WO2023229098A1 - 분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법 - Google Patents

분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법 Download PDF

Info

Publication number
WO2023229098A1
WO2023229098A1 PCT/KR2022/009925 KR2022009925W WO2023229098A1 WO 2023229098 A1 WO2023229098 A1 WO 2023229098A1 KR 2022009925 W KR2022009925 W KR 2022009925W WO 2023229098 A1 WO2023229098 A1 WO 2023229098A1
Authority
WO
WIPO (PCT)
Prior art keywords
users
data analysis
analysis device
user
area
Prior art date
Application number
PCT/KR2022/009925
Other languages
English (en)
French (fr)
Inventor
박주영
안신호
윤성복
Original Assignee
주식회사 센티언스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 센티언스 filed Critical 주식회사 센티언스
Publication of WO2023229098A1 publication Critical patent/WO2023229098A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Definitions

  • the present invention relates to a data analysis device that effectively displays analysis results and a method of operating the data analysis device. More specifically, the present invention relates to a data analysis device that analyzes the behavior of service users through software and displays the behavior so that the behavior can be viewed at a glance. This is about data analysis devices and their operating methods.
  • Marketability of a product refers to how valuable the product is in the market. And since this marketability is created through the evaluation of the experience that users feel when using the product, the product is divided into parts by experience elements, experts are assigned to each part, and performance is proven by improving the numbers assigned to each part. . For example, performance is proven through the technical performance of the product, the visual design of the product, and the price paid for the product.
  • BI Business Intelligence
  • BI solutions refers to a process that integrates and analyzes data to assist in the decision-making process related to corporate activities.
  • BI solutions are used to support decision-making and solve problems in various fields of corporate activities, such as increasing corporate productivity, reducing costs, and improving customer satisfaction.
  • BI solutions present analysis results to support decision-making based on massive amounts of data, so they can help companies avoid relying solely on human intuition for important decisions.
  • BI solution can provide analysis results on the behavior of users using the product. By looking at indicators such as the number of active users and purchase conversion rate for a specific period, which are provided by default in most BI solutions so far, the context is analyzed to see improvements in marketability, and improvements in detailed parts are confirmed through AB testing. .
  • the AB test is an experiment with two (or more) variables, A and B.
  • AB testing can be used in things like website design, email marketing campaigns, advertising, and content strategy to test multiple versions of a specific asset to find the most effective variation.
  • the purpose of AB testing is to identify more valuable variables and select the optimal design. AB testing does not end with one trial; it is important to repeat it continuously.
  • a method of operating a data analysis device for displaying the growth state of a service includes the steps of obtaining information about a user acquired before a first time point from a service server, the user acquired before the first time point Based on information about, determining one of a plurality of predetermined states as the user's state, and generating a distribution graph of the number of users for each of the plurality of states, where the plurality of states are unsettled and settled.
  • dropout, non-settlement is a state in which the user does not belong to the settlement or dropout
  • fixation means that the day the user accessed the game service is more than a predetermined first threshold date, and the day of absence is a preset second threshold date. Absenteeism refers to a state where the number of days of absence is less than the second critical date.
  • the distribution graph of the operation method of the data analysis device is a two-dimensional graph, where the first axis represents a plurality of states, the second axis represents the number of users determined to be in the corresponding state, and the second axis represents the first
  • the step of generating a distribution graph of the number of users in each state perpendicular to the axis is the step of displaying unsettled areas, settled areas, and breakaway areas in order from one side of the first axis to the other side on the distribution graph.
  • the step of generating a distribution graph of the number of users in each of a plurality of states in the method of operating a data analysis device includes a settlement conversion rate indicating the ratio of users who are present on the first threshold date or more among the total number of users of the service.
  • Obtaining a settlement return rate which is a ratio of the number of users determined to settle to the number of users determined to leave, and displaying at least one of the settlement conversion rate and the settlement return rate on a distribution graph.
  • the step of displaying at least one of the settlement conversion rate and the settlement return rate in the distribution graph of the operating method of the data analysis device includes displaying the settlement conversion area between the unsettled area and the settled area in the distribution graph.
  • the fixation transition area and the fixation return area are displayed in a first color
  • the unfixed area, the fixation area, and the departure area are displayed in a second color
  • the first color is displayed.
  • the color is different from the second color.
  • the step of generating the number of users for each of the plurality of states in a distribution graph in the method of operating a data analysis device includes the step of displaying additional information along with the distribution graph, and the additional information is a first time point. It is based on information about previously acquired users, and includes at least one of the number of days a user is present per week, the number of users who purchase items/equipment, etc., revenue per user, or average subscription period.
  • a method of operating a data analysis device includes obtaining information about a user acquired before a second time point from a service server, based on the information about the user acquired before the second time point, A step of determining one of a plurality of determined states as the user's state, a step of generating a comparison distribution graph of the number of users for each of the plurality of states based on information about the user acquired before the second time point, a comparison distribution graph and a distribution graph. It includes the step of displaying side by side.
  • Information about the user of the method of operating a data analysis device is information before the first time point and after the third time point, and the first time point and the third time point are determined based on the user's selection.
  • a program for implementing the method of operating the data analysis device as described above may be recorded on a computer-readable recording medium.
  • the data analysis device of the present disclosure can view the health of a product at a glance, rather than the segmented analysis of each indicator as has been done previously. It displays the results of a kind of health examination of a product.
  • the user's status is classified into one of the classes of unsettled, settled, and dropped out, and the data analysis device can determine the vitality of the product depending on where and to what extent the user's status is staying. .
  • the data analysis device of the present disclosure can identify the key indicators of a product at a glance through the functional characteristics of the product and quickly determine whether product improvement and marketing activities are helping to increase the marketability of the product without spending large resources. Therefore, it can greatly help companies innovate products at low cost.
  • FIG. 1 is a diagram showing a data analysis device according to an embodiment of the present disclosure.
  • Figure 2 is a flowchart showing the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 3 is a diagram for explaining a data analysis device according to an embodiment of the present disclosure.
  • Figure 4 is a flowchart showing the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 5 is a flowchart showing the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 6 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 7 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 8 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 9 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 10 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 11 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • information related to means information calculated based on a certain component, an index corresponding to a certain component, means information including a certain component, or is linear with a certain component. It refers to information that has a positive relationship, or information that includes certain components.
  • a linear relationship can mean a directly proportional relationship or an inverse proportional relationship.
  • Information may include numbers or text.
  • unit refers to a software or hardware component, and the “unit” performs certain roles. However, “wealth” is not limited to software or hardware.
  • the “copy” may be configured to reside on an addressable storage medium and may be configured to run on one or more processors.
  • part refers to software components, such as object-oriented software components, class components, and task components, processes, functions, properties, procedures, Includes subroutines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables.
  • the functionality provided within the components and “parts” may be combined into smaller numbers of components and “parts” or may be further separated into additional components and “parts”.
  • unit may be implemented with a processor and memory.
  • processor should be interpreted broadly to include general purpose processors, central processing units (CPUs), microprocessors, digital signal processors (DSPs), controllers, microcontrollers, state machines, etc.
  • processor may refer to an application-specific integrated circuit (ASIC), programmable logic device (PLD), field programmable gate array (FPGA), etc.
  • ASIC application-specific integrated circuit
  • PLD programmable logic device
  • FPGA field programmable gate array
  • processor refers to a combination of processing devices, for example, a combination of a DSP and a microprocessor, a combination of a plurality of microprocessors, a combination of one or more microprocessors in combination with a DSP core, or any other such combination of configurations. It may also refer to
  • memory should be interpreted broadly to include any electronic component capable of storing electronic information.
  • the terms memory include random access memory (RAM), read-only memory (ROM), non-volatile random access memory (NVRAM), programmable read-only memory (PROM), erasable-programmable read-only memory (EPROM), electrical may refer to various types of processor-readable media, such as erasable PROM (EEPROM), flash memory, magnetic or optical data storage, registers, etc.
  • RAM random access memory
  • ROM read-only memory
  • NVRAM non-volatile random access memory
  • PROM programmable read-only memory
  • EPROM erasable-programmable read-only memory
  • electrical may refer to various types of processor-readable media, such as erasable PROM (EEPROM), flash memory, magnetic or optical data storage, registers, etc.
  • EEPROM erasable PROM
  • flash memory magnetic or optical data storage, registers, etc.
  • FIG. 1 is a diagram showing a data analysis device according to an embodiment of the present disclosure.
  • the data analysis device 100 can display the growth status of the service. Services may be provided using the company's software or hardware products. For example, if a user uses game software or hardware, he or she is using the company's game service, and if the user uses shopping software or hardware, he or she is using the company's shopping service. A company can use the data analysis device 100 to analyze users who use the service. Additionally, companies can use the data analysis device 100 to analyze the growth status of services.
  • a service manager may represent a person involved in decision-making about a product (service).
  • the service manager may be a person who uses the data analysis device 100.
  • a service manager may be a person who operates a product (service) or a person who has been requested to conduct an analysis by the operator.
  • the data analysis device 100 may be implemented by data analysis software installed on a general-purpose processor. Additionally, the data analysis device 100 may be implemented by hardware dedicated to data analysis. The data analysis device 100 may be one of a server, PC, tablet, smartphone, or laptop.
  • the data analysis device 100 may include a processor 110 or a memory 120.
  • the data analysis device 100 may be implemented as a general-purpose processor or may be implemented using a data analysis processor.
  • the processor 110 may perform operations based on instructions stored in the memory 120. However, it is not limited to this, and the data analysis device 100 may include only the processor 110 and not a memory.
  • the processor 110 may be set to output a preset signal to an output line for a preset time based on the input signal. Each component of the data analysis device 100 may perform a preset operation according to a signal.
  • the service server 130 may include a raw database.
  • Raw data may be stored in a raw database.
  • the service server 130 may accumulate and store information about users as raw data.
  • Information about the user may be data obtained based on the user's log data. For example, if the service server 130 is a server that provides a game, the service server 130 may accumulate and store data related to users using the game as raw data.
  • the data analysis device 100 may receive raw data from the service server 130 and analyze it.
  • the data analysis device 100 may transmit the analysis results to at least one of the service server 130 and the service manager terminal.
  • the data analysis device 100 may obtain analysis results by performing analysis on the user's raw data.
  • the analysis results of the data analysis device 100 may include a distribution graph showing the number of users for each of the plurality of states. Additionally, the data analysis device 100 may transmit the analysis results to at least one of the service server 130 or the service manager terminal. Analysis results can help service managers make decisions.
  • the data analysis device 100 may be a service manager's terminal.
  • the service server 130 can store a very large amount of log data in a raw database in real time within a short period of time.
  • Log data stored in the raw database is data related to the activities performed by users (gamers) while receiving services.
  • Log data stored in a raw database can be called raw data in that it is unprocessed data.
  • Log data included in the raw database may include at least one of the following: the day you accessed the service, the day you did not access the service, the day you purchased the item/content provided by the service, and the amount of money you purchased the item/content provided by the service. there is.
  • log data may include data unnecessary for analysis by the data analysis device 100.
  • either the data analysis device 100 or the service server 130 can select data to be used for data processing and extract only the selected data to create a standardized database.
  • At least one parameter included in the standardized database is at least one of the following: the day of access to the service, the day of not accessing the service, the date of purchasing the item/content provided by the service, and the purchase amount of the item/content provided by the service. may include.
  • the data analysis device 100 is described as performing steps related to the present disclosure, but it should not be construed as limited to the data analysis device 100 performing all steps. At least some of the steps described in this disclosure may be performed in the service server 130.
  • Figure 2 is a flowchart showing the operation of a data analysis device according to an embodiment of the present disclosure.
  • the data analysis device 100 can collect information about users using the game service for a predetermined period of time.
  • the predetermined period may be at least 7 days or longer. This is because data to analyze the status of users using game services must be accumulated.
  • the data analysis device 100 may perform a step 210 of obtaining information about the user obtained before the first time from the service server 130.
  • the first point in time may be the present or a point in time in the past.
  • the first viewpoint may be determined by the user or may be determined in advance.
  • the first point in time may be a point in time that serves as a standard for analysis.
