모바일 게임 LTV 구하기
우리 회사의 퍼포먼스 마케팅은 잘 되고 있나? - 목표를 가지고 끊임없이 확인하고 개선해 나가고 있는 지 혹은 적절한 버짓 아래 적절한 CPI 단가로 유저획득(UA)를 진행하고 있는지
여기서 말하는 목표가 바로 LTV일 것이다. LTV란 한 명의 유저가 앱 사용을 중단할 때까지 우리 게임에 평균적으로 지출하는 금액으로 CPI 단가를 얼마로 할 지 어떻게 조정할 지 캠페인을 중단할 지를 결정하는 퍼포먼스 마케팅의 최종 기준이라 할 수 있다.
LTV > CPI -) Profitable?
간단히 LTV>CPI라는 공식이 성립하면 일단 돈을 잘 쓴 셈이다. 앱마다 이상적인 CPI 수준이 있을 수 있겠지만 마켓 수수료 등을 제외하고 CPI가 LTV의 70% 이하라면 일단 UA를 진행해 볼 수 있다. 반대로 LTV < CPI라면 예산 투입을 중단하고 게임의 수익화 모델을 점검해야 할 것이다. 물론, 공격적인 CPI를 설정하고 그 비용을 게임 내 바이럴 등 2차 자연유입을 통해 만회할 수 있다면 이러한 경우도 마케팅을 진행할 수 있다.
When to accelerate UA spending based on your LTV metrics하지만, 단순히 LTV > CPI라고 해서 반드시 회사가 돈을 버는 것이 아닐 수도 있다. 게임의 수익회수(Recoup) 기간이 길어서 현금 흐름이 어려워질 수도 있고, LTV < CPI라고 해도 마케팅을 통해 달성하고자 하는 회사의 목표가 있을 수도 있다.
따라서 마케팅 목표와 전략을 설정할 때는 긍정적인 ROI를 예상케 만드는 LTV > CPI 이외에도 우리 게임의 특성, 수익회수 기간, 예산, 회사의 목표 등을 감안해야 한다. 이러한 의사결정을 가능하도록 돕는 것이 역시 LTV이며, LTV는 고객 한 명당 평균 생애가치와 손익 분기점을 예측하게 함으로써 이러한 의사결정을 예측 가능한 리스크로 만들어 준다.
1. LTV에 영향을 미치는 요소
유저들이 우리 게임에 다시 돌아오지 않는데 수익이 발생할 수 있을까? 유저들이 돈을 쓰지 않는데 수익이 발생할 수 있을까? 다음은 LTV에 영향을 미치는 3가지 요소이다.
Retention - 리텐션은 기본적으로 사람들이 얼마나 자주 당신의 앱으로 돌아오는 가이다. LTV와 직결된 첫번 째 핵심지표로 더 오래 유저들이 앱에 돌아올 수록 더 많이 지출할 가능성이 높아진다.
Monetization - 유저들이 당신의 앱에 얼마만큼 돈을 쓸 것인가이다. 유저들이 결제(율 혹은 금액) 증가는 LTV 증가로 직결된다.
Virality - 공유하기나 입소문 등을 통해 기존유저들이 당신의 앱으로 데리고 오는 신규유저 수이다. 페이드 유저 대비 모든 오가닉 유저를 포함한다고 정의할 때 Virality로 인한 자연유입은 무료인 만큼 eCPI를 낮추고 전체 캠페인 매출 증가에 기여한다. LTV 증가로 직결되지는 않지만 eCPI를 낮춰서 ROI 개선에 기여한다.
Virality and LTV - mobile dev memo2. LTV 구하기
그럼, LTV를 어떻게 구할 수 있을까? 가장 간단한 방법은 특정기간에 유입된 유저들이 발생시킨 총 매출을 특정기간에 유입된 전체 유저수로 나누는 방법이다. 특정기간이란 일 년일 수도, 한 달일 수도, 하루 일수도 있다. 또한 해당 코호트의 유저들이 발생시킨 매출을 언제까지 계산하는 지에 따라 1 day LTV, 3 day LTV, 7 day LTV 혹은 1M LTV, 2M LTV 등으로 계산할 수 있을 것이다.
LTV = 해당 코호트 총 매출 /해당 코호트 전체 유저수
이는 LTV를 예측한다기 보다는 이미 발생한 사실에 근거해 LTV를 확인하는 Actual LTV라고 할 수 있다.
다음은 유저들이 평균적으로 우리 앱을 사용하는 기간에 평균적으로 지출하는 금액을 곱하는 것이다. 이 방법은 주로 구독자(Subscription) 모델의 LTV를 구하는 방법으로 쓰이는데, 가령 잡지의 평균 구독기간이 36개월이고 매월 $7.95를 결제해야 한다면 유저당 LTV는 36*7.95=$286.2라고 할 수 있다.
LTV=평균이용기간 * ARPU
그런데 평균 구독기간은 어떻게 알 수 있을까? 잡지의 계약기간이 1년 단위이고 유저의 계약율이 1년이 지날 때마다 20%씩 감소한다면 가장 충성스러운 유저가 모두 이탈할 때까지 1년 차에 100%, 2년 차에 80%, 3년 차에 60%, 4년 차에 40%, 5년 차에 20% 유저가 잔존하고 6년차에 모든 유저가 이탈할 것으로 예상된다. 그럼 유저 한 명의 5년 동안 평균 잔존율, 즉 평균 구독기간은 3년(36개월)이 되는 것이다.
