게임 마케터는 AI로 어떻게 데이터 분석을 할까?

지금까지 퍼포먼스 마케터가 캠페인 성과를 분석하려면 에어브릿지와 같은 MMP 솔루션의 어트리뷰션 로직과, 대시보드 사용법을 익혀야 했어요. 그러다 보니 도구를 배우는 시간이 실제로 분석하는 시간보다 길어지곤 했죠.

Airbridge Pilot과 MCP는 그 간극을 줄이기 위해 만들어진 Airbridge AI 솔루션이에요. Airbridge Pilot과 MCP가 출시된 지 이제 딱 한 달이 됐어요. 지금까지 Pilot을 사용해본 고객사와 미팅을 통해 몇 가지 흥미로운 패턴을 발견할 수 있었는데요.

같은 기능을 쓰고 있는데도 어떤 유저는 캠페인 예산 재분배까지 이어지는 분석을 한 번의 대화로 뽑아내고, 어떤 유저들은 Pilot을 사용하며 원하는 답변을 얻기까지 평균 약 3번의 질문을 주고 받았어요. 원하는 답을 얻기까지 매번 조건을 보완하고 다시 묻고 서너 번 핑퐁을 주고 받는 과정이 반복된 것이죠.

반대로 같은 기능을 쓰고 있는데도 어떤 유저는 캠페인 예산 재분배까지 이어지는 분석을 한 번의 대화로 뽑아내기도 했어요. 이렇게 한두 번 만에 깔끔하게 결과물을 얻은 유저들의 질문들에는 공통된 요소를 발견할 수 있었어요.

이 글은 그 관찰에서 출발해, Airbridge Pilot을 쓸 때 더 좋은 결과를 얻기 위한 팁과 질문 템플릿을 을 정리해 보았어요. 단순히 Pilot을 활용한 지표 조회 방법이 아니라, 게임 마케터가 AI를 데이터 분석 동반자로 활용할 수 있는 팁을 알려드리니 참고해 주세요.

핵심 포인트

• AI에게 질문할 때 분석 기간, 이벤트명, 분석 의도, 결과물 포맷 4가지 조건을 포함하면 되묻기 없이 원하는 답을 얻을 수 있어요.

• 대화 시작 시 사전 맥락(Context) 블록을 한 번 전달하면, 이후 짧은 질문으로도 우리 팀 기준에 맞는 분석을 받을 수 있어요.

• 데일리 점검, ROAS 딥다이브, 시장 비교, 코호트 LTV, 어트리뷰션 퍼널 진단까지 5가지 실무 시나리오 템플릿을 바로 활용할 수 있어요.

• 같은 AI 모델이라도 질문의 구체성과 맥락 제공 여부에 따라 결과 퀄리티가 크게 달라져요.

AI에게 질문할 때 반드시 들어가야 할 4가지 조건

혹시 AI에게 데이터 분석을 맡길 때 “데이터 분석 해줘”라고 지시하기만 하시나요? 만약 그랬다면, 분명 AI가 질문의 의도를 파악하기 위해 여러분에게 되묻곤 했을 거예요. 그 과정에서 대화가 꼬이는 경우도 있었을 것이고요.

내가 던진 질문에 Pilot이 되묻지 않고 바로 내 의도대로 분석 > 해석 > 액션까지 이어지려면, 질문에 아래 4가지 조건이 포함되어야 합니다.

1. 분석 기간을 언급해 주세요

기간을 명시하지 않고 "구글의 ROAS 보여줘"라고 물으면 Pilot 입장에서는 유저가 원하는 기간이 어제인지, 지난주인지, 이번 달인지 알 수가 없어요. '2026년 3월 1일~31일'처럼 날짜를 지정하거나, '최근 2주'처럼 구체적인 버킷을 정해주세요.

2. 활용하는 이벤트명이 무엇인지 설명해 주세요

설치는 Install, 구매는 Order Complete와 같은 스탠다드 이벤트가 보편적으로 활용되지만, 게임 앱은 stage_complete_1, join_channel처럼 스탠다드 이벤트로 정의되지 않은 커스텀 이벤트를 쓰는 경우도 많아요. '튜토리얼 완료한 유저 몇 명이야?'보다 'Complete Tutorial 유저 수'라고 써주면 Pilot이 메트릭이 없다고 하거나 잘못된 이벤트명을 선택할 리스크를 줄여줘요..

3. 분석 의도를 알려주세요

'ROAS 보여줘'와 'ROAS가 떨어진 원인 분석해줘'는 성격이 전혀 다른 질문이에요. Pilot은 두 요청 모두에 답변할 수 있지만, 어느 쪽인지 모르면 보수적으로 숫자만 보여주는 쪽을 택하거나 불필요하게 많은 정보를 나열할 수 있어요. 보고 싶은 지표를 특정하고, 그 지표를 가지고 무엇을 하고 싶은지까지 같이 적어주시면 더 좋아요.

