모바일 어플리케이션 시장은 지난 수년간 급속하게 확장되어 왔다. 이 논문에서는 모바일 디바이스의 이벤트 로그를 추적하여 스마트폰 어플리케이션의 사용량을 조사하는 기법을 제안하고 구현하였다. 이 시스템은 클라이언트 시스템과 사용성 분석 서버 시스템을 통하여 스마트폰 사용량에 대한 분석을 시도하였다. 이를 위하여 본 연구에서는 안드로이드 운영체제가 탑재된 디바이스에서 사용성 분석 플랫폼을 구현하였다. 또한, 분석 서버 시스템을 이용하여 47,000여명의 사용자 정보와 사용자의 앱 사용 정보를 실시간으로 수집하였다. 본 논문에서 우리는 대규모의 사용자 정보를 기반으로 하여 스마트폰의 사용 패턴과 사용 정보를 연구하였으며, 사용자를 위한 편리한 사용패턴 가시화 기능을 구현하였다.
모바일 어플리케이션 시장은 지난 수년간 급속하게 확장되어 왔다. 이 논문에서는 모바일 디바이스의 이벤트 로그를 추적하여 스마트폰 어플리케이션의 사용량을 조사하는 기법을 제안하고 구현하였다. 이 시스템은 클라이언트 시스템과 사용성 분석 서버 시스템을 통하여 스마트폰 사용량에 대한 분석을 시도하였다. 이를 위하여 본 연구에서는 안드로이드 운영체제가 탑재된 디바이스에서 사용성 분석 플랫폼을 구현하였다. 또한, 분석 서버 시스템을 이용하여 47,000여명의 사용자 정보와 사용자의 앱 사용 정보를 실시간으로 수집하였다. 본 논문에서 우리는 대규모의 사용자 정보를 기반으로 하여 스마트폰의 사용 패턴과 사용 정보를 연구하였으며, 사용자를 위한 편리한 사용패턴 가시화 기능을 구현하였다.
Mobile applications are software systems running on handheld devices, such as smartphones, PDAs, tablets and so on. The market of mobile application has rapidly expanded in the past few years. In this paper, we present a novel approach to track smartphone application usage from a event logs on the m...
Mobile applications are software systems running on handheld devices, such as smartphones, PDAs, tablets and so on. The market of mobile application has rapidly expanded in the past few years. In this paper, we present a novel approach to track smartphone application usage from a event logs on the mobile device and analyzed both on client system and usage analysis server. We implemented our client system on Android device based usage analytics platform. Based on the analysis server system, we obtained over 47,000 user base, and we get the user's app usage informations on realtime. In this paper, we describe a large scale deployment-based research for a smartphone usage patterns and usage information visualization techniques.
Mobile applications are software systems running on handheld devices, such as smartphones, PDAs, tablets and so on. The market of mobile application has rapidly expanded in the past few years. In this paper, we present a novel approach to track smartphone application usage from a event logs on the mobile device and analyzed both on client system and usage analysis server. We implemented our client system on Android device based usage analytics platform. Based on the analysis server system, we obtained over 47,000 user base, and we get the user's app usage informations on realtime. In this paper, we describe a large scale deployment-based research for a smartphone usage patterns and usage information visualization techniques.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 스마트폰 사용자의 모바일 어플리케이션 사용패턴을 알기 위하여 모바일 어플리케이션 분석 클라이언트와 서버 시스템을 설계하고 구현하였다. 구현된 클라이언트 앱은 안드로이드 운영체제에서 앱의 설치와 실행, 사용, 닫기, 제거 이벤트를 감지하여 사용시간을 체크하는 방식을 사용하였다.
본 논문에서는 앱의 사용성 분석을 위한 모바일 앱 분석 시스템의 설계 및 구현결과와 함께 이 사용성 분석 시스템을 통하여 수집한 국내 스마트폰 이용자의 모바일앱 이용 패턴에 대한 분석결과를 함께 제시하고자 한다.
제안 방법
본 논문에서는 스마트폰 사용자의 모바일 어플리케이션 사용패턴을 알기 위하여 모바일 어플리케이션 분석 클라이언트와 서버 시스템을 설계하고 구현하였다. 구현된 클라이언트 앱은 안드로이드 운영체제에서 앱의 설치와 실행, 사용, 닫기, 제거 이벤트를 감지하여 사용시간을 체크하는 방식을 사용하였다. 2014년 4월 현재 클라이언트 앱은 47,000여개가 다운되었으며, 일일 평균 11,000여명 사용자 정보를 바탕으로 매 시간별 앱의 실행정보를 분석할 수 있다.
