주요 컨텐츠로 이동

사용자 획득 세분화를 통해 플레이어 기반 확장하기

규모를 위해 설계된 종합적인 데이터 인텔리전스 플랫폼을 통해 사용자 획득 결과를 향상시키세요

Published: April 28, 2025

미디어 및 엔터테인먼트1분 이내 소요

작성자: Huntting Buckley

Summary

플레이어 세분화, look-a-like 타겟팅, 그리고 AI 기반 캠페인 최적화를 통해 광고 지출의 수익률을 최대화하는 더 스마트한 사용자 획득 (UA)을 해제하세요.

  • 플레이어 이해 및 세분화: 기본 세분화를 넘어서 행동, 플레이 스타일, 시간, 지리, 가치 - 사회적, 금전적, 경험적으로 플레이어를 클러스터링하세요.
  • 데이터 기반 전략으로 UA 향상: 세밀한 플레이어 통찰력을 사용하여 look-a-like 대상을 구축하고, 광고 네트워크 지출을 조정하고, 대상화된 인물에 기반한 광고 창작물을 최적화하세요.
  • 사용 사례: 업계 전문가와 파트너들로부터 UA 및 캠페인 최적화 내에서의 사용 사례와 모범 사례에 대해 알아보십시오.

소개

앱 추적 투명성 (ATT) 이후의 세계에서 광고는 더욱 도전적이 되었습니다. 광고 네트워크는 더욱 불투명해지고 있으며, 광고 캠페인을 위해 사용자 획득 팀이 활용할 수 있는 노브를 더 적게 제공하고 있습니다. 이로 인해 광고 달러로부터 얻는 수익이 줄어듭니다. 플레이어 기반을 계속 성장시키기 위해 더 많은 돈을 쓸 수 있지만, 분석과 AI도 도움이 될 수 있습니다.

이 분야에서 분석이 도움을 줄 수 있는 세 가지 핵심 영역이 있습니다:

  1. 광고 네트워크 지출 최적화
  2. 유사한 목록들
  3. 광고 창작물 기반 세분화

사용자 획득의 기초

전통적으로, 사용자 획득(UA) 캠페인은 영향력자, SEM, 앱 스토어 최적화, 소셜 미디어, 브랜드 협업, 입소문 및 브랜드 인지도 성과 마케팅에 초점을 맞추었습니다. 수십 년 전에는 이러한 전략이 효과적이었고 일을 잘 수행했습니다. 그러나 오늘날에는 게임 회사들이 이러한 방법을 모두 소진하였고, 시장에 여러 개의 주요 게임이 있음에 따라 광고 지출에 대한 수익(ROAS)이 줄어들었습니다. 

무리에서 눈에 띄기 위해, 게임 회사들은 다양한 분석, ML 및 AI 방법론을 활용해야 합니다. 플레이어 텔레메트리와 행동 데이터는 마케팅 달러를 최대한 활용하는 데 도움이 될 수 있는 자산입니다. 이 데이터를 사용하여, 게임 회사들은 특정 관심사에 맞는 메시지로 원하는 대상을 대상으로 성능 마케팅 전략을 최대화할 수 있습니다. 이것은 플레이어들이 게임 회사가 플레이어들이 하는 시간과 재정적 투자를 중요하게 생각한다는 것을 보여줍니다. 제대로 수행되면, 새로운 플레이어를 얻고 게임이 제공하는 독창적이고 혁신적인 경험을 강조하는 목표를 달성할 수 있습니다.

오늘날의 성과 마케팅에서 아직 활용되지 않은 높은 가치를 가진 기능은 유사한 관객의 생성과 사용입니다. 광고 네트워크는 기존의 관객 멤버 목록을 사용하여 유사한 특성, 행동 또는 관심사를 가진 사람들을 식별하고 광고하며, 이를 산업에서는 유사한 관객 또는 목록이라고 합니다. 