4. 원하는 결과물의 포맷을 알려주세요

같은 데이터라도 일별 트렌드인지, 증감율 테이블인지, 코호트 분석인지에 따라 인사이트가 달라져요. '월별 코호트 테이블로 정리해줘', '상위 5개만 추려줘' 같은 형태 조건을 붙이면 후속 정리 작업도 크게 줄어들어요.

모호하게 질문했을 때:

• 기간을 명시하지 않아 Pilot이 대시보드 생성 이래로 지금까지의 데이터를 전부 가져와요.

• 질문 의도가 없으니 채널별로 그룹바이하는 등의 상세 분석도 해주지 않아요.

• 답변을 생성하기까지 파일럿이 계속 업데이트를 해요. (기간을 불러옵니다, 범위를 넓혀봅니다, 더 넓혀봅니다, ...)

조건을 정확히 입력했을 때

• 기간, 이벤트, 활용할 그룹바이를 바로 찾아 원하는대로 정렬해줬어요.

• 모수가 적어 해석에 유의해야 할 값들은 이모지로 표시해줬어요.

• 추론 능력을 통해 예산을 증액/유지/감액할 채널을 찾아줬어요.

사전 맥락(Context) 하나로 답변 퀄리티 높이기

위 4가지 조건을 잘 넣는 것만으로도 더 뾰족한 결과를 얻을 수 있지만, 단순히 답을 받는 수준을 넘어서 의사결정까지 이어지게 만드는 방법이 하나 더 있어요.

바로 사전 맥락(Context)를 AI에게 학습시키는 거예요. 다른 말로 컨텍스트 엔지니어링(Context Engineering) 이라고도 하죠. 대화를 시작할 때 우리 팀의 상황과 기준을 사전에 고정값처럼 주입하는 방법이에요. 마치 새로운 팀원에게 “우리는 이런 KPI를 보고, 이런 전환을 활용하고, 지금 이런 이슈가 있어”라고 배경을 공유하는 것과 비슷해요.. 같은 모델을 써도 결과가 달라지는 이유는 대부분 여기서 나와요.

Pilot도 마찬가지예요. 아래처럼 대화 시작 시 컨텍스트 블록을 한 번 전달해 두면, 같은 세션 안에서는 이후에는 짧게 질문해도 Pilot이 우리 팀의 기준을 반영한 후 데이터를 분석할 수 있어요.

사전 컨텍스트 블록 예시

[우리 게임의 배경]
- 장르: 수집형 RPG
- 핵심 KPI: D7 리텐션 ≥ 30%, tROAS 30일 기준 ≥ 120%
- 타겟 국가: 한국 > 일본 > 글로벌
- 주요 전환 이벤트명: Install, Sign-up, join_channel, Order Complete, level_10/20/30
- BM: IAP 100% (Order Completed로 측정함)
- 현재 상황: 일본 시장 소프트 론칭 2주차, 글로벌 대비 CPI가 1.5배 높아 효율 모니터링 중
- 분석 기본 기간: 보통 최근 7일 일별, 월간 트렌드는 30일
- 자주 쓰는 그룹핑: Channel > Campaign > Ad Group > Creative 혹은 Client IP Country
- 주요 코호트 기준: 설치 후 D0, D7, D14, D30, D60, D120, D180

이런 블록을 전달해 두면, '어제 성과 어때?'라고만 물어봐도 주요 매체의 핵심 KPI 기준으로 분석해 줄 수 있어요. 'ROAS는 어때?'라고 물었을 때도 단순히 수치를 나열하는 것이 아니라 KPI 대비 상태를 판단하고 원인, 액션까지 한 번에 분석한 결과를 제안받을 수 있죠.

데이터 분석 시나리오별 질문 템플릿

지금까지 AI 질문에 포함하면 좋을 4가지 조건과 사전 맥락 제공 팁에 관해 알아봤는데요.이 두 가지를 결합해서, 게임 마케터가 실무에서 자주 마주하는 상황에 따라 어떻게 AI나 Pilot에게 질문하면 좋은지 템플릿을 정리해봤어요.

만약 지금 바로 AI를 데이터 분석에 활용하고 싶은데 어떤 질문을 해야할 지 모르겠다면 한번 참고해 보세요.

시나리오 1: 데일리 캠페인 점검

매일 오전 전일 대비 이상 징후를 확인하는 루틴용 질문이에요.

