수익화 전략을 최적화하는 4가지 분석 보고서
아이언소스의 "광고 수익화 설정, 분석 및 최적화하기" 웨비나에서 성장 전략 팀 리더인 엘리스 크룸홀츠가 수익화 전략을 가장 잘 분석하고 최적화하는 방법을 안내합니다. 그녀가 논의한 내용을 살펴보겠습니다.
먼저, 광고 수익 창출은 광고 실행 전략과 광고 네트워크 전략의 두 가지 부분으로 구성된다는 점에 주목했습니다. 광고 구현 전략은 게임에 광고를 통합할 방법을 결정하는 것이고, 광고 네트워크 전략은 어떤 광고 네트워크와 협력할지, 어떻게 광고를 가장 잘 활용할지 결정하는 것입니다. 전략을 최적화하는 가장 좋은 방법은 무엇일까요? A/B 테스트.
웨비나에서 Elyse는 새로운 보상형 동영상 게재가 리텐션에 영향을 주지 않으면서 ARPDAU를 증가시키는지 확인하고자 A/B 테스트를 실행하고 두 그룹을 설정하여 한 그룹은 새로운 보상형 동영상 게재를 적용하고 한 그룹은 적용하지 않습니다.
A/B 테스트 후 성능을 분석하고 테스트 승자를 선택하는 데 필요한 5가지 보고서가 있습니다.
성과 보고서
먼저 Elyse는 매출, eCPM, 게재율, 노출 수와 같은 KPI를 보여주는 성과 보고서를 안내해 줍니다. 여기에서 메트릭별로 필터링하거나 이 경우 그룹 A 또는 B별로 필터링하여 A/B 테스트 결과를 확인할 수 있습니다.
Elyse는 보상형 동영상(우리가 관심 있는 광고 단위)을 기준으로 필터링한 다음, A와 B로 나눕니다. B. B 그룹(새로운 보상형 동영상 배치가 적용된 테스트 그룹)의 수익과 노출 수가 더 높습니다. 문제 없습니다. 하지만 엘리스에 따르면 이것이 전부는 아닙니다. ARPDAU의 맥락에서 이는 무엇을 의미할까요?
사용자 활동 보고서
다음은 사용자 활동 보고서입니다. 여기에서 ARPDAU, DAU, DEU, 참여율, DEU당 노출 수(사용률), DAU당 노출 수, DAU당 세션 수를 파악할 수 있습니다.
이 보고서를 사용하여 Elyse는 A와 B의 ARPDAU를 비교합니다. B 그룹을 비교한 결과, B 그룹의 ARPDAU가 25% 더 높은 것으로 나타났습니다. 하지만 그 이유는 무엇일까요? 우리 게임에서 이전보다 더 많은 사용자가 광고에 참여하고 있거나, 사용자가 보상형 동영상을 시청하고 있을 수도 있습니다. 이를 알아보기 위해 A와 B의 참여도 및 사용률(노출 수/DEU)이 어떻게 다른지 확인해 보겠습니다. B.
결과적으로 참여율에는 변화가 없었으며, 즉 신규 사용자가 보상형 동영상 광고에 참여하지 않는 것으로 나타났습니다. 그러나 B 그룹의 사용률은 5로 A(대조군) 그룹의 4에 비해 높았습니다. 기본적으로 게임 참여 유저는 이제 하루에 4개가 아닌 5개의 보상 동영상을 시청하게 됩니다. 마지막으로, 세션당 시청하는 보상형 동영상의 수가 증가하면 ARPDAU가 증가하는 것을 확인할 수 있습니다. 하지만 리텐션을 해치지 않으면서 ARPDAU를 높일 수 있는 방법을 찾기 위해 여전히 고민하고 있습니다. 그렇다면 이 새로운 보상형 동영상 게재가 리텐션과 LTV에 어떤 영향을 미치는지 자세히 살펴볼까요?
코호트 보고서
리텐션과 LTV에 미치는 영향을 이해하려면 코호트 보고서로 이동해야 합니다. 이렇게 하면 같은 날 게임을 시작한 사용자를 그룹화(코호트)하고 각기 다른 기간에 걸쳐 해당 그룹에 대한 특정 KPI를 측정할 수 있습니다. 결과를 A와 B의 경우, 새로운 게재 위치로 인해 더 많은 보상형 동영상 광고를 시청하는 사용자들이 게임을 계속 플레이하고 있는지 파악할 수 있습니다.
코호트 보고서로 이동하여 테스트 기간을 필터링하고 A/B 그룹별로 분류한 후 결과를 확인할 수 있는데, 이는 LevelPlay만의 기능입니다. 테스트 그룹의 사용자 중 더 높은 비율의 사용자가 대조 그룹의 유지율에 비해 D7 유지율이 더 높다는 사실을 발견했습니다. 더 많은 노출과 더 높은 사용률로 인해 ARPDAU가 높아지고 있으며, 이러한 사용자들은 더 오랜 기간 게임을 플레이하는 경향이 있습니다.
실시간 피벗 보고서
마지막으로, 실시간 피벗 보고서를 통해 데이터를 더욱 심층적으로 분석할 수 있으며, 이를 통해 방금 살펴본 거의 모든 KPI를 실시간으로 분석할 수 있습니다. 따라서 A/B 테스트를 시작하는 순간부터 사용자 행동과 애드 네트워크 실적의 변화를 살펴볼 수 있습니다. 가장 중요한 것은 이러한 결과에 신속하게 대응할 수 있다는 점입니다.
A/B 테스트 외에도 실시간 데이터에 따라 게임을 최적화하고, 미디에이션 스택 업데이트 후 실시간 성능을 추적하고, 네트워크 드롭을 즉시 파악하고, 새 앱 버전의 안정성을 모니터링할 수 있습니다. 또한 한 화면에서 KPI를 나란히 비교하여 한 번에 쉽게 비교할 수 있는 비교 모드도 있습니다. 또한 서로 다른 기간 간의 변화를 매우 쉽게 이해할 수 있습니다.
궁극적으로 성과 보고서, 사용자 활동 보고서, 코호트 보고서, 실시간 피벗 보고서가 어떻게 함께 작동하여 수익화 최적화 전략을 강화하는지 확인할 수 있습니다. 이러한 모든 보고서를 함께 사용하면 데이터를 더욱 심층적으로 분석하여 '어떻게'뿐만 아니라 '왜'도 이해할 수 있으며, 이를 통해 수익화 전략을 개선할 수 있습니다. 자세한 내용은 아래에서 전체 웨비나를 시청하세요.