  • Information about users includes the number of days of user attendance, whether the user prints by date, the number of days of user non-attendance, the number of days the user attends per week, the number of users who purchase items/equipment, etc., the revenue per user, and the average subscription period. It may include at least one of: Information about the user may include information about actions performed by the user.
  • information about the user may include at least one of a login event, a specific website access event, a message confirmation event, and a billing event. Additionally, information about the user may include at least one of the time of signing up for the service, the number of users signing up for the service, whether items/equipment were purchased, the purchase amount, and the number of days signing up for the service.
  • the information about the user acquired by the data analysis device 100 may be information before the first time point or after the third time point.
  • the first time point and the third time point may be determined based on the user's selection. However, it is not limited to this, and the first and third time points may be determined in advance.
  • the first point in time may be a point in the future than the third point in time.
  • the data analysis device 100 may perform step 220 of determining one of a plurality of predetermined states as the user's state based on information about the user acquired before the first time point.
  • the data analysis apparatus 100 may perform step 220 of determining one of a plurality of predetermined states as the user's state based on information about the user acquired after the third time point but before the first time point.
  • the plurality of states may include at least one of unsettled, settled, and disengaged.
  • the data analysis device 100 may classify the user into one of a plurality of states based on the user's state information and obtain classification information.
  • Classification information may include the number of users classified into one of a plurality of states. Multiple states are classified according to predetermined conditions from the time the user starts using the service to the time the user stops using the game service. One of the plurality of states may be the user's state.
  • the data analysis device 100 may classify the user into one of a plurality of states based on information about the user.
  • the data analysis device 100 may classify users who use the service as non-settled, settled, or dropped out according to predetermined criteria. Additionally, the data analysis device 100 may determine the status of the user using the service as one of non-settled, settled, and disengaged users according to predetermined standards.
  • the data analysis device 100 compares information about the user with a predetermined threshold range, and when the information about the user satisfies a specific condition, it can classify the user into one of a plurality of states.
  • Non-establishment may mean that the user has only recently signed up for a game service.
  • Unsettled may be a state that does not belong to settlement or separation.
  • Non-arrival may mean that the day the user accessed the service is less than the first predetermined threshold date and the day the user was absent is less than the second predetermined threshold date.
  • Non-settlement may mean that the day the user accessed the service is more than the predetermined third threshold date and the day of absence is less than the predetermined second threshold date, and does not belong to settlement or departure.
  • non-settlement may be a state in which the user has accessed the game for more than 1 day and has been absent for less than 7 days, but does not fall into the categories of settling or leaving.
  • the criteria for classifying unsettled people can be modified based on user input, or can be automatically modified using a predetermined algorithm.
  • Settlement may mean that the day the user accessed the service is greater than the first predetermined threshold date and the day the user was absent is less than the second predetermined threshold date. That is, the data analysis device 100 may determine the user's status as settled when the date the user accessed the service is greater than the first predetermined threshold date and the day the user was absent is less than the second predetermined threshold date. Settlement may be a state that does not belong to non-settlement or disengagement. Alternatively, settlement may be a state that does not belong to disengagement. For example, settlement may mean that the user has accessed the game service for more than 2 days and has been absent for less than 7 days. The first threshold date and the second threshold date for classifying settlement may be modified based on user input.
  • Churn may mean that a user subscribes to a game service but is absent for more than a predetermined number of days. Absence may mean that the number of days of absence is more than the second threshold date. In addition, leaving may mean that the day the user accessed the service is more than a predetermined third threshold date and the day of absence is more than the second threshold date. The second threshold date may be received from the user. The data analysis device 100 may determine the user's status as absent when the number of days the user is absent is greater than or equal to the second threshold date. Disengagement can be a state of non-settlement and not belonging to settlement. For example, churn may mean that the user accessed the service for more than 1 day and was absent for more than 7 days.
  • the first threshold date may be less than or equal to the second threshold date. However, it is not limited to this, and the first critical date may be greater than the second critical date.
  • the third threshold date may be less than or equal to the first threshold date.
  • the first threshold date may be, for example, the 2nd.
  • the second threshold date may be, for example, 7 days.
  • the third threshold date may be 1, for example.
  • the data analysis device 100 can classify users who have used the service even for one day. In other words, the data analysis device 100 may not classify users who have not used the service even for one day before the first time point.
  • the data analysis device 100 may not classify users who did not use the service for even a day from the third time point to the first time point. In other words, the data analysis device 100 may exclude from the analysis target users who did not use the service for even one day from the third time point to the first time point. However, it is not limited to this.
  • the data analysis device 100 may perform step 220 for all users who use the service.
  • the data analysis device 100 may obtain the number of users whose user status is not settled, the number of users whose user status is settled, and the number of users whose user status is abandoned.
  • the data analysis device 100 may perform step 230 of generating a distribution graph of the number of users for each of a plurality of states. According to the distribution graph, it is easy to see the process from birth to death of a product. Additionally, the lifespan of the current product can be determined through the size of the user base and what user states there are. Step 230 is described in more detail in conjunction with Figures 3 and 4.
  • Figure 3 is a diagram for explaining a data analysis device according to an embodiment of the present disclosure.
  • Figure 4 is a flowchart showing the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 3 shows a distribution graph 310.
  • the distribution graph 310 is intended to represent the time from birth to death of a product (service) as a chart, and is an hourglass-shaped chart that is visible time.
  • the distribution graph 310 indicates how many users of the service there are and which users have the most status. This allows service managers to know the lifespan of the current product.
  • the distribution graph 310 may be a two-dimensional graph. However, it is not limited to this.
  • the distribution graph 310 may have the form of a three-dimensional graph.
  • the first axis 320 of the distribution graph 310 may represent a plurality of states. For example, unsettled, settled, and separated may be arranged on the first axis 320.
  • the second axis 330 may represent the number of users determined to be in the corresponding state.
  • the second axis may be perpendicular to the first axis. In Figure 3, the first axis is arranged vertically and the second axis is arranged horizontally. However, it is not limited to this, and the first axis may be arranged horizontally and the second axis may be arranged vertically.
  • the ratio or number of users may be displayed in numbers.
  • the first axis 320 and the second axis 330 are arranged at arbitrary positions with respect to the distribution graph 310, but are not limited thereto.
  • the first axis 320 and the second axis 330 may not be displayed on the display.
  • the first axis 320 and the second axis 330 may be located in positions different from those of FIG. 3 .
  • Step 230 of generating a distribution graph of the number of users for each plurality of states may further include the following processes.
  • the data analysis device 100 displays the unsettled area 311, the settled area 312, and the separated area 313 in order from one side to the other side of the first axis 320 on the distribution graph 310 (410). ) can be performed.
  • the data analysis device 100 performs a step 420 of displaying the 1-1 line 341 based on the number of users determined to be unsettled in the unsettled area 311 parallel to the first axis 320. You can.
  • the distance between the first axis 320 and the 1-1 line 341 may be proportional to the number of users determined to be unsettled.
  • the distance between the first axis 320 and the 1-1 line 341 may be directly proportional to the number of users determined to be unsettled.
  • the data analysis apparatus 100 may perform the step of displaying the 1-2 line 342 based on the number of users determined to be non-settled in the unsettled area 311 parallel to the first axis 320.
  • the distance between the first axis 320 and the 1-2 line 342 may be inversely proportional to the number of users determined to be unsettled.
  • the distance 331 from the 1-1 line 341 to the 1-2 line 342 may be directly proportional to the number of users determined to be unsettled.
  • the first axis 320 may be located at the center of the 1-1 line 341 and the 1-2 line 342.
  • the distance between the first axis 320 and the 1-1 line 341 is directly proportional to the number of users determined to be unsettled, and the distance between the first axis 320 and the 1-2 line 342 is not settled. It can be directly proportional to the number of users determined.
  • the data analysis device 100 may perform step 430 of displaying a 2-1 line based on the number of users determined to settle in the settlement area 312 parallel to the first axis.
  • the distance between the first axis 320 and the 2-1 line 343 may be proportional to the number of users determined to settle.
  • the distance between the first axis 320 and the 2-1 line 343 may be directly proportional to the number of users determined to settle.
  • the data analysis device 100 may perform the step of displaying the 2-2 line 344 based on the number of users determined to settle in the settlement area 312 parallel to the first axis 320.
  • the distance between the first axis 320 and the 2-2 line 344 may be inversely proportional to the number of users determined to settle.
  • the distance 332 from the 2-1 line 343 to the 2-2 line 344 may be directly proportional to the number of users determined to have settled.
  • the data analysis apparatus 100 may perform step 440 of displaying a 3-1 line based on the number of users determined to have left in the exit area 313 parallel to the first axis.
  • the distance between the first axis 320 and the 3-1 line 345 may be proportional to the number of users determined to have left.
  • the distance between the first axis 320 and the 3-1 line 345 may be directly proportional to the number of users determined to have left.
  • the data analysis device 100 may perform the step of displaying the 3-2 line 346 based on the number of users determined to have left the exit area 313 parallel to the first axis 320.
  • the distance between the first axis 320 and the 3-2 line 346 may be inversely proportional to the number of users determined to have left.
  • the distance 333 from the 3-1 line 345 to the 3-2 line 346 may be directly proportional to the number of users determined to have left.
  • the number of unsettled users is 33,500
  • the number of settled users is 446,300
  • the number of leaving users is 550,600
  • the number of leaving users is the largest, so the number displayed in the leaving area 313 is 550,600.
  • the distance 333 between the 3-1 line 345 and the 3-2 line 346 may be the longest.
  • the distance 332 between the 2-1 line 343 and the 2-2 line 344 may be smaller than the distance 333.
  • the distance 331 between the 1-1 line 341 and the 1-2 line 342 may be smaller than the distance 332.
  • Figure 5 is a flowchart showing the operation of a data analysis device according to an embodiment of the present disclosure.
  • Step 230 of generating a distribution graph of the number of users for each plurality of states may include the following process.
  • the data analysis device 100 may perform a step of obtaining a settlement conversion rate that represents the ratio of users who attend on or more than the first threshold date among the total number of users of the service.
  • the data analysis device 100 may perform a step of obtaining a settlement return rate, which is the ratio of the number of users determined to settle to the number of users determined to leave.
  • the data analysis device 100 may perform a step of displaying at least one of a settlement conversion rate and a settlement return rate on a distribution graph.
  • the data analysis device 100 displays a settled transition area 314 between the unsettled area 311 and the settled area 312 in the distribution graph 310. Step 510 may be performed.
  • the data analysis device 100 may perform step 520 of displaying a settling return area 315 between the settling area 312 and the leaving area 313 in the distribution graph 310.
  • the data analysis device 100 may perform step 530 of displaying the 4-1 line connecting the 1-1 line 341 and the 2-1 line 343 in the settlement transition area.
  • the 1-1 line 341, the 4-1 line, and the 2-1 line 343 may be differentiable.
  • the data analysis device 100 may perform the step of displaying the 4-2 line connecting the 1-2 line 342 and the 2-2 line 344 in the settlement transition area.
  • the 1-2 line 342, the 4-2 line, and the 2-2 line 344 may be differentiable. Since the 1-2 line 342, the 4-2 line, and the 2-2 line 344 are shown to be differentiable, the service manager may not experience any inconvenience when viewing the distribution graph. Additionally, the meaning of the 1-2 line 342, the 4-2 line, and the 2-2 line 344 can be visually expressed.
  • the data analysis device 100 may perform step 540 of displaying a 5-1 line connecting the 2-1 line and the 3-1 line in the settlement return area.
  • the 2-1 line 343, the 5-1 line, and the 3-1 line 345 may be differentiable.
  • the data analysis device 100 may perform the step of displaying the 5-2 line connecting the 2-2 line 344 and the 3-2 line 346 in the settlement transition area.
  • the 2-2 line 344, the 5-2 line, and the 3-2 line 346 may be differentiable.
  • the service manager can check the current status of users using the service corresponding to the unsettled area 311 and the settled area 312. You can see changes in not only the situation but also the status of users using the service.
  • the service manager can display not only the current status of the user corresponding to the settlement area 312 and the departure area 313, but also the status of the users. Changes in status can be detected. Therefore, service managers can know whether changes in the lifespan of a service are progressing quickly or slowly. Therefore, the data analysis device 100 can greatly assist the service manager in making decisions, and the service manager can make accurate decisions based on data indicating changes in the users' status as well as the current status of the users.
  • the data analysis device 100 may perform step 550 of displaying the settlement conversion rate inside the settlement conversion area 314.
  • the data analysis device 100 may display the settlement conversion rate at an arbitrary location inside the settlement conversion area 314. Additionally, the data analysis device 100 may display the settlement conversion rate between the 4-1 line and the 4-2 line inside the settlement conversion area 314.
  • the data analysis device 100 may perform step 560 of displaying the settlement return rate inside the settlement return area.
  • the data analysis device 100 may display the settlement return rate at a random location inside the settlement return area.
  • the data analysis device 100 may display the fixation return rate between the 5-1 line and the 5-2 line inside the fixation return area.
  • the data analysis device 100 displays the settlement transition area 314 and the settlement return area 315 in the first color, and the unsettled area 311, the settlement area 312, and the departure area 313 in the second color. It can be displayed in color. More specifically, the data analysis device 100 is between the 1-1 line 341 and the 1-2 line 342, between the 2-1 line 343 and the 2-2 line 344, And the area between the 3-1 line 345 and the 3-2 line 346 may be displayed in a second color. The data analysis device 100 may display the area between the 4-1 line and the 4-2 line and the area between the 5-1 line and the 5-2 line using the first color. The first color and the second color may be different from each other.
