📊 Kibana 대시보드 가이드

이터널 리턴 — 데이터 분석 & 모니터링

🟢 운영 중 · 마지막 업데이트: 2026-02-27

🔖 대시보드 바로가기

📋

신규 유저 온보딩 대시보드 — 최근 변경사항

▼

🔄 D1/D7 리텐션 수정 (2026-02-27)

  • D1 리텐션 분모 변경: '가입일 게임 플레이 유저' → '전체 가입자' (업계 표준, Krafton 기준 일치)
  • D7 리텐션 신규 추가: 가입 후 7일째 게임 플레이 기준
  • 국가별 D1/D7 리텐션 패널 추가: country-retention-metrics 인덱스 활용
  • 대시보드 차트 넘버링: ① ② ③ 형태로 패널 구분
  • 신규 가입자 추이: 1일 단위 고정
  • 첫 게임 진입률: 라인 그래프로 변경
  • 7일 이탈률: Y축 max 20 고정

✅ Krafton NRU 보고서 대비 검증 (2026-02-27)

Krafton S10 NRU Report 기준
• D+1: 28.72% · D+7: 12.53%
ES 직접 쿼리 결과
• D1 (게임 플레이 기준): 24.98%
• D1 (로그인 기준): 26.82%
차이 원인 분석: battle 로그는 게임 종료 시점만 기록하므로 중도이탈자(게임 시작 후 종료 전 이탈)가 누락됩니다. 로그인 기준 D1(26.82%)이 Krafton 기준(28.72%)에 더 가깝지만, 약 2%p 차이는 집계 기준 차이(UTC vs KST 등)로 추정됩니다.
↑ 목차로

💡 일일 인사이트 2026-03-24 기준

📈
DAU 59,184명(-13.0%), 게임 313,653판(-17.2%)

활성 유저 59,184명, 플레이어 54,745명(-7.8%). 유저 증가 대비 판수 증가폭 작음.

🆕
신규 유저 546명(-26.3%), KR 진입률 68.1%(260→177)

전일 741명 대비 감소. KR 68.1%.

💰
매출 $30,608(-17.2%), ARPPU $26.55

결제 유저 1,153명. KR $23,939, JP $2,975, US $1,362. 전일 대비 소폭 감소.

🎮
랭크 45.0% vs 일반 40.9%

랭크 141,019판, 일반 128,375판, 코발트 39,873판(12.7%), 커스텀 4,386판. Asia 서버 95.3% 점유.

🤖
봇 5.0%, AFK 0.2%, 이탈 0.4%

봇 포함 게임 15,682판, AFK 655건, 중도 이탈 1,404건. 안정적 수준.

매일 01:00 KST 자동 업데이트

📉 유저 이탈 추이 최근 30일 · 2026-03-24 기준

🔹 7일 단기 이탈 D+1~7일 내 미접속

최신 이탈자 수
6,490명
이탈률
8.8%
기준 DAU
73,468명
기준일
03-17
날짜 이탈자 수 이탈자 이탈률
02-18
8,598명 9.7%
02-19
10,864명 11.0%
02-20
12,973명 12.8%
02-21
13,082명 13.0%
02-22
12,338명 12.4%
02-23
9,300명 10.3%
02-24
8,766명 9.9%
02-25
8,532명 9.8%
02-26
8,426명 9.9%
02-27
9,022명 10.5%
02-28
10,485명 11.7%
03-01
10,820명 11.8%
03-02
9,541명 10.9%
03-03
8,917명 10.7%
03-04
8,198명 10.2%
03-05
8,403명 10.3%
03-06
9,440명 11.1%
03-07
11,205명 12.4%
03-08
10,740명 12.1%
03-09
6,977명 9.1%
03-10
7,062명 9.3%
03-11
6,891명 9.3%
03-12
6,584명 9.0%
03-13
7,330명 9.6%
03-14
10,315명 12.1%
03-15
9,804명 11.5%
03-16
6,146명 8.4%
03-17
6,490명 8.8%

🔸 28일 장기 이탈 D+1~28일 내 미접속

최신 이탈자 수
5,026명
이탈률
5.7%
기준 DAU
88,574명
기준일
02-24
날짜 이탈자 수 이탈자 이탈률
02-18
4,966명 5.6%
02-19
6,320명 6.4%
02-20
7,821명 7.7%
02-21
7,652명 7.6%
02-22
7,043명 7.1%
02-23
5,438명 6.0%
02-24
5,026명 5.7%

매일 01:00 KST 자동 업데이트

🖥️

서버 성능 대시보드 NEW

▼

게임 서버의 레이턴시, 네트워크 품질, 게임 성능을 13개 패널로 종합 모니터링합니다. 2개의 데이터소스를 활용하여 ISP 집계 레이턴시(battle_latency_release)와 유저별 게임 성능(battle-user-game-release-log)을 통합 분석합니다.