이 방법을 기본으로 리텐션율을 일 단위로 모델링해 일일 평균매출(ARPDAU)와 곱한 것이 F2P 게임의 LTV를 예측하는 방법으로 주로 사용된다. 여기서 리텐션 함수는 아래와 같은 그래프 모양을 띌 것으로 가정한다.
LTV=평균이용기간*ARPDAU
리텐션 함수가 위와 같은 파워함수(거듭제곱)의 형태 y=a*x^b(y는 계수 a 곱하기 x의 b승)를 띌 것으로 가정하고 1day, 3 day, 7 day 리텐션율을 활용해 함수의 계수 a, 지수 b를 거꾸로 찾아내는 방법이다. x는 시간(time), y는 x 시점의 리텐션율이고 ^는 엑셀에서 지수를 의미한다. 파워함수의 a, b를 계산하기 위해 인덱스 함수를 이용하기도 하는데 리텐션 함수를 구해낸다면 30일 뒤의 60일, 90일, 180일 후의 리텐션도 예측할 수 있게 된다.
여기서 수학이? 힘드신 분들을 위한 꿀팁! 엑셀에서 표를 만들고 추세선을 그리면 방정식을 보여주는 기능이 있다는 사실! 몇 가지 데이터 포인트를 넣고 추세선(Trendline)을 거듭제곱 모양으로 택한 다음 수식 보여주기 옵션을 선택하면 된다.
이 기능을 활용해 리텐션 함수 공식을 알아내면 향후 리텐션율을 알 수 있고 180일 동안의 잔존율을 모두 더해 평균 이용기간을 구한 다음 ARPDAU를 곱하면 180일 LTV를 구할 수 있다.
180 Day LTV Calculation
Days Played (to 180d) - 11.54993642
Avg. ARPDAU- $0.100
LTV - $1.155
이 방법의 가장 큰 문제점은 과연 ARPDAU가 계속해서 일정할까라는 점이다. ARPDAU(일 이용자당 평균수익)는 앱을 계속해서 플레이하는 기존 유저들의 비중이 늘어남에 따라 늘어나는 경향을 보일 것이다. ARPDAU 역시 초기 몇 가지 데이터 포인트를 바탕으로 파워함수를 활용해 예측한다면 리텐션율 쪽만 예측하는 것보다 좀 더 정교한 LTV 예측이 가능할 것이다.
참고로, 온라인에서도 무료로 LTV를 계산해 주는 툴들이 있는데 이들은 모두 기본적으로 리텐션 함수를 모델링하는 방법으로 LTV를 제공한다. 여기에 1day, 3day, 7day 리텐션 등을 입력하면 LTV 예측치를 얻을 수 있다.
Soom.la의 LTV 계산기 - 리텐션 함수를 파워함수 y=a*x^b로 가정해 LTV를 계산하는 방법으로 180일 동안의 리텐션을 계산한다. 그런 다음 모든 리텐션을 더하는 것(Intergral)이 아니라 2일, 7일, 14일, 30일 사이에 가중치 합산을 적용해 평균이용기간을 구한다고 한다.
Pollen VC - 365일 리텐션이 0%라는 가정 하에 LTV를 계산하는 모델로 구글이나 애플로부터 수익 회수(현금화) 후 재투자하는 모델과 Pollen VC에서 이를 앞당겨 대출을 받아 투자하는 경우 수익을 보여준다.
Our model assumes day 365 retention is 0%. TOur model assumes day 365 retention is 0%. T
Agamemnon - Wooga의 마케팅 헤드였던 Eric Seufert가 만든 서비스로 리텐션을 파워함수로 모델링해 180일 또는 365일 LTV를 계산하거나 Culumlative ARPU 데이터를 로그함수로 모델링해 LTV를 직접 예측하는 방법이 있다. N3network가 인수했다고 하는데 서비스 웹사이트를 찾을 수 없다.
3. 어떻게 적용할 것인가?
이제 이를 실제로 어떻게 적용할 수 있을 지 문제가 남아있다.
어떤 방식을 택할 지는 회사마다 상황이 다르다. 처음 런칭하는 게임이여서 벤치마크 데이터가 전혀 없을 수도 있고, 런칭 한지 한 달 혹은 일년이 지나서 데이터 포인트가 어느 정도 쌓여있을 수도 있다. 중요한 것은 출시 전 예측과 초기 데이터를 활용한 예측이 실제와 얼마나 다른 지 계속해서 확인하면서 우리 게임에 맞는 LTV 모델을 정교화해 나가는 것이다.
여기서 의미있는 코호트(국가, 채널 등)을 어떻게 설정할 지, 주요 업데이트나 Organic Lift, 리타깃팅 등이 LTV에 어떤 영향을 미치는 지 등을 확인하면서 지속적으로 LTV를 개선해 나가고 UA 채널을 최적화 해나갈 수 있을 것이다.
LTV는 한 번 예측한다고 끝도 아니고 변화지 않는 것도 아니다. 지속적인 LTV 평가 및 모니터링을 통해 예기치 못한 위험에 대비하고 성공적인 모바일 게임 브랜드를 구축해 나가자.
* 참고자료
1. 프리투 플레이 게임 LTV를 구하는 5가지 방법
http://www.gamedonia.com/blog/5-ways-to-calculate-lifetime-value-for-free-to-play-games
2. LTV 끝장내기 코스
3. 왜 LTV는 모든 지표들의 종착점인가?
https://insights.pollen.vc/articles/why-ltv-is-the-mother-of-metrics-for-app-developers
4. 리텐션 함수 모델링을 통한 LTV 구하기
http://blog.soom.la/2016/04/clv-calculation-modeling-lifetime.html
