주요 컨텐츠로 이동
고객 사례

ML로 고객 생애 가치 예측 및 증가

30%

플레이어 생애 가치 향상

3배

데이터 팀 생산성 향상

40배

ML 모델의 프로덕션 배포 시간 단축

kolibri customer story
업종: 게임
클라우드: Azure

"데이터와 ML을 사용하여 플레이어 행동을 이해하고 예측하는 데이터 기반 전략은 세계에서 가장 플레이어 중심적인 게임 회사가 되기 위한 목표를 달성하는 데 중요한 역할을 합니다."

– Oliver Löffler, CTO 겸 공동 창립자, Kolibri Games

베를린 중심가에 위치한 Kolibri Games는 플레이어 중심의 신선한 전략으로 모바일 게임 업계의 샛별로 떠오르고 있습니다. 인기 게임인 Idle Miner Tycoon과 Idle Factory Tycoon은 월간 유효 사용자가 1,000만 명을 돌파했습니다. Kolibri Games는 플레이어 행동과 호불호를 파악하여 게임 기능과 판촉 활동을 결정하면서 플레이어와 수익에 집중하고 있습니다. Databricks는 무한대로 늘어나는 데이터의 가치를 극대화하고, ML 프로덕션을 가속화하고, 신속하게 확장을 지원하고, 데이터 팀의 협업을 개선함으로써 Kolibri Games가 플레이어 만족도와 비즈니스 가치 창출을 성공적으로 결합하도록 지원합니다.

데이터 활용으로 고객 경험 개선

Kolibri Games는 Databricks와 협력하여 다양한 비즈니스 과제를 해결했습니다. 첫 과제는 데이터 부문 전반의 업무 방식을 합리화하고 개발 속도를 높이기 위한 자동화를 실현하는 것이었습니다. CTO이자 공동 창립자인 Oliver Löffler 님은 "데이터 팀의 개발 릴리스 주기는 2주였습니다. 속도가 너무 느렸고, 또 플레이어의 흥미를 유지하면서도 게임을 알맞게 변경할 수 있는 과정을 자동화할 필요가 있었습니다."라고 설명합니다. 또한 이 팀은 플레이어 생애 가치 계산법을 만들어 이를 개선하는 가운데도 플레이어 중심 전략을 유지할 수 있기를 원했습니다. Oliver Löffler 님은 "우리 게임을 지속해서 개선하고 플레이어의 흥미를 붙잡아 두는 최고의 방법은 플레이어의 목소리에 귀 기울이는 것입니다. 저희는 데이터 사이언스를 활용해 플레이어 행동을 이해하고, 그들이 창출하는 가치의 정도를 예측하고자 했습니다."라고 말합니다. 사세가 크게 확장되면서 데이터 팀도 새롭게 성장했지만 협업이 부족했습니다. Löffler 님은 "데이터 엔지니어와 애널리스트는 긴밀히 협력하지 못하고 의견 일치가 어려웠고, Slack을 통해 지엽적으로 데이터를 공유하는 데 그쳤습니다."라고 설명합니다.

데이터 기반 환경 조성

Kolibri는 Microsoft Azure에 이미 플랫폼을 구축했었기 때문에 고객 확보 마케팅을 통한 첫 단계의 실험은 매출 증가로 이어졌습니다. 그러나 확장성과 운영에 몇 가지 문제가 생겼습니다. Löffler 님은 "월간 유효 플레이어가 1,000만 명을 넘어가면서 여러 소스에 생겨난 엄청난 양의 데이터가 문제가 되었습니다. 사용자 확보 활동을 늘리고 개선하면서도 ROI를 파악하기를 바랐는데, 그러려면 데이터 기반 전략이 필요했죠."라고 설명합니다. 데이터를 더 효율적으로 사용하는 것이 관건이었습니다. Löffler 님은 "우리는 Databricks를 Microsoft 애플리케이션과 쉽게 통합하는 퍼스트 파티 서비스로 여깁니다.”라고 말합니다.