  • the data analysis device 100 adjusts the transparency of the first color. can be higher than the transparency of the second color. Additionally, the first color may be brighter than the second color. Additionally, the saturation of the second color may be higher than the saturation of the first color. By emphasizing the second color in this way, the user can more easily recognize important information such as the unfixed area 311, the settled area 312, and the stray area 313. Therefore, users can easily obtain the information necessary for decision making.
  • Figure 6 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Step 230 of generating a distribution graph of the number of users for each plurality of states may further include the following processes.
  • the data analysis device 100 may perform a step of displaying additional information together with the distribution graph 310. Additional information may be displayed in the additional information area 620.
  • the additional information may be based on information about the user obtained before the first point in time.
  • the additional information may be based on information about the user from the third time to the first time. Additional information may include at least one of the number of days a user attends per week, the number of users who purchase items/equipment, etc., revenue per user, or average subscription period.
  • the service manager can know how deeply the user participates in the product (service).
  • the fitness and health of the product e.g. a game
  • the physical strength and health of the product can be considered high.
  • a large number of users with a user status of “Settled” may mean that the users are deeply involved in the product.
  • a high number of days a user is present per week can indicate that the user is deeply involved with the product.
  • the data analysis device 100 can calculate the number of days attended per week for the entire area, unsettled area, settled area, and departure area.
  • the number of buyers included in the additional information may include at least one of the number and ratio of users who attended and made a purchase.
  • the number of buyers may represent the number of users who purchased at least one of items, equipment, and content.
  • Service managers can evaluate the marketability of a product through the number and percentage of users who make a purchase. Managers can determine that the marketability of a product is higher as the number and ratio of users who make a purchase are higher.
  • the data analysis device 100 can calculate the number and ratio of users who made a purchase for the entire area, unsettled area, settled area, and exit area, respectively.
  • “revenue” included in the additional information may include the total purchase amount of the user and the purchase amount (revenue) per user.
  • “Revenue” allows service managers to evaluate the profitability of a product and its value per user.
  • the data analysis device 100 can obtain the total purchase amount of users and the purchase amount (profit) per user for the entire area, unsettled area, settled area, and exit area.
  • the data analysis device 100 can provide profits according to the user's status. Therefore, service managers can easily determine whether the current profit structure is healthy. For example, if users who churn have the highest revenue, it can be determined that the service's revenue structure is unhealthy.
  • the experience included in the additional information is an item that evaluates how high the user's loyalty is based on the period of use of the product.
  • Experience may include average experience and the user's average subscription period.
  • the average experience may be the average of the number of days the service has been used.
  • the subscription period may represent the period of time a user maintains a subscription to a service such as a game. Users can use the service during the period of subscription. Therefore, the average subscription period may have a larger value than the average experience. The higher the average experience of a settled user, the higher the user's loyalty.
  • the data analysis device 100 can help the service manager make decisions by providing additional information.
  • Figure 7 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • the data analysis device 100 may display a user interface (UI) 710 for receiving attendance standard information from the user.
  • Attendance standard information may indicate information about an event for acknowledging a user as present.
  • Attendance standard information may include at least one of a login event, a specific website access event, a message confirmation event, and a billing event.
  • the data analysis device 100 may determine that the user attended on that date when the user logs in to the service. Additionally, when the attendance standard information is an event of accessing a specific website, the data analysis device 100 may determine that the user was present on that date when the user accesses a predetermined specific website. Additionally, when the attendance standard information is a message confirmation event, the data analysis device 100 may determine that the user has attended on that date if the user has confirmed the message sent to the user by the service manager. Additionally, when the attendance standard information is a billing event, the data analysis device 100 may determine that the service manager was present on that date if he or she purchases content or items while using the service.
  • the data analysis device 100 may determine the user's status as one of unsettled, settled, and disengaged based on attendance standard information.
  • the data analysis device 100 can determine whether the user will attend based on attendance standard information.
  • the data analysis device 100 may obtain attendance standard information from the user and, if the user satisfies the attendance standard information, determine that the user attended on the relevant date.
  • the data analysis device 100 may determine the user's status as one of unsettled, settled, and disengaged based on the number of days the user is present or the number of days the user is not present.
  • the data analysis device 100 may display a UI 720 for receiving departure standard information.
  • the departure criterion information may be the same as the second threshold date.
  • the data analysis device 100 determines the user's status as settled when the day the user accessed the game service is greater than the first predetermined threshold date and the day of absence is less than the second predetermined threshold date. You can.
  • the second critical date is set to 7. However, it is not limited to this, and the second critical date can be modified by the service manager.
  • the data analysis device 100 may display a UI 730 for setting analysis period information.
  • Analysis period information can be one of total, 8 days, 15 days, 30 days, 60 days, or 90 days.
  • the service manager can select one of total, 8 days, 15 days, 30 days, 60 days, or 90 days as analysis period information.
  • 'all' may mean using information about users from the date the service was launched to the present.
  • the service launch date may mean the day the service began to be provided to users. That is, if the analysis period information is complete, the first time point may be the present, and the third time point may be the service start time.
  • the first time point of the data analysis device 100 can be set to the present and the third time point can be determined based on the analysis period information. For example, the data analysis device 100 may obtain a third time point by subtracting analysis period information from the first time point. For example, if the analysis period information is 8 days, the data analysis device 100 may determine the date obtained by subtracting 8 days from the current date as the third point in time.
  • the data analysis device 100 may display an icon 740 for setting analysis period information.
  • the data analysis device 100 may display a UI that allows selection of the first and third viewpoints.
  • the data analysis device 100 may receive the first and third time points from the service manager, respectively.
  • the data analysis device 100 allows the service manager to set standards for classifying users, allowing the service manager to easily obtain the data he or she wants to see. Additionally, the data analysis device 100 can be applied to different services with only minor modifications. Therefore, the data analysis device 100 can analyze users of various services.
  • Figure 8 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • Figure 9 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • FIG. 8 discloses a configuration that overlaps with FIGS. 3, 6, and 7, and description of the overlapping configuration is omitted. The omitted description of FIG. 8 can be explained with reference to FIGS. 3, 6, and 7.
  • the data analysis device 100 may perform step 910 of obtaining information about the user obtained before the second time point from the service server 130.
  • the data analysis device 100 may perform a step of obtaining information about the user obtained after the fourth time point and before the second time point from the service server 130.
  • the second viewpoint may be the same or different from the first viewpoint.
  • the fourth viewpoint may be the same or different from the third viewpoint. The only difference is that step 210 acquires information about users acquired before the first time point, and step 910 acquires information about users acquired before the second time point, and step 910 includes steps ( The same explanation as 210) can be applied.
  • the data analysis device 100 may perform step 920 of determining one of a plurality of predetermined states as the user's state based on information about the user acquired before the second time point.
  • step 220 uses information about the user acquired before the first time point
  • step 920 uses information about the user acquired before the second time point
  • step 920 uses information about the user obtained before the second time point.
  • the same explanation as ) can be applied.
  • the data analysis device 100 may perform step 930 of generating a comparison distribution graph 810 of the number of users for each state based on information about users acquired before the second time point.
  • the data analysis device 100 may perform step 940 of displaying the comparison distribution graph 810 and the distribution graph 310 side by side.
  • the result of step 940 may be as shown in FIG. 8.
  • the data analysis device 100 can analyze information about the user for different time periods and display the distribution graph 310 and the comparative distribution graph 810.
  • the data analysis device 100 can display the distribution graph 310 and the comparative distribution graph 810 on one screen. Therefore, service managers can easily see changes in the distribution graph over time. The service manager can know changes in user status over time. Additionally, service managers can easily determine changes in the lifespan of a service and receive quick help in making decisions about the service.
  • the data analysis device 100 can obtain a comparison distribution graph 810 using information about users who satisfy specific conditions. Specific conditions may be determined by the service manager. For example, the data analysis device 100 may set specific conditions related to at least one of the version of the service used by the user, the number of days of subscription of the user, the hardware used by the user, and the type of OS used by the user. Therefore, the service manager can selectively select only the users he or she wants and check the comparative distribution graph 810.
  • the data analysis device 100 may perform a step of displaying additional information together with the distribution graph 310. Additional information may be displayed in the additional information area 820. Users can check additional information for different time sections. Service managers can see the information needed to make service decisions at a glance. Therefore, the data analysis device 100 can help the service manager make decisions.
  • Figure 10 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • the data analysis device 100 may display a change graph 1010 of the user's status based on the service manager's input.
  • the horizontal axis of the change graph can represent time.
  • the vertical axis may represent the number or ratio of total users, non-established users, established users, and abandoned users. However, it is not limited to this, and the vertical axis of the change graph may represent time, and the horizontal axis may represent the number or ratio of all users, non-established users, established users, and abandoned users.
  • the change graph 1010 may include the number of users classified into multiple states over time.
  • the change graph 1010 can display the number of users classified into multiple states in one graph.
  • the analysis graph may display the number of users classified into multiple states over time for each of the plurality of states.
  • the data analysis device 100 may receive at least one state among a plurality of states to be displayed on the change graph 1010.
  • the data analysis device 100 may receive a change graph 1010 for one state among the plurality of states. Can be created and displayed.
  • the service manager can check the change process of non-established, established, and abandoned users provided by the data analysis device 100, and check whether product improvement and marketing activities have a positive effect on the product. For example, if the number of churned users decreases or the number of established users increases over time after product improvement and marketing activities, this may indicate that the product improvement and marketing activities have had a positive effect on the product.
  • Figure 11 is a diagram for explaining the operation of a data analysis device according to an embodiment of the present disclosure.
  • the data analysis device 100 may display a UI for setting a departure standard. For example, in FIG. 7 , when the service manager clicks on the UI for receiving withdrawal criteria information, a screen like FIG. 11 may be displayed. Referring to FIG. 11, the data analysis device 100 can display a revisit interval distribution graph 1110.
  • the vertical axis of the return interval distribution graph 1110 may indicate the number of days on which the user did not attend. Additionally, the return interval distribution graph 1110 may indicate the rate at which a user attends again after failing to attend. For example, referring to FIG. 11, the percentage of users who did not attend for one day and then returned to attendance may reach 75%. Additionally, the percentage of users who do not attend for 7 days and then re-attend can be close to 0%.
  • the service manager can check the revisit interval distribution graph 1110 and determine departure standard information.
  • the service manager can confirm through the revisit interval distribution graph 1110 that if the service manager has not attended for 7 days, the probability of not visiting again is very high, and can determine the departure standard information to be 7 days.
  • the data analysis device 100 can automatically determine departure standard information.
  • the data analysis device 100 can obtain a return visit rate, which is the rate of re-attendance based on the number of days of non-attendance.
  • the data analysis device 100 may determine the day of non-attendance when the return visit rate is lowest as the departure standard information.
  • the data analysis device 100 may determine whether the return visit rate is less than or equal to a predetermined threshold rate in order of the number of days of non-attendance from smallest to largest.
  • the data analysis device 100 may determine the number of days of non-attendance when the return visit rate is less than or equal to a predetermined threshold rate as the departure standard information.
  • the optimal departure criterion information is automatically determined, user convenience can be increased. Additionally, since the data analysis device 100 automatically determines the optimal deviation standard information, the optimal distribution graph 310 can be created. Service managers can receive great help in decision-making by using the optimal distribution graph.
  • the service manager can easily determine the change in the number of users belonging to multiple states after the date of marketing through the analysis graph and easily determine the effectiveness of marketing. there is. Therefore, service managers can easily come up with efficient marketing methods.
  • the above-described embodiments of the present invention can be written as a program that can be executed on a computer, and can be implemented in a general-purpose digital computer that operates the program using a computer-readable recording medium.
  • the computer-readable recording media includes storage media such as magnetic storage media (eg, ROM, floppy disk, hard disk, etc.) and optical read media (eg, CD-ROM, DVD, etc.).