네트워크가 더욱 불투명해짐에 따라 이것은 때때로 광고를 보는 사람을 영향을 미칠 수 있는 주요 메커니즘이 될 수 있습니다. 이 목록들은 종종 매우 단순합니다: 광고 네트워크의 사용자 ID 목록입니다. 플레이어 데이터베이스를 만들 때 이것은 추적하고 유지해야 할 데이터 포인트이며, 내부 PlayerID와 일치하는 조회 테이블을 유지해야 합니다. 특정 플레이어 세그먼트와 일치하는 광고 창작물을 만드는 것은 대상 지향의 새로운 접근 방식입니다, 아래의 대상 지향 광고 창작물 을 참조하세요. 어느 방식이든 첫 번째 단계는 플레이어를 진정으로 알아내는 것입니다.

플레이어를 알아야 성공합니다.

가장 중요한 첫 번째 단계는 플레이어를 이해하는 것입니다: 그들의 취향, 행동 및 게임과 어떻게 상호 작용하는지. 광고주가 그들의 네트워크에서 발견된 관객에 대한 확실한 이해를 가지고 있을 때 광고비를 더 많이 청구하듯이, 플레이어를 이해하면 더 높은 수익을 얻을 수 있습니다. 이러한 노력의 일부로 고려해야 할 몇 가지 다른 관점을 논의하지만, 가장 중요한 것은 이진, 휴리스틱 및 자기 보고(설문조사) 기반 세분화를 넘어서야 효과적이라는 것을 이해하는 것입니다.

플레이어를 이해하기 위해 고려해야 할 사항:

  • 플레이어가 게임을 하는 방법
  • 타이밍과 지역화
  • 플레이어 가치와 인구 통계학

이러한 다양한 관점에서 플레이어를 이해하면 사용자 획득 결과를 향상시키기 위해 모든 것을 결합할 수 있습니다.

플레이어가 게임을 하는 방법

게임 텔레메트리 데이터, 권한, 사회적 신호 등을 활용하여 플레이어를 그룹으로 분류하고 플레이어의 이름을 지정하십시오. 이것은 이러한 데이터셋을 기반으로 플레이어를 관리 가능한 수의 그룹으로 분류하는 것부터 시작됩니다. 플레이어가 핵심 게임 루프와 어떻게 상호 작용하는지에 대한 통찰력을 포함하는지 확인하십시오. 그들이 참여하는 활동, 이벤트 참여, PvE/PvP 참여 및 대회 결과는 무엇인가요? 클러스터링 프로젝트는 시간이 많이 소요되고 완료하기 어려울 수 있습니다. LLM을 활용하는 것을 고려하십시오. 여기서 제안한 것처럼 이 시간을 단축하는 데 도움이 될 수 있습니다. 

클러스터가 정의되면, 그것들에 이름을 붙입니다. 이름이 있으면 다른 사람들과 소통하는 데 유용합니다. 게임 내에서는 Bartle의 분류 와 비슷한 이름을 볼 수 있지만, 그것들은 매우 특정한 장르를 염두에 두고 만들어졌으므로 자신을 그것들에 제한하지 마십시오. 이것들이 정의되면, 그들과 어떻게 상호 작용할지에 대한 어느 정도의 아이디어를 가질 수 있습니다. 완성주의자는 NG+에 최근 추가된 것에 대해 알고 싶어할 수 있고, 킬러는 PvP 전투에 대한 통계를 보고 싶어할 수 있고, 사교적인 사람은 게임의 커뮤니티 측면에 관심이 있을 수 있습니다. 

플레이 스타일을 고려할 때 지나치게 한정적이지 마세요. 예를 들어, 플레이어가 어떻게 열망하는 콘텐츠, 무료 아이템, 사용자 생성 콘텐츠, 사용자 정의 레벨, 또는 심지어 마이크로트랜잭션 선호도와 상호 작용하는지를 이 차원에 포함시킬 수 있습니다. 플레이어가 항상 무료 배틀패스를 완료하거나, 특정 유형의 소비재나 아이템을 보상으로 주는 콘텐츠를 완료하는 것을 알면, 타겟팅에 도움이 될 수 있습니다. 마찬가지로, 그들의 구매 행동을 이해하는 것은 특히 어떤 광고 창작물을 특정 캠페인과 함께 사용할지 결정할 때 그들을 대상으로 하는 데 도움이 될 것입니다.