우선, Kolibri Games는 게임 플레이 데이터 ETL과 스트리밍을 옮겨서 안정성을 개선하고, 니어 타임 처리를 지원했습니다. 데이터는 Azure Data Lake에 저장되고 Delta Lake가 빠르고 간편한 데이터 액세스와 스토리지를 제공합니다. "Databricks 덕분에 데이터를 처리한 다음, Delta Lake에서 저장할 수 있게 되었습니다. 쉽게 확장이 가능하고, 각 컴퓨터에 작업을 분배할 수 있을뿐더러 필요할 때 클러스터를 추가할 수 있습니다. 클릭 몇 번이면 되니 아주 쉽죠."

플레이어 LTV 향상, 개인화 적용 시간 단축

Kolibri Games 팀은 목표를 달성하였고, 예측 및 LTV 극대화와 관련하여 성공적인 ML 사용 사례를 남겼습니다. Kolibri Games는 이제 특정 고객의 특성 대비 지출 및 가치를 예측하여, 이를 기준으로 더욱 효과적인 마케팅과 게임 플레이 결정을 내릴 수 있습니다. 이 방법으로 Kolibri Games는 플레이어당 LTV가 30% 증가했고, 유효 사용자 수가 안정됨은 물론 증가로도 이어졌습니다. 데이터 분석에 기반한 효과적인 타게팅으로 고객 확보당 및 설치 가치당 비용도 효율적으로 유지합니다. Löffler 님은 "우리는 데이터의 도움을 받아 특정 고객을 찾고, 고객이 가치 있게 여기는 확보 채널과 판촉 활동으로 대응합니다. 이로써 매출도 증가합니다."라고 말합니다. 이제 Kolibri Games는 추천 엔진을 더 활용하여 플레이어 게임 중단을 예측할 계획입니다. Löffler 님은 "플레이어가 게임을 떠나고 중단하는 시점을 예측하는 패턴을 찾아내고, 고객 세그먼트별 요금을 테스트하고 싶습니다."라고 말합니다.

MLflow 사용으로 머신 러닝 프로덕션 시간이 줄었습니다. Löffler 님은 "ML 프로덕션이 훨씬 빨라져 2주에서 2시간으로 줄었습니다. 수동 프로세스와 오류 수정도 줄었죠. 이제 지속적인 혁신에 집중할 수 있어요."라고 말합니다. Databricks 안의 스크립트를 사용하면 아이디어나 기능 변경을 매우 빠르고 쉽게 검증할 수 있습니다. Löffler 님은 "A/B 테스트가 더욱 지능적이고 빨라졌어요. 데이터 사이언티스트는 데이터를 탐색하고 노트북을 사용하여 변경이 긍정적인 결과를 가져올지 빠르게 파악하고 알맞은 새 기능을 더 일찍 배포할 수 있습니다"라고 말합니다. 또 데이터 사이언스 팀은 데이터를 사용해 자동으로 특정 광고를 특정 사용자에게 보이게 하는 알고리즘을 만들고 있습니다. Löffler 님은 "예를 들어, 플레이어가 광고나 앱 내 구매를 사용하는지 여부에 따라 다른 마케팅 혜택을 원할 수 있습니다.

이제 우리는 중앙에서 동일한 인프라를 기반으로 동일한 툴을 사용하여 여러 분야의 데이터 문제를 쉽게 해결할 수 있는 직관적인 플랫폼을 갖고 있어요."라고 설명합니다. 프로그래밍 언어도 통합되어, Databricks를 사용해 가장 좋은 언어를 평가한 다음 Python으로 전환하였습니다. Löffler 님은 "협업, 협력 문제 해결, 간편한 데이터 분석에 노트북을 사용한다"고 말하며 데이터 분야 간 작업 생산성이 3배 향상되었다고 추산합니다. 데이터 팀은 이제 전체 데이터에 걸쳐 능률적이고 간편하게 작업하며, 이는 곧 새로운 아이디어와 혁신을 성공적으로 실현하고 수익성을 높이는 기반이 됩니다.

Löffler 님은 "우리는 Databricks로 지식을 통합하여 데이터 기반 회사로 거듭났습니다. 데이터와 ML을 사용하여 플레이어 행동을 이해하고 예측하는 것이 세계에서 가장 플레이어 중심적인 게임 회사가 되겠다는 목표를 달성하는 데 중요한 역할을 합니다. 우리 혼자서는 해낼 수 없었을 겁니다."라고 전합니다