머신러닝 기반 데이터 분석으로 모바일 게임 매출 성장
SundayToz에 대하여
선데이토즈는 2009년에 설립된 캐주얼 게임 개발사로, 누구나 쉽게 즐길 수 있는 게임으로 많은 사람에게 꾸준히 사랑받는 것을 목표로 합니다. 애니팡 시리즈, 스누피 틀린그림찾기, 디즈니팝 등으로 2018년 누적 다운로드 1억건을 달성하기도 했습니다. 우리의 게임을 통해 일상이 더 재미있어지고 풍성해질 수 있다는 믿음 아래 게임을 개발합니다.
어떤 어려움을 겪고 계신지 알려주세요. Google Cloud가 도와드리겠습니다.
문의하기선데이토즈는 출시 3년을 맞은 모바일 게임 ‘애니팡3’의 데이터를 분석해 이용자들의 관심을 높이고, 매출을 높일 수 있는 방법을 찾았습니다. 데이터에서 의미를 찾기 위해 3년 동안 모아 온 데이터를 Google Cloud Platform의 BigQuery에 담고 Cloud AutoML Tables를 이용해 분석하기로 했습니다. 분석을 통해 유료 결제를 하지 않을 가입자를 구분했고, 광고 노출을 세분화해 기존 매출 구조에 영향을 끼치지 않으면서 광고 플랫폼으로서의 성과를 거두었습니다.
구글 클라우드 사용 효과
- 게임 이탈 가능성 판단 지표 확보
- 370억 건 데이터의 효과적인 관리, 분석
- 다양한 게임에 데이터 분석 접목
- 인프라, 인력 부담 없이 즉각적인 머신러닝 분석 도입
광고 노출 50%, 광고 매출 20% 향상
선데이토즈는 퍼즐을 전문으로 하는 게임 개발사입니다. 2012년 우리나라 모바일 게임 시장을 뒤흔들어 놓았던 ‘애니팡’이 바로 선데이토즈의 작품입니다. 이 애니팡은 시리즈를 거듭해 현재는 3편이 큰 인기를 누리고 있고, 2020년 4편이 출시를 앞두고 있습니다.
선데이토즈는 애니팡 시리즈가 그 동안 쌓아온 막대한 양의 이용자 데이터에 집중했습니다. 선데이토즈의 게임들은 모양이 똑같은 블록 세 개를 맞추는 이른바 ‘3매치’라고 부르는 퍼즐이 많은데, 애니팡을 통해 얻은 데이터를 토대로 게임에 도움이 될 수 있는 요소를 개발하면 다른 게임에도 적용할 수 있을 것이라고 기대했습니다.
“머신러닝으로 그 동안 생성된 데이터를 분석하고 그 속에서 의미를 읽어내 게임 경험을 고도화하고 매출을 높일 수 있는 방법을 본격적으로 고민했습니다. Google Cloud Platform과 AutoML Tables는 그 기대를 현실로 만들어주었습니다”
선데이토즈의 임상범 이사는 머신러닝을 이용해 데이터 속에서 통찰력을 얻을 수 있다고 생각했습니다. 데이터 분석의 가능성만으로 자체 머신러닝 솔루션을 도입하는 것은 비용적으로나 시간적으로, 또 기술적으로도 부담스러운 일이었습니다. 중요한 것은 곧바로 문제를 풀어내는 것이었습니다. Cloud AutoML은 이미 구글이 갖고 있는 다양한 모델이 반영되어 있으면서도 간단한 API 적용만으로 필요한 분석을 곧바로 시작할 수 있었습니다.
애니팡 시리즈 중에서도 현재 운영되고 있는 애니팡3는 의미 있는 데이터가 상당히 많이 쌓여 있었습니다. 애니팡3는 3년 가량 운영됐고, 지금도 580만 명이 즐기고 있습니다. 인기 주기가 짧은 모바일 게임 시장에서 출시 후 3년 동안 꾸준히 인기를 누리면서 지금도 매출에 큰 기여를 하고 있는 게임이기도 합니다. 플레이어들이 그 동안 남긴 데이터는 370억 건이 넘고, 데이터 컬럼도 100여 개에 달합니다.
