[TIL] 25.02.19 태블로로 게임 매출 대시보드 만들기

Prologue

대시보드 스케치대로 게임 매출 대시보드를 만든 과정을 돌아보고자 한다.

대시보드 기술서

• 전체 대시보드
  

  

1. 크기: 일반 데스크톱(1366x768)
   데스크톱에서 한 눈에 들어오는 크기이며 태블릿에서도 조금의 이동으로 전체 화면을 확인할 수 있다.
   

   

   
   중간의 네모가 태블릿에서 이동없이 확인할 수 있는 영역이다.

2. 구성

지표

1) 총 매출 = 총 결제금액 – 총 환불금액

 

게임으로부터 발생한 총 결제금액은 1.36조입니다.

SUM([Pay Amount])- SUM([Refund Amount])

2) ARPU = 유저 1명 당 평균 결제금액

 

이 게임의 유저는 1명 당 평균 5천만원을 결제했습니다.
유저는 가입 후 이탈할 때까지 평균 5천만원을 결제합니다.

[총매출] / COUNTD([Account Id])

총 결제금액에서 유저의 평균 사용기간(월)으로 나눠야 하는 것 아닌가?
-> 평균 사용기간(4년 6개월)으로 나누어 주어서
월 별 사용금액을 유추할 수 있지만 대시보드는
예측보다는 현황에 초점을 둔다. 따라서 Monthly ARPU가 아닌 ARPU로 결정한다.

3) 이탈 의심 유저 매출

 

2024년 1월 1일 이후로 로그인하지 않은 유저의 총 결제금액은 1.2조입니다.

• 이탈 의심 유저 구분 필터 계산식

  IF [Last Login Date] < #2024-01-01# 
  THEN '이탈 의심 유저' else '잔존 유저' END

4) 잔존 유저 매출

 

= 2024년 1월 1일 이후로 로그인 한 유저가
발생시킨 매출은 0.15조입니다.

차트
5) 이탈 의심 유저와 잔존 유저의 매출 기여도 (도넛 차트)

 

총 매출의 88%를 담당하는 유저들의 이탈이 의심됩니다. 총 매출의 11%에 해당하는 유저들이 잔존하고 있습니다.

범례 옆의 스크롤 단추를 없애고 싶을 때는
범례를 삭제했다가 다시 생성한다. 처음에 바둑판으로 들어갔다면, 부동으로 바꿔주면 옆의 스크롤 바가 사라져서 더 깔끔하게 범례를 표시할 수 있다.

6) Vip 유저와 일반 유저의 결제금액 (막대 차트)

 

0.12조 매출을 발생시킨 Vip 유저가 이탈한 것으로 의심된다.
1.08조 매출을 발생시킨 일반 유저가 이탈한 것으로 의심된다.

IF [Pay Amount] >= 94966981 THEN 'Vip 유저'
ELSE '일반 유저' END

7) 나이별 결제금액

 

20대, 30대의 결제금액이 총 매출의 70%를 구성합니다.

8) 플레이타임과 총 매출

 

플레이타임은 총 매출과 양의 선형관계를 갖습니다. 두 특징의 산점도의 추세선을 그렸을 때 P값은 0.0001 미만, 총 매출은 플레이타임의 1.65배라는 것을 알 수 있습니다.

[ARPU] * (COUNTD(IF [날짜별 이탈여부] = '이탈 의심 유저' THEN
[날짜별 이탈여부] END))

9) 국가별 총 매출

 

한국, 중국에서 매출의 48%가 발생하고 있습니다.
아시아권의 결제금액이 높았습니다.
영어로 표시된 국가를 한글로 바꾸기??..
KR부터 JP까지 5% 이상인 국가만 표시하기
혹은 그룹으로 나눠서 상위 국가 중위 국가 하위 국가(매출) 표시하기

10) 국가별 손실예상금액

 

유저의 이탈에 따라 국가별로 이번 달의 손실예상금액을 계산하고자 합니다.

손실예상금액이란 유저가 이탈함으로써 게임 회사에 가져올 매출

이탈의심유저가 가장 적은 홍콩
=> 홍콩에서 마케팅 등 액션이 다른 나라와 차이가 나서 이탈의심유저가 가장 적을 것으로 추측함.
=> 따라서 홍콩의 마케팅 현황 등을 분석하고, 이를 벤치마킹해 이탈의심유저가 가장 많은 나라에 적용하는 방안을 고려함.

이탈 의심 유저 수가 가장 많은 베트남에서 손실예상금액이 가장 크다.

이탈의심 유저 상위 5개국에 대한 손실예상금액 만들자.
기간 넣을지 말지 고민
9-1) 이탈 의심 단계별로 매출 분석

평균 수명 기간으로 예상 이탈자에 따른 매출 변화
평균 수명 기간 = first login date 와 last login date의 차이의 평균
= 4.5년
이탈 의심 유저를 평균 수명 기간이 지난 유저로 잡는 건 어떨까?
first login date - last login date를 유저의 수명기간이라고 했을 때 평균으로 집계하면 4.5년(1658일)이 나온다..!
중앙값 또한 비슷하다. 1659일.

 

데이터 원본 필터

8번 시각화(맵 차트)에서 나라별로 색상이 크게 다르지 않은 문제가 있었다.
유저의 수가 적은(10명 이하) 나라의 금액도 표시하려 하니
전체의 차이가 두드러지지 않았다.
따라서 나라별 유저 수가 10명 이하인 나라는 표시하지 않으려 한다.

 

31개 중 15개 국가만이 유지되었다.