장르와 수익 모델 분석

하이퍼캐주얼에서 하이브리드 캐주얼로 장르 전환 분석과 운영 제언

장르 구조 분석 수익 모델 비교 벤치마킹 소프트런칭 핵심 지표(KPI)

한 줄 요약

광고를 더 띄우면 오늘 매출은 오르지만 유저가 먼저 떠나서, 한 명에게서 버는 총액은 오히려 줄어듭니다

출시해도 되는지 재는 식

LTV ÷ CPI ≥ 1

한 명이 남기는 돈 ÷ 데려오는 값

광고를 늘리면

매출 ↑ 잔존 ↓

같은 식의 두 항이 반대로 움직입니다

그래서 단기 일매출은

올라도 LTV는 하락

오늘이 좋아도 총합은 나빠집니다

장르가 왜 옮겨 갔는가

예전 방식은 며칠 만에 떠나는 유저

광고 단가가 오르면서 한 명당 기대 수익을 맞추기 어려워졌습니다

그래서 성장 구조를 얹음

깔때기로 흘려보내던 것을 돌고 도는 구조로 바꿨습니다

세 지표를 식 위에 올려 봄

어느 조치가 식의 어느 항을 움직이는지가 정해집니다

Tall Man Run, Bridge Race, Pull the Pin 등을 직접 플레이하며 공통 구조를 확인했습니다.

분석 배경

하이퍼캐주얼은 단순한 조작으로 사람을 모아 광고로 버는 구조입니다. 광고 단가가 오르면서 며칠 만에 떠나는 유저로는 1인당 기대 수익을 맞추기 어려워졌습니다. 세 장르를 비교하고 하이브리드 캐주얼 상위작 한 종을 분해해 평가 지표와 운영안을 세웠습니다.

1. 하이퍼캐주얼을 규정하는 세 가지 특징

Tall Man Run, Bridge Race, Pull the Pin 등을 직접 플레이하며 공통 구조를 확인했습니다.

👆

튜토리얼이 필요 없는 조작

3초 안에 목표를 이해할 수 있습니다. Tall Man Run은 좌우로 미는 원터치 조작만 요구하며, 첫 레벨과 100번째 레벨의 플레이 방식이 같습니다.

📉

빠르게 소모되는 성장 구조

며칠만 플레이해도 콘텐츠가 고갈됩니다. 획득한 재화가 캐릭터 크기 증가 같은 단일 축 성장에만 쓰여 금방 한계에 부딪힙니다.

✨

즉각적인 시청각 피드백

장기 목표 대신 화려한 효과와 사운드로 만족감을 만듭니다. 초기 잔존율(D1, D3)을 지키는 데 역량이 집중됩니다.

판단

비즈니스 모델의 이동: 깔때기에서 순환 구조로

기존 (깔때기)

대량 유입 → 단기 광고 소진

저렴하게 대중을 데려와 단기간에 전면 광고로 회수합니다.

→

전환 (순환)

유입 → 성장 → 결제 → 재접속

접근성은 유지하되 성장의 깊이를 더해 체류 기간을 늘립니다.

하이퍼캐주얼은 게임을 즐기지 않던 대중까지 모바일 생태계로 끌어오는 마케팅 통로에 가깝습니다. 광고 단가가 오르면서 이 통로만으로는 수지가 맞지 않게 되었습니다. 대중성을 유지한 채 성장 요소를 더하는 하이브리드 캐주얼로의 이동은 선택이 아니라 생존 전략입니다.

2. 장르별 핵심 비교

직접 플레이한 타이틀을 기준으로 세 장르의 구조를 같은 항목으로 비교했습니다.

비교 항목 하이퍼캐주얼 딥 하이퍼캐주얼 하이브리드 캐주얼
대표 게임 Tall Man Run Mob Control Alien Invasion, Legend of Slime
플레이 흐름 단순 원터치 조작으로
즉각적인 만족감 제공		 기본 조작에 기지 건설 등
가벼운 부가 콘텐츠 결합		 RPG 수준 경제 시스템,
성장과 자원 관리에 집중
성장의 깊이 단일 축의 단순한 성장 카드 수집, 기지 확장 등
수평적 성장		 6~7개 이상의
다차원적·수직적 성장
수익 모델 인앱 광고 95% 이상 의존 광고 70%,
인앱 결제 30%		 인앱 결제 중심으로
50~60% 이상 이동
핵심 지표 초기 잔존율 집중
(D1, D3)		 중기 잔존율
(D7 10~15%)		 중장기 잔존율
(D7 15~20% 이상, D30)

장르별 수익 구성 비교

* 비교 항목의 서술을 도식화한 값이며, 실제 정산 데이터가 아닙니다.