“데이터와 머신러닝을 통해 닥친 문제를 해결하는 것이 목표였습니다. 한 게임에서 해결책을 찾아내면 다른 게임에도 적용할 수 있다는 점에 초점을 맞췄습니다. 첫 시도는 게임 스테이지 디자인이었습니다.”
임상범 이사는 가장 먼저 떠오른 과제로 게임 스테이지 설계를 꼽았습니다. 스테이지를 잘 설계해야 이용자들이 게임에 흥미를 느낄 수 있기 때문입니다. 너무 쉽거나 어려우면 이용자들이 떠날 수 있어서 적절한 난이도를 맞춰야 합니다. 여기에 어느 정도 넘어가기 어려운 요소들이 숨어 있어야 게이머들의 도전의식을 자극하기도 하고, 유료 아이템 결제를 이끌어낼 수도 있습니다.
그래서 보통 한 스테이지 디자인에 하루 정도의 시간이 걸리고, 이를 검수하는 데에 나흘이 더 필요합니다. 이 검수 과정을 Cloud AutoML로 처리하는 것을 검토했습니다. 하지만 게임마다 룰이 모두 다르기 때문에 한 쪽에서 설계한 모델이 다른 게임에 반영되는 건 쉽지 않았습니다. 이 문제는 모델 설계와 데이터, 학습 등이 더 복합적으로 필요한 과제로 아직도 해결중입니다.
“결제 가능성이 매우 낮은 이용자들을 대상으로 아이템 판매보다 광고를 집중적으로 보여주어서 게임 경험과 매출을 높이고자 했습니다. 하지만 광고를 통한 아이템 제공이 기존 매출에 영향을 끼쳐서도 안 됐습니다. 선데이토즈는 이 과제 해결에 AutoML Tables를 사용해 데이터를 다각도로 분석하면서 광고 타겟 이용자들을 찾아냈고, 그 결과 기존 아이템 판매에 영향 없이 광고 매출을 20% 가량 끌어올릴 수 있었습니다.”
대신 이 머신러닝에 대한 경험에서 ‘갖고 있는 데이터에 집중’이라는 새로운 답을 얻었습니다. 게임에 대한 이용자들의 반응을 살피는 것이지요. 임상범 이사는 이용자들의 유료 아이템 구매와 게임 내 광고의 상관 관계를 데이터에서 찾기로 했습니다.
“애니팡을 비롯해 퍼즐 게임들은 게임을 한 번 할 때마다 하트가 한 개씩 필요합니다. 하트는 시간이 지나면 저절로 채워지거나 상점에서 구입해야 합니다. 애니팡3은 동영상 광고를 통해서 하트를 제공하기도 합니다. 애니팡3는 600만 명에 달하는 이용자가 접속하기 때문에 그 자체로 하나의 광고 플랫폼인 셈입니다. 적절한 광고가 매출 성장으로 연결될 수 있을 것이라고 봤습니다.”
하트를 제공하는 광고는 효과가 좋았고, 전체 매출에서 앱 내 결제 대비 광고 매출 비중도 빠르게 높아지고 있다고 합니다. 하지만 여기에는 한 가지 전제가 있습니다. 앱 내 결제 규모가 줄어들어서는 안 된다는 점이지요. 게임을 시작할 때 쓰는 하트를 유료로 판매하고 있고, 이 매출이 애니팡의 가장 중요한 수익 모델이자, 기본적인 게임 설계 방향성이기 때문입니다. 광고는 앱 내 결제 요소들과 대치되는 개념이 아니라 이용자들에게 새로운 경험을 제공하면서도 동시에 게임에 오래 머물면서 매출을 확장할 수 있는 부가적인 요소로 자리를 잡아야 했습니다.
