홈

데이터

전문가가 공유하는 실무 노하우

Dino님이 공유하는 실무 노하우

데이터 기반 의사결정으로 비즈니스 임팩트를 만드는 데이터 전문가입니다.

게임 회사에서 '감'에 의존하는 것 대신 데이터 기반 의사결정이 가능하도록 만들었습니다.

  • Dino님이 재직하였던 게임 회사에서는 약 2주 간격으로 게임 업데이트를 실행했어요. 기존 업데이트는 게임 PD의 감에 따라 진행하고 있었죠. 이 의사결정에 '데이터'를 도입하고자 했습니다.
  • 유저 로그인, 게임 플레이, 결제 등 기본적인 데이터 수집부터 시작했어요. '신뢰할 수 있는' 데이터를 만들기 위해, 데이터 정합성을 맞추는데도 많은 공을 들였습니다.
  • 데이터를 분석해보니 '신규 유저'가 게임을 즐기기 어려워하고 있음을 발견했어요. 기존 유저가 너무 강한 캐릭터를 독점하고 있어서, 새로운 유저가 자리를 잡지 못하고 있는 것이었죠.
  • 이러한 분석 결과를 팀과 지속적으로 공유하고, '데이터'로 도출된 문제를 해결하는 방향으로 업데이트를 이어갔어요. 덕분에 리텐션을 40% 이상으로 유지하며, 더 오랜 기간동안 게임을 운영할 수 있었습니다.

마케팅 비용을 고객당 얼마까지 쓸 수 있는지 예측하는 모델을 만들었습니다.

  • 마케팅 팀은 광고 집행에 있어 '고객당 얼마까지 비용을 들일 수 있는지' 결정하는 데 애를 먹고 있었습니다. 1억 예산으로 5억의 매출을 일으키는 성공을 거두어도 경영진은 만족하지 않았어요. '그럼 10억을 들여 50억을 벌 수는 없냐'는 질문이 이어졌죠.
  • 하지만 마케팅 팀 입장은 달랐어요. 과감하게 광고비를 늘려도 고객 매출이 그 이상 발생하지 않을 수 있으니까요. 광고 적자를 우려해 예산을 함부로 늘리기 어려운 상황이었어요.
  • 만약, 특정 광고 캠페인으로 들어온 유저가 게임 이탈 전까지 '얼마를 쓸 지' 예측할 수 있다면 해결될 문제였습니다. 1년 동안 5만원을 쓸 유저라면, 광고비를 4만원까지도 쓸 수 있는 것이죠.
  • Dino님은 유저의 3일 간의 행동을 기반으로 1년 매출을 예측하는 모델을 만드는 데에 성공하였습니다. 광고 캠페인을 실행하고, 그 캠페인으로 들어온 유저의 행동을 3일간 수집하고 나면, 이 캠페인에서는 인당 얼마까지 쓸 수 있는지 결정할 수 있게 된 것입니다.
  • 덕분에 마케팅 팀은 적자 걱정없이 대규모 예산을 집행할 수 있었고, 신규 게임 런칭 시 커다란 매출을 올릴 수 있었습니다.

팀의 문제가 있다면, 스스로 나서서 해결하였습니다.

  • Dino님이 초고속 성장하는 커머스 사에서 일하던 당시, 팀에는 데이터 조회의 문제를 겪고 있었습니다. 서비스 성장에 따라 '상품 노출 데이터'가 급증하면서, '어떤 상품이 많이 노출되는지' 볼 수 없는 지경에 이르렀어요.
  • 이런 문제를 해결하는 것은 Dino님의 역할이 아니었지만, 그냥 두고 볼 수는 없었죠. 데이터 엔지니어링을 통해 직접 문제를 해결하기로 결심했어요.
  • Airflow를 도입하여 데이터 파이프라인을 구축하고, 하루에 한번씩 상품 노출 데이터를 Amazon S3에 적재한 뒤, 팀원들이 이를 조회할 수 있도록 했어요. 팀원들의 수요가 늘어 분석 대기 시간이 길어지자, Spark를 통한 병렬 처리를 적용하여 병목을 제거했습니다.
  • 결국, 팀은 '볼 수 없게 된' 데이터를 다시 볼 수 있게 되었고, 제대로 된 의사결정을 할 수 있게 됐어요.

