계산 방법 로직 설명

최근 업데이트 2026. 10. 03.

이벤트 분석의 분석 지표, 리텐션 분석 또는 분포 분석의 동시 표시 지표를 설정할 때는 분석 내용에 맞는 계산 방법을 선택해야 합니다. 이 장에서는 일부 계산 방법의 로직을 설명합니다.

사전 설정 계산 방법

• 총 횟수: 이벤트가 트리거된 횟수
• 유니크 유저 수: 이벤트를 트리거한 중복되지 않는 유저 수
• 1인당 평균 횟수: 총 횟수/유니크 유저 수, 즉 이벤트를 트리거한 유저 1인이 평균적으로 이벤트를 트리거한 횟수

숫자형 속성

계산 방법	로직
평균	속성 값 합계/속성 값 개수
1인당 평균	속성 값 합계/유니크 유저 수, 즉 이벤트를 트리거한 유저 1인당 평균 속성 값 합계
중앙값	속성 값을 큰 값부터 작은 값 순으로 정렬했을 때 가운데에 위치한 속성 값. 속성 값 개수가 짝수이면 가운데 두 값의 평균

평균은 데이터의 평균적인 수준을 보여 주지만, 다른 값보다 눈에 띄게 높거나 낮은 속성 값이 있으면 중앙값이 평균보다 전체 상황을 더 잘 대표합니다. 유저 4명이 결제 이벤트를 총 7회 트리거했다고 가정합니다.

유저	결제별 결제 금액
A	6、648
B	30、30、30
C	128
D	6

• 평균 = 125.43
• 1인당 평균 = 219.5
• 중앙값 = 30

계산 방법	로직
N분위수	N번째 백분위에 위치한 속성 값. 중앙값은 50분위수

중앙값 외에도 데이터 분포 현황을 더 잘 파악하기 위해 N분위수를 자주 사용합니다. 예를 들어 핵심 자원 보유량의 N분위수 변화를 관찰하여 자원을 소모시킬 새 아이템을 투입할지 판단할 수 있습니다.

계산 방법	로직
분산	먼저 평균을 구한 뒤, 각 속성 값과 평균의 차이를 제곱하고, 마지막으로 그 평균을 구함
표준편차	분산의 제곱근

분산과 표준편차는 데이터의 변동 정도를 측정하는 데 사용할 수 있습니다. 실험 그룹과 대조군의 결제 금액 1인당 평균은 비슷하지만 실험 그룹의 표준편차가 대조군보다 현저히 높다면, 실험 그룹의 지표 데이터가 고액 충전 주문의 영향을 더 크게 받는다는 뜻입니다.

리스트형 속성

계산 방법	로직
리스트 고유값 수	리스트 하나를 전체로 보고, 중복되지 않는 리스트가 몇 개인지 집계
집합 고유값 수	먼저 각 리스트 안의 요소를 중복 제거하고 정렬하여 집합을 만든 뒤, 중복되지 않는 집합이 몇 개인지 집계
요소 고유값 수	모든 리스트의 모든 요소를 꺼낸 뒤, 중복되지 않는 요소가 몇 개인지 집계

게임에서는 출전한 여러 영웅의 ID를 리스트형 속성에 기록하는 경우가 많습니다. 출전한 적이 있는 영웅이 몇 명인지 분석하려면 요소 고유값 수로 집계할 수 있습니다. 또한 리스트 고유값 수 또는 집합 고유값 수로 중복되지 않는 조합이 몇 가지인지 분석할 수도 있습니다. 후자는 리스트 안에서 영웅의 순서나 여러 번 등장했는지를 구분하지 않습니다.

리스트형 속성 4개 [a,b,c], [a,b,c,c], [c,b,a], [a,b,c,d]가 있다고 가정합니다.

• 리스트 고유값 수 = 4
• 집합 고유값 수 = 2
• 요소 고유값 수 = 4

불리언형 속성

계산 방법	로직
참 값 수, 거짓 값 수	속성 값이 True/False인 이벤트 횟수
Null 값 수, Not Null 값 수	속성 값이 null/null이 아닌 이벤트 횟수