요약: 같은 대중성, 다른 회수 방식

세 장르 모두 진입 장벽을 낮춰 넓은 대중을 노린다는 점은 같습니다. 다만 장르가 깊어질수록 수익의 중심이 인앱 광고에서 인앱 결제로 옮겨 갑니다. 광고 단가 상승으로 단기 회수 모델의 여력이 줄어든 결과입니다. 대중성은 유지하면서 D7·D30을 노리는 하이브리드 전환이 이어지는 이유입니다.

3. Alien Invasion: RPG Idle 벤치마킹

하이브리드 캐주얼 상위작 한 종을 골라 유저 경험과 수익화 구조를 분해했습니다.

선정 사유

퍼블리셔 CrazyLabs는 하이퍼캐주얼 단가 상승의 한계를 겪은 뒤 체질을 바꿨습니다. 대중적인 아케이드 원형에 방치형 성장 시스템과 결제 설계를 결합한 사례입니다. 단순한 조작으로 모객 비용을 낮추고, 결제 구간으로 기대 수익을 끌어올린 구조를 확인하기 위해 선정했습니다.

유저 경험 설계

  • 조작의 직관성조이스틱 이동만으로 적을 사냥합니다.
    반복 플레이의 피로도를 낮춘 설계입니다.
  • 단계적 학습 유도초반 10분은 가방 용량을 제한해 사냥·반납·업그레이드 루프를 익히게 합니다.
    1일 차 이후에는 혹한기 페널티와 높은 업그레이드 비용으로 자동화의 필요를 만듭니다.

수익화 구조

  • 보상형 광고의 배치반복 사냥이 지루해질 시점에 용량 즉시 비우기를 제공합니다.
    광고 시청이 강제가 아니라 혜택으로 읽히게 만드는 배치입니다.
  • 결제 유도 구간잦은 전면 광고로 광고 제거 상품 구매를 유도합니다.
    상위 지역의 난이도 상승이 핵심 재화 결제로 이어집니다.

경쟁작 대비 차별점: Legend of Slime과 비교

Legend of Slime은 자동 전투와 확률형 뽑기에 기대는 구조입니다. Alien Invasion은 직접 조종해 맵을 개척하는 능동적 재미를 줍니다. 확률 스트레스 없이 투입한 만큼 성장하고, 탐험이 체류 시간을 늘려 광고 노출 기회까지 넓힙니다.

강점 (S)

대중적인 조작감 확률 스트레스 없는 성장 시스템

약점 (W)

상위 지역의 반복 사냥 피로도 잦은 전면 광고에 따른 초기 이탈

기회 (O)

글로벌 방치형 장르 선호 증가 시즌 패스·라이브 이벤트 여력

위협 (T)

유사 시스템 모방작 등장 글로벌 광고 단가 상승

4. 소프트런칭 단계에서 볼 지표 세 가지

출시 여부를 판단할 때 우선순위를 둘 지표를 정리했습니다.

01 · 유입 단가

$0.3~$0.5

CPI가 손익선 안에 들어오는가

기대 수익이 높아도 모객 비용이 비싸면 모델이 성립하지 않습니다. 숏폼 플랫폼 테스트로 유입 단가가 기준선 안인지 먼저 봅니다.

02 · 잔존율

D7 15~20%

성장 시스템이 작동하는가

일주일 뒤 재접속률이 성장 설계의 성적표입니다. 같은 장르 상위작 Pizza Ready!가 기록한 D7 23.7%를 목표선으로 잡았습니다.

03 · 체류 시간

15~30분

광고 재고가 확보되는가

1인당 하루 누적 플레이타임이 광고 노출량과 결제 유도의 바탕입니다. 경제 밸런스가 맞는지 판단하는 척도로 봅니다.

* 인용 수치는 과제 작성 시점의 공개 자료와 직접 플레이를 근거로 정리한 값입니다.

5. 라이브 운영 및 A/B 테스트 제안

같은 유형의 게임을 직접 운영한다면 실행할 세 가지입니다.

🔥

주말 한정 피버 타임

하이브리드 캐주얼은 성장이 막히는 순간 이탈이 몰립니다. 접속이 많은 주말에 재화 획득 1.5배 또는 배달 로봇 속도 2배를 한시 적용합니다. 일일 접속자 수와 주말 누적 플레이 시간을 함께 끌어올리는 것이 목적입니다.