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시의 실시예들은 서비스의 성장상태를 표시하기 위한 데이터분석장치의 동작 방법에 관한 것으로써, 데이터분석장치의 동작 방법은 서비스서버로부터 제 1 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계, 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 사용자의 상태로 결정하는 단계, 및 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계를 포함한다.

Description

분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법
본 발명은 분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 작동 방법에 관한 것으로서, 보다 상세하게는, 소프트웨어를 통한 서비스 사용자의 행태를 분석하고, 그 행태를 한 눈에 볼 수 있도록 표시하는 데이터분석장치 및 데이터분석장치의 동작방법에 대한 것이다.
많은 기업들이 게임과 같은 제품을 만들고 사용자들의 데이터를 통해 자사 제품의 시장성을 평가하거나 시장성을 지속적으로 높이는데 활용하고 있다. '제품의 시장성'이란 제품이 시장에서 얼마나 가치있는 가를 뜻한다. 그리고 이 시장성은 사용자가 제품을 사용했을 때 느끼는 경험의 평가를 통해 만들어지기 때문에 경험의 요소 단위로 제품의 파트를 나누어 각 파트의 전문가들을 배치하고 각 파트가 맡은 수치의 개선을 통해 성과를 증명한다. 예를 들면 제품의 기술적인 성능, 제품의 시각적인 디자인, 제품에 지불하는 가격 등을 통해 성과를 증명한다.
BI(Business Intelligence) 솔루션은 데이터를 통합 분석하여 기업활동에 연관된 의사결정과정을 돕는 프로세스를 의미한다. BI 솔루션은 기업의 생산성 증가, 원가절감, 고객 만족도 향상 등 기업 활동의 다양한 분야에서 의사결정을 지원하고 문제를 해결하는데 활용되고 있다. BI 솔루션은 방대한 양의 데이터에 기반하여 의사결정을 지원하기 위한 분석결과를 제시하므로, 기업의 중요한 의사결정에 사람의 직관에만 의지하지 않도록 하는데 도움이 될 수 있다.
사용자는 기업의 제품 구매하여 이용할 수 있다. 또한, 사용자는 기업의 제품을 무료로 이용하다가 이후에 제품을 구매하여 이용할 수도 있고, 부가 컨텐츠, 부가 소프트웨어를 추가적으로 구매할 수도 있다. 기업의 제품은 소프트웨어, 및 하드웨어를 포함할 수 있다. 사용자는 소프트웨어를 통하여 기업의 서비스를 제공받을 수 있다. 이 때, BI 솔루션은 제품을 이용하는 사용자의 행태에 대한 분석 결과를 제공할 수 있다. 지금까지 대부분의 BI 솔루션에서 기본적으로 제공하고 있는 특정 기간 동안의 활성 사용자 수, 구매전환률 등의 지표를 보며 전후 관계를 분석해서 시장성의 개선을 보고 세세한 파트에서의 개선은 AB 테스트를 통해 확인하고 있다. 여기서, AB 테스트는 A와 B 두 개(또는 그 이상)의 변수를 갖는 실험이다. 웹 사이트 디자인, 이메일 마케팅 캠페인, 광고, 및 콘텐츠 전략 등에서 특정 자산의 여러 버전을 테스트하여 가장 효과적인 변형을 찾는 데 사용할 수 있다. 즉, AB테스트의 목적은 더 가치있는 변수를 식별하여 최적의 시안을 선정하는 것이다. AB테스트는 1회 시향으로 끝나는 것이 아니라, 지속해서 반복하는 것이 중요하다.
하지만 AB테스트는 전후 관계 분석의 경우 짧은 기간을 두고 보았을 때 지표 변화에 영향을 미치는 외부 요인이 너무 많아서 잘못된 결론을 내릴 가능성이 높고 AB 테스트는 트래픽의 양이 충분하지 않으면 진행이 어렵거나 제품의 시장성을 근시안적으로 보게 될 가능성이 높다. 예를 들어, A/B안 중 더 우세한 것을 선택하여도, 시장성 지표가 나아지지 않거나 오히려 악화되는 경우가 있다. 또한 이러한 데이터 분석을 제대로 하기 위해선 기술적인 기반 작업과 더불어 분석에 쓰는 시간과 인적자원이 많이 필요하기 때문에 규모가 작은 회사에선 시도하기도 어렵다. 제품의 시장성을 우리 신체로 따지면 '건강도' 및 '수명'과 유사하다. 건강이란 생명을 유지하는 중요한 요소들의 합인데 위가 좋지 않은 사람에게 위만 생각하여 지속적으로 위약을 투여했을 경우 다른 장기가 손상되어 오히려 건강도는 떨어지는 경우가 생기는 것과 같다. 때문에 제품의 전체적인 건강도를 나타내는 주요 지표를 항상 중심에 두고 방향을 잃지 않게 지켜보아야 하는 BI솔루션이 필요하다.
본 개시의 일 실시예에 따른 서비스의 성장상태를 표시하기 위한 데이터분석장치의 동작방법은 서비스서버로부터 제 1 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계, 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 사용자의 상태로 결정하는 단계, 및 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계를 포함하고, 복수의 상태는 미정착, 정착, 및 이탈을 포함하고, 미정착은 사용자가 정착 또는 이탈에 속하지 않은 상태이고, 정착은 사용자가 게임 서비스에 접속한 날이 미리 정해진 제 1 임계날짜 이상이며, 결석한 날이 미리 정해진 제 2 임계날짜 미만인 상태를 의미하고, 이탈은 결석한 날이 제 2 임계날짜 이상인 상태를 의미한다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법의 분포그래프는 2차원 그래프이며, 제 1 축은 복수의 상태를 나타내고, 제 2 축은 해당 상태로 결정된 사용자의 수를 나타내며, 제 2 축은 제 1 축에 수직하고, 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계는 분포그래프에 제 1 축의 일측으로부터 타측을 따라 차례로 미정착영역, 정착영역 및 이탈영역을 표시하는 단계, 미정착영역에 미정착으로 결정된 사용자의 수에 기초한 제 1-1 라인을 제 1 축에 평행하게 표시하는 단계, 정착영역에 정착으로 결정된 사용자의 수에 기초한 제 2-1 라인을 제 1 축에 평행하게 표시하는 단계, 및 이탈영역에 이탈로 결정된 사용자의 수에 기초한 제 3-1 라인을 제 1 축에 평행하게 표시하는 단계를 포함하고, 제 1 축과 제 1-1 라인의 거리는 미정착으로 결정된 사용자의 수에 비례하며, 제 1 축과 제 2-1 라인의 거리는 정착으로 결정된 사용자의 수에 비례하며, 제 1 축과 제 3-1 라인의 거리는 이탈로 결정된 사용자의 수에 비례한다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법의 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계는 서비스의 전체사용자수 중 제 1 임계날짜 이상 출석한 사용자의 비율을 나타내는 정착 전환율을 획득하는 단계, 이탈로 결정된 사용자 수에 대한 정착으로 결정된 사용자의 수의 비율인 정착 복귀율을 획득하는 단계, 및 분포그래프에 정착 전환율 및 정착 복귀율 중 적어도 하나를 표시하는 단계를 포함한다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법의 분포그래프에 정착 전환율 및 정착 복귀율 중 적어도 하나를 표시하는 단계는 분포그래프에서 미정착영역 및 정착영역의 사이에 정착전환영역을 표시하는 단계, 분포그래프에서 정착영역 및 이탈영역의 사이에 정착복귀영역을 표시하는 단계, 정착전환영역에 제 1-1 라인 및 제 2-1 라인을 잇는 제 4-1 라인을 표시하는 단계, 정착복귀영역에 제 2-1 라인 및 제 3-1 라인을 잇는 제 5-1 라인을 표시하는 단계, 정착전환영역의 내부에 정착 전환율을 표시하는 단계, 및 정착복귀영역의 내부에 정착 복귀율을 표시하는 단계를 포함한다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법의 정착전환영역 및 정착복귀영역을 제 1 색상으로 표시하고, 미정착영역, 정착영역, 및 이탈영역을 제 2 색상으로 표시하고, 제 1 색상은 제 2 색상과 다르다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법의 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계는 분포그래프와 함께 부가정보를 표시하는 단계를 포함하고, 부가정보는 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하고, 주당 사용자가 출석한 날 수, 아이템/장비 등을 구매한 사용자의 수, 사용자 당 수익, 또는 평균 가입 기간 중 적어도 하나를 포함한다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법은 서비스서버로부터 제 2 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계, 제 2 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 사용자의 상태로 결정하는 단계, 제 2 시점 이전에 획득된 사용자에 대한 정보에 기초한 복수의 상태 별 사용자의 수를 비교분포그래프로 생성하는 단계, 비교분포그래프 및 분포그래프를 나란히 표시하는 단계를 포함한다.
본 개시의 일 실시예에 따른 데이터분석장치의 동작방법의 사용자에 대한 정보는 제 1 시점 이전 제 3 시점 이후의 정보이며, 제 1 시점 및 제 3 시점은 사용자의 선택에 기초하여 결정된다.
또한, 상술한 바와 같은 데이터분석장치의 동작방법을 구현하기 위한 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록될 수 있다.
모든 제품은 태어나서 죽으며 그 결정은 제품을 사용하는 사람들의 사용 활성도에 따라 결정된다. 본 개시의 데이터분석장치는 기존에 해왔던 각 지표들의 분절된 분석이 아니라 제품의 건강도를 한 눈에 볼 수 있다. 일종의 제품의 건강 검진결과를 표시하는 것이다.
사용자들의 로그 데이터를 기준으로 사용자들의 상태를 미정착, 정착, 이탈이라는 계층 중 어느 하나로 분류하고, 사용자들의 상태가 어디에 얼마나 많은 비중으로 체류하고 있는지에 따라서 데이터분석장치는 제품의 생명력을 결정할 수 있다. 사용자의 상태가 정착에 많이 머물러 있을수록 제품의 생명력이 높은 상태라고 볼 수 있다. 사용자의 상태가 미정착에 머물러 있다면 이제 막 태어난 제품일 가능성이 높고, 이탈에 머물러 있다면 생명력이 다한 상태이다.
또한, 제품을 운영하며 일정 기간이 지나면, 정착 사용자의 수가 늘어나지 않는 한계점이 나오는데 이는 제품의 수용력이며 제품의 개선 이후에 이 수치가 올라가는 지에 따라 개선의 성과를 파악할 수 있다.
본 개시의 데이터분석장치는 제품의 기능적인 특징을 통해 제품의 핵심 지표를 한 눈에 파악하고 제품 개선과 마케팅 활동이 제품의 시장성 증가에 도움이 되고 있는 지를 큰 리소스를 들이지 않고도 빠르게 파악할 수 있다. 따라서 기업이 적은 비용으로 제품을 혁신하는데 큰 도움을 줄 수 있다.
도 1는 본 개시의 일 실시예에 따른 데이터분석장치를 나타낸 도면이다.
도 2는 본 개시의 일실시예에 따른 데이터분석장치의 동작을 나타낸 흐름도이다.
도 3은 본 개시의 일 실시예에 따른 데이터분석장치를 설명하기 위한 도면이다.
도 4는 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 나타내는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 9는 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 11은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다.
본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
본 명세서에서 어떤 구성요소와 "관련된 정보"는 어떤 구성요소에 기초하여 계산된 정보를 의미하거나, 어떤 구성요소와 대응되는 인덱스이거나, 어떤 구성요소를 포함하는 정보를 의미하거나, 어떤 구성요소와 선형적인 관계를 가진 정보를 의미하거나, 어떤 구성요소가 포함된 정보를 의미한다. 선형적인 관계는 정비례관계 또는 역비례관계를 의미할 수 있다. 정보는 수치 또는 텍스트를 포함할 수 있다.
또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면 "부"는 프로세서 및 메모리로 구현될 수 있다. 용어 "프로세서"는 범용 프로세서, 중앙 처리 장치 (CPU), 마이크로프로세서, 디지털 신호 프로세서 (DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서는, "프로세서"는 주문형 반도체 (ASIC), 프로그램가능 로직 디바이스 (PLD), 필드 프로그램가능 게이트 어레이 (FPGA) 등을 지칭할 수도 있다. 용어 "프로세서"는, 예를 들어, DSP 와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다.
용어 "메모리"는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. 용어 메모리는 임의 액세스 메모리 (RAM), 판독-전용 메모리 (ROM), 비-휘발성 임의 액세스 메모리 (NVRAM), 프로그램가능 판독-전용 메모리 (PROM), 소거-프로그램가능 판독 전용 메모리 (EPROM), 전기적으로 소거가능 PROM (EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