ℹ️ 2개 데이터소스 구조:
• battle_latency_release (dv: 9a413bc0) — ISP별 집계 레이턴시, 게임 수, 구간 분포
• battle-user-game-release-log (dv: 2f731990) — 유저별 레이턴시 퍼센타일, 고레이턴시 비율, 게임 품질

📊 레이턴시 기본 — battle_latency_release

ISP별 집계 데이터 기반. 전체 레이턴시 추이와 ISP별 비교에 사용됩니다.

1. 📈 일별 평균 레이턴시

Line battle_latency_release

X축: statDtm, Y축: 평균 latency. 전체 서버의 일별 평균 레이턴시 변화를 추적합니다.

2. 📈 ISP별 일별 평균 레이턴시 추이 (Top 5)

Line battle_latency_release

Top 5 ISP의 일별 평균 레이턴시를 Split으로 비교. ISP별 네트워크 품질 차이를 파악합니다.

11. 📈 ISP별 일별 게임 수 추이 (Top 5)

Line battle_latency_release

Top 5 ISP별 sum(battleGames) 일별 추이. ISP별 트래픽 규모 변화를 확인합니다.

12. 📊 레이턴시 구간별 분포

Stacked Bar battle_latency_release

레이턴시 구간별 히스토그램. 전체 유저의 레이턴시 분포를 한눈에 파악합니다.

📡 레이턴시 상세 — battle-user-game-release-log

유저별 게임 로그 기반. 퍼센타일 분포, 고레이턴시 비율, 스파이크 탐지에 사용됩니다.

3. 📈 일별 고레이턴시 유저 비율 (≥50ms/≥75ms/≥100ms)

Line battle-user-game-release-log

3개 라인: ≥50ms / ≥75ms / ≥100ms. 각 column에 KQL 필터를 적용하여 고레이턴시 유저 비율 변화를 추적합니다.

4. 📈 일별 레이턴시 분포 (평균/P50/P95/P99)

Line battle-user-game-release-log

일별 레이턴시 퍼센타일 분포. 평균, P50, P95, P99를 비교하여 전체 네트워크 품질을 파악합니다.

5. 📈 일별 고레이턴시 비율 (100ms+/200ms+)

Line battle-user-game-release-log

formula 기반. 100ms 이상 / 200ms 이상 유저 비율을 일별로 추적하여 서비스 품질 추이를 모니터링합니다.

13. 📈 일별 최대 레이턴시 스파이크 (P95/P99)

Line battle-user-game-release-log

일별 P95/P99 최대 레이턴시 스파이크를 추적하여 간헐적 네트워크 이슈를 감지합니다.

🌐 국가/ISP별 성능

9. 📊 국가별 레이턴시 & 게임 수

Horizontal Bar battle-user-game-release-log

이중 메트릭: 국가별 평균 레이턴시(+P95)와 게임 수를 한 차트에서 비교합니다.

10. 📊 ISP별 레이턴시 & 게임 수

Horizontal Bar battle-user-game-release-log

이중 메트릭: ISP별 평균 레이턴시(+P95)와 게임 수를 한 차트에서 비교합니다.

🎮 게임 품질

6. 📈 일별 게임 시간 분포 (평균/P50/P95)

Line battle-user-game-release-log

percentile 기반. 일별 게임 시간의 평균/P50/P95 분포를 추적하여 게임 밸런스를 모니터링합니다.

7. 📊 게임모드별 레이턴시 (평균/P95)

Horizontal Bar battle-user-game-release-log

게임모드별 평균 레이턴시와 P95를 비교하여 모드별 네트워크 부하를 파악합니다.

8. 📈 일별 총 게임 수 & 고유 유저 수

Line battle-user-game-release-log

일별 총 게임 수(count)와 고유 유저 수(unique_count)를 전체 폭으로 표시하여 전체 활성도를 모니터링합니다.