📩

이탈 위험군 맞춤 푸시

난이도가 오르는 특정 구간, 예를 들어 얼음 지대 진입 직후를 이탈 지점으로 잡습니다. 그 구간에서 48시간 이상 미접속한 유저를 추출합니다. "위기에 빠진 기지에 지원 물품이 도착했습니다"라는 문구와 소량의 크리스탈로 복귀를 유도합니다.

🧪

광고 제거 상품 가격 A/B 테스트

이 장르에서 첫 결제로 이어지는 상품은 광고 제거 패키지입니다. A그룹에는 광고 제거만, B그룹에는 보석을 더한 결합 상품을 노출합니다. 결제 비율과 총수익을 비교해 가격 구성을 정합니다.

손익 구조

6. 세 지표는 하나의 식으로 묶입니다

4번에서 유입 단가 · 잔존율 · 체류 시간을 각각 정리했습니다. 실무에서 출시 여부를 판단할 때는 이 셋을 따로 보지 않고 한 줄의 식으로 놓습니다. 그래야 “D7이 20%인데 출시해도 되는가” 같은 질문에 답할 수 있습니다.

판정식

LTV ÷ CPI  ≥  1

유저 1인이 남기는 총수익(LTV)이 데려오는 비용(CPI)을 넘어야 모델이 성립합니다. 마케팅 여력을 감안하면 실무 목표선은 통상 1보다 여유 있게 잡습니다.

이 식에 4번의 세 지표를 대입하면 각 지표가 어느 항을 움직이는지가 정해집니다.

4번의 지표 식에서의 위치 이 지표가 나쁘면
01 유입 단가 (CPI) 분모 전체 게임이 아무리 좋아도 모객에서 적자가 납니다. 가장 먼저 봐야 하는 이유입니다
02 잔존율 (D7 · D30) LTV의 기간 항 — 며칠 동안 수익이 발생하는지 체류 시간과 결제율이 좋아도 곱해질 날짜가 짧아 LTV가 오르지 않습니다
03 체류 시간 LTV의 일 광고 수익 항 — 노출 가능한 광고 재고 광고를 띄울 자리가 없어 광고 매출 상한이 낮게 고정됩니다
(추가) 결제 전환율 LTV의 인앱 결제 항 2번 표에서 하이브리드 캐주얼은 결제 비중이 50~60%입니다. 이 항이 없으면 장르 전환의 의미가 사라집니다

주의: 이 식은 판단의 구조이며, 항에 넣을 실제 값(eCPM, 결제 전환율, 잔존 곡선)은 해당 게임의 소프트런칭 데이터로만 채울 수 있습니다. 여기서는 어떤 값을 모아야 하는지까지만 정리했습니다.

그래서 목표선의 의미가 달라집니다

4번에서 D7 23.7%를 목표선으로 잡았습니다. 식에 넣어 보면 이 숫자는 그 자체로 합격선이 아니라 “CPI와 일 수익이 주어졌을 때 회수에 필요한 최소 잔존”입니다. CPI가 낮은 지역이라면 D7이 더 낮아도 성립하고, CPI가 높으면 23.7%로도 부족합니다. 지표는 지역별로 함께 읽어야 판단이 됩니다.

대가

7. 세 지표는 서로를 밀어냅니다

위 식에서 각 항을 올리려는 조치들이 다른 항을 깎습니다. 3번의 SWOT에 이미 단서가 있었는데, 약점(W)에 적힌 “잦은 전면 광고에 따른 초기 이탈”이 바로 이 충돌입니다.

상충 01

광고 수익 ↔ 잔존율

일 광고 수익을 올리는 가장 빠른 방법은 노출 빈도를 늘리는 것입니다. 그런데 전면 광고가 잦아지면 초기 이탈이 늘어 잔존 기간이 짧아집니다. 같은 식의 두 항이 반대로 움직여, 단기 일매출은 오르지만 LTV는 떨어질 수 있습니다.

판단 기준: 노출 빈도를 바꿀 때는 일 ARPDAU가 아니라 코호트 LTV로 비교해야 합니다. 일 단위 지표로는 이 손실이 보이지 않습니다.

상충 02

광고 제거 상품 ↔ 광고 수익

5번에서 첫 결제 상품으로 광고 제거 패키지를 제안했습니다. 이 상품은 팔릴 때마다 그 유저에게서 나올 광고 수익을 스스로 없앱니다. 즉 결제 항을 올리는 대신 광고 항을 0으로 만드는 거래입니다.

손익분기: 상품 가격이 그 유저의 잔여 생애 광고 수익보다 커야 이득입니다. 잔존이 긴 유저에게 싸게 팔면 손실이므로, 가격은 잔존 구간별로 달라야 합니다. 초반 결제자에게는 낮게, 이미 오래 머문 유저에게는 결합 상품으로 유도하는 편이 안전합니다.

