ndc 2015 비정형데이터분석 & 온라인게임운영

부득이한 사정으로 늦으시는 분들을 위해 너그러운 마음으로 기다리시는 시간입니다.

•  잠시 후, 2:13에 시작합니다. •  발표자료는 향후 NDC페이지 또는 http://bit.ly/ndc2015ars 에서 내려받으실 수 있습니다. 혹시라도 기록이 필요하신 분들은 사진은 이 장만 찍어두시고, 마음 편히 발표에 참여해주시면 감사하겠습니다.

비정형 데이터 분석으로 바라보는 온라인 게임 운영

부제 : 유저들의 머릿속을 들여다 볼 수 있는 다양한 기법들

아르스 프락시아

발표 : 정성영 분석 : 이동주

청중 체크

1.  오늘 오신 분들은 어떤 분들이신가요? 2.  데이터 분석에 있어서 어느 정도 관심과 전문성을 갖고 계신 분들인가요?

목차

1.  비정형 데이터 분석이 뭔가요? 2.  왜 비정형 데이터 분석이 좋은가요? 3.  비정형 데이터 분석해보기 4.  온라인 게임 분석 사례 5.  QnA

발표자 소개

1. 비정형 데이터 분석이 뭔가요?

정성영 Paul Jung • 데이터분석 컨설팅 조직 Ars Praxia 이사 • NPD/NBD 담당 • 엔씨, 웹젠, 엔트리브 등 게임 개발 프러덕션

• 키워드 : 데이터 기반 의사결정, 애자일 개발, 린스타트업, 다둥이 아빠

정형 데이터 vs. 비정형 데이터 (Structured data vs. Unstructured data)


1. 센티멘탈 분석 : 라이엇 게임즈


Source : GDCvault.com

2. 디퓨젼 네트워크 : 라이엇 게임즈

사진!


Source : GDCvault.com

3. 인덱스 개발 : MIT BPP 전세계 50여개구의 주요 상품의 가격을 매일 인터넷으로 검색해서 빅데이타 분석을 통해서 인플레이션 예측을 해주는 MIT 연구진들이 만든 서비스. 이 데이타 기반의 분석을 보면 아르헨티나는 정부가 발표한 물가지수가 조작되었다는 것. 지못미


4. 디지털 에스노그래피


에스노그래픽 조사 (Ethnographic research) • Understanding how customers use your product • Looking deep into their behavior and reaction helps understanding what your customers want in your product


대표적 사례 : 하인즈 케첩 • Casey Keller 최초로 자사 제품이 일반 고객 환경에서 어떻게 쓰이는지 알기 위해 조사를 진행 • 실제 고객의 문제를 발견후 제품에 반영


디지털 에스노 : Selfiecity 프로젝트 • 인스타그램에 사용자들이 올린 셀카 사진 수 천장을 가공/분석하여 지역별, 남녀 별, 시간대 별 사회인류학적 통찰을 발견함


디지털 에스노 : 유한킴벌리 NPD • 영유아 엄마들 커뮤니티 과거글 3년치 수집/분석 • 약 500만 건 글을 형태소 분석 • 주요 키워드 도출 / 해석 / 신제품 기획


5. 의미망 (Semantic network analysis) : 일베 커뮤니티 분석


5. 의미망 : 유권자 심리 분석


비정형 데이터 분석의 가치

2. 왜 비정형 데이터 분석이 좋은가요?

Features : 고객들이 실제 원하는 것을 알게 될 때 • 제품의 USP 우선순위화 및 내부 설득 • 마케팅 컨셉 인사이트 • 브랜드 모니터링 및 대응

Values : 게임 산업에는 어떤 가치를 줄 수 있는가? • 유저들과 호흡하는 라이브 개발 • 런칭전 FGT 정성평가 및 확인

3. 비정형 데이터 분석 해보기

• 데이터 수집!• 자연어 처리!

데이터 수집!/가공!

• 핵심 네트워크 추출!

• 네트워크 시각화!

네트워크 구축!

• 네트워크 분석 : 중앙성 분석!

• 네트워크 해석 : 키워드와 연결관계 및 원문 중심으로!

네트워크 분석!/해석!

DEMO


Steve Jobs' 2005 Stanford Commencement Address!


잡스가 하고 싶었던 말 : (beweeness centrality / b=0.401367)

1. 저는 많은 것을 포기했습니다. 2. 그걸 통해 내가 사랑하는 일을 찾았습니다. 3. 당신도 선택하세요.

Where to start : Books, Coursera, Visualization tools


목차

1.  비정형 데이터 분석이 뭔가요? 2.  왜 비정형 데이터 분석이 좋은가요? 3.  비정형 데이터 분석해보기 4.  온라인 게임 분석 사례 : 넥슨 아틀란티카 5.  QnA

4. 온라인게임 분석 사례 : 버즈량 분석

아틀란티카 팬 커뮤니티들을 대상으로 유저 담론의 양을 분석함: • 게임 외부 환경변화에 따라 총 4개 구간으로 구분될 수 있으며, 각 구간 초반에 대규모 업데이트로 버즈량이 상승 • 한게임 퍼블리싱 기간에 버즈량이 가파르게 감소 • 넥슨의 개발사(엔도어즈) 인수, 넥슨 퍼블리싱 이후 상승폭이 있으나 대체로 감소 추세 • 여타 온라인 MMORPG처럼 장기적으로 유저의 이탈과 관심 감소가 발생하는 추세