아래에서는 첨부한 도면을 참고하여 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
도 1는 본 개시의 일 실시예에 따른 데이터분석장치를 나타낸 도면이다.
데이터분석장치(100)는 서비스의 성장상태를 표시할 수 있다. 서비스는 기업의 소프트웨어 또는 하드웨어 제품을 이용하여 제공될 수 있다. 예를 들어, 사용자가 게임 소프트웨어 또는 하드웨어를 이용한다면, 기업의 게임서비스를 이용하는 것이며, 사용자가 쇼핑 소프트웨어 또는 하드웨어를 이용한다면, 기업의 쇼핑 서비스를 이용하는 것이다. 기업은 데이터분석장치(100)를 이용하여 서비스를 이용하는 사용자를 분석할 수 있다. 또한 기업은 데이터분석장치(100)를 이용하여 서비스의 성장상태를 분석할 수 있다.
본 개시에서 서비스 관리자는 제품(서비스)에 대한 의사결정과 관련된 사람을 나타낼 수 있다. 서비스 관리자는 데이터분석장치(100)를 이용하는 사람일 수 있다. 서비스 관리자는 제품(서비스)를 운영하는 사람 또는 운영하는 사람으로부터 분석을 의뢰받은 사람일 수 있다.
데이터분석장치(100)는 범용 프로세서에 설치된 데이터 분석 소프트웨어에 의하여 구현될 수 있다. 또한 데이터분석장치(100)는 데이터 분석 전용 하드웨어 의하여 구현될 수도 있다. 데이터분석장치(100)는 서버, PC, 태블릿, 스마트폰, 또는 노트북 중 하나일 수 있다.
데이터분석장치(100)는 프로세서(110) 또는 메모리(120)를 포함할 수 있다. 데이터분석장치(100)는 범용프로세서로 구현되거나, 데이터분석용 프로세서를 이용하여 구현될 수 있다. 프로세서(110)는 메모리(120)에 저장되어 있는 명령어에 기초하여 동작을 수행할 수 있다. 하지만 이에 한정되는 것은 아니며, 데이터분석장치(100)는 메모리를 포함하지 않고 프로세서(110)만 포함할 수 있다. 프로세서(110)는 입력 신호에 기초하여 미리 설정된 신호를 미리 설정된 시간동안 출력 라인으로 출력하도록 설정되어 있을 수 있다. 데이터분석장치(100)의 각 부품은 신호에 따라 미리 설정된 동작을 수행할 수 있다.
서비스 서버(130)는 원시 데이터베이스를 포함할 수 있다. 원시 데이터베이스에는 원시(RAW) 데이터가 저장되어 있을 수 있다. 서비스 서버(130)는 사용자에 대한 정보를 원시 데이터로써 누적하여 저장하고 있을 수 있다. 사용자에 대한 정보는 사용자의 로그 데이터에 기반하여 획득된 데이터일 수 있다. 예를 들어 서비스 서버(130)가 게임을 제공하는 서버라면, 서비스 서버(130)는 게임을 사용하는 사용자와 관련된 데이터를 원시 데이터로써, 누적하여 저장하고 있을 수 있다.
데이터분석장치(100)는 서비스 서버(130)로부터 원시 데이터를 수신하여 분석할 수 있다. 데이터분석장치(100)는 분석결과를 서비스 서버(130) 및 서비스 관리자 단말기 중 적어도 하나로 송신할 수 있다. 예를 들어 데이터분석장치(100)는 사용자의 원시 데이터에 대한 분석을 수행하여 분석결과를 획득할 수 있다. 데이터분석장치(100)의 분석결과는 복수의 상태 별 사용자의 수를 나타내는 분포그래프를 포함할 있다. 또한, 데이터분석장치(100)는 분석결과를 서비스 서버(130) 또는 서비스 관리자 단말기 중 적어도 하나로 송신할 수 있다. 분석결과는 서비스 관리자의 의사결정을 도울 수 있다. 데이터분석장치(100)가 서비스 관리자의 단말기일 수도 있다.
서비스 서버(130)는 짧은 시간 안에 매우 방대한 양의 로그 데이터를 실시간으로 원시 데이터베이스에 저장할 수 있다. 원시 데이터베이스에 저장되어 있는 로그 데이터는 사용자(게이머)가 서비스를 제공받으면서 한 활동과 관련된 데이터이다. 원시 데이터베이스에 저장되어 있는 로그 데이터는 가공되지 않은 데이터라는 점에서 원시 데이터(raw data)라고 할 수 있다. 원시 데이터베이스에 포함된 로그 데이터는 서비스에 접속한 날, 접속하지 않은 날, 서비스에서 제공하는 아이템/컨텐츠를 구매한 날, 및 서비스에서 제공하는 아이템/컨텐츠를 구매한 액수 중 적어도 하나를 포함할 수 있다.
서비스마다 데이터 베이스의 구조 또는 데이터 베이스에 저장된 로그 데이터의 내용이 다를 수 있다. 또한, 로그 데이터 중에는 데이터분석장치(100)의 분석에 불필요한 데이터가 포함되어 있을 수 있다. 따라서, 데이터분석장치(100) 또는 서비스 서버(130) 중 하나는 데이터 처리에 쓰일 데이터를 선정하고, 선정된 데이터만을 추출하여 표준화된 데이터 베이스를 생성할 수 있다. 표준화된 데이터 베이스에 포함된 적어도 하나의 파라미터는 서비스에 접속한 날, 접속하지 않은 날, 서비스에서 제공하는 아이템/컨텐츠를 구매한 날, 및 서비스에서 제공하는 아이템/컨텐츠를 구매한 액수 중 적어도 하나를 포함할 수 있다.
본 개시에서 설명의 편의를 위하여, 데이터분석장치(100)가 본 개시와 관련된 단계들을 수행하는 것으로 기재하고 있으나, 데이터분석장치(100)가 모든 단계를 수행하는 것으로 한정해석 되어서는 안 된다. 본 개시에 기재된 적어도 일부의 단계는 서비스 서버(130)에서 수행될 수 있다.
이하, 데이터분석장치(100)의 동작에 대하여 보다 자세히 설명한다.
도 2는 본 개시의 일실시예에 따른 데이터분석장치의 동작을 나타낸 흐름도이다.
데이터분석장치(100)는 게임 서비스를 이용하고 있는 사용자에 대한 정보를 미리 정해진 기간동안 수집할 수 있다. 미리 정해진 기간은 적어도 7일 이상일 수 있다. 왜냐하면, 게임 서비스를 이용하는 사용자의 상태를 분석하기 위한 데이터가 누적되어야 하기 때문이다.
도 2를 참조하면, 데이터분석장치(100)는 서비스 서버(130)로부터 제 1 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계(210)를 수행할 수 있다. 제 1 시점은 현재 또는 과거의 일 시점일 수 있다. 제 1 시점은 사용자에 의하여 결정되거나, 미리 결정되어 있을 수 있다. 제 1 시점은 분석의 기준이 되는 시점일 수 있다. 사용자에 대한 정보는 사용자의 출석일수, 날짜별 사용자의 출력여부, 사용자의 불출석일 수, 주당 사용자가 출석한 날 수, 아이템/장비 등을 구매한 사용자의 수, 사용자 당 수익, 및 평균 가입 기간 중 적어도 하나를 포함할 수 있다. 사용자에 대한 정보는 사용자가 수행한 행동에 대한 정보를 포함할 수 있다. 예를 들어 사용자에 대한 정보는 로그인이벤트, 특정웹사이트에 접속 이벤트, 메시지 확인 이벤트, 및 과금이벤트 중 적어도 하나를 포함할 수 있다. 또한, 사용자에 대한 정보는 서비스에 가입한 시점, 서비스에 가입한 사용자의 수, 아이템/장비 등을 구매하였는지 여부, 구매액수, 서비스에 가입한 날 수 중 적어도 하나를 포함할 수 있다.
데이터분석장치(100)가 획득하는 사용자에 대한 정보는 제 1 시점 이전 제 3 시점 이후의 정보일 수 있다. 제 1 시점 및 제 3 시점은 사용자의 선택에 기초하여 결정될 수 있다. 하지만 이에 한정되는 것은 아니며, 제 1 시점 및 제 3 시점은 미리 정해져 있을 수 있다. 제 1 시점은 제 3 시점보다 미래의 시점일 수 있다.
데이터분석장치(100)는 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 사용자의 상태로 결정하는 단계(220)를 수행할 수 있다. 데이터분석장치(100)는 제 3 시점 이후 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 사용자의 상태로 결정하는 단계(220)를 수행할 수 있다. 복수의 상태는 미정착, 정착, 및 이탈 중 적어도 하나를 포함할 수 있다.
데이터분석장치(100)는 사용자의 상태 정보에 기초하여 사용자를 복수의 상태 중 하나로 분류하여 분류 정보를 획득할 수 있다. 분류 정보는 복수의 상태 중 하나의 상태로 분류된 사용자의 수를 포함할 수 있다. 복수의 상태는 사용자가 서비스를 이용하기 시작하는 시점부터, 게임 서비스를 이용하지 않게 되는 시점까지를 미리 정해진 조건에 따라 분류하는 것이다. 복수의 상태 중 하나가 사용자의 상태일 수 있다. 데이터분석장치(100)는 사용자에 대한 정보에 기초하여 사용자를 복수의 상태 중 하나로 분류할 수 있다.
데이터분석장치(100)는 미리 정해진 기준에 따라 서비스를 이용하는 사용자를 미정착, 정착 및 이탈 중 하나로 분류할 수 있다. 또한 데이터분석장치(100)는 미리 정해진 기준에 따라 서비스를 이용하는 사용자의 상태를 미정착, 정착 및 이탈 중 하나로 결정할 수 있다.
데이터분석장치(100)는 사용자에 대한 정보를 미리 정해진 임계범위와 비교하고, 해당 사용자에 대한 정보가 특정한 조건을 만족하는 경우, 해당 사용자를 복수의 상태 중 하나로 분류할 수 있다.
미정착은 사용자가 게임 서비스에 가입한 지 얼마되지 않은 상태를 의미할 수 있다. 미정착은 정착 및 이탈에 속하지 않은 상태일 수 있다. 미정착은 사용자가 서비스에 접속한 날이 미리 정해진 제 1 임계날짜 미만이며 결석한 날이 미리 정해진 제 2 임계날짜 미만인 상태를 의미할 수 있다. 미정착은 사용자가 서비스에 접속한 날이 미리 정해진 제 3 임계날짜 이상이며 결석한 날이 미리 정해진 제 2 임계날짜 미만이며, 정착과 이탈에 속하지 않은 상태를 의미할 수 있다. 예를 들어 미정착은 사용자가 게임에 접속한 날이 1일이상이고, 결석한 날이 7일 미만이면서 정착과 이탈에 속하지 않은 상태일 수 있다. 미정착을 분류하기 위한 기준은 사용자의 입력에 기초하여 수정되거나, 미리 정해진 알고리즘에 의하여 자동으로 수정될 수 있다.
정착은 사용자가 서비스에 접속한 날이 미리 정해진 제 1 임계날짜 이상이며 결석한 날이 미리 정해진 제 2 임계날짜 미만인 상태를 의미할 수 있다. 즉, 데이터분석장치(100)는 사용자가 서비스에 접속한 날이 미리 정해진 제 1 임계날짜 이상이며 결석한 날이 미리 정해진 제 2 임계날짜 미만인 경우, 사용자의 상태를 정착으로 결정할 수 있다. 정착은 미정착과 이탈에 속하지 않은 상태일 수 있다. 또는 정착은 이탈에 속하지 않은 상태일 수 있다. 예를 들어, 정착은 사용자가 게임 서비스에 접속한 날이 2일 이상이며, 결석한 날이 7일 미만인 상태를 의미할 수 있다. 정착을 분류하기 위한 제 1 임계날짜 및 제 2 임계날짜는 사용자의 입력에 기초하여 수정될 수 있다.
이탈은 사용자가 게임 서비스에 가입하였으나, 결석한 날이 미리 정해진 날 이상인 경우를 의미할 수 있다. 이탈은 결석한 날이 제 2 임계날짜 이상인 상태를 의미할 수 있다. 또한, 이탈은 사용자가 서비스에 접속한 날이 미리 정해진 제 3 임계날짜 이상이며 결석한 날이 제 2 임계날짜 이상인 상태를 의미할 수 있다. 제 2 임계날짜는 사용자로부터 수신될 수도 있다. 데이터분석장치(100)는 사용자가 결석한 날이 제 2 임계날짜 이상인 경우, 사용자의 상태를 이탈로 결정할 수 있다. 이탈은 미정착과 정착에 속하지 않은 상태일 수 있다. 예를 들어, 이탈은 사용자가 서비스에 접속한 날이 1일 이상이며, 결석한 날이 7일 이상인 상태를 의미할 수 있다.
제 1 임계날짜는 제 2 임계날짜보다 작거나 같을 수 있다. 하지만 이에 한정되는 것은 아니며, 제 1 임계날짜는 제 2 임계날짜보다 클 수 있다. 제 3 임계날짜는 제 1 임계날짜보다 작거나 같을 수 있다. 제 1 임계날짜는 예를 들어 2일 일 수 있다. 제 2 임계날짜는 예를 들어 7일일 수 있다. 제 3 임계날짜는 예를 들어 1일 수 있다. 데이터분석장치(100)는 서비스를 하루라도 이용한 사용자를 분류할 수 있다. 즉, 데이터분석장치(100)는 제 1 시점 이전에 서비스를 하루라도 사용하지 않은 사용자에 대해서는 분류를 하지 않을 수 있다. 데이터분석장치(100)는 제 3 시점부터 제 1 시점까지 서비스를 하루라도 사용하지 않은 사용자에 대해서는 분류를 하지 않을 수 있다. 즉, 데이터분석장치(100)는 제 3 시점부터 제 1 시점까지 서비스를 하루라도 사용하지 않은 사용자를 분석대상에서 제외할 수 있다. 하지만 이에 한정되는 것은 아니다.
데이터분석장치(100)는 서비스를 이용하는 모든 사용자들에 대하여 단계(220)를 수행할 수 있다. 데이터분석장치(100)는 사용자의 상태가 미정착인 사용자들의 수, 사용자의 상태가 정착인 사용자들의 수, 및 사용자의 상태가 이탈인 사용자들의 수를 획득할 수 있다.
데이터분석장치(100)는 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계(230)를 수행할 수 있다. 분포그래프에 의하면 제품이 태어나서 죽는 과정을 쉽게 확인할 수 있다. 또한, 사용자의 규모 및 어떠한 사용자 상태가 많이 있는지를 통해 현재 제품의 수명을 알 수 있다. 단계(230)는 도 3 및 도 4와 함께 보다 자세히 설명된다.
도 3은 본 개시의 일 실시예에 따른 데이터분석장치를 설명하기 위한 도면이다. 도 4는 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 나타내는 흐름도이다.
도 3은 분포그래프(310)를 나타낸다. 분포그래프(310)는 제품(서비스)이 태어나서 죽는데 까지를 차트로 나타내기 위한 것으로, 눈에 보이는 시간인 모래시계 형태의 차트이다. 분포그래프(310)는 서비스의 사용자의 규모가 얼마나 있고, 어느 사용자의 상태가 많이 있는지를 나타낸다. 이를 통해 서비스 관리자는 현재 제품의 수명을 알 수 있다.
