계산 방법의 로직

이벤트 분석의 분석 지표, 리텐션 분석 및 분포 분석의 동시 표시 지표를 설정할 때, 분석 내용에 따라 적절한 계산 방법을 선택해야 하지만, 이 장에서는 몇 가지 방법의 로직에 대해 설명합니다.

프리셋 계산 방법

• 총 회수： 이벤트가 트리거된 회수
• 유니크 유저： 이벤트를 트리거한 유니크 유저의 수
• 1인당 평균 회수： 총 회수 / 이벤트를 트리거한 유저의 수, 이벤트를 트리거한 각 유저가 평균 이벤트 트리거 회수

숫자형 속성

계산 방법	로직
평균 수치	속성 값의 합계/속성 값의 수
1인당 평균 값	속성 값의 합계/트리거 유저 수, 각 트리거 유저의 속성 값의 평균 합계
중앙값	속성 값을 큰 것부터 작은 것으로 정렬, 중앙의 속성 값을 나열. 속성 값의 수가 짝수인 경우, 중앙값은 2개의 중앙값의 평균이 된다.

평균은 데이터의 평균적인 성능을 반영하지만, 다른 것보다 훨씬 높거나 낮은 속성 값이 있는 경우, 중앙값은 평균보다 전체적인 상황을 더 잘 파악할 수 있습니다.

예: 4명의 유저가 총 7개의 결제 이벤트를 트리거한다고 가정합니다.

사용자	매번의 과제금액
A	6、648
B	30、30、30
C	128
D	6

- 평균 수치 = 125.43 - 1인당 값 = 219.5 - 중위수 = 30

계산 방법	로직
N 백분위수	속성 값을 큰 것에서 작은 것으로 정렬합니다. 속성 값은 N 백분위수, 중위수는 50 백분위수입니다.

중위수 외에 데이터 분포를 더 적절하게 측정하기 위해 N 백분위수가 자주 사용됩니다.

예를 들어, 핵심 아이템·자원의 N 백분위수 변화를 관찰하고, 새로운 아이템·자원을 만들지 여부를 판단합니다.

계산 방법	로직
분산	평균 수치를 통계하고, 다음으로 각 속성 값과 평균의 차의 제곱을 계산하여 평균을 취한다
표준 편차	분산의 제곱근

분산과 표준 편차는 데이터의 변동을 측정하기 위해 사용할 수 있습니다. 실험 그룹과 대조 그룹의 1인당 평균 결제 금액이 유사하며, 표준 편차가 대조 그룹보다 유의하게 높다고 가정하면, 실험 그룹의 지표 데이터는 대량 결제에 의해 더 큰 영향을 받는 것으로 나타납니다.

리스트 형 속성

계산 방법	로직
리스트 중복 제외 수	리스트 전체를 가져와서 유니크한 리스트가 몇 개인지 통계를 내린다
집합 중복 제외 수	각 리스트 내의 요소를 중복 제외하고 정렬하여 집합을 만들고, 중복되지 않는 집합 수를 통계한다
요소 중복 제외 수	모든 리스트의 모든 요소를 추출하고, 유니크한 요소가 몇 개인지를 통계한다

게임에서는 전투 중에 여러 히어로 ID가 리스트 속성으로 기록되는 경우가 많습니다. 얼마나 많은 히어로가 전투에 참여했는지 분석하려면, 통계에 '요소 중복 제외 수'를 사용할 수 있습니다; '리스트 중복 제외 수' 또는 '집합 중복 제외 수'를 사용하여 유니크한 출전 조합이 몇 개인지 분석할 수 있습니다. 후자는 리스트 내의 히어로의 순서를 구분하지 않습니다.

4개의 리스트 속성이 있다고 가정하면: [a,b,c]、[a,b,c,c]、[c,b,a] 그리고 [a,b,c,d]:

• 리스트 중복 제외 수 = 4
• 집합 중복 제외 수 = 2
• 요소 중복 제외 수 = 4

불린(boolean)형 속성

계산 방법	로직
진수, 거짓수	값이 True/False인 이벤트의 수
null 수, not null 수	값이 null/not null인 이벤트의 수