또한 국내 스마트폰 이용자의 사용량을 정확하게 얻기 위하여 2014년 2월 10일부터~3월 21일사이의 6주간 사용량을 조사하였다. 조사결과 해당기간동안 스마트폰의 일일 평균사용시간은 4시간 17분으로 나타났다.
2014년 4월 현재 클라이언트 앱은 47,000여개가 다운되었으며, 일일 평균 11,000여명 사용자 정보를 바탕으로 매 시간별 앱의 실행정보를 분석할 수 있다. 또한 본 논문에서 구현한 앱 사용성 분석 서버는 매시간 클라이언트 앱으로부터 전송되는 사용성 정보를 바탕으로 앱의 랭킹정보를 제공하며, 사용자들의 이용패턴 및 지속적인 사용자의 유입이 있는지를 조사하는 등의 다양한 분석 기능을 수행한다.
랭킹서버에서 참조한 앱의 사용 시간 총합인 Ii는 실시간으로 전송되는 n개의 클라이언트로부터 전달된 #값의 합을 취하여 구하였으며, 이 Ii 값을 토대로 실시간 앱 사용량 랭킹을 매겼다. 또한 사용시간의 총합 Ii값에 개별 사용횟수의 총합인 Ci을 나누어서 앱의 1회 평균사용시간 #을 측정하였다. #를 얻기 위한 자세한 수식은 아래와 같다.
또한 사용자들의 동의하에 이용자가 앱을 사용할 때 성별, 연령별, 직업별 정보를 선택적으로 입력하도록 하였으며 이를 통해 사용자의 정보(Up)를 획득하였다. 2014년 3월 1일 기준으로 9,056명의 사용자가 응답하였으며, 이를 토대로 분석한 결과 성별 구성은 남성 3,033명(34.
본 논문에서는 개별사용자의 모바일 어플리케이션 사용정보 뿐만 아니라 다수 이용자의 사용정보를 사용성 분석 서버를 통하여 수집하여 이를 가공하는 랭킹데이터베이스를 활용하여 매 시간단위로 어플리케이션 사용 랭킹을 제공하고 있다.
본 논문에서는 스마트폰 사용자의 사용 패턴을 분석하고 조사하는 방법으로 모바일 앱 사용성 분석 클라이언트 어플리케이션을 이용하였으며, 실 기기에서 사용되고 있는 총 사용시간과 사용 앱을 측정하는 방식으로 조사하였다. 사용성분석 클라이언트 앱은 안드로이드용 “넌얼마나쓰니-스마트폰 사용시간/패턴분석 중독방지기능” 앱을 이용하였다[10,11].
대상 데이터
)를 획득하였다. 2014년 3월 1일 기준으로 9,056명의 사용자가 응답하였으며, 이를 토대로 분석한 결과 성별 구성은 남성 3,033명(34.9%), 여성 6,023명(65.1%)으로 나타났다. 연령별로는 10대 6,445명(70.
본 논문에서 개발한 클라이언트 앱은 2014년 4월 15일 현재 약 47,450명의 실 사용자가 있으며, 일일 사용자수는 평균 16,000명 가량이다 [10,11]. 이 클라이언트 앱은 스마트폰 사용자의 이용 패턴을 매 시간단위로 분석하며, 사용자가 자신의 스마트 폰 이용정보를 효율적으로 알 수 있도록 시각적인 분석 기능도 함께 제공하고 있다.
앱 이용정보를 얻기 위하여 사용자로부터 앱의 사용시간과 앱의 목록 정보에 대한 스마트폰 사용정보에 관한 이용 동의를 얻었으며, 사용자의 성, 연령, 직업에 관한 정보는 선택적으로 동의를 얻었다. 스마트폰 앱의 이용횟수와 이용시간 정보는 안드로이드 디바이스의 화면상에 나타난 앱의 사용시간 분석을 통해 수집하였다.
성능/효과
“Facebook”의 사용시간은 41분 15초, 평균 실행횟수는 19회로 1회 평균 이용시간은 “네이버”와 거의 비슷하게 나타났으며, 동일한 카테고리의 관계형 네트워크 서비스(SNS)인 “카카오 스토리”는 29분 18초의 평균 이용시간을 보였다.
