이야기와 깊은 통찰을 남겨주셔서 살펴보는 동안 좋은 선생님을 만난 듯한 느낌이었다. 다채로운 자료를 부지런히 확인하여 나도 언젠가 다른 분에게 도움을 드릴 수 있다면 좋겠다 🙏