데이터 분석을 이용한 게임 고객 모델링 #2

이 글은 게임 고객을 효과적으로 모델링하기 위한 두 번째 단계로, '군집화' 기법을 활용한 구체적인 고객 세분화 방법을 소개합니다. 군집화는 전체 고객을 유사한 특성을 가진 그룹으로 묶는 데이터 마이닝 기법입니다.

글에서는 고객 간의 유사도 또는 거리를 정량화하는 방법과 함께, 가장 널리 사용되는 'k-means clustering' 알고리즘을 설명합니다. k-means는 고객의 플레이 시간과 경험치 같은 데이터를 좌표로 표현하여, 가까운 점들끼리 묶어 '플레이 시간은 적고 성장도 느린 유형', '플레이는 적게 하지만 성장은 빠른 유형' 등 네 가지 유형으로 분류하는 과정을 예시로 보여줍니다.

실제 서비스에서는 더 많은 데이터를 활용하며, 군집화 결과를 이용해 이후 고객 유형 분류를 자동화하는 방법도 언급합니다.