패턴 통계는 시간별 통계, 주간별 통계, 월별 통계, 요일별 통계, 카테고리별 통계, 앱 사용통계로 구성되어 있다. 그림 3의 (a) 화면을 통하여 사용자는 자신의 일일 스마트폰 사용시간과 개별 스마트폰 앱의 사용시간을 확인할 수 있으며, 그림 3의 (b) 화면을 통하여 최근 일주일간의 하루 평균사용시간, 사용한 앱의 수, 하루 평균 앱 실행 횟수와 자주 사용하는 앱, 자주 사용하는 앱의 카테고리와 같은 정보를 손쉽게 얻을 수 있다.
기존의 설문에 의한 앱 사용 패턴에 대한 조사방식은 사용자의 기억에 의존하는 방식으로 정확도가 떨어지며, 내장 SDK 방식의 앱 사용패턴의 경우 특정 SDK를 내장한 앱에 한하여 제한적으로 앱의 사용패턴을 분석할 수 있다는 한계가 있으나, 본 논문의 연구 방식은 클라이언트 앱을 다운하여 설치하는 것만으로 전체 스마트 폰의 사용패턴을 사용자가 손쉽게 확인 할 수 있다. 또한 클라이언트 앱 사용자를 위하여 전체 스마트폰 사용시간뿐 아니라, 일일, 월별, 요일별, 카테고리별로 앱의 사용 패턴을 쉽고 효과적으로 분석하는 가시화 기능도 구현하였다.
기존의 설문에 의한 앱 사용 패턴에 대한 조사방식은 사용자의 기억에 의존하는 방식으로 정확도가 떨어지며, 내장 SDK 방식의 앱 사용패턴의 경우 특정 SDK를 내장한 앱에 한하여 제한적으로 앱의 사용패턴을 분석할 수 있다는 한계가 있으나, 본 논문의 연구 방식은 클라이언트 앱을 다운하여 설치하는 것만으로 전체 스마트 폰의 사용패턴을 사용자가 손쉽게 확인 할 수 있다. 또한 클라이언트 앱 사용자를 위하여 전체 스마트폰 사용시간뿐 아니라, 일일, 월별, 요일별, 카테고리별로 앱의 사용 패턴을 쉽고 효과적으로 분석하는 가시화 기능도 구현하였다.
스마트폰의 카테고리별 사용시간 측정 결과 “카카오톡”, “라인”과 같은 커뮤니케이션 카테고리의 앱을 가장 오래(33분 47초) 사용하는 것으로 나타났으며, 다음으로 “네이버”, “다음”과 같은 포털 및 검색서비스를 오래 사용하는 것으로 나타났다(31분59초).
사용성분석 클라이언트 앱은 안드로이드용 “넌얼마나쓰니-스마트폰 사용시간/패턴분석 중독방지기능” 앱을 이용하였다[10,11]. 앱 이용정보를 얻기 위하여 사용자로부터 앱의 사용시간과 앱의 목록 정보에 대한 스마트폰 사용정보에 관한 이용 동의를 얻었으며, 사용자의 성, 연령, 직업에 관한 정보는 선택적으로 동의를 얻었다. 스마트폰 앱의 이용횟수와 이용시간 정보는 안드로이드 디바이스의 화면상에 나타난 앱의 사용시간 분석을 통해 수집하였다.
이들 앱 중 “카카오톡” 이용자의 하루 평균 사용시간은 46분 42초, 하루 평균 실행횟수는 50회, 1회 평균 이용시간 56초로 나타났으며 타 앱에 비교하여 하루평균 실행횟수가 월등하게 많고 평균 이용시간은 매우 짧은 것을 알 수 있다.
또한 국내 스마트폰 이용자의 사용량을 정확하게 얻기 위하여 2014년 2월 10일부터~3월 21일사이의 6주간 사용량을 조사하였다. 조사결과 해당기간동안 스마트폰의 일일 평균사용시간은 4시간 17분으로 나타났다. 이 앱은 화면상에 구동중인 앱을 기준으로 사용시간을 측정하므로 문자메시지나 노티피케이션이 나타나서 확인하기까지의 시간을 사용시간으로 측정한다.
포털 서비스 다음으로는 “카카오 스토리”와 “Facebook”, “다음카페”와 같은 SNS서비스를 많이 이용하는 것으로 나타났으며(27분 59초), 게임 카테고리 앱의 하루 평균 이용시간은 약 23분가량으로 나타났다.
