•네이버, 성과형 디스플레이 광고 전환 추적 기능 오픈
•네이버 스마트채널(보장형) 동영상 확장형 출시
•페이스북 쇼핑 광고 업데이트: 제품 태그 광고&맞춤/유사잠재고객
• 페이스북, 자동화된 앱 광고 출시(AAA)
•유튜브 트루뷰 디스커버리 검색 상품 풀런칭
•카카오모먼트 전환 목표 캠페인 이벤트 확대
•이달의 매체 상품 소식
• 네이버 모바일 브랜드검색 ‘리뷰형’ 출시
• 네이버 인플루언서 시너지 패키지 출시
• YouTube 맞춤구매의도 잠재고객 검색 쿼리 반영 네트워크 추가
• 페이스북, 광고구매경험(ACE) 프로그램과 고객 피드백 점수
• 카카오 디스플레이 광고 ‘카탈로그형’ 신규 오픈
• 이달의 매체 상품 소식
고재성(jake.ko) / kakao corp.(포털 플랫폼 개발파트)
---
가장 먼저 Daum 서비스를 만나 볼 수 있는 첫 화면!
변화된 Daum 모바일 첫 화면 서비스를 소개합니다.
기존 시스템의 구성과 문제점부터 개선 과정을 통해 변화된 시스템 구성, 운영 노하우, 기술 스택에 대해서 공유합니다.
다양한 콘텐츠를 안정적으로 제공하기 위한 고민 과정, 우리가 생각하는 앞으로의 포털의 모습에 대해서 이야기해보려 합니다.
•네이버, 성과형 디스플레이 광고 전환 추적 기능 오픈
•네이버 스마트채널(보장형) 동영상 확장형 출시
•페이스북 쇼핑 광고 업데이트: 제품 태그 광고&맞춤/유사잠재고객
• 페이스북, 자동화된 앱 광고 출시(AAA)
•유튜브 트루뷰 디스커버리 검색 상품 풀런칭
•카카오모먼트 전환 목표 캠페인 이벤트 확대
•이달의 매체 상품 소식
• 네이버 모바일 브랜드검색 ‘리뷰형’ 출시
• 네이버 인플루언서 시너지 패키지 출시
• YouTube 맞춤구매의도 잠재고객 검색 쿼리 반영 네트워크 추가
• 페이스북, 광고구매경험(ACE) 프로그램과 고객 피드백 점수
• 카카오 디스플레이 광고 ‘카탈로그형’ 신규 오픈
• 이달의 매체 상품 소식
고재성(jake.ko) / kakao corp.(포털 플랫폼 개발파트)
---
가장 먼저 Daum 서비스를 만나 볼 수 있는 첫 화면!
변화된 Daum 모바일 첫 화면 서비스를 소개합니다.
기존 시스템의 구성과 문제점부터 개선 과정을 통해 변화된 시스템 구성, 운영 노하우, 기술 스택에 대해서 공유합니다.
다양한 콘텐츠를 안정적으로 제공하기 위한 고민 과정, 우리가 생각하는 앞으로의 포털의 모습에 대해서 이야기해보려 합니다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
아이지에이웍스 윤거성 이사가 넥스트저널리즘스쿨(3기)에서 발표한 자료입니다. 프로그래머틱 바잉과 RTB, 애드네트워크 등 '애드테크 생태계 전반을 아우르는 자료'입니다. 모쪼록 많은 분께 도움이 되길 바라며 공유합니다. 자료는 원본을 변형하지 않는 선에서 활용하실 수 있고, 활용 시에는 출처를 표기해주시길 부탁드립니다. 고맙습니다. (자료문의: david@igaworks.com)
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
아이지에이웍스 윤거성 이사가 넥스트저널리즘스쿨(3기)에서 발표한 자료입니다. 프로그래머틱 바잉과 RTB, 애드네트워크 등 '애드테크 생태계 전반을 아우르는 자료'입니다. 모쪼록 많은 분께 도움이 되길 바라며 공유합니다. 자료는 원본을 변형하지 않는 선에서 활용하실 수 있고, 활용 시에는 출처를 표기해주시길 부탁드립니다. 고맙습니다. (자료문의: david@igaworks.com)
[PAXDEV2019] Implementing Behavioral Economics Model into a Game ServerHyeyon Kwon
Video game player has diverse motivations; they change as time passes. In this session, Sentience's Research Lead, Hyeyon Kwon, will describe 1) how to parametrize motivation from game log data, 2) build behavioral economics models, and 3) apply the analysis result and implications to the game server. With this approach, at one of the clients' games, the targeted user's retention rate, in-app purchase, and engagement have increased significantly.
[devcom2019] Behavioral Economics for Game: Cases of User Data AnalysisHyeyon Kwon
This session will introduce three cases of applying behavioral economics to analyze game users with a massive amount of data. Sentience's Co-founder and Research Lead, Hyeyon Kwon, will describe meta-model of player's motivations, which reflects four basic human needs of rewards - personal satisfaction, personal rewards, social interaction, public recognition - and elaborate 1) how to quantify and parameterize each motivation from data, 2) build econometric models, and 3) analyze the data to draw implications.
어떻게 하면 게임 유저의 행동을 분석하여 개인 맞춤형 관리를 할 수 있을까요? 텐투플레이의 개인화 라이브옵스(LiveOps)로 게임 수익을 향상시킬 수 있는 노하우를 공개합니다.
