게임 서비스 유저 행동 분석

배경

두 파트로 진행했습니다. 하나는 실제 유저 데이터로 행동 패턴을 탐색하는 EDA, 다른 하나는 데이터가 없는 상황에서 유저 행동 시나리오를 가정하고 강화 이벤트 전략의 분석 구조를 먼저 설계하는 작업입니다.

• 데이터: 유저 6,260명, 14개 변수 (접속일수 · 플레이시간 · 과금액 · 콘텐츠 1~5 이용량 · 일간/주간 퀘스트 · 구매/판매량)
• 핵심 KPI: 리텐션(접속일수), 활동성(플레이시간), 수익성(과금액)

내가 한 일

PART 1. 유저 행동 EDA

• 상위 0.5% 이상치를 조정하고 과금 여부·수준, 콘텐츠 이용 비중, 거래 활동성 등 파생 변수를 만들었습니다.
• 과금 수준 · 콘텐츠 편중 · 거래 성향 · 그룹 특성 4개 축으로 세그먼트를 나눴습니다.
• 차이가 우연인지 확인하려고 가설 5개를 세우고 검정했습니다.

PART 2. 강화 비용 할인 이벤트 전략

• 핵심 질문: “다음 강화 할인 이벤트는 언제 열어야 가장 효과적인가?”
• 분석 축 4개(타이밍 · 행동 변화 · 세그먼트 · 연속성)와 유저 시나리오 3개(실패 누적형 · 고강화 진입형 · 이벤트 반응형)를 설계했습니다.

가설 검증

가설	결과
1. 콘텐츠5 몰입 유저는 접속일수·플레이시간이 높다	채택 — 핵심 리텐션 콘텐츠
2. 거래가 활발한 균형형 유저는 접속 빈도·과금 전환율이 높다	채택 — 과금 전환 타깃
3. 저과금 유저 중 플레이시간 상위 그룹은 접속일수가 높다	채택 (t = 70.45, p < 0.001) — 유료 전환 실험군
4. 콘텐츠5 과도 이용 유저(상위 5%)는 과금액이 높다	채택 (t = 4.68, p < 0.001) — 전용 리워드 근거
5. 거래량 상위 유저는 퀘스트·콘텐츠 이용이 낮다	기각 — 오히려 게임 전반에 활발한 핵심 유저

제안

• 전략 A. 실패 회복 구간형 — 연속 실패 3회 이상 유저에게 한정 강화 확률 상향
• 전략 B. 업데이트 연계형 — 콘텐츠 업데이트 직후 +15 이상 고강화 구간 집중 할인
• 전략 C. 복귀 유저형 — 복귀 72시간 이내 유저에게 강화 비용 50% 할인 패스

실제 캠페인을 운영해 성과를 확인한 것이 아니라, 행동 데이터 분석으로 후속 실험의 대상과 방향을 구체화한 제안입니다.

배운 점

행동 분석은 전체 수치의 증감을 보는 데서 끝나지 않고, 어떤 유저가 어떤 맥락에서 다르게 행동하는지 나눠 봐야 서비스 개선으로 이어집니다. 기각된 가설이 오히려 가장 흥미로운 인사이트를 줬습니다.