분포그래프(310)는 2차원 그래프일 수 있다. 하지만 이에 한정되는 것은 아니다. 분포그래프(310)는 3차원 그래프의 형태를 가질 수도 있다. 분포그래프(310)의 제 1 축(320)은 복수의 상태를 나타낼 수 있다. 예를 들어 제 1 축(320)에는 미정착, 정착, 및 이탈이 배치될 수 있다. 제 2 축(330)은 해당 상태로 결정된 사용자의 수를 나타낼 수 있다. 제 2 축은 제 1 축에 수직할 수 있다. 도 3은 제 1 축을 세로로 배치하고, 제 2 축을 가로로 배치하였다. 하지만 이에 한정되는 것은 아니고 제 1 축이 가로로 배치되고, 제 2 축이 세로로 배치될 수 있다. 분포그래프(310)에는 비율 또는 사용자의 수가 숫자로 표시될 수 있다.
도 3에서 설명의 편의를 위하여 제 1 축(320) 및 제 2 축(330)은 분포그래프(310)에 대하여 임의의 위치에 배치되어 있으나, 이에 한정되는 것은 아니다. 제 1 축(320) 및 제 2 축(330)은 디스플레이에 표시되지 않을 수 있다. 제 1 축(320) 및 제 2 축(330)은 도 3과 다른 위치에 위치할 수도 있다.
복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계(230)는 다음과 같은 과정을 더 포함할 수 있다. 데이터분석장치(100)는 분포그래프(310)에 제 1 축(320)의 일측으로부터 타측을 따라 차례로 미정착영역(311), 정착영역(312) 및 이탈영역(313)을 표시하는 단계(410)를 수행할 수 있다.
데이터분석장치(100)는 미정착영역(311)에 미정착으로 결정된 사용자의 수에 기초한 제 1-1 라인(341)을 제 1 축(320)에 평행하게 표시하는 단계(420)를 수행할 수 있다. 제 1 축(320)과 제 1-1 라인(341)의 거리는 미정착으로 결정된 사용자의 수에 비례할 수 있다. 제 1 축(320)과 제 1-1 라인(341)의 거리는 미정착으로 결정된 사용자의 수에 정비례할 수 있다. 데이터분석장치(100)는 미정착영역(311)에 미정착으로 결정된 사용자의 수에 기초한 제 1-2 라인(342)을 제 1 축(320)에 평행하게 표시하는 단계를 수행할 수 있다. 제 1 축(320)과 제 1-2 라인(342)의 거리는 미정착으로 결정된 사용자의 수에 반비례할 수 있다. 제 1-1 라인(341)에서 제 1-2 라인(342)까지의 거리(331)는 미정착으로 결정된 사용자의 수에 정비례할 수 있다.
제 1 축(320)은 제 1-1 라인(341) 및 제 1-2 라인(342)의 중심에 위치할 수도 있다. 이 경우, 제 1 축(320)과 제 1-1 라인(341)의 거리는 미정착으로 결정된 사용자의 수에 정비례하고, 제 1 축(320)과 제 1-2 라인(342)의 거리는 미정착으로 결정된 사용자의 수에 정비례할 수 있다.
데이터분석장치(100)는 정착영역(312)에 정착으로 결정된 사용자의 수에 기초한 제 2-1 라인을 제 1 축에 평행하게 표시하는 단계(430)를 수행할 수 있다. 제 1 축(320)과 제 2-1 라인(343)의 거리는 정착으로 결정된 사용자의 수에 비례할 수 있다. 제 1 축(320)과 제 2-1 라인(343)의 거리는 정착으로 결정된 사용자의 수에 정비례할 수 있다. 데이터분석장치(100)는 정착영역(312)에 정착으로 결정된 사용자의 수에 기초한 제 2-2 라인(344)을 제 1 축(320)에 평행하게 표시하는 단계를 수행할 수 있다. 제 1 축(320)과 제 2-2 라인(344)의 거리는 정착으로 결정된 사용자의 수에 반비례할 수 있다. 제 2-1 라인(343)에서 제 2-2 라인(344)까지의 거리(332)는 정착으로 결정된 사용자의 수에 정비례할 수 있다.
데이터분석장치(100)는 이탈영역(313)에 이탈로 결정된 사용자의 수에 기초한 제 3-1 라인을 제 1 축에 평행하게 표시하는 단계(440)를 수행할 수 있다. 제 1 축(320)과 제 3-1 라인(345)의 거리는 이탈로 결정된 사용자의 수에 비례할 수 있다. 제 1 축(320)과 제 3-1 라인(345)의 거리는 이탈로 결정된 사용자의 수에 정비례할 수 있다. 데이터분석장치(100)는 이탈영역(313)에 이탈로 결정된 사용자의 수에 기초한 제 3-2 라인(346)을 제 1 축(320)에 평행하게 표시하는 단계를 수행할 수 있다. 제 1 축(320)과 제 3-2 라인(346)의 거리는 이탈로 결정된 사용자의 수에 반비례할 수 있다. 제 3-1 라인(345)에서 제 3-2 라인(346)까지의 거리(333)는 이탈로 결정된 사용자의 수에 정비례할 수 있다.
도 3을 참조하면, 미정착인 사용자의 수가 33500명이고, 정착인 사용자의 수가 446300명이고, 이탈인 사용자의 수가 550600명인경우, 이탈인 사용자의 수가 가장 많으므로 이탈영역(313)에 표시된 제 3-1 라인(345) 및 제 3-2 라인(346) 사이의 거리(333)가 가장 멀 수 있다. 또한, 제 2-1 라인(343) 및 제 2-2 라인(344) 사이의 거리(332)가 거리(333)보다 작을 수 있다. 마지막으로 제 1-1 라인(341) 및 제 1-2 라인(342) 사이의 거리(331)가 거리(332)보다 작을 수 있다.
도 5는 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 나타내는 흐름도이다.
복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계(230)는 다음과 같은 과정을 포함할 수 있다.
데이터분석장치(100)는 서비스의 전체사용자수 중 제 1 임계날짜 이상 출석한 사용자의 비율을 나타내는 정착 전환율을 획득하는 단계를 수행할 수 있다.
또한 데이터분석장치(100)는 이탈로 결정된 사용자 수에 대한 정착으로 결정된 사용자의 수의 비율인 정착 복귀율을 획득하는 단계를 수행할 수 있다.
데이터분석장치(100)는 분포그래프에 정착 전환율 및 정착 복귀율 중 적어도 하나를 표시하는 단계를 수행할 수 있다.
보다 구체적으로 도 3 및 도 5를 함께 참조하면, 데이터분석장치(100)는 분포그래프(310)에서 미정착영역(311) 및 정착영역(312)의 사이에 정착전환영역(314)을 표시하는 단계(510)를 수행할 수 있다.
또한, 데이터분석장치(100)는 분포그래프(310)에서 정착영역(312) 및 이탈영역(313)의 사이에 정착복귀영역(315)을 표시하는 단계(520)를 수행할 수 있다.
데이터분석장치(100)는 정착전환영역에 제 1-1 라인(341) 및 제 2-1 라인(343)을 잇는 제 4-1 라인을 표시하는 단계(530)를 수행할 수 있다. 제 1-1 라인(341), 제 4-1 라인, 및 제 2-1 라인(343)은 미분 가능할 수 있다. 데이터분석장치(100)는 정착전환영역에 제 1-2 라인(342) 및 제 2-2 라인(344)을 잇는 제 4-2 라인을 표시하는 단계를 수행할 수 있다. 제 1-2 라인(342), 제 4-2 라인, 및 제 2-2 라인(344)은 미분 가능할 수 있다. 제 1-2 라인(342), 제 4-2 라인, 및 제 2-2 라인(344)이 미분 가능하게 도시되어, 서비스 관리자는 분포그래프를 볼 때, 불편함이 없을 수 있다. 또한, 제 1-2 라인(342), 제 4-2 라인, 및 제 2-2 라인(344)의 의미가 시각적으로 표현될 수 있다.
데이터분석장치(100)는 정착복귀영역에 제 2-1 라인 및 제 3-1 라인을 잇는 제 5-1 라인을 표시하는 단계(540)를 수행할 수 있다. 제 2-1 라인(343), 제 5-1 라인, 및 제 3-1 라인(345)은 미분 가능할 수 있다. 데이터분석장치(100)는 정착전환영역에 제 2-2 라인(344) 및 제 3-2 라인(346)을 잇는 제 5-2 라인을 표시하는 단계를 수행할 수 있다. 제 2-2 라인(344), 제 5-2 라인, 및 제 3-2 라인(346)은 미분 가능할 수 있다.
이와 같이 정착전환영역을 미정착영역(311) 및 정착영역(312)의 사이에 표시함으로써, 서비스 관리자는 미정착영역(311) 및 정착영역(312)에 해당하는 서비스를 이용하는 사용자들의 상태의 현재 상황 뿐 아니라 서비스를 이용하는 사용자들의 상태의 변화를 알 수 있다. 또한, 정착복귀영역을 정착영역(312) 및 이탈영역(313)의 사이에 표시함으로써, 서비스 관리자는 정착영역(312) 및 이탈영역(313)에 해당하는 사용자의 상태의 현재 상황 뿐 아니라 사용자들의 상태의 변화를 알 수 있다. 따라서 서비스 관리자는 서비스의 수명 변화가 빠르게 진행되고 있는지 아니면 느리게 진행되고 있는지 알 수 있다. 따라서 데이터분석장치(100)는 서비스 관리자의 의사 결정을 크게 도울 수 있고, 서비스 관리자는 사용자들의 상태의 현재 상황 뿐 아니라 사용자들의 상태의 변화를 나타내는 데이터에 기초하여 정확한 의사결정을 할 수 있다.
데이터분석장치(100)는 정착전환영역(314)의 내부에 정착 전환율을 표시하는 단계(550)를 수행할 수 있다. 데이터분석장치(100)는 정착전환영역(314)의 내부의 임의의 위치에 정착 전환율을 표시할 수 있다. 또한 데이터분석장치(100)는 정착전환영역(314)의 내부의 제 4-1 라인 및 제 4-2 라인의 사이에 정착 전환율을 표시할 수 있다.
데이터분석장치(100)는 정착복귀영역의 내부에 정착 복귀율을 표시하는 단계(560)를 수행할 수 있다. 데이터분석장치(100)는 정착복귀영역의 내부의 임의의 위치에 정착 복귀율을 표시할 수 있다. 데이터분석장치(100)는 정착복귀영역의 내부의 제 5-1 라인 및 제 5-2 라인의 사이에 정착 복귀율을 표시할 수 있다.
데이터분석장치(100)는 정착전환영역(314) 및 정착복귀영역(315)을 제 1 색상으로 표시하고, 미정착영역(311), 정착영역(312), 및 이탈영역(313)을 제 2 색상으로 표시할 수 있다. 보다 구체적으로 데이터분석장치(100)는 제 1-1 라인(341)과 제 1-2 라인(342)의 사이, 제 2-1 라인(343)과 제 2-2 라인(344)의 사이, 및 제 3-1 라인(345)과 제 3-2 라인(346)의 사이를 제 2 색상으로 표시할 수 있다. 데이터분석장치(100)는 제 4-1 라인과 제 4-2 라인의 사이 및 제 5-1 라인과 제 5-2 라인의 사이를 제 1 색상으로 표시할 수 있다. 제 1 색상과 제 2 색상은 서로 다를 수 있다.
미정착영역(311), 정착영역(312), 및 이탈영역(313)을 정착전환영역(314) 및 정착복귀영역(315)보다 강조하기 위하여, 데이터분석장치(100)는 제 1 색상의 투명도를 제 2 색상의 투명도보다 높일 수 있다. 또한, 제 1 색상은 제 2 색상보다 밝을 수 있다. 또한, 제 2 색상의 채도는 제 1 색상의 채도보다 높을 수 있다. 이처럼 제 2 색상을 강조함으로써, 사용자가 중요한 정보인 미정착영역(311), 정착영역(312), 및 이탈영역(313)을 더 쉽게 알아챌 수 있다. 따라서 사용자는 의사결정에 필요한 정보를 쉽게 얻을 수 있다.
도 6은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 6의 영역(610)은 도 3과 동일할 수 있다. 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계(230)는 다음과 같은 과정을 더 포함할 수 있다. 데이터분석장치(100)는 분포그래프(310)와 함께 부가정보를 표시하는 단계를 수행할 수 있다. 부가정보는 부가정보영역(620)에 표시될 수 있다.
부가정보는 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초할 수 있다. 부가정보는 제 3 시점부터 제 1 시점까지의 사용자에 대한 정보에 기초할 수 있다. 부가정보는 주당 사용자가 출석한 날 수, 아이템/장비 등을 구매한 사용자의 수, 사용자 당 수익, 또는 평균 가입 기간 중 적어도 하나를 포함할 수 있다.
도 6과 같이 부가정보가 포함된 분포그래프에 의하면, 서비스 관리자는 사용자가 제품(서비스)에 얼마나 깊게 참여하는지를 알 수 있다. 사용자가 제품에 깊게 관여하는지에 따라 제품(예를 들어 게임)의 체력과 건강도를 알 수 있다. 예를 들어, 사용자가 제품에 깊게 관여하고 있는 경우, 제품의 체력과 건강도는 높다고 볼 수 있다. 사용자의 상태가 "정착"인 사용자가 많다는 것은 사용자가 제품에 깊게 관여하고 있다는 것을 의미할 수 있다. 또한 사용자의 주당 출석한 날 수가 많다는 것은 사용자가 제품에 깊게 관여하고 있다는 것은 나타낼 수 있다. 데이터분석장치(100)는 전체영역, 미정착영역, 정착영역 및 이탈영역에 대하여 주당 출석한 날 수를 각각 계산할 수 있다.
보다 구체적으로 부가정보에 포함된 구매자 수는 출석 후 구매까지 이어진 사용자의 수 및 비율 중 적어도 하나를 포함할 수 있다. 구매자 수는 아이템, 장비, 및 컨텐츠 중 적어도 하나를 구매한 사용자의 수를 나타낼 수 있다. 서비스 관리자는 구매까지 이어진 사용자의 수 및 비율을 통해 제품의 시장성을 평가할 수 있다. 관리자는 구매까지 이어진 사용자의 수 및 비율이 높을 수록 제품의 시장성이 높다고 판단할 수 있다. 데이터분석장치(100)는 전체영역, 미정착영역, 정착영역 및 이탈영역에 대하여 구매까지 이어진 사용자의 수 및 비율을 각각 계산할 수 있다.