Phase 1. 출시 후 ~ 한게임 퍼블리싱 이전

4. 온라인게임 분석 사례

4. 온라인게임 분석 사례 : 의미망 분석

*Eigenvector�� Centrality�� :�� 두�� 단어가�� 함께,�� 자주�� 언급될�� 수록�� 높은�� 값을�� 갖음.�� 의미망�� 분석에서�� 핵심�� 맥락을�� 파악하는�� 지표로�� 활용됨.��

Rank Phase 1

Keyword Eigenvector Centrality

1 용병 0.89 2 조합 0.63 3 정보 0.54 4 영입 0.29 5 정리 0.25 6 녹차한잔 0.22 7 초보자 0.22 8 분석 0.19 9 레벨 0.17

10 초반 0.15

게임 초창기는 용병을 조합하는 방법과 영입 관련 정보에 대한 관심이 높음 주요 키워드: 용병, 조합, 정보, 영입


Phase 2. 한게임 퍼블리싱 이후


업데이트로 추가된 신규 용병 정보와 새로운 조합 방법, 그리고 초보자에게 유용한 정보에 대해 관심이 높음 주요 키워드: 용병, 조합, 정보, 영입, 초보자, 신규

Rank Phase 1

Keyword

1 용병

2 조합

3 정보

4 영입

5 정리

6 녹차한잔

7 초보자

8 분석

9 레벨

10 초반

Phase 2


용병 0.78 정보 0.64 레벨 0.46 초보자 0.45 신규 0.36 조합 0.26

아틀란티카 0.21 B급 0.19 정리 0.18 C급 0.18


Phase 3. 넥슨 인수 이후


전략TBS와 관련된 시스템 업데이트로, 이를 공략하기 위한 정보에 대해 관심이 높으며 용병 조합과 관련된 정보는 줄어듬 주요 키워드: 용병, 조합, 정보, 영입, 초보자, 신규, 전략TBS, 업데이트, 공략

Phase 2

Keyword

용병

정보

레벨

초보자

신규

조합

아틀란티카

B급

정리

C급

Phase 3


전략TBS 0.61 정보 0.60 업데이트 0.52 공략 0.51 패치 0.45 초보자 0.27 스킬 0.24 화공 0.22 포인트 0.20 본지 0.17

Rank Phase 1

Keyword

1 용병

2 조합

3 정보

4 영입

5 정리

6 녹차한잔

7 초보자

8 분석

9 레벨

10 초반


Phase 3. 넥슨 퍼블리싱 이후


무기, 마법, 잠재력 관련 정보에 관심이 높음. 용병 조합 관련 단어가 사라지고, 용병 없이 미궁을 솔로플레잉 할 수 있는 아지(아틀지팡이)에 대한 관심이 높음 주요 키워드: 용병, 조합, 정보, 영입, 초보자, 신규, 전략TBS, 업데이트, 공략, 마법, 잠재력, 아지, 미궁

Phase 2

Keyword

용병

정보

레벨

초보자

신규

조합

아틀란티카

B급

정리

C급

Phase 3

Keyword

전략TBS 정보

업데이트

공략

패치

초보자

스킬

화공

포인트

본지

Rank Phase 1

Keyword

1 용병

2 조합

3 정보

4 영입

5 정리

6 녹차한잔

7 초보자

8 분석

9 레벨

10 초반

Phase 4


정보 0.75 마법 0.54 정리 0.44 잠재력 0.34 신규 0.31 아지 0.31 용병 0.30 미궁 0.26 사냥 0.25 군단 0.22


정리: • 각 구간에서 “조합, 초보자, 영입”의 주요 지표가 버즈량과 높은 상관관계가 높음. • 게임 초창기에 비해 용병 조합 관련 담론이 감소하였음.


주요 원문 확인: -신규/복귀 유저는 “게임 중반에서 용병, 조합 관련 질문”을 하는 반면, -올드 유저가 “다른 게임 요소가 더 중요하니 광렙하라고 조언”하는 모습이 관찰됨.


신규/복귀 유저 “여러 용병을 육성하고 상황에 맞게 조합해보기 원함”, 올드 유저 “신규/복귀 유저를 하루빨리 성장시키기 위해 도와주고 싶음”. 이 두 집단의 니즈가 미스매치되는 원인으로 “용병 활용도의 고착화”가 예상됨


1.  아틀란티카는 캐릭터를 조합하는 타 게임보다 주로 사용하는 용병이 편향됨 2.  아틀란티카는 크루세이더 퀘스터보다 게임 내에 조합 가능한 캐릭터가 3배 많음에도 불구하고, 주요 지표가 낮은 구간이 2배로 나타남. (Eigenvector Centrality가 0.1이하)

두 게임에서, 2015년 상반기 동안 유저가 사용하는 캐릭터의 관계를 네트워크로 작성.

QnA Takeaway: 1. 기존 센티멘트/네트워크 분석 방식 외에도 다양한 비정형 데이터 분석 기법이 존재. 2. 특히 의미망 분석은 고객의 숨겨진 생각을 발견하고 이해하며 우선순위를 매겨주기에 게임 운영에 도움이 되는 분석. 3. 직접 해보자, 생각보다 쉽다.

감사합니다.

ndc 2015 비정형데이터분석 & 온라인게임운영

Business