분석

Thinking Engine (TE)의 분석 모듈은 사용자 행동과 특성 데이터를 다양하게 분석하여 더 나은 데이터 기반 의사결정을 지원합니다. 이 모듈은 저희가 게임 산업에서 얻은 경험을 바탕으로 만들어진, 다양한 산업 분석에 적합한 고급 노코드 분석 도구입니다. 분석 결과는 여러 형태의 보고서로 저장하고 대시보드를 통해 공유할 수 있습니다.

기본 개념 섹션에서는 분석 모듈의 기본 원리와 분석 모델에 대해 소개합니다. 각 모델은 다양한 분석 시나리오를 위해 설계되었으며, 이러한 기본 개념을 이해하면 적합한 모델을 선택하는 데 도움이 됩니다.

'이벤트 분석'이 모델은 사용자 행동 이벤트가 얼마나 자주 발생하는지 선 그래프로 보여줍니다. 특정 기간 동안의 사용자 행동 빈도, 일일 사용자 활성도(DAU)의 변화, 현재 수익 등을 파악하여 트렌드를 분석할 수 있습니다.

'잔존 분석'(=리텐션분석) 이 모델은 프로젝트의 핵심 성과 지표인 사용자 유지율(리텐션률)을 분석합니다. 예를 들어, 신규 사용자가 앱을 처음 사용한 후 몇 일 후에 다시 사용하는지를 측정하고, '동시 표시' 기능을 통해 생애 가치(LTV)와 투자 수익(ROI)도 계산할 수 있습니다.

'퍼널 분석'이 모델은 사용자가 설정된 단계를 순서대로 얼마나 잘 완료하는지 분석합니다. 예를 들어, 튜토리얼에서 어느 부분에서 사용자가 이탈하는지, 특정 링크의 클릭 손실을 파악하여 잠재적 문제를 발견할 수 있습니다.

※ 예를 들어, 신규 등록에서 첫 결제까지, 전환 시간의 중앙값이나 건물 업그레이드 소요 시간의 분포 등, 인과 관계가 있는 두 이벤트의 전환 시간을 분석할 수 있으며, 퍼널 분석의 보완으로도 사용할 수 있습니다.

'분포 분석'이 모델은 특정 사용자 행동 이벤트별 발생 횟수를 분포 그래프로 분석합니다. 사용자별 결제 금액이나 참여 횟수 등을 다양한 방법으로 나누어 분석하며, 이를 통해 사용자 행동의 다양성을 파악할 수 있습니다.

'간격 분석'이 모델은 다양한 사용자 행동 이벤트 사이에 걸리는 평균 시간을 분석합니다. 예를 들어, 신규 등록부터 첫 결제까지의 시간, 게임 내 건물 업그레이드에 소요되는 시간 등을 분석하여, 퍼널 분석을 보완합니다.

'속성 분석'이 모델은 특정 사용자 속성에 해당하는 사용자 수를 시각화합니다. 2차원 크로스 분석을 통해 다른 사용자 그룹과 비교하며, 이를 통해 사용자 프로필을 빠르게 파악하고, 효율적인 운영 계획을 세울 수 있습니다.

'SQL IDE'는 사용자 정의 쿼리를 지원하며, 복잡한 분석 상황에 대응합니다. 이벤트, 사용자, 태그, 코호트 등을 포함한 현재 클러스터 하에 있는 모든 프로젝트 데이터에 대해 커스텀 SQL IDE 기능을 통해 구현할 수 있습니다. 기존 모델이 분석에 적합하지 않거나, 분석 지표가 여러 프로젝트의 데이터를 포함하는 경우, SQL 쿼리를 통해 직접 계산하고, 시각화 모듈과 결합한 데이터 결과를 기반으로 표시할 수도 있습니다.

마지막으로, ThinkingData는 5000개 이상의 프로젝트 경험을 바탕으로 분석 모델을 적용하는 최고의 실전 사례를 제공하며, 템플릿 갤러리를 통해 기본 분석 지표를 빠르게 생성할 수 있습니다.