이러한 클러스터를 정의한 후에는 플레이어가 어디에서 놀고 있는지 이해하는 것이 중요합니다.

지리와 시간

다른 세분화 모델 중 가장 간단한 것이지만, 사용자 획득 및 재마케팅 자금을 더 잘 대상으로 하고 배포하는 데 도움이 될 것입니다. 플레이어 세션 참여 세부 사항을 정의하려고 노력하세요. 그들이 언제 로그인하고, 얼마나 오래 놀고, 하루, 주, 월 등에 몇 번의 세션을 가지는지? 이것은 광고가 활성화되어야 할 시간을 결정하는 등 여러 가지 방법으로 유용할 것입니다. 지역화도 마찬가지로 중요합니다. 플레이어베이스는 어떤 언어를 사용하고 어떤 지역에 위치해 있나요? 여기서 가장 영향력 있는 지역화 노력이 무엇인지, 어떤 지역 영향력자와 파트너십을 맺을 것인지 결정할 수 있습니다.

여기서 우리는 여러 차원에서 플레이어 가치를 정의하려고 합니다.

플레이어 가치

이 제목을 보았을 때 아마도 "그래, LTV가 중요하다"라고 생각했을 것입니다. 하지만 플레이어의 가치는 그렇게 좁게 정의되어서는 안 됩니다. 플레이어 가치는 금전적, 사회적, 플레이 경험 등 여러 가지 영향을 포함합니다. 가치는 항상 양의 정수로 간주될 필요는 없습니다. 예를 들어, 소셜을 살펴보면, 채팅 시스템에 자주 참여하고, 자주 응답을 받고, 게임에 긍정적인 분위기를 가져다주는 플레이어는 1.0의 높은 가치를 가질 수 있습니다. 반면에 대화를 끝내는 것처럼 보이고, 언어로 신고된 적이 있거나, 방해적인 플레이 행동을 보이는 독성 플레이어는 -1.0일 수 있습니다.  사회적인 부분에서는 포럼, 소셜 미디어, 영향력 있는 가치, 플레이어 피드백 등을 통한 참여와 같은 다른 신호가 있습니다. 

금전적 가치는 표면적으로 봤을 때 누가 가장 높은 LTV를 보여주는지가 더 직관적입니다. 이는 오랫동안 존재하고 안정적인 라벨링된 데이터셋에 의존할 수 있는 대형 타이틀에는 적합하지만, 새로운 타이틀이거나 자주 변경되는 타이틀로 인해 그 숫자가 왜곡되는 경우에는 어떨까요? 이 경우에는 pLTV(예측 LTV)에 의존하고자 하며, 모든 플레이어에 대한 예측을 위해 ML 모델을 만드는 데 시간을 할애하고자 할 것입니다. 관찰된 숫자를 사용하는 것만큼 정확하지는 않지만, 게임에 대한 장기적인 영향을 더 잘 가져올 수 있습니다.

플레이어 가치 관점에서의 플레이 경험은, 콘텐츠 관점에서 플레이어가 게임에 가져다주는 가치를 이해하려는 시도입니다. 이 플레이어는 얼마나 자주 게임을 하며, 다른 플레이어의 핵심 게임 루프에 어떻게 기여하나요? (예를 들어, 그들은 다른 사람들이 함께 게임할 때 도전적인 상대인가요?) 아니면 플레이어가 상대가 필요한 시간에 게임을 하나요? 사회적 경험과 플레이 경험 사이에서 고민하면서, 그들이 게임에 새로운 플레이어를 도와주는지, 다른 플레이어가 활용할 수 있는 콘텐츠와/또는 가이드를 제작하는지, 그리고 커뮤니티에 얼마나 환영받는지 고려해 볼 수 있습니다.