어제 vs 2일 전 기준으로 전체 매체의 Install 수, CPI, 구매 전환율, ROAS를 비교 정리해줘. 전일 대비 변동폭이 가장 큰 캠페인 Top 3를 뽑고, 각각에 대해 변동 원인 가설과 추천 액션을 함께 제안해줘.

비교 기준, 지표, 결과물 형태(Top 3, 가설과 액션)를 한 번에 전달하고 있기 때문에 Pilot이 역질문 없이 오버뷰부터 액션아이템까지 한 번에 답할 수 있어요.

시나리오 2: ROAS 딥다이브

특정 매체의 ROAS가 떨어졌거나, 예상 외로 높아졌을 때 원인을 파고드는 질문이에요.

지난 30일 간 google.adwords의 캠페인별 ROAS(14일 기준)를 보여줘. 우리 KPI에 미달인 캠페인을 리스트업하고, 해당 캠페인들의 D7 ARPU, 구매 전환율, D7 리텐션을 같이 보여줘. 어떤 지표에서 효율이 빠지고 있는지 진단해 주면 좋겠어.

ROAS만 단순히 확인하는 것이 아니라 떨어진 캠페인의 보조 지표를 함께 요청해서, Pilot이 효율이 어디서 새고 있는지를 짚어낼 수 있어요.

시나리오 3: 신규 시장 론칭 성과 비교

새로운 국가에 진입했을 때, 론칭 전후 성과를 기존 시장과 비교하는 질문이에요.

일본 소프트론칭 이후 2주(4/14/15)와 직전 2주(3/173/31)를 비교해서, 일본의 Install 수, CPI, D1/D7 리텐션, 누적 매출 추이를 정리해줘. 같은 기간 한국, 동남아의 동일 지표도 같이 보여줘서 시장 간 효율을 비교할 수 있게 해줘.

소프트론칭 전후라는 기간과 비교하고자 하는 국가 기준에 대해 알려줌으로써 Pilot이 단순히 수치만 나열하는 것이 아니라 시장 간의 상대적인 효율까지 코멘트해줄 수 있어요.

시나리오 4: 코호트 기반 LTV 분석

단순히 기간 내 ROAS를 보는 것을 넘어, 특정 설치 코호트가 시간이 지날수록 얼마나 높은 LTV를 만들어내는지 트래킹할 때 활용하는 템플릿이에요. 채널별로 D7, D30, D60 ROAS를 나란히 놓으면 단기 효율이 좋아 보이는 채널과 장기 LTV가 높은 채널을 구분할 수 있어요.

2026년 1월 1일~3월 31일 사이에 설치한 유저의 구매이벤트 기준으로, D7 / D14 / D30 / D60 / D90 ROAS를 채널별로 정리해줘. 유료 채널(channel type = integrated)만 포함하고, 코호트 테이블 형태로 보여줘.

설치 코호트 기간을 고정하고 여러 ROAS 윈도우를 한 번에 요청하는 질문이기 때문에 단기와 장기 성과를 나란히 두고 비교할 수 있어 성과를 한 눈에 확인할 수 있어요.

시나리오 5: 어트리뷰션 퍼널 진단

Install은 잡히는데 특정 캠페인이 기여를 받지 못하거나, 매체 리포트와 에어브릿지 수치가 맞지 않을 때와 같은 문제 상황에 Pilot을 활용할 수도 있어요.

google.adwords 채널의 A_캠페인명과 B_캠페인명 두 캠페인의 기여 설치 이후의 전환에 대한 문제 상황을 분석해줘. 지금 Install은 기여가 잡히는데 구매 완료에 대한 기여가 안 잡혀. 기여가 어디서 끊기는지 확인하고, 트래킹 설정이나 어트리뷰션 윈도우 관점에서 원인 가설을 제시해줘.

나타난 데이터가 예상한 것과 다르다면 Pilot과 함께 가능한 원인을 파악하고, 해결방안을 찾는 등 트러블슈팅을 시도할 수 있어요.

마무리하며

출시 초기에는 짧고 모호한 질문이 많았지만, 한 달 정도가 흐른 지금은 분석 의도나 조건을 포함한 질문이 눈에 띄게 늘었어요. 질문에 남겨진 여지만큼 모호함도 커지고, 질문자의 의도가 많이 담길수록 Pilot과의 대화 효율이 좋아진다는 것을 확인할 수 있었어요.

Pilot이 활용할 수 있는 데이터와 우리 팀의 맥락 사이에는 공백이 있어요. 그 공백을 채우는 것은 결국 질문하는 사람의 몫이에요. 이 가이드의 템플릿이 그 출발점이 되기를 바랄게요.

혹시 Airbridge Pilot과 MCP에 관해 더 궁금한 점이 있다면 언제든지 문의해 주세요.