1. 게임 로그 데이터 수집, 2. 가설 세우기, 3. 가설 검정, 4. 추천 아이템 및 전략 가설 검정
영상: https://www.youtube.com/watch?v=foqt4Y21uUA
게임에 유저 유입을 위해서 유저의 행동을 분석하지만, 왜 게임 내부에서는 유저 행동을 분석하지 않을까요? 게임 유저 행동을 분석하고 개인화된 유저 관리를 제공해야 LTV를 향상시킬 수 있습니다.
영상: https://www.youtube.com/watch?v=YXsTR9Xvq_s
16. 1. 대시보드: 유저 수
KPI 파이어베이스 텐투플레이
유저 수 (MAU,
WAU, DAU)
• 일자별 전체 유저 수 기본
• 유저 유형은 관련 이벤트가 심어져 있어야
하며 별도 설정 필요
• 일자별 전체 유저 수, 신규 유저 수 기본
• 페르소나별 유저 수 제공, 페르소나는 자동
설정
전환
(Conversion)
수익
(Revenue)
잔존
(Retention)
20. 1. 대시보드: 전환
KPI 파이어베이스 텐투플레이
유저 수 (MAU,
WAU, DAU)
• 일자별 전체 유저 수 기본
• 유저 유형은 관련 이벤트가 심어져 있어야
하며 별도 설정 필요
• 일자별 전체 유저 수, 신규 유저 수 기본
• 페르소나별 유저 수 제공, 페르소나는 자동
설정
전환
(Conversion)
• 전환 개수, 트렌드 등
• 전환 설정을 위한 목표 관련 이벤트가 심어져
있어야 함
• 전환 개수, 트렌드 등
• 추가 이벤트 설정 없이 설정 페이지에서 셋팅
가능
수익
(Revenue)
잔존
(Retention)
21. 1. 대시보드: 수익
광고수익
인앱구매
• ARPU (Average Revenue Per User): 유저 1인당 평균 결제 금액
• ARPPU (Average Revenue Per Paid User): 결제 유저 1인당
평균 결제 금액
28. 1. 대시보드: 수익
KPI 파이어베이스 텐투플레이
유저 수 (MAU,
WAU, DAU)
• 일자별 전체 유저 수 기본
• 유저 유형은 관련 이벤트가 심어져 있어야
하며 별도 설정 필요
• 일자별 전체 유저 수, 신규 유저 수 기본
• 페르소나별 유저 수 제공, 페르소나는 자동
설정
전환
(Conversion)
• 전환 개수, 트렌드 등
• 전환 설정을 위한 목표 관련 이벤트가 심어져
있어야 함
• 전환 개수, 트렌드 등
• 추가 이벤트 설정 없이 설정 페이지에서 셋팅
가능
수익
(Revenue)
• 일자별 수익
• ARPU, ARPPU
• 일자별 수익
• ARPU, ARPPU
• 어디서 구매가 일어나는지? 무엇을 왜
구매하는지? 구매력이 좋은 세그먼트는
누구인지?
잔존
(Retention)
29. 1. 대시보드: 잔존
잔존율 (Retention) : 가입자 중 재방문한 유저의 비율
• D1 Retention: 가입자 중 가입 다음날에 다시 게임에 접속한 비율
• D7 Retention: 가입자 중 가입일로부터 7일 후에 다시 게임에
접속한 유저의 비율
33. 1. 대시보드: 잔존
왜 이탈하는지?
캐릭터 수집가
다양한 캐릭터 수집을 좋아하는 유저
캐릭터 수집 팁과 관련 상춤 추천으로
잔존과 매출 향상
캐릭터 공략 따라쟁이
공략대로 플레이하여 높은 효율을
자랑하는 유저
다른 상위 유저들의 전략과 관련 상품
안내로 매출 향상
35. 1. 대시보드: 잔존
KPI 파이어베이스 텐투플레이
유저 수 (MAU,
WAU, DAU)
• 일자별 전체 유저 수 기본
• 유저 유형은 관련 이벤트가 심어져 있어야
하며 별도 설정 필요
• 일자별 전체 유저 수, 신규 유저 수 기본
• 페르소나별 유저 수 제공, 페르소나는 자동
설정
전환
(Conversion)
• 전환 개수, 트렌드 등
• 전환 설정을 위한 목표 관련 이벤트가 심어져
있어야 함
• 전환 개수, 트렌드 등
• 추가 이벤트 설정 없이 설정 페이지에서 셋팅
가능
수익
(Revenue)
• 일자별 수익
• ARPU, ARPPU
• 일자별 수익
• ARPU, ARPPU
• 어디서 구매가 일어나는지? 무엇을 왜
구매하는지? 구매력이 좋은 세그먼트는
누구인지?
잔존
(Retention)
• 잔존율 • 잔존율, 일자별 D1 잔존율
• 어디서 이탈하는지? 왜 이탈하는지?
이탈율이 높은 또는 잔존율이 높은
세그먼트는 누구인지?
44. 2. 메시징 & 세그먼테이션
VS
CUSTOM 기능 CUSTOM 기능 X
장점: 자유도가 높음
단점: 설정의 어려움
장점: 쉽고 편리함
단점: 원하는 게 없을 수 있음
시간
1.해당 페르소나를 지닌 유저가 없거나
2.아직 텐투플레이가 해당 유저를 식별할
알고리즘을 보유하지 않았거나