‍

‍

Q. 자기소개 부탁드립니다.

‍

안녕하세요 팀리드미컬즈의 대표 박주혁입니다. 저희는 리듬게임 코세타를 서비스하고 있습니다.

‍

‍

Q. 코세타는 어떤 게임인가요?

‍

코세타는 앞에서 내려오는 수직 레인과 뒤에서 내려오는 수평 레인이 만나서 음악을 좀더 입체적으로 느낄 수 있게 하는 신감각 리듬 게입입니다. 현재 27만 다운로드를 돌파했고, 오투잼 그리고 버추얼 유튜버 분들과의 콜라보레이션도 진행하고 있고, 현재 100여 곡 가까이 서비스를 진행하고 있습니다.

‍

‍

Q. 해결하고 싶었던 과제는?

‍

‍첫번째는 부정행위를 하는 유저 그리고 두번째는 유저들이 어떤 부분에서 재미를 느끼고 이탈을 하는지를 파악하고, 마지막으로는 각 국가에 맞는 BM을 검증해보는 것이었습니다.

‍

첫번째로 부정행위를 하는 유저의 경우에는 저희가 실시간으로 데이터를 분석할 수 없었던 환경이다 보니까 아무래도 잡기가 쉽지 않았고, '부정행위자가 있을 것이다'라고 추측만 했을 뿐이지 실제로 발각된 사례는 한 번도 없었습니다. 그런데 씽킹데이터는 실시간으로 쉽게 분석을 하다보니까 재화를 가지고 있는 유저의 수를 실시간으로 분석할 수 있었고, 그 중에서 비정상적으로 재화를 많이 가지고 있는 유저들을 발각해서, 현재 10명 정도의 유저를 실제로 제재를 가한 상태입니다.

‍

그리고 두번째는 기존의 유저분들이 어디에서 재미를 느끼고, 느끼지 못하는지에 대해 그 전에는 각자의 경험과 판단, 인터넷에 보이는 일부의견만 가지고 판단을 할 수 밖에 없었습니다. 근데 이제 이런 것들을 실제 통계를 기반으로 파악을 하다보니까 저희가 실제 생각했던 것과 맞아 들어간 적도 있지만, 전혀 다른 결과나 의외로 다른 결과가 나온 경우도 꽤 많았기 때문에 데이터에 기반한 의사결정을 할 수 있다는 점이 굉장히 좋은 장점으로 다가왔습니다.

‍

‍마지막으로는 국가별로 어떤 노래가 많이 팔리고 어떤 상품이 실제 가치가 있을지 실제로 파악을 하는 데에도 도움이 많이 됐습니다. 필리핀에 가보니까 치약을 사더라도 5개 묶어서 싸게 사는 게 아니라 1개를 사더라도 살짝 비싸게 사는 걸 더 선호했는데, 왜냐하면 하나를 사는 게 어쨌든 총 가격은 더 저렴하기 때문이라고 했습니다. 그렇다면 '우리 리듬게임의 BM은 주로 노래를 5개씩 묶어서 판매를 하고 있는데 묶어서 팔지 말고 하나씩 팔면 필리핀에서 실제로 구매율이 더 올라갈까?'라는 가설을 세워볼 수 있었고, 실제로 저번 업데이트 때 그렇게 반영을 해봤습니다.

‍

그 결과 한국 같은 경우에는 뮤직 팩으로 판매된 게 30개, 개별 곡으로 판매된 게 60개라고 한다면, 필리핀의 경우에는 팩으로 판매된 거는 7개 정도밖에 되지 않는데 개별로 구매한 비율은 45건 이상 될 정도로 큰 비율의 차이를 보였습니다. 이러한 데이터를 통한 검증으로 우리의 가설이 맞았다라는 것을 확인할 수 있었고, 실제로 필리핀 유저들은 단순히 생필품을 사는 것뿐만이 아니라 게임을 할 때도 한 번에 크게 지불을 하는 것이 아닌 하나씩 구매를 해나가는 특성을 확인했기 때문에 거기에 맞춰서 업데이트를 준비하고 있습니다.

‍

‍

Q. ThinkingData를 선택하게된 이유는?

‍

무엇보다 쓰기 쉽고 사용이 편하다는 점이었습니다. 기존의 통계 프로그램 같은 경우에는 서버 프로그래밍에 대한 지식도 필요하고, 사용하기도 불편하고, 프로그램에 대한 이해도 필요한 툴이 대부분이었는데 씽킹데이터는 서버 프로그래밍에 대한 지식이 없는 저희 클라이언트 프로그래머 분도 트리거를 심는 과정이 쉽고 가이드 문서도 잘 되어있었습니다. 또한 저도 통계를 배우거나 그런 툴을 다뤄본 적이 별로 없지만 툴을 사용함에 있어서 크게 불편함은 없었습니다.

‍

‍

Q. ThinkingData를 통해 어떤 문제를 해결했나?

‍

ThinkingData는 챗지피티랑 굉장히 비슷하다고 생각합니다. 챗지피티의 경우에도 내가 어떤걸 모르고 알고 있는지를 정확하게 파악해서 좋은 질문을 해야만 좋은 답을 주는 프로그램입니다. 씽킹데이터도 마찬가지로 단순히 'DAU만 보고 싶다', '현재 리텐션이 어떤지만 보고 싶다'라고 한다면 그 답을 제공해주지만 우리가 어떤 부분에서 유저분들이 불편함을 느끼고, 재미를 느끼는지를 알고 싶다라고 파악을 한다면 그런 데이터까지도 줄 수 있는게 다른 통계 프로그램과 확실히 차별화되는 점이라고 생각을 합니다.

‍

예를 들어 식당으로 비유를 하는 걸 저는 좋아하는데 낮에는 김치찌개가 잘 나가고 밤에는 계란말이가 잘 나가네 이렇게만 파악을 한다면 낮에는 점심식사 하는 사람들이 많고 밤에는 술 마시러 오는 사람들이 많겠다 정도밖에 분석할 수 없겠지만 씽킹데이터 같이 데이터에 기반한 분석 툴이 있다면, 낮에는 이 김치찌개를 먹는 사람들 중에 90%가 남자 손님이네? 이분들은 빨리 점심을 해결하고 싶어서 오시겠네?라는 판단을 내릴 수 있고 그렇다면 남자 손님들이 좋아하는 사이드 메뉴나 특별 이벤트 같은 걸 준비할 수도 있습니다.

‍

이런식으로 깊이 있게 유저분들에게 다가갈 수 있는 기회를 제공해주는 게 씽킹데이터라고 생각을 하기 때문에 어떤 걸 궁금해할지 모르더라도 담당자분들에게 또는 씽킹데이터의 세미나를 통해서 '내가 무엇을 궁금해하면 되겠구나' '내가 어떤걸 모르고 있었구나'라는 것들을 파악만 하실 수 있다면 씽킹데이터를 통해서 애매하게 알고 있었거나 데이터를 기반해서 알지 못했던 자료와 데이터들을 판단하실 수 있을 것 같습니다.