# 기본 개념

이 분석 모듈을 통해, 유저는 이벤트와 속성들을 집계하여 특정 지표를 빠르게 생성할 수 있으며, 차트와 테이블에 결과 데이터를 표시하여 지표의 추세를 관찰하고 다차원적인 교차 비교를 수행할 수 있습니다. 이 글에서는 TE 분석 모듈의 핵심 개념을 소개합니다.

데이터 관리에서 이벤트와 속성에 대해 더 자세히 알아볼 수 있습니다.

# 분석 지표

분석 모델 페이지 왼쪽의 지표 설정에서 분석 지표를 빠르게 구성할 수 있으며, 복잡한 SQL 문을 사용하지 않고도 몇 초 내에 결과 데이터를 얻을 수 있습니다.

이벤트 모델에서는 분석 지표를 매우 유연하게 정의할 수 있습니다. 유저의 요구에 따라 이벤트와 속성의 자유로운 조합을 선택할 수 있으며, 네 가지 산술 연산을 기반으로 한 공식형 분석 지표도 얻을 수 있습니다.

리텐션과 같은 분석 모델의 경우, 분석 지표의 계산 논리가 이미 정의되어 있습니다. 예를 들어, 잔존율, 이탈율, 전환된 유저수 등이 있습니다. 유저는 해당 이벤트를 선택하고 계산을 위한 시간 프레임을 설정하기만 하면 결과를 얻을 수 있습니다.

물론, 직접 프로젝트 지표 시스템을 구축하고 분석에 제품 지표를 사용하여 통일된 규격을 확보할 수도 있습니다. 이에 대한 자세한 정보는 지표에서 확인하실 수 있습니다.

# 분석 기간

분석 기간은 지표의 통계 분석에 포함될 이벤트들의 시간 프레임을 정의합니다. 동일한 지표에 대해 다른 분석 기간에 따라 다른 데이터 결과를 얻을 수 있습니다. 속성 분석 및 SQL IDE를 제외한 모든 모델에 대해 분석 기간을 설정해야 합니다.

분석 기간에 대해, 왼쪽 패널의 옵션을 사용하여 '오늘'을 기준으로 한 상대적 날짜를 선택할 수 있습니다. 예를 들어 최근 7일과 같은 기간을 선택할 수 있으며, 또는 시작 날짜와 종료 날짜를 각각 선택하여 분석 기간을 유저 정의할 수도 있습니다.

상대적 날짜 외에도 특정 날짜(Exact Date), 즉 "오늘"과 변경되지 않는 특정 시간/날짜를 선택할 수 있습니다. 특정 날짜를 사용할 때, 시간/날짜는 "오늘"보다 나중으로 설정할 수 있습니다. 종료 시간/날짜가 특정 날짜일 경우, 시작 시간/날짜도 특정 날짜여야 합니다.

# 시간대

제품이 다른 시간대의 유저를 가지고 있을 때, 분석에서 시간대 처리 논리를 이해해야 합니다. 여러 시간대의 유저 데이터를 수집해야 하는 경우, 이벤트가 발생했을 때 유저의 시간대를 시간대 필드에 기록하고 보고하며, 프로젝트 시간대에서 다중 시간대를 활성화해야 합니다.

보고서에서는 먼저 어떤 시간대에서 분석을 수행하고자 하는지 명시해야 합니다. 시스템은 다른 시간대의 이벤트 시간(#event_time)을 선택한 시간대로 변환하여 계산하고 표시하여, 시간대 차이로 인한 데이터 불일치를 방지합니다.

TE 시스템은 표준 시간대 기록 및 표시를 위해 협정 세계시(UTC)를 사용합니다. 예를 들어, UTC-8 시간대의 유저가 2022년 12월 31일 20:00:00(현지 시간)에 등록하고, UTC+8 시간대의 다른 유저가 2023년 1월 1일 12:00:00(현지 시간)에 등록한 경우, 두 유저는 사실상 같은 순간에 등록한 것입니다. 표시 시간대가 UTC+8을 기준으로 할 경우, 두 유저는 1월 1일에 새로운 유저로 기록됩니다. 반면, 표시 시간대가 UTC-8을 기준으로 할 경우, 12월 31일에 새로운 유저로 집계됩니다.

::: 팁

이벤트 시간(#event_time) 외에도, 다른 시간 관련 이벤트 속성들도 표시 시간대로 변환됩니다. 이에는 유저 정의 속성과 차원 테이블 속성이 포함됩니다.
유저 정의 속성을 정의할 때, 시간 관련 이벤트 속성들이 현지 시간으로 사용된다는 점을 유의해 주세요.
시간 관련 유저 속성은 선택된 시간대로 변환되지 않습니다.

:::

# 분석 대상

잔존율, 전환율 또는 다양한 간격의 분포를 분석할 때, 먼저 "유저"의 정의를 결정하는 것이 필요합니다. TE 내에서 "유저"는 "분석 대상"이라고도 불립니다.

기본적으로 분석 모델은 TE Account ID(#user_id)를 사용하여 분석하지만, 분석 대상에서 커스텀 분석 대상을 생성하고 모델, 태그 및 코호트에서 사용할 수도 있습니다.

#user_id가 게임 내의 캐릭터에 해당한다고 가정할 때, 동일한 계정으로 여러 캐릭터를 생성할 수 있습니다. 분포 분석 모델에서 "계정"의 로그인 일수를 분석할 때, 유저가 하루에 어떤 캐릭터로든 로그인하면 그 계정은 그날 로그인 이벤트가 있었던 것으로 간주됩니다. 리텐션에서는 캐릭터와 계정의 관점에서 분석함으로써 더 정확한 데이터 결과를 얻을 수도 있습니다.

TE Account ID와 마찬가지로, 유저 정의 분석 대상에 대해서도 더 깊이 파고들어 각각의 유저 행동 순서 페이지에서 그들의 자세한 행동을 볼 수 있습니다.

# 더 알아보기

기본 개념을 이해했다면, 다음 장에서 모델의 일반적인 로직을 소개합니다.