[메이저 사이트 추천SW 활용 성공사례 109] 티그레이프 - 공개SW 적용해 모바일 앱 분석 서비스 기술력 확보

티그레이프가 핑그래프 개발을 기획하게 된 것은 3년 전. 당시 티그레이프는 국내에서 다수 사용자를 확보한 모바일 앱들을 중국 시장으로 진출시키는 퍼블리싱 비즈니스를 진행했다. 그 과정에서 티그레이프에게는 세 가지 당면 과제가 있었는데, 우선 기계학습 기술을 이용해 가급적 추천 수가 많은 모바일 앱을 선별해야 했다. 또한 해당 모바일 앱이 얼마나 많이 다운로드돼 사용되고 언제 생명을 다하는지 등을 다각적으로 분석해야 했다.

무엇보다 분석 기술에 대한 이해도가 낮은 중국 현지 인력들도 쉽게 결과를 이해할 수 있음은 물론 개발팀이나 마케팅팀 소속 인원들도 분석된 데이터에 담겨진 의미를 파악하는 게 가능하려면 보다 직관적인 분석 서비스가 요구됐다. 이런 요구사항을 위해 티그레이프는 기존 분석 서비스를 활용하기보다 당면한 과제에 최적화된 새로운 모바일 앱 분석 서비스를 개발하는 게 좀더 생산적이라고 판단해 곧바로 개발에 착수했다.

그러나 티그레이프는 개발 과정에서 새로운 문제점 하나를 발견했다. 모바일 앱 분석 서비스에서는 운영체제별 마켓과 앱 개발사 홈페이지에서 직접 다운로드하는 경우를 모두 고려한 모바일 앱 활용도 분석과 SNS상에서 모바일 앱에 대한 평가가 빈번하게 이뤄지는 만큼 이에 대한 데이터 수집을 동시에 지원해야 했다. 그런 점에서 티그레이프가 진출한 중국 시장에는 자국 내에서 앱을 유통하기 위한 30여 개의 마켓이 존재해 있었고 글로벌 SNS가 아닌 중국이 자체 개발한 SNS만 활용했다.

이에 대해 김중일 티그레이프 대표는 “상황이 이렇다 보니 모바일 앱 개발사들은 콘텐츠 제작을 위한 노력보다 분석 리포트를 위한 데이터를 모으는 일에 인력, 비용, 시간을 과도하게 사용할 수밖에 없었고 여기에 모바일 앱 생명주기가 점점 짧아지는 상황에 직면하게 되면서 제대로 된 사용자 활용도 분석을 하지 못하는 경우가 비일비재했다”고 덧붙였다.

▲ 핑그래프 시스템 구성도

다양한 파일롯 프로젝트의 추진 동력은 메이저 사이트 추천SW

다양한 요구사항들을 만족시키는 서비스로 핑그래프를 개발하고자 티그레이프는 ‘범죄 프로파일’에서 해법을 찾았다. 사건현장에 남겨진 흔적과 정황으로 범인을 찾듯 핑그래프는 모바일 앱의 성능 분석과 배포 분석을 기준으로 사용자 행동 패턴을 도출한다. 그리고 이를 사용자 유입,이탈, 재방문, 평판, 사용빈도, 사용시간 등 6개 지표로 이뤄진 레이더 차트 형태로 구성한 다음에 분석과 카테고리 비교 그리고 개선점에 대한 해석을 함께 제공한다.

또한 좋은 지표는 빨간색, 반대의 경우는 파란색으로 표시하는 컬러카드 시스템을 도입해 색깔, 아이콘, 텍스트로 분석 결과와 그 의미를 쉽게 확인해 모바일 앱이 어떤 상황인지를 직관적으로 알 수 있다. 특히 티그레이프는 핑그래프 사용 대상이 데이터 사이언티스트가 아닌 현업 종사자인 만큼 고수준의 통계분석 지식 대신 모바일 환경에 대한 이해와 앱 생태계의 경험만 있으면 누구나 지표에 담긴 의미를 파악할 수 있게 메뉴를 구성했다.

이런 서비스가 가능하도록 핑그래프 아키텍처를 구성할 수 있던 배경에는 하둡 에코시스템, 이클립스, MySQL, 자바 등 다양한 메이저 사이트 추천SW를 활용해 자체 개발한 핑그래프 프레임워크가 있었다. 김중일 대표는 핵심 기술이라고 평가된 하둡과 R에 대해서는 내부적으로 다양한 파일럿 프로젝트를 실시해 기술 수준을 확보했으며, 하둡에 대한 지식이 없어도 프레임워크 개발자가 규약과 규칙에 대한 개념만 있으면 앱을 구현할 수 있도록 프레임워크를 개발했다고 설명했다.

특히 새로운 여러 기술들을 활용해 다수의 파일럿 프로젝트를 진행할 수 있었던 것은 공개SW에 기반을 두고 핑그래프 프레임워크를 개발했기에 가능했다. 예를 들어 상용 DW와 BI를 활용해 데이터마이닝을 한다는 것은 기업에게 비용적인 부담을 줄 수 있지만, 하둡 에코시스템으로 구성하면 저렴한 비용으로 데이터마이닝을 수행할 수 있을 뿐 아니라 언제든 새로운 또는 확장된 기술을 적용해 시스템을 개선할 수 있다는 게 김중일 대표의 설명이다.

▲ 핑그래프 대시보드(좌)와 마케팅 효과 분석

“메이저 사이트 추천SW에 기반 둔 자체 프레임워크도 메이저 사이트 추천할 터”

이렇게 개발된 핑그래프는 모바일 앱을 통해 쌓인 다양한 데이터들을 하둡 데이터 파일 시스템(HDFS)에서 플룸(Flume)을 활용해 축적한다. 이렇게 축적된 데이터를 가지고 맵리듀스는 정제된 Common Data를 생성하고 기본적인 분석을 실시한다. 하지만 확률을 추출하거나 예측할 경우 또는 상관관계를 분석해야 할 때는 Common Data를 R로 보내 결과를 도출한다. 최종 결과 데이터는 스쿱(Sqoop)을 활용해 RDB 또는 NoSQL로 사용자에게 전달된다. 이를 통해 개발 관련 조직은 물론 마케팅 및 퍼블리싱 구성원들도 모바일 앱이 생산한 다양한 데이터의 핵심만을 정제해낸 분석 결과를 신속하고 직관적으로 제공받을 수 있다.

그럼에도 불구하고 티그레이프는 하둡 에코시스템과 관련된 기술이 계속 발전함에 따라 핑그래프 역시 이를 적극적으로 반영해 기능 확장 및 개선에 초점을 맞춘 차기 버전을 계획 중이라고 밝혔다. 우선 내년 1/4분기에 협업(Collaboration)이 추가된다. 기업이 핑그래프로 얻어진 인사이트(Insight)를 내부 조직 문화에 쉽게 적용해 토론, 분석, 가설, 검증 과정으로 이어질 수 있도록 한다는 게 회사 측 복안이다. 이를 위해 에버노트, 구글 앱스, 야머 등 모바일과 웹을 아우르는 연동작업을 진행할 예정이다.
또한 데이터 사이언티스트가 아니어도 보유한 데이터가 어떤 의미를 가지고 있는지 자동으로 찾을 수 있게 돕는 도구와 조직이 갖고 있는 다양한 데이터를 한눈에 확인하게 해주는 프레임을 구축할 예정이다. 이와 함께 핑그래프 프레임워크가 메이저 사이트 추천SW에서 탄생한 만큼 이미 확보된 안정성에 이어 다양성을 갖추는 대로 개방하겠다는 뜻을 밝혔다.