LoL '나만의 상점'은 어떤 데이터 플로우를 가질까
[코드스테이츠 PMB 10기] 플로우차트 Flow Chart
나는 데이터도 잘 읽는
그런 기획자가 될 거야!
1. 기획자에게 데이터란? = default 값
오늘 몰입학습에서는 PM이 알아야 하는 데이터베이스 지식에 관하여 학습하였다. 그 학습 내용에는 관계형 데이터베이스 (RDBMS), E-R 다이어그램, 스키마, SQL 등으로 데이터베이스를 배우는데 가장 기본적인 요소들이 주가 되었다.
그리고 이번 학습은 처음 PM이 되고자 마음을 먹었을 때부터 필요하다 생각했던 '데이터 기반 인사이트' 와 관련된 내용이었기에 더더욱 집중과 노력을 기했다.
그래서 여러 학습 자료와 읽기 자료들, 그리고 개인적 경험에 덧대어 기획자에게 데이터는 무엇인지를 적어보고자 한다.
데이터는 어디까지 알아야 할까?
데이터 PM은 고급 데이터 기반 인사이트를 바탕으로 제품 및 기능을 설계하고, 데이터의 통계 분석 결과를 시각화하고, 가설 테스트 및 모델링을 통해 변수 간의 고유한 관계를 식별합니다.
- <A step-by-step quide to becoming a Data Product Manager 中>
사실 개발부터 서비스기획까지 겉핥기로는 모두 해본 유경험자로서 데이터 관련 지식은 '다다익선일 수록 좋다.' 라고 말을 하고 싶다. 관계형 데이터베이스를 설계하는 것에서부터 E-R 다이어그램은 물론, SQL을 이용하여 데이터 쿼리를 짜는 것까지 모두 다 할 수 있으면 솔직히 무엇을 기획해야 할 지 더 분명해질 수 있다.
왜냐하면 유저들이 보여주는 데이터는 우리의 서비스가 어느 부분에서 부족한 지, 어느 부분에서 만족스러운 지를 리뷰보다도 더 정확히 보여주기 때문이다. (이번 코드스테이츠 그로스 모듈에서도 확인 할 수 있던 내용이다!)
즉, 단순히 이렇지 않을까? 하는 추측으로 '-이 필요할 것 같아요' 보다는 'A데이터를 기반으로 했을 때 해당 지표가 더 높게 측정되기 때문에 우리는 B라는 개선안을 도출해야 해요.' 가 더 다른 누군가를 설득하기에 쉽다.
하지만 그렇다고 해서 기획자가 DB를 설계하고 프로그래밍까지 할 정도의 지식은 갖출 필요가 없다. 사실 데이터란 것은 law data 에서 pre-processing 과정을 거치는 과정도 필요하고, none은 적절한 치환값으로 넣는 과정도 필요하다. 그 외에도 각 독립변수들 간에 강한 상관관계가 나타나는 것은 아닌지에 대한 확인 또한, 만일 회귀분석을 한다면 필요한 과정이다.
이런 것들 또한 PM이 할 수 있다면.. 데이터 사이언티스트나 애널리스트들은 일자리를 잃어야 할 게 틀림없다!
그래서 결론적으로 PM은 기획하고자 하는 프로덕트의 개선점을 위한 데이터 수집범위를 정의하거나, 문제 상황에 따라 어떤 지표를 분석할 지 적절히 선별할 수 있을 정도의 data literacy를 갖추면 되는 것이다.
2. LOL 나만의 상점의 플로우 차트
데이터도 잘 읽는 기획자가 되기 위해서는 가장 먼저 데이터를 기반으로 정리한 글을 잘 소화해 내야 겠다는 생각이 들었다. 그래서 이번 포스팅의 주제가 될 프로덕트는 '테크 블로그가 운영되고 있는 기업의 프로덕트' 로 골랐고, 가장 흥미로웠던 라이엇게임즈의 나만의 상점으로 결정했다. (이후에 after 관련으로 글을 작성할 때 정확한 정보로 작성하고 싶었기 때문에!)
'나만의 상점 (Your shop)' 을 모르는 사람들을 위해 간략히 설명하자면, 나만의 상점은 리그오브레전드 게임을 하는 사용자가 가장 많이 쓰는 챔피언의 스킨들을 각각 다른 할인율을 제공하여 판매하는 서비스이다. (참고)
나의 경우에는 아무래도 예쁜 캐릭터만 고집하다보니, 서포터의 역할을 맡는 챔피언이 많이 나왔다. (나미 스킨의 경우, 챔피언에 대한 애정도가 있어서 결국 구매하고 말았다!)