🗄️ 데이터 소스

인덱스Data View사용 패널주요 필드
battle_latency_release 9a413bc0 일별 평균 레이턴시, ISP별 레이턴시 추이, ISP별 게임 수 추이, 레이턴시 구간 분포 (패널 1, 2, 11, 12) statDtm, latency, battleGames, isp, percentile
battle-user-game-release-log 2f731990 고레이턴시 비율, 퍼센타일 분포, 국가/ISP별 성능, 게임 품질 (패널 3~10, 13) avgLatency, maxLatency, minLatency, country, countryCode, serverName, isp, playTime, matchingMode

⚙️ 패널별 상세 설정

고레이턴시 유저 비율 패널 (3번):
• 3개 Column, 각각 KQL filter 적용:
  - Column 1: avgLatency >= 50
  - Column 2: avgLatency >= 75
  - Column 3: avgLatency >= 100
• 시간에 따른 고레이턴시 유저 비율 변화를 추적합니다
고레이턴시 비율 패널 (5번):
• formula 기반: count(kql='avgLatency >= 100') / count()
• 100ms 이상, 200ms 이상 비율을 각각 계산하여 서비스 품질 트렌드를 모니터링합니다
국가별/ISP별 레이턴시 & 게임 수 패널 (9, 10번):
• 이중 메트릭: 평균 레이턴시 + P95 레이턴시를 동시 표시
• 게임 수(count)와 함께 표시하여 트래픽 규모 대비 레이턴시를 비교합니다
↑ 목차로
⚠️

이상 탐지 대시보드 NEW

▼

핵/치팅 탐지, 비정상 전투, AFK/이탈, 봇 현황을 11개 패널로 종합 모니터링하는 대시보드입니다. 단일 데이터소스(battle-user-game-release-log)로 구성됩니다.

✅ 구축 완료 (2026-02-08) · 11개 패널, 1개 데이터소스
대시보드 ID: 45673451-7a5c-433e-8155-a5dbf7010133

🔍 핵/치팅 탐지

📊 일별 핵 의심 이벤트 (유형별)

Stacked Bar battle-user-game-release-log

hackAttemptLog 3종 sum: RAPID_ITEM_PICKUP, TARGET_OUT_OF_SIGHT, PING_TARGET. 유형별 일별 추이를 확인합니다.

📈 일별 핵 의심 유저 수

Line battle-user-game-release-log

unique_count(userNum) with hack filter. 핵 의심 행위가 탐지된 고유 유저 수를 추적합니다.

👤 핵 의심 TOP 20 유저 (닉네임, 유형별)

Horizontal Stacked Bar battle-user-game-release-log

nickname별 3종 breakdown. 핵 의심 이벤트가 가장 많은 유저 20명을 유형별로 표시합니다.

⚔️ 비정상 전투

📈 일별 비정상 킬 (20+) 건수 & 유저 수

Line battle-user-game-release-log

20+킬 필터 적용. 비정상적으로 높은 킬 수를 기록한 건수와 유저 수를 일별로 추적합니다.

📈 일별 킬 수 분포 (평균/P95/P99)

Line battle-user-game-release-log

percentile 기반. 킬 수의 평균, P95, P99 분포를 일별로 비교하여 이상치를 감지합니다.

📈 일별 데미지 분포 (평균/P95/P99)

Line battle-user-game-release-log

percentile 기반. 데미지의 평균, P95, P99 분포를 일별로 추적하여 비정상 전투를 탐지합니다.

🚪 AFK & 이탈

📈 일별 AFK / 조기이탈 / creditRevival 전 이탈

Line battle-user-game-release-log

formula count(kql=...) 기반. AFK, 조기이탈, creditRevival 전 이탈 건수를 일별로 추적합니다.

📊 일별 escapeState 분포

Stacked Bar battle-user-game-release-log

escapeState 값별 일별 분포. 정상 종료, AFK, 이탈 등 게임 종료 상태를 비율로 확인합니다.

📊 게임모드별 AFK / 조기이탈 비율 (%)

Horizontal Bar battle-user-game-release-log

formula 비율 기반. 게임모드별 AFK 및 조기이탈 비율을 비교합니다.

📈 일별 AFK 비율 & 조기이탈 비율 (%)

Line battle-user-game-release-log

formula 비율 기반. 전체 게임 대비 AFK 비율과 조기이탈 비율의 일별 추이를 추적합니다.

🤖 봇 모니터링

📈 일별 봇 현황 (추가/잔존/ML봇 게임)

Line battle-user-game-release-log

봇 추가 수, 잔존 봇 수, ML봇이 포함된 게임 수를 일별로 모니터링합니다.

