AI
‘우리 게임의 진성 유저는?’, Google BigqueryML 솔루션을 활용한 유저 분류 모델 개발
두줄요약
게임 유저를 활동력과 구매력 기준으로 분류하는 BigQueryML 기반 모델 개발 사례를 소개했습니다.\n주기적 학습·서빙 자동화와 대시보드 제공으로 마케팅 활용도를 높였습니다.
핵심 내용
- 게임 유저의 활동력과 구매력을 기준으로 진성 유저를 분류하는 지표 개발 사례
- 전체 게임 공통 이벤트 데이터를 사용해 비지도 학습 기반 K-means 클러스터링 모델을 구성
- Google BigQuery와 BigQueryML을 활용해 데이터 이동 없이 학습과 운영 효율을 확보
구조와 흐름
- 활동력 모델과 구매력 모델을 분리해 각각 학습
- 활동력은 최근 3일 행동 데이터, 구매력은 생애 누적 구매 데이터를 사용
- 학습 결과를 바탕으로 유저 유형을 지표화하고 대시보드와 세그먼트 기능으로 제공
성능/운영 포인트
- GitLab, Jenkins, Google Cloud Build, Kubeflow를 활용한 학습·서빙 파이프라인 분리
- 주기적 재학습과 모델 평가, BigQuery Table 저장을 통한 추이 모니터링
- 분류 결과를 마케팅 타겟팅과 유저 이동 분석에 활용