그렇다면 이 나만의 상점을 이용하는 유저들은 어떤 플로우를 가지고 있는지, 나만의 상점을 확인하고 구매하는 것까지에 집중하여 플로우 차트 (Flow chart) 를 그려보았다.
하지만 단순히 클라이언트에서만 확인할 수 있는 유저 플로우 차트 말고, 데이터 그 자체는 어떻게 흐를 지에 대해 집중해보고 싶었다. 테크 블로그에 상세한 설명은 있을 테지만, 먼저 내가 학습한 내용을 바탕으로 짧게 예상을 해보려한다.
내 맘대로 예상해보는
나만의 상점 데이터 플로우
앞서 서술했듯이, 나만의 상점에서 나오는 스킨들은 사용자의 플레이 챔피언을 기반으로 자체 추천 알고리즘을 적용시켜 총 6개의 스킨을 보여준다.
그러므로 라이엇 게임즈의 데이터베이스에는 소환사의 모든 게임 플레이 데이터와, 어떤 챔피언을 주로 사용했는지, 그리고 현재 그 소환사는 어떤 스킨을 가지고 있는지가 상세히 적혀있을 것이다.
실제로 라이엇 게임즈는 모든 챔피언들의 게임 기록들을 api 형태로 제공하고 있는데, 해당 api를 까보면 수많은 키값들이 존재한다. (참고)
라이엇 게임즈 api 키값여기에서 summoner (소환사의 정보), gameid (해당 게임의 고유 key값), champion (챔피언 정보) 를 이용하여 RDBMS를 구축하게 된다면, 'A라는 소환사가 B라는 게임을 했을 때 C라는 챔피언을 했다.' 라는 정보를 얻을 수 있을 것이다.
이에 A라는 사용자의 summoner 키값이 있는 gameid 판의 데이터를 지속적으로 수집하여 champion의 primary key를 count를 시키면 해당 소환사가 어떤 챔피언을 몇 회 사용했는지에 대한 데이터가 나올 듯 하다. 그렇다면 이 데이터를 기반으로 해당 소환사에게는 어떤 챔피언의 스킨을 서비스하였을 때, 구매를 할 확률이 높을 지 역시 알 수 있을 것이다.
하지만 이 모든 것은 예상에 불과한 것으로, 실제 api 키를 받아 그 안의 데이터를 분석하기 전에는 정확하게 예측하기는 어렵다. (..ㅠ) 그래도 라이엇은 한 소환사의 전적을 모두 확인할 수 있을 정도이기 때문에, 데이터만 잘 정돈한다면 앞의 설명한 내용이 완전 불가능한 내용은 아닐 거라 예상이 된다.
페이커 선수 솔로랭크 전적 (출처. op.gg)
그에 대한 예시로 페이커 선수의 솔로랭크 전적 자료를 가져와봤다. 위의 그림에 보이는 것처럼, 해당 소환사가 시즌 2022년에 어떤 챔피언을 가장 많이 했는지, 그 평점이 얼마인지, 얼마나 많이 이겼는지, 게임 내에서의 KDA, 빌드 등 모든 데이터들을 볼 수 있는 점을 확인할 수 있다.
+) 2022.03.01 추가
이 과제에 대한 피드백으로 유저 플로우와는 관계 없는 추천 AI 시스템이라는 너무 마케팅 측면에만 치우친 포스팅이 아닌가, 라는 의견을 받았다. 사실 이 부분에서는 해당 측면으로 조사를 하고 싶었던 부분이 맞고, 이전 학기에서 HighTech Marketing 이라는 전공을 수강하여 그 당시 학습했던 내용 역시 추가하고 싶었다.
그리고 'PM' 으로서 알아야 하는 데이터 지식에서도 해당 내용을 모두 서술하게 된다면 많으면 많았지, 부족하다 생각하지 않는다. 왜냐하면 현재 라이엇게임즈에서는 롤의 AI 추천 알고리즘을 협업 필터링을 사용하고 있는데, 콘텐츠 기반 필터링으로 바꾸고자 하는 움직임을 보이고 있다. 이는 곧 콘텐츠 기반 필터링을 하기 위해서는 스킨들의 특성 (character) 을 포함시킨 DB도 필요하고, 그 특성을 가진 스킨들이 얼마나 많은 고객들에게 구매됐는가 역시 살펴본다면 차후에 어떤 특성을 가진 스킨을 출시해야 많은 호응을 받을 수 있는 지에 대한 데이터도 얻을 수 있다.
만일 DFD에 관한 내용이 서술되기를 바란 것이라면, 나만의 상점의 추천 AI 알고리즘에 집중하는 것이 아니라 '고객이 구매한 플로우' 에 집중하면 된다.
참고자료.