또한, 부가정보에 포함된 "수익"은 사용자의 총 구매액과 사용자 당 구매액(수익)을 포함할 수 있다. "수익"을 통해 서비스 관리자는 제품의 수익성과 사용자 1명당 가치를 평가할 수 있다. 데이터분석장치(100)는 전체영역, 미정착영역, 정착영역 및 이탈영역에 대하여 사용자의 총 구매액과 사용자 당 구매액(수익)을 획득할 수 있다. 데이터분석장치(100)는 사용자의 상태에 따른 수익을 제공할 수 있다. 따라서 서비스 관리자는 현재의 수익구조가 건강한 상태인지 쉽게 알 수 있다. 예를 들어, 이탈 상태인 사용자의 수익이 가장 높다면 서비스의 수익구조가 건강하지 않은 상태라고 결정할 수 있다.
또한 부가정보에 포함된 경력은 제품을 사용한 기간에 기초하여 사용자의 충성도가 얼마나 높은지 평가한 항목이다. 경력은 평균 경력 및 사용자의 평균 가입 기간을 포함할 수 있다. 평균 경력은 서비스를 사용한 날 수의 평균일 수 있다. 가입 기간은 사용자가 게임과 같은 서비스에 가입을 유지하는 기간을 나타낼 수 있다. 사용자는 서비스를 가입한 기간 동안 사용할 수 있다. 따라서 평균 가입 기간은 평균 경력보다 큰 값을 가질 수 있다. 정착상태의 사용자가 평균 경력이 높을수록 사용자의 충성도가 높다고 볼 수 있다.
이와 같이 데이터분석장치(100)는 부가정보를 더 제공함으로써, 서비스 관리자의 의사결정을 도울 수 있다.
도 7은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
데이터분석장치(100)는 출석기준정보를 사용자로부터 수신하기 위한 유저인터페이스(UI; 710)를 표시할 수 있다. 출석기준정보는 사용자를 출석으로 인정하기 위한 이벤트에 대한 정보를 나타낼 수 있다. 출석기준정보는 로그인이벤트, 특정웹사이트에 접속 이벤트, 메시지 확인 이벤트, 및 과금이벤트 중 적어도 하나를 포함할 수 있다.
예를 들어, 출석기준정보가 로그인이벤트인 경우, 데이터분석장치(100)는 사용자가 서비스에 로그인을 하면 사용자가 해당 날짜에 출석을 한 것으로 결정할 수 있다. 또한, 출석기준정보가 특정웹사이트에 접속 이벤트인 경우, 데이터분석장치(100)는 사용자가 미리 정해진 특정웹사이트에 접속을 하는 경우 해당 날짜에 출석을 한 것으로 결정할 수 있다. 또한, 출석기준정보가 메시지 확인 이벤트인 경우, 데이터분석장치(100)는 서비스 관리자가 사용자에 보낸 메시지를 사용자가 확인한 경우 해당 날짜에 출석을 한 것으로 결정할 수 있다. 또한, 출석기준정보가 과금이벤트인 경우, 데이터분석장치(100)는 서비스 관리자가 서비스 사용 중에 컨텐츠 또는 아이템 등을 구입하면 해당 날짜에 출석을 한 것으로 결정할 수 있다.
데이터분석장치(100)는 출석기준정보에 기초하여 사용자의 상태를 미정착, 정착 및 이탈 중 하나로 결정할 수 있다. 데이터분석장치(100)는 출석기준정보에 기초하여 사용자의 출석여부를 결정할 수 있다. 데이터분석장치(100)는 사용자로부터 출석기준정보를 획득하고, 사용자가 출석기준정보를 만족하는 경우, 사용자가 해당 날짜에 출석한 것으로 결정할 수 있다. 데이터분석장치(100)는 사용자가 출석한 날수 또는 사용자가 출석하지 않은 날수에 기초하여 사용자의 상태를 미정착, 정착 및 이탈 중 하나로 결정할 수 있다.
데이터분석장치(100)는 이탈기준정보를 수신하기 위한 UI(720)를 표시할 수 있다. 이탈기준정보는 제 2 임계날짜와 동일할 수 있다. 이미 설명한 바와 같이, 데이터분석장치(100)는 사용자가 게임 서비스에 접속한 날이 미리 정해진 제 1 임계날짜 이상이며, 결석한 날이 미리 정해진 제 2 임계날짜 미만인 경우, 사용자의 상태를 정착으로 결정할 수 있다. 도 7에 의하면 제 2 임계날짜는 7로 설정되었다. 하지만 이에 한정되는 것은 아니며, 제 2 임계날짜는 서비스 관리자에 의하여 수정될 수 있다.
데이터분석장치(100)는 분석기간정보를 설정하기 위한 UI(730)를 표시할 수 있다. 분석기간정보는 전체, 8일, 15일, 30일, 60일, 90일 중 하나일 수 있다. 서비스 관리자는 전체, 8일, 15일, 30일, 60일, 90일 중 하나를 분석기간정보로써 선택할 수 있다.
예를 들어, '전체'는 서비스를 개시한 날부터 현재까지의 사용자에 대한 정보를 이용함을 의미할 수 있다. 서비스를 개시한 날은 서비스가 사용자에게 제공되기 시작한 날을 의미할 수 있다. 즉, 분석기간정보가 전체인 경우, 제 1 시점은 현재가 되고, 제 3 시점은 서비스 개시시점일 수 있다.
데이터분석장치(100) 제 1 시점을 현재로 설정하고 분석기간정보에 기초하여 제 3 시점을 결정할 수 있다. 예를 들어 데이터분석장치(100)는 제 1 시점에서 분석기간정보를 차감하여 제 3 시점을 획득할 수 있다. 예를 들어, 분석기간정보가 8일인 경우, 데이터분석장치(100)는 현재날짜에서 8일을 차감한 날짜를 제 3 시점으로 결정할 수 있다.
데이터분석장치(100)는 분석기간정보를 설정하기 위한 아이콘(740)을 표시할 수 있다. 사용자가 아이콘(740)을 클릭하는 경우, 데이터분석장치(100)는 제 1 시점과 제 3 시점을 선택할 수 있는 UI가 표시될 수 있다. 데이터분석장치(100)는 서비스 관리자로부터 제 1 시점과 제 3 시점을 각각 수신할 수 있다.
이와 같이 데이터분석장치(100)는 사용자를 분류하기 위한 기준을 서비스 관리자가 설정할 수 있도록 함으로써, 서비스 관리자가 보고 싶은 데이터를 쉽게 획득하도록 한다. 또한, 데이터분석장치(100)는 약간의 수정만으로 서로 다른 서비스에 적용될 수 있다. 따라서 데이터분석장치(100)는 다양한 서비스의 사용자를 분석할 수 있다.
도 8은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다. 도 9는 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
도 8은 도 3, 도 6 및 도 7과 중복되는 구성을 개시하고 있으며, 중복되는 구성에 대해서는 설명을 생략한다. 도 8에 대한 생략된 설명은 도 3, 도 6 및 도 7에 의하여 설명될 수 있다.
데이터분석장치(100)는 서비스 서버(130)로부터 제 2 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계(910)를 수행할 수 있다. 데이터분석장치(100)는 서비스 서버(130)로부터 제 4 시점 이후 및 제 2 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계를 수행할 수 있다. 제 2 시점은 제 1 시점과 동일할 수도 있고 다를 수도 있다. 제 4 시점은 제 3 시점과 동일할 수도 있고 다를 수도 있다. 단계(210)가 제 1 시점 이전에 획득된 사용자에 대한 정보를 획득하고, 단계(910)가 제 2 시점 이전에 획득된 사용자에 대한 정보를 획득하는 것이 다를 뿐, 단계(910)에는 단계(210)와 동일한 설명이 적용될 수 있다.
데이터분석장치(100)는 제 2 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 사용자의 상태로 결정하는 단계(920)를 수행할 수 있다. 단계(220)가 제 1 시점 이전에 획득된 사용자에 대한 정보를 이용하고, 단계(920)가 제 2 시점 이전에 획득된 사용자에 대한 정보를 이용하는 것이 다를 뿐, 단계(920)에는 단계(220)와 동일한 설명이 적용될 수 있다.
데이터분석장치(100)는 제 2 시점 이전에 획득된 사용자에 대한 정보에 기초한 복수의 상태 별 사용자의 수를 비교분포그래프(810)로 생성하는 단계(930)를 수행할 수 있다. 데이터분석장치(100)는 비교분포그래프(810) 및 분포그래프(310)를 나란히 표시하는 단계(940)를 수행할 수 있다. 단계(940)의 결과는 도 8과 같을 수 있다..
이와 같이 데이터분석장치(100)는 서로 다른 시간 구간에 대하여 사용자에 대한 정보를 분석하여 분포그래프(310) 및 비교분포그래프(810)를 표시할 수 있다. 데이터분석장치(100)는 분포그래프(310) 및 비교분포그래프(810)를 하나의 화면에 표시할 수 있다. 따라서 서비스 관리자는 시간에 따른 분포그래프의 변화를 쉽게 알 수 있다. 서비스 관리자는 시간에 따른 사용자 상태의 변화를 알 수 있다. 또한 서비스 관리자는 서비스의 수명의 변화를 쉽게 결정할 수 있고, 서비스에 대한 의사결정을 하는데 빠른 도움을 받을 수 있다.
데이터분석장치(100)는 특정 조건을 만족하는 사용자에 대한 정보를 이용하여 비교분포그래프(810)를 획득할 수 있다. 특정 조건은 서비스 관리자에 의하여 결정될 수 있다. 예를 들어, 데이터분석장치(100)는 사용자가 사용하는 서비스의 버전, 사용자의 가입 일수, 사용자가 사용하는 하드웨어, 및 사용자가 사용하는 OS의 종류 중 적어도 하나와 관련된 특정 조건을 설정할 수 있다. 따라서 서비스 관리자는 자신이 원하는 사용자만을 선별적으로 선택하여 비교분포그래프(810)를 확인할 수 있다.
데이터분석장치(100)는 분포그래프(310)와 함께 부가정보를 표시하는 단계를 수행할 수 있다. 부가정보는 부가정보영역(820)에 표시될 수 있다. 사용자는 서로 다른 시간 구간에 대한 부가정보를 확인할 수 있다. 서비스 관리자는 서비스의 의사결정을 하는데 필요한 정보를 한눈에 볼 수 있다. 따라서 데이터분석장치(100)는 서비스 관리자의 의사결정을 도울 수 있다.
도 10은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
데이터분석장치(100)는 서비스 관리자의 입력에 기초하여 사용자의 상태의 변화그래프(1010)를 표시할 수 있다. 변화그래프의 가로축은 시간을 나타낼 수 있다. 세로축은 전체사용자, 미정착 사용자, 정착 사용자 및 이탈 사용자의 수 또는 비율을 나타낼 수 있다. 하지만 이에 한정되는 것은 아니며, 변화그래프의 세로축은 시간을 나타낼 수 있고, 가로축은 전체사용자, 미정착 사용자, 정착 사용자 및 이탈 사용자의 수 또는 비율을 나타낼 수 있다.
변화그래프(1010)는 시간에 따라 복수의 상태로 분류된 사용자의 수를 포함할 수 있다. 변화그래프(1010)는 하나의 그래프에 복수의 상태로 분류된 사용자의 수를 모두 나타낼 수 있다. 하지만 이에 한정되는 것은 아니고, 분석 그래프는 시간에 따른 복수의 상태로 분류된 사용자의 수를 복수의 상태마다 나타낼 수도 있다.
데이터분석장치(100는 복수의 상태 중 변화그래프(1010)에 표시될 적어도 하나의 상태를 수신할 수도 있다. 데이터분석장치(100)는 복수의 상태 중 하나의 상태에 대한 변화그래프(1010)를 생성하고 표시할 수 있다.
서비스 관리자는 데이터분석장치(100)가 제공하는 미정착, 정착 및 이탈 사용자의 변화 과정을 확인하고, 제품 개선과 마케팅 활동이 제품에 긍정적인 효과를 주는 지 확인할 수 있다. 예를 들어 제품 개선과 마케팅 활동 이후, 시간에 따라 이탈 사용자가 줄거나, 정착 사용자가 늘어나는 경우, 제품 개선과 마케팅 활동이 제품에 긍정적인 효과를 주었음을 나타낼 수 있다.
도 11은 본 개시의 일 실시예에 따른 데이터분석장치의 동작을 설명하기 위한 도면이다.
데이터분석장치(100)는 이탈기준을 설정하기 위한 UI를 표시할 수 있다. 예를 들어 도 7에서 서비스 관리자가 이탈기준정보를 수신하기 위한 UI를 클릭한 경우, 도 11과 같은 화면이 표시될 수 있다. 도 11을 참조하면 데이터분석장치(100)는 재방문간격분포그래프(1110)를 표시할 수 있다. 재방분간격분포그래프(1110)의 세로축은 사용자가 출석을 하지 않은 날 수를 나타낼 수 있다. 또한, 재방분간격분포그래프(1110)는 사용자가 출석을 하지 않은 후 다시 출석을 한 비율을 나타낼 수 있다. 예를 들어, 도 11을 참조하면 사용자가 하루를 출석하지 않았다가 다시 출석한 비율을 75%에 달할 수 있다. 또한 사용자가 7일을 출석하지 않았다가 다시 출석한 비율은 거의 0%에 근접할 수 있다. 서비스 관리자는 재방문간격분포그래프(1110)를 확인하고 이탈기준정보를 결정할 수 있다. 서비스 관리자는 7일을 출석하지 않았다면, 다시 방문하지 않은 확률이 매우 높다는 것을 재방문간격분포그래프(1110)를 통하여 확인할 수 있고, 이탈기준정보를 7일로 결정할 수 있다.
하지만 이에 한정되는 것은 아니며, 데이터분석장치(100)는 자동으로 이탈기준정보를 결정할 수 있다. 예를 들어 데이터분석장치(100)는 출석하지 않은 날 수 별 다시 출석하는 비율인 재방문비율을 획득할 수 있다. 데이터분석장치(100)는 재방문비율이 가장 낮은 때의 출석하지 않은 날을 이탈기준정보로 결정할 수 있다. 또는 데이터분석장치(100)는 출석하지 않은 날 수가 작은 것부터 큰 것의 순으로 재방문비율이 미리 정해진 임계비율보다 작거나 같은지 결정할 수 있다. 데이터분석장치(100)는 재방문비율이 미리 정해진 임계비율보다 작거나 같은 때의 출석하지 않은 날 수를 이탈기준정보로 결정할 수 있다. 이와 같이 최적의 이탈기준정보가 자동으로 결정되므로 사용자의 편의성이 증대될 수 있다. 또한 데이터분석장치(100)는 최적의 이탈기준정보를 자동으로 결정하므로, 최적의 분포그래프(310)가 생성될 수 있다. 최적의 분포그래프에 의하여 서비스 관리자는 의사결정에 큰 도움을 받을 수 있다.
본개시의 데이터분석장치(100)에 따르면, 서비스 관리자는 분석 그래프를 통하여 마케팅을 진행한 날짜 이후, 복수의 상태에 속하는 사용자의 수의 변화를 쉽게 파악할 수 있고, 마케팅의 효과를 쉽게 판단할 수 있다. 따라서 서비스 관리자는 효율적인 마케팅 방법을 쉽게 도출할 수 있다.
이제까지 다양한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.