상충 03 · 5번 운영안에 붙는 대가

주말 피버 타임 — 재화 1.5배

매주 상시화되면 평일 플레이의 가치가 상대적으로 하락하고, 유저는 주말까지 성장을 미룹니다. 결과적으로 평일 접속이 빠질 수 있습니다. 격주로 두거나 배수를 낮추고 대상 재화를 한정하는 편이 낫습니다.

이탈 위험군 푸시

복귀 유도에 효과적이지만, 빈도가 높으면 알림 차단이나 삭제로 이어져 재접근 경로 자체를 잃습니다. 유저당 발송 상한과 최소 간격을 규칙으로 두고, 차단율을 같이 측정해야 합니다.

테스트 설계

8. A/B 테스트를 실행 가능한 형태로

5번의 가격 테스트는 방향이 맞지만, 지금 형태로는 결과를 해석할 수 없습니다. 실행 전에 정해야 할 것을 정리했습니다.

지금 설계의 문제

  • • 변수가 두 개입니다. A는 광고 제거만, B는 광고 제거+보석인데 가격까지 다르면 구성 때문인지 가격 때문인지 구분할 수 없습니다
  • • 판정 지표가 둘입니다. ‘결제 비율과 총수익’을 함께 보면, 결제율은 A가 높고 총수익은 B가 높은 경우 결론이 나오지 않습니다
  • • 기간과 표본이 없습니다. 며칠, 몇 명을 모아야 차이를 신뢰할 수 있는지 정해지지 않았습니다

보완한 설계

  • • 변수를 하나로: 1차는 같은 가격에서 구성만 비교(광고 제거 vs 광고 제거+보석), 2차에서 승자를 놓고 가격만 비교합니다
  • • 1차 판정 지표를 하나로: 유저당 기대 수익(ARPU)을 주 지표로 두고, 결제율은 참고 지표로 둡니다. 상충 02 때문에 총수익만 봐도 안 됩니다 — 광고 수익 손실을 차감한 순액으로 계산합니다
  • • 사전 고정: 테스트 기간, 그룹당 최소 인원, 그리고 어느 정도 차이면 채택할지를 시작 전에 문서로 남깁니다. 결과를 보고 기준을 정하면 원하는 결론이 나옵니다

테스트 순서

1차 · 구성

가격 고정, 구성만 비교. 어떤 묶음이 더 팔리는지 확인합니다.

2차 · 가격

1차 승자 구성으로 가격대 2~3종 비교. 순 ARPU가 최대인 지점을 찾습니다.

3차 · 노출 시점

같은 상품을 언제 띄울지 비교. 광고 피로가 쌓인 직후가 전환율이 높은지 확인합니다.

분석의 한계

9. 이 분석이 다루지 못한 범위

데이터의 성격

  • • 장르별 수익 구성 차트는 비교 항목의 서술을 도식화한 값이며 정산 데이터가 아닙니다. 본문에 이미 명시된 대로 추세 비교용입니다.
  • • 인용한 잔존율 수치는 작성 시점의 공개 자료와 직접 플레이를 근거로 정리했습니다. 시장 지표는 시기에 따라 변동됩니다.
  • • 장르 구조 분석은 직접 플레이한 소수 타이틀을 기준으로 했습니다. 장르 전체를 대표하는 표본은 아닙니다.

계산하지 않은 것

  • • 6번의 판정식은 구조만 제시했습니다. eCPM, 결제 전환율, 잔존 곡선 같은 실제 값은 소프트런칭 데이터가 있어야 채울 수 있습니다.
  • • 광고 제거 상품의 손익분기 가격은 계산 방법만 적었고 금액은 산출하지 않았습니다.
  • • 지역별 CPI 차이가 판정선을 어떻게 바꾸는지는 방향만 언급했습니다. 국가별 단가 데이터는 다루지 않았습니다.
  • • 개인정보 처리 방침과 광고 식별자 정책 변화가 타겟팅 효율에 미치는 영향은 검토 범위에 넣지 않았습니다.

정리

지표를 보고 가설을 고쳐 나가는 과정이 남습니다

하이브리드 캐주얼에서 처음부터 밸런스가 맞는 게임을 내놓기는 어렵습니다. 소프트런칭 지표를 냉정하게 읽고, 이탈 지점을 찾아 A/B 테스트로 고쳐 나가는 쪽이 현실적입니다. 이 문서는 그 과정을 장르 분석에서 운영안까지 한 흐름으로 정리한 기록입니다.

© 허재석

←문서 목록