후속연구
향후, 이러한 스마트폰 사용패턴에 대한 정보를 바탕으로 방대한 이용정보를 빠르게 분석할 수 있는 빅데이터 분석 시스템과 시각화시스템에 대한 연구가 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
설문조사 기법은 무엇인가?
연령별, 지역별로 일반적인 스마트폰의 사용패턴을 분석하기 위하여 현재 가장 널리 이용하는 방법은 설문조사 기법이다. 이 기법은 스마트폰 사용자를 폭넓게 샘플링 한 후 설문조사와 분석을 통하여 이용환경과 이용 행태를 파악하는 방법으로, 한국 인터넷 진흥원은 이러한 결과를 바탕으로 매년 ‘인터넷이용 실태조사’, ‘스마트폰 이용 실태조사’ 등의 보고서를 발간하고 있다[6-8].
설문에 의한 조사의 한계점은 무엇인가?
그러나 설문에 의한 조사의 경우 사용자의 기억에 의존하는 방식으로 개별적인 앱의 정확한 실 사용시간과 사용횟수 등의 정보를 얻을 수 없다는 한계가 있다.
AARRR은 어떤 지표로 구성되어있는가?
- 구매(Acquisitions): 앱을 설치한 신규 사용자 수에 해당하는 것으로, 앱 마케팅 관점에서는 어떠한 경로를 통해서 적은 비용으로도 고객 유입이 활발했는지를 측정하는 지표이다.
- 사용(Activation): 앱을 다운로드한 사용자가 처음으로 앱을 실행한 수를 측정하는 것으로, 서비스를 처음 접한 후 지속적인 고객이 될 수 있는지를 살펴보는 지표이다.
- 존속(Retention): 재사용 사용자 수를 측정하는 지표로, 특정기간동안 앱을 지속적으로 사용한 사용자 수를 측정하기도 한다.
- 소개(Referral): 앱을 사용한 사용자가 소개하여 새로운 사용자를 유입시키는 것을 말하는 것으로, 소셜 미디어 등의 추천 기능을 통하여 유입된 신규 사용자 수를 측정하는 지표이다.
- 수익(Revenue): 실제로 매출을 발생시키는 요소들을 분석하는 지표이다.
참고문헌 (13)
M. Bohmer, B. Hecht, J. Schoning, A, Krueger, G. Bauer, "Falling Asleep with Angry Birds, Facebook and Kindle - A Large Scale Study on Mobile Application Usage," Proceedings of the 13th International Conference on Human Computer Interaction with Mobile Devices and Services, pp. 47-56, 2011.
X. Zou, W. Zheng, S. Li, G. Pan, "Prophet: What App You Wish to Use Next," Proceedings of the 2013 ACM Conference on Pervasive and Ubiquitous Computing, pp 167-170, 2013.
A. Rahmati, Z. Lin, "Studying Smartphone Usage: Lessons from a Four-Month Field Study," IEEE Transactions on Mobile Computing, vol. 12, no. 7, pp. 1417-1427, 2013.
A. Karatzoglou, L. Baltrunas, K. Church, M. Bohmer, "Climbing the app wall: enabling mobile app discovery through context-aware recommendations," Proceedings of the 21st ACM International Conference on Information and Knowledge Management, pp. 2527-2530, 2012.
J. Ju, B. Jeong, S. Ryu, "An analytics for software platform competition and tts structural changes," Korea Information Society Development Institute, pp. 13-11, 2013. 12.
H. Cho, "A study on smartphone usage pattern by gender and age," Korean Internet & Security Agency, 2013.
"2012 Smartphone usage pattern analysis 2012," Korean Internet & Security Agency, 2013.
"2013 Year mobile internet usage report," Korean Internet & Security Agency, 2013.
H. Kim, J. Ryu, C. Park, A. Kim, J. Lee, "A trends on mobile app analysis platform," ETRI, 2014 Electronics and Telecommunications Trends, pp 50-60, 2014.
Rinasoft Inc. App Ranking Report Web Site(2014), http://how.appall.co.kr/.
How much do you use-smartphone usage time/pattern analysis, Google Play App(2014) https://play.google.com/store/apps/details?idkr.co.rinasoft.howuse.
Internet Statistics Information Search System(2014) [2014], http://isis.kisa.or.kr/.
AARRR mobile app marketing guide [2014], http://www.slideshare.net/Electrosky/aarrr-mobile-app-marketing-guide.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.