행동을 취하고 이를 유용하게 만드는 것

플레이어 기반에 대한 이해를 바탕으로 변화를 준비하실 수 있습니다. 이 지식을 성과 마케팅, 브랜드 마케팅 및 재마케팅 채널에서 활용할 것입니다. 구체적으로는, 더 나은 유사한 목록을 만들고, 광고 네트워크 지출을 재조정하고, 광고 캠페인을 수정하고, 광고 창작물이 다른 세그먼트를 대상으로 하도록 만들 것입니다. 첫 번째 단계는 여전히 목표 결과를 정의하는 것입니다. 높은 지출자를 유치하는 캠페인이 있을 수도 있고, 특정 지역의 플레이어 수를 늘리는 또 다른 캠페인이 있을 수 있습니다. 플레이어에 대한 새로운 통찰력을 어떻게 활용할지는 이러한 목표에 따라 다를 것입니다. 다음은 마케팅 접근법에 다른 목표를 적용하는 방법을 설명합니다.

영향력 있는 명제를 염두에 두고, 다음 예제 행동을 고려하십시오:

  • 캠페인 메시지 최적화: UA 마케팅의 목표가 잠재적인 플레이어에게 왜 게임을 해야 하는지 보여주는 것이라면, 플레이어 유형별 메시지를 가진 개인화된 광고로 캠페인을 최적화하는 것을 고려해보세요. 우리의 파트너, .Monks, “Look-a-like 기반 캠페인은 각 플레이어 유형 코호트의 주요 관심사와 광고 창작물 메시지를 일치시킴으로써 더욱 최적화될 수 있습니다. 따라서 광고되는 게임이 그들이 게임을 하는 이유에 부합한다는 것을 잠재적인 플레이어에게 보여줍니다. 플레이어 코호트 세분화 캠페인은 캠페인이 가장 높은 품질의 새로운 플레이어를 끌어들임으로써 각 마케팅 달러의 효율성을 높입니다.”
  • 광고 네트워크 혼합: 목표를 염두에 두고 위의 데이터 포인트를 기반으로 어떤 플레이어가 그 목표에 맞는지, 어떤 광고 네트워크가 그 관객을 가장 성공적으로 유치하는데 성공했는지 고려해보세요. 이 광고 네트워크에 더 깊게 접근하고, 목표 관객을 대표하는 플레이어들에 대한 유사한 목록을 제공하세요. 관객 구성원은 시간이 지나도 상대적으로 일관되지만, 다른 네트워크의 유사한 목록에 일부 지출을 맞추고 시간이 지남에 따라 지출을 재검토해야 합니다. .Monks, 라고 말합니다. “최적의 마케팅 혼합을 식별하려는 경우, 모든 광고 네트워크와 채널에서 캠페인 속성 데이터의 조화는 어떤 광고 네트워크와 채널이 마케팅 달러당 가장 많은 전환을 생성하는지를 밝혀줄 것입니다. 이러한 분석은 마케터가 각 마케팅 달러의 효율성을 높이고 최고의 ROI를 생성할 광고 네트워크와 채널에 예산을 배정하는 데 도움이 됩니다.”
  • 명명된 플레이어 페르소나: 우리의 파트너, Amperity, 공유하였습니다. "당신의 페르소나 모델은 사용자의 모든 측면을 포함해야 합니다. 게임 내 행동이 LTV와 매칭되면 주어진 페르소나에 일반적인 가중치/가치를 할당할 수 있습니다. 일반적인 전략은 마케팅을 통해 사람들을 낮은 가치 카테고리에서 높은 가치 카테고리로 이동시키는 것입니다. 각 카테고리를 종합적으로 이해하면, 사용자 여정과 카테고리 간 전환을 중심으로 전략을 집중하고 세밀하게 조정할 수 있습니다. 예를 들어, 캐주얼 플레이어를 무료 배틀 패스 플레이어로 전환시키고, 그들을 유료 배틀 패스 플레이어로 전환시키는 것입니다. 또한, 다양한 유형의 플레이어를 위한 페르소나 그룹을 구축할 때, 그들이 사용될 미디어 채널을 고려해야 합니다. 유료 미디어에서의 Look-a-like 기능은 대상 페르소나 모델을 생성하는 데 사용된 데이터가 그들이 사용될 채널을 반영할 때 종종 더 강력해집니다. 예를 들어, Meta 광고는 광고주가 인구 통계, 취미, 그리고 그들이 참여하는 그룹을 기반으로 사람들을 대상으로 할 수 있게 해줍니다. 당신의 페르소나 모델이 비슷한 논리를 활용하면, 마케팅 채널에서의 타겟팅이 더 정확해질 것입니다."