임상범 이사는 Cloud AutoML을 이용해 이 문제를 해결하기로 했습니다. 머신러닝을 이용해 광고를 더 효과적으로 보여줄 이용자를 찾아낼 수 있겠다고 판단한 겁니다.
“데이터를 통해 신규 이용자가 앱 내에서 아이템 구매를 할 것인지, 아니면 아예 결제 없이 무료로만 게임을 즐길지를 머신러닝으로 판단하기로 했습니다. 한 마디로 유료 전환의 가능성이 없는 이용자를 빨리 파악해서 결제로 이끄는 대신 광고를 더 적극적으로 보여주기로 했습니다.”
선데이토즈는 2017년부터 2019년까지 애니팡3 이용과 관련된 모든 로우 데이터를 BigQuery로 옮겼습니다. 구글 클라우드에 대해서 충분히 검토하고 테스트를 하면서 데이터 관리에 클라우드를 이용할 수 있겠다는 확신이 생겼습니다. BigQuery에 담긴 데이터는 Cloud AutoML의 AutoML Tables를 통해 학습, 분석하도록 했습니다. 여느 머신러닝 처리 과정처럼 데이터의 정규화, 학습 모델링, 예측 과정을 모두 자동화했고 이는 모두 Google Cloud Platform의 데이터 관련 API를 이용해 처리됐습니다.
AutoML Tables는 특히 구조화된 데이터를 처리하기에 유리합니다. 기업들이 갖고 있는 데이터를 활용하여 공급망 관리, 사기 적발, 리드 전환율 최적화 등의 통찰력을 찾는 도구이기도 합니다. 선데이토즈는 370억 건에 달하는 애니팡3 데이터를 갖고 있었기 때문에 데이터의 양에 대해서는 고민하지 않았습니다. 오히려 이 중에서 의미를 갖는 데이터를 골라내는 것이 중요했습니다. 데이터 컬럼만 해도 100가지가 넘는데 그 중에서 관련 없는 데이터를 먼저 가려내기 시작했습니다. 임상범 이사는 이 부분이 굉장히 중요했다고 설명합니다.
“의미있는 데이터를 고르는 것은 쉽지 않은 일이었습니다. 단순히 생각하면 유료 결제를 많이 하는 이용자들은 상점에 많이 접속하고, 주변 사람들에게 게임에 쓸 하트를 달라는 요청을 많이 할 것이라고 생각했는데 실제 데이터에서는 전혀 관련이 없었습니다. 의미있는 데이터 몇 개를 고르는 대신 의미 없는 데이터를 지워가는 것이 더 정확도를 높일 수 있는 방법이었습니다.”
데이터를 선택하고 나면 AutoML Tables는 BigQuery에서 스스로 학습에 필요한 데이터를 추출합니다. 데이터베이스 연결에 들어가는 노력이 거의 없었다고 합니다. 데이터만 부으면 나머지는 모두 자동화되어서 처리되기 때문에 작업 시간은 아주 짧았고 정확성은 기대보다 훨씬 높았습니다.
모델이 학습된 이후에는 게임 데이터와 연결 대조합니다. 신규 이용자가 애니팡3를 플레이하기 시작하면 48시간 동안의 게임 기록을 학습합니다. 이를 미리 트레이닝된 머신러닝 모델과 대조해 보면 이 이용자가 유료 결제에 비중을 둘 지, 혹은 비과금으로 계속 게임을 해 나갈지에 대해 확률로 판단할 수 있습니다.
“AutoML Tables의 결과값을 두고 기획자와 서비스 담당자들과 함께 판단을 하기 시작했습니다. 정책을 세우는 겁니다. 애니팡3에 대해서는 결제 확률이 5% 미만으로 판단된 유저들에게 광고를 더 많이 노출하기로 했습니다. 과금 유저들과 다른 혜택을 준다기보다는 중간 광고를 더 자주 보게 하면서 매출을 만들어내기로 했습니다.”