Claims (8)

  1. 서비스의 성장상태를 표시하기 위한 데이터분석장치의 동작 방법으로써,
    서비스서버로부터 제 1 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계;
    상기 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 상기 사용자의 상태로 결정하는 단계; 및
    상기 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계를 포함하고,
    상기 복수의 상태는 미정착, 정착, 및 이탈을 포함하고,
    상기 미정착은 상기 사용자가 정착 또는 이탈에 속하지 않은 상태이고,
    상기 정착은 상기 사용자가 게임 서비스에 접속한 날이 미리 정해진 제 1 임계날짜 이상이며, 결석한 날이 미리 정해진 제 2 임계날짜 미만인 상태를 의미하고,
    상기 이탈은 결석한 날이 상기 제 2 임계날짜 이상인 상태를 의미하는 데이터분석장치.
  2. 제 1 항에 있어서,
    상기 분포그래프는 2차원 그래프이며, 제 1 축은 상기 복수의 상태를 나타내고, 제 2 축은 해당 상태로 결정된 사용자의 수를 나타내며, 상기 제 2 축은 상기 제 1 축에 수직하고,
    상기 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계는,
    상기 분포그래프에 제 1 축의 일측으로부터 타측을 따라 차례로 미정착영역, 정착영역 및 이탈영역을 표시하는 단계;
    상기 미정착영역에 상기 미정착으로 결정된 사용자의 수에 기초한 제 1-1 라인을 상기 제 1 축에 평행하게 표시하는 단계;
    상기 정착영역에 상기 정착으로 결정된 사용자의 수에 기초한 제 2-1 라인을 상기 제 1 축에 평행하게 표시하는 단계; 및
    상기 이탈영역에 상기 이탈로 결정된 사용자의 수에 기초한 제 3-1 라인을 상기 제 1 축에 평행하게 표시하는 단계를 포함하고,
    상기 제 1 축과 상기 제 1-1 라인의 거리는 상기 미정착으로 결정된 사용자의 수에 비례하며,
    상기 제 1 축과 상기 제 2-1 라인의 거리는 상기 정착으로 결정된 사용자의 수에 비례하며,
    상기 제 1 축과 상기 제 3-1 라인의 거리는 상기 이탈로 결정된 사용자의 수에 비례하는 데이터분석장치.
  3. 제 2 항에 있어서,
    상기 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계는,
    상기 서비스의 전체사용자수 중 상기 제 1 임계날짜 이상 출석한 사용자의 비율을 나타내는 정착 전환율을 획득하는 단계;
    상기 이탈로 결정된 사용자 수에 대한 상기 정착으로 결정된 사용자의 수의 비율인 정착 복귀율을 획득하는 단계; 및
    상기 분포그래프에 상기 정착 전환율 및 상기 정착 복귀율 중 적어도 하나를 표시하는 단계를 포함하는 데이터분석장치.
  4. 제 3 항에 있어서,
    상기 분포그래프에 상기 정착 전환율 및 상기 정착 복귀율 중 적어도 하나를 표시하는 단계는,
    상기 분포그래프에서 상기 미정착영역 및 상기 정착영역의 사이에 정착전환영역을 표시하는 단계;
    상기 분포그래프에서 상기 정착영역 및 상기 이탈영역의 사이에 정착복귀영역을 표시하는 단계;
    상기 정착전환영역에 상기 제 1-1 라인 및 상기 제 2-1 라인을 잇는 제 4-1 라인을 표시하는 단계;
    상기 정착복귀영역에 상기 제 2-1 라인 및 상기 제 3-1 라인을 잇는 제 5-1 라인을 표시하는 단계;
    상기 정착전환영역의 내부에 상기 정착 전환율을 표시하는 단계; 및
    상기 정착복귀영역의 내부에 상기 정착 복귀율을 표시하는 단계를 포함하는 데이터분석장치.
  5. 제 4 항에 있어서,
    상기 정착전환영역 및 정착복귀영역을 제 1 색상으로 표시하고,
    상기 미정착영역, 상기 정착영역, 및 상기 이탈영역을 제 2 색상으로 표시하고,
    상기 제 1 색상은 상기 제 2 색상과 다른 데이터분석장치.
  6. 제 1 항에 있어서,
    상기 복수의 상태 별 사용자의 수를 분포그래프로 생성하는 단계는,
    상기 분포그래프와 함께 부가정보를 표시하는 단계를 포함하고,
    상기 부가정보는 상기 제 1 시점 이전에 획득된 사용자에 대한 정보에 기초하고, 주당 사용자가 출석한 날 수, 아이템/장비 등을 구매한 사용자의 수, 사용자 당 수익, 또는 평균 가입 기간 중 적어도 하나를 포함하는 데이터분석장치.
  7. 제 1 항에 있어서,
    서비스서버로부터 제 2 시점 이전에 획득된 사용자에 대한 정보를 획득하는 단계;
    상기 제 2 시점 이전에 획득된 사용자에 대한 정보에 기초하여, 미리 정해진 복수의 상태 중 하나를 상기 사용자의 상태로 결정하는 단계;
    상기 제 2 시점 이전에 획득된 사용자에 대한 정보에 기초한 상기 복수의 상태 별 사용자의 수를 비교분포그래프로 생성하는 단계; 및
    상기 비교분포그래프 및 상기 분포그래프를 나란히 표시하는 단계를 더 포함하는 데이터분석장치.
  8. 제 1 항에 있어서,
    상기 사용자에 대한 정보는 상기 제 1 시점 이전 제 3 시점 이후의 정보이며,
    상기 제 1 시점 및 상기 제 3 시점은 사용자의 선택에 기초하여 결정되는 데이터분석장치.
PCT/KR2022/009925 2022-05-26 2022-07-08 분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법 WO2023229098A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220064410A KR20230164813A (ko) 2022-05-26 2022-05-26 분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법
KR10-2022-0064410 2022-05-26

Publications (1)

Publication Number Publication Date
WO2023229098A1 true WO2023229098A1 (ko) 2023-11-30

Family

ID=88919375

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/009925 WO2023229098A1 (ko) 2022-05-26 2022-07-08 분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법

Country Status (2)

Country Link
KR (1) KR20230164813A (ko)
WO (1) WO2023229098A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030026575A (ko) * 2001-09-26 2003-04-03 (주)프리즘엠아이텍 고객 관리 기능을 갖는 데이터 분석 시스템 및 그 방법
KR20150013378A (ko) * 2013-07-26 2015-02-05 주식회사 아베크게임즈 온라인 게임 유저 분석방법 및 그 분석시스템
KR101733458B1 (ko) * 2016-11-01 2017-05-10 주식회사 코어사이트 게임 로그 분석 방법
JP2018032357A (ja) * 2016-08-26 2018-03-01 株式会社 Ｅ−Ｇｒａｎｔ 顧客分析サーバ、顧客分析方法、および顧客分析プログラム
KR20200116408A (ko) * 2020-01-30 2020-10-12 넷마블 주식회사 실시간 상태 분석 기반의 유저 정착을 위한 게임 서비스 제공 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030026575A (ko) * 2001-09-26 2003-04-03 (주)프리즘엠아이텍 고객 관리 기능을 갖는 데이터 분석 시스템 및 그 방법
KR20150013378A (ko) * 2013-07-26 2015-02-05 주식회사 아베크게임즈 온라인 게임 유저 분석방법 및 그 분석시스템
JP2018032357A (ja) * 2016-08-26 2018-03-01 株式会社 Ｅ−Ｇｒａｎｔ 顧客分析サーバ、顧客分析方法、および顧客分析プログラム
KR101733458B1 (ko) * 2016-11-01 2017-05-10 주식회사 코어사이트 게임 로그 분석 방법
KR20200116408A (ko) * 2020-01-30 2020-10-12 넷마블 주식회사 실시간 상태 분석 기반의 유저 정착을 위한 게임 서비스 제공 방법 및 장치

Also Published As

Publication number Publication date
KR20230164813A (ko) 2023-12-05

Similar Documents

Publication Publication Date Title
Antonetti Consumer anger: a label in search of meaning
Chopra et al. Modeling intermediary satisfaction with mandatory adoption of e-government technologies for food distribution
US20210373721A1 (en) Artificial intelligence assisted evaluations and user interface for same
US20080221950A1 (en) Storage medium having requirement confirmation support program stored therein, requirement confirmation support method, and requirement confirmation support apparatus
Fariss et al. Human rights texts: Converting human rights primary source documents into data
US7580878B1 (en) Data fusion for automated business decisions
WO2023229098A1 (ko) 분석결과를 효과적으로 표시하는 데이터분석장치 및 데이터분석장치의 동작 방법
JP2005148856A (ja) Ｉｔシステムの投資効果測定方法およびプログラム並びにシステム
US20140081875A1 (en) Method and system for providing customer support
Pradana et al. A Guidance to Systematic Literature Review to Young Researchers by Telkom University and the University of Turin
WO2023017887A1 (ko) 아이템 정보 제공 방법 및 그 장치
JP4938367B2 (ja) セキュリティ診断システム
CN113963762A (zh) 病历质量控制方法、装置、设备及存储介质
JP2007109012A (ja) 情報処理装置、事例出力方法、及びプログラム
JP2020120975A (ja) 遊技場の管理システム
KR102653660B1 (ko) 비표준 보험설계사 관리 시스템 및 방법
WO2023286665A1 (ja) コンプライアンス情報取得装置、方法、プログラム
WO2022092689A1 (ko) 고객 응대 통합 관리 방법 및 이를 실행하는 서버
JP7376194B1 (ja) 採用ｒｏｉ提供システム、採用ｒｏｉ提供方法及びプログラム
Hall et al. Benefits realized through usability analysis of a tele-nursing call management software system at HealthLink BC
CN112699659B (zh) 房源虚假信息识别方法、装置、电子设备及存储介质
Dawson et al. Job Transitions in a Time of Automation and Labor Market Crises
Malekzadeh et al. The Relationship between Personality Traits and Job Satisfaction in Employees with Teleworking Experience: Moderating Role of Communication Channels Satisfaction and the Amount of Teleworking
Gomez Exposure assessment must stop being local
Han et al. Assessing Social Support's Mediating Effects on Rational Antimicrobial Prescribing: A Structural Equation Modeling Study of Healthcare Professionals' Behavior

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22943905

Country of ref document: EP

Kind code of ref document: A1