  • 플레이어 세그먼트 중심의 캠페인: 캠페인을 시작할 때, 그 캠페인의 이름을 "지역 A, B, C에서 PvP 플레이어 성장"이라고 지정하려고 노력하세요. 플레이어에 대한 통찰력을 활용하여 캠페인 ID를 추가하여 어떤 캠페인이 목표로 하는 플레이어를 끌어들이는지 이해합니다. 다시 한번 네트워크에 유사한 목록을 제공하고 시간이 지남에 따라 조정합니다.   
  • 대상 지향적 광고 창작물: 당신이 조정할 수 있는 다이얼이 없거나 제공할 Look-a-likes가 없을 때, 광고 창작물이 당신의 세분화가 됩니다. 높은 금전적 가치를 가진 플레이어를 끌어들이고 싶은 캠페인을 진행하고, 그들이 더 많이 참여하는 것이 고령 게임 컨텐츠, PvP, 주로 싱가포르(애완 고양이 구매), 중국(애완 말 구매), 미국(모자 구매)에 위치해 있으며, 야행성이라고 판단했다고 상상해보세요. 당신은 모든 광고가 어둠 속에서 누군가가 게임을 하는 것, 펜타킬 업적을 얻는 것을 특징으로 하는 캠페인을 진행할 수 있습니다. 그리고 동남아시아에서는 고양이를, 중국 플레이어들은 말을 타는 것을, 미국에서는 고가의 모자에 특별한 주목을 기울일 수 있습니다. 이런 방식으로 원하는 세그먼트 외의 사람들을 끌어들일 수 있지만, 당신이 가장 흥미롭게 생각하는 사람들을 얻을 확률을 높일 수 있습니다.
  • 실행 가능한 플레이어 프로필 구축: 우리의 파트너, Snowplow, 강조합니다 "게임 플레이 세션, 웹 방문, 포럼, 모바일 상호작용 등 모든 접점에서 세분화된 행동 데이터를 캡처함으로써 각 플레이어에 대한 완전한 시각을 구축하는 것의 중요성. 이러한 크로스 플랫폼 행동을 Databricks에서 모델링함으로써, 스튜디오는 고립된 메트릭을 넘어 통합된 플레이어 프로필을 생성하여 대상 세분화와 예측 LTV 모델에 정보를 제공할 수 있습니다. 이러한 전체적인 기반은 유사한 대상 집단의 품질을 향상시키는 데 뿐만 아니라 광고 참여에서 게임 내 행동, 구매, 그리고 유지 결과에 이르는 속성을 더 투명하고 실행 가능하게 연결합니다. 실시간 데이터가 한 곳에서 결합되고 관리되므로, 마케팅 및 UA 팀은 더 빠르게 반복하고 더 큰 확신을 가질 수 있습니다."
  • 광고 창작물 최적화: 우리의 파트너, .Monks, “미래의 Look-a-like 기반 캠페인 최적화는 이전의 UA 데이터에 의해 주도되어야 합니다. 고가치 전환을 이끈 창작물 형식, 배치 유형, 광고 창작물 속성(메시지의 음조와 주제와 같은)의 식별은 과거 캠페인, 플레이어 행동, 1차 데이터의 결합된 분석을 통해 이루어집니다. 이 과거의 학습을 활용함으로써 미래의 캠페인은 성공을 위해 설정되고, 실행 가능한 피드백 루프가 설정됩니다.
  • 소유한 채널 분석: 우리의 파트너, Braze는 말합니다: "소유한 채널(예: 이메일, SMS, 푸시, 인앱 메시지)에서 플레이어 참여 데이터를 분석하면 광고 캠페인의 효과를 정확하게 귀속시키기 위해 채널 간 측정을 가능하게 할 수 있습니다. 광고 캠페인 성과와 이후의 소유한 채널 참여를 연관시킴으로써, 마케터는 장기적으로 참여하는 플레이어를 획득하는 광고 캠페인 전략 중 어떤 것이 효과적인지 더 효과적으로 결정할 수 있습니다. 이것은 더 정확한 유사한 고가치 집단을 대상으로 하는 유사한 관객을 세밀하게 정의하는 데 도움이 될 것입니다. 이것은 또한 소유한 채널 참여를 미래의 플레이어 가치의 지표로 포함함으로써 언급된 예측 LTV 모델에 통합될 수 있으며, 그들의 정확성을 향상시킵니다."