🗄️ 데이터 소스

인덱스사용 패널주요 필드
battle-user-game-release-log 전체 11개 패널 hackAttemptLog, userNum, nickname, playerKill, damageToPlayer, escapeState, botAdded, botRemainCount, mmBotCount, matchingMode
↑ 목차로
🗃️

데이터 인덱스 문서

▼

대시보드에서 사용하는 주요 Elasticsearch 인덱스와 필드 설명입니다.

📋 new-user-release-log

신규 가입 유저 로그. 가입 시점의 유저 정보를 기록합니다.

필드타입설명
userNumlong유저 고유 번호
authProviderkeyword인증 방식 (Steam, Kakao 등)
countrykeyword국가 코드
languagekeyword클라이언트 언어
pcCafebooleanPC방 유저 여부
@timestampdate가입 시점

📋 tutorial-release-log

튜토리얼 진행 로그. 각 단계별 완료/스킵을 기록합니다.

필드타입설명
userNumlong유저 고유 번호
codekeyword튜토리얼 단계 (10001~10006)
skipboolean스킵 여부
clearDtmdate완료 시각
rewardDtmdate보상 수령 시각

📋 battle_latency_release

ISP별/시간대별 레이턴시 집계 데이터. 서버 성능 대시보드의 주요 소스입니다.

필드타입설명
statDtmdate통계 시각
latencyfloat평균 레이턴시 (ms)
battleGameslong게임 수
ispkeywordISP 이름
percentilefloat레이턴시 퍼센타일

📋 battle-user-game-release-log

유저별 게임 결과 로그. 국가별/서버별 레이턴시 분석에 사용됩니다.

필드타입설명
avgLatencyfloat평균 레이턴시 (ms)
maxLatencyfloat최대 레이턴시 (ms)
minLatencyfloat최소 레이턴시 (ms)
countrykeyword국가명
countryCodekeyword국가 코드 (2자리)
serverNamekeyword게임 서버 이름
ispkeywordISP 이름
characterNumlong캐릭터 번호
gameRankinteger게임 순위

📋 battle-latency-province-release-log

도/시 단위 레이턴시 집계. 지역별 네트워크 품질 분석용입니다.

필드타입설명
statDtmdate통계 시각
latencyfloat평균 레이턴시 (ms)
battleGameslong게임 수
ispkeywordISP 이름
provinceNamekeyword도/시 이름
provinceCodekeyword도/시 코드
percentilefloat레이턴시 퍼센타일
⚠️ 참고: battle-latency-province-release-log는 현재 데이터가 0건입니다. 인덱스는 준비되어 있으나 아직 데이터가 적재되지 않았습니다.

📋 country-retention-metrics NEW

국가별 D1/D7 리텐션 일별 집계 데이터. 자동화 파이프라인에서 매일 생성됩니다.

필드타입설명
datedate기준일
countrykeyword국가 코드
d1_retention_ratefloatD1 리텐션율 (%)
d7_retention_ratefloatD7 리텐션율 (%)
total_signupslong해당 국가 가입자 수
d1_retainedlongD1 잔존 유저 수
d7_retainedlongD7 잔존 유저 수

📋 onboarding-metrics (필드 추가) UPDATED

기존 온보딩 메트릭 인덱스에 D1/D7 리텐션 필드가 추가되었습니다.

필드타입설명상태
d1_retention_ratefloatD1 리텐션율 (전체 가입자 기준)NEW
d7_retention_ratefloatD7 리텐션율 (전체 가입자 기준)NEW
↑ 목차로
🔄

ES Transform 현황

▼

Elasticsearch Transform으로 원본 로그를 집계하여 대시보드에 활용합니다.

Transform설명주기상태
battle-user-daily-stats 일별 게임 유저 통계 (DAU, 판수 등) 1시간 🟢 운영
battle-user-game-stats 유저별 게임 통계 집계 1시간 🟢 운영
new-user-list 신규 유저 목록 (userNum별 가입일) 1시간 🟢 운영
user-daily-activity 유저별 일별 활동 (로그인/게임) 1시간 🟢 운영
character-daily-stats 캐릭터별 일별 통계 (승률/픽률) 1시간 🟢 운영
✅ 5개 Transform 모두 정상 운영 중. 매 1시간마다 자동 실행됩니다.
↑ 목차로
⏰

자동화 (Cron Jobs)

▼

매일 자동으로 실행되는 크론잡 5개가 운영되고 있습니다.