대량의 데이터를 직접 수집하여 데이터 기반 의사결정의 토대를 닦았습니다.

  • 서비스에 등록된 100만여종의 제품이 경쟁력있는 가격으로 팔리고 있는지 알아야 했습니다. 이를 위해 쿠팡이나 네이버 등 커머스 서비스를 대량으로 크롤링하는 시스템을 직접 구축하였습니다.
  • 또한, 제품의 특성에 따라 새로운 정보를 업데이트하는 주기를 조정함으로써 효율적인 운영이 가능하도록 하였습니다.

전문가 Dino의 노하우

"데이터 분석은 단순히 숫자로 접근하는 것을 넘어서, 사용자 경험과 비즈니스 목표를 염두에 두는 것이 성공의 핵심입니다."

  • LTV는 단순히 재무 데이터가 아니라, 사용자의 행동과 성향을 이해하고 예측할 수 있는 중요한 지표로 활용되어야 합니다.
  • 가치 있는 결정을 내리기 위해서는 먼저 '신뢰할 수 있는' 데이터를 확보해야 합니다.
  • 시장의 변화에 실시간으로 대응하기 위해 데이터 파이프라인 구축과 자동화 시스템이 중요합니다.

노하우를 알려준 전문가

Dino

데이터 엔지니어,데이터 사이언티스트

간단한 소개 :

    데이터 엔지니어이자 사이언티스트로서 대형 게임스튜디오와 급성장하는 커머스 플랫폼에서 중요한 비즈니스 문제를 해결해왔습니다.

    • PD의 '감'에 의존하던 게임 업데이트를 '데이터'에 기반하여 의사결정 할 수 있도록 적재부터 분석까지 주도했고, 리텐션 향상을 이끌어냈습니다.
    • 급성장하는 커머스 플랫폼에서 데이터 엔지니어링, 해외 사업 확장 등을 담당했습니다.

주요 경험 :

    마케팅 캠페인 최적화를 위한 LTV 예측 모델을 개발하여 대규모 캠페인을 손실없이 진행

    • 3일간의 고객 행동 데이터로 향후 1년간 매출을 예측하는 모델을 개발하여, 마케팅팀이 손실 걱정없이 투입 예산을 늘릴 수 있도록 지원
    • 신규 게임 캠페인의 예산 투입을 10배로 확장하였고, 대규모 매출을 달성
    • PD의 '감'에 의존하던 게임 업데이트를 '데이터'에 기반하여 진행하도록 하였고, 리텐션 향상을 이끌어냄
    • 개발 능력을 바탕으로 대규모 크롤링 시스템을 개발하고, 실시간 가격 데이터 수집을 성공적으로 수행

번지는 전문가 Dino 님과의
파트타임 협업 서비스를 제공합니다.

협업할 수 있는 주제

    • 우리 서비스 고객 한명은 얼마의 가치를 가지는지, LTV 측정하기


      • LTV에 기반하여 마케팅 예산과 캠페인 비용 최적화하기
      • '신뢰할 수 있는' 데이터 구축을 위해 데이터 정합성 맞추기
      • 대량의 데이터 적재와 조회가 가능하도록 데이터 파이프라인 구축하기
      • 웹 데이터 대량 수집과 적재하기

비슷한 경험을 가진 전문가를
더 찾아보세요.

Luke

번지 검증 인재

쿠팡의 거래 데이터를 기반으로 신용평가모델을 자체 제작했어요.

쿠팡
데이터 애널리스트, 데이터 사이언티스트

대규모 데이터 모델링

모델링

AI 활용

이로

번지 검증 인재

수익성 개선을 위해 중요한 지표를 정의하고 전사 KPI에 반영했습니다.

유니콘 스타트업
데이터 애널리스트

활성 사용자 기준 정의

데이터 추출 자동화

Julie

번지 검증 인재

콘텐츠를 활용한 CRM 전략으로 구독 전환율을 크게 개선했어요.

CRM 마케팅

사용자 활성화

세그멘테이션

고객 행동기반 CRM