데이터 인텔리전스 플랫폼 활용

사용자 획득은 종종 게임 스튜디오의 가장 큰 비용 중심과 가치 창조자 중 하나입니다. 작은 개선이 제목의 전반적인 수익과 스튜디오의 장기적인 생존성에 큰 영향을 미칠 수 있습니다. 플레이어 기반을 확장하고, 놀라운 게임을 만들고, 플레이어의 경험을 개인화하고, 게임이 플레이어에게 제공하는 가치를 조정하는 것은 성공을 보장하기 위해 필요합니다.

이것을 하기는 쉽지 않지만, Databricks Data Intelligence Platform은 이를 더 쉽게 만들어줄 수 있습니다.

  • 거의 실시간이 중요하다: 변경사항은 대부분 거의 실시간으로 이루어져야 하므로, 데이터를 가져오고 처리하고 인사이트를 초 또는 분 단위로 생성하는 것이 중요합니다. 
  • 데이터 거버넌스의 중요성: 이를 올바르게 수행하기 위해 필요한 데이터는 종종 개인을 식별할 수 있으며 규제 감독을 받습니다.
  • UA 분석가를 강화하십시오: 이 팀은 데이터를 이해하며, 지표 뒤에 있는 "왜"를 이해해야 하며, 중앙 데이터가 또 다른 보고서를 만들기 위해 몇 주 동안 기다릴 수 없습니다. 그들의 데이터와 대화하고 실행 가능한 통찰력을 발견하는 도구를 제공함으로써 분석가를 강화하는 것은 그들의 성공을 더욱 돕습니다
  • 유연하고 운영 가능: 추세는 자주 변하며, 어제 작동했던 것이 반드시 내일도 작동한다는 보장은 없습니다. 사용한 모델은 일주일 안에 쓰레기가 될 수 있고, 사용한 기법은 변할 수 있습니다. 플랫폼을 사용하면 변화에 빠르게 대응할 수 있습니다.

Databricks는 전 세계의 모든 규모의 게임 회사들이 데이터, 분석, AI 문제를 해결하는 데 도움을 줍니다. 우리의 전문가와 생각의 리더들은 여러분의 성공을 지원하기 위해 여기에 있습니다. 우리의 전자책을 아직 보지 않았다면 확인해 보십시오. 더 이야기하고 싶다면 계정 담당자에게 연락해 주십시오.  우리는 당신이 세상에 더 많은 플레이를 가져다주는 것을 돕는 것을 기대하고 있습니다.

 

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)

게시물을 놓치지 마세요

관심 있는 카테고리를 구독하고 최신 게시물을 받은편지함으로 받아보세요