임상범 이사는 AutoML Tables를 도입한 이후 광고 노출은 50%, 광고 매출은 20%가 높아졌다고 설명합니다. 애초 목표로 삼았던 것처럼 광고가 앱 내 결제에 영향을 끼치지도 않았습니다. AutoML Tables가 무과금 이용자를 정확히 골라냈다는 이야기입니다. 이렇게 3년차 모바일 게임은 데이터를 이용해 또 한 번 매출 성장을 이끌어낼 수 있었습니다.
“Cloud AutoML을 통해서 무엇을 할 것인지 판단하는 것이 가장 중요합니다. 내부에서 많은 논의를 진행했고, 여러 곳에 쓸 수 있을 것이라고 가능성을 검토했습니다. 하지만 의외로 분석에 접목은 쉽지 않았습니다. 무엇을 어떻게 분석할지, 무슨 데이터가 의미를 가질지, 프로젝트에서 무엇이 적합할지 생각해보는 것이 중요합니다. 그래서 클라우드를 이용한 분석 시도가 중요하고, 간단하게 많은 API와 모델이 준비된 Google Cloud Platform은 최적의 환경이었습니다.”
임상범 이사는 학습보다 입력 데이터를 구성하는 것이 중요하다고 강조합니다. Cloud AutoML의 모델과 기본 데이터 학습은 지금 이 시간에도 구글을 통해 진화하고 있고, 실제 적용됐을 때에도 학습은 Cloud AutoML이 다 해 주기 때문에 좋은 학습 데이터를 잘 정리해야 효과를 높일 수 있다는 이야기입니다.
선데이토즈는 데이터에 대해 체계가 잡힌 이후 더 많은 곳에 머신러닝을 이용할 계획입니다. 현재는 지난 1달간의 데이터를 바탕으로 이용자들의 게임 습관을 분석해 이탈 가능성을 예측하고, 이들을 대상으로 게임에 대한 흥미를 유지할 수 있는 이벤트를 제안하는 프로세스를 개발중입니다. 또한 앞에서 언급했던 스테이지 설계에 대해서도 Cloud AutoML을 통해 난이도 테스트를 할 수 있도록 준비중입니다.
“애니팡3를 통해 얻어낸 Cloud AutoML의 모델 운용과 데이터 활용 경험은 거의 모든 게임으로 확산할 수 있습니다. 최근 출시한 '디즈니 팝’은 출시와 동시에 데이터 분석과 결제 가능성에 따른 광고 노출 알고리즘이 적용되어 있고, 2020년에 출시될 애니팡4에도 최적화해서 적용될 겁니다.”
데이터의 중요성은 늘 강조해도 지나치지 않습니다. 하지만 데이터의 양이 커질수록 더 어려워지는 것이 활용입니다. 선데이토즈는 Cloud AutoML과 BigQuery를 통해 그 답을 찾았고, 광고 노출이라는 간단한 부분부터 접근해 확실한 성과를 얻어내는 경험을 했습니다. 그리고 그만큼 머신러닝을 이용한 비즈니스 성장 가능성에 가까이 다가서게 됐습니다.
어떤 어려움을 겪고 계신지 알려주세요. Google Cloud가 도와드리겠습니다.
문의하기
SundayToz에 대하여
선데이토즈는 2009년에 설립된 캐주얼 게임 개발사로, 누구나 쉽게 즐길 수 있는 게임으로 많은 사람에게 꾸준히 사랑받는 것을 목표로 합니다. 애니팡 시리즈, 스누피 틀린그림찾기, 디즈니팝 등으로 2018년 누적 다운로드 1억건을 달성하기도 했습니다. 우리의 게임을 통해 일상이 더 재미있어지고 풍성해질 수 있다는 믿음 아래 게임을 개발합니다.