📰 ER 커뮤니티 리포트

실행 시각: 매일 00:05 KST

DC갤러리, 인방갤, Arca에서 이터널 리턴 관련 글을 수집하고 핫토픽을 분석합니다. 결과를 Slack으로 알림합니다.

Python 웹 스크래핑 Slack API 🟢 운영

📊 온보딩 메트릭 일별 계산

실행 시각: 매일 00:20 KST

전일 신규 유저의 첫 게임 진입률, D1 리텐션, 국가별 진입률, 첫 승리까지 게임 수를 계산합니다.

daily_onboarding_metrics.py Elasticsearch 🟢 운영

📈 D1/D7 리텐션 + 국가별

실행 시각: 매일 00:20 KST

D1/D7 리텐션을 전체 가입자 기준으로 계산하고, 국가별 리텐션을 country-retention-metrics 인덱스에 적재합니다.

calculate_advanced_metrics.py Elasticsearch 🟢 운영

📉 이탈률 계산

실행 시각: 매일 00:20 KST

7일/28일 단기·장기 이탈률을 계산하여 이탈 추이 차트에 반영합니다.

calculate_churn.py Elasticsearch 🟢 운영

💡 Kibana 인사이트 업데이트

실행 시각: 매일 01:00 KST

Gemini를 활용하여 전일 데이터 기반 일일 인사이트를 생성하고 가이드 페이지에 자동 반영합니다.

update-insights.py Gemini API 🟢 운영
↑ 목차로
🔍

KQL 예시 & 메트릭 방법론

▼

📝 유용한 KQL 쿼리

// 특정 국가의 신규 유저
country: "KR"

// PC방 유저만
pcCafe: true

// 튜토리얼 스킵한 유저
skip: true

// 튜토리얼 3단계(제작)
code: "10003"

// 레이턴시 50ms 이상 유저
avgLatency >= 50

// 레이턴시 100ms 이상 유저
avgLatency >= 100

// 특정 ISP
isp: "SK Broadband"

// 레이턴시 데이터 존재 확인
latency: exists

// 특정 국가 + 고레이턴시
country: "KR" and avgLatency >= 75

// Steam 유저 + 한국
authProvider: "Steam" and country: "KR"

📐 메트릭 계산 방법론

첫 게임 진입률
= (첫 게임 플레이한 신규 유저 수) / (전체 신규 가입 유저 수) × 100
• 소스: new-user-first-game-stats Transform
• 가입 당일 기준으로 계산
D1 리텐션
= (가입 다음 날 게임을 플레이한 유저 수) / (가입일 유저 수) × 100
• 소스: new-user-list + battle-user-daily-stats
• 가입 D+1일에 1회 이상 게임 기록이 있으면 리텐션
D7 리텐션
= (가입 7일 후 게임을 플레이한 유저 수) / (가입일 유저 수) × 100
• D1과 동일 로직, 기간만 D+7
튜토리얼 스킵률
= (skip=true인 유저 수) / (튜토리얼 시작 유저 수) × 100
• 소스: tutorial-release-log (code=10001 기준)
↑ 목차로
🎮

게임 플레이 현황 대시보드 NEW

▼

DAU, 게임 판수, 게임모드별/서버별 현황, 인당 평균 판수, 국가별 DAU를 21개 패널로 종합 분석하는 대시보드입니다. 2개 데이터소스(battle-user-game-release-log, login-release-log)를 사용하며, 전체 패널에 ML봇 제외 필터가 적용됩니다.

✅ 구축 완료 (2026-02-08) · 21개 패널, 2개 데이터소스
대시보드 ID: aac4c678-e463-4712-a8ac-7b8d5811f8b5
🎨 주요 특징
• 게임모드 컬러 통일: NORMAL=초록, RANKING=빨강, COBALT=코발트블루, CUSTOM=노랑
• ML봇 제외 필터 전체 적용 (isMLBot=false)
• 서버별 상세 분석 — 5개 서버(Asia2/Asia3/NA/EU/SA) × 2패널

📊 전체 현황

📈 일별 DAU

Line login-release-log

unique_count(userNum), todayFirstLogin=true 필터. 일별 순 접속자 수 추이를 확인합니다.

📈 일별 게임 판수 & 플레이어 수

Line battle-user-game-release-log

일별 총 게임 판수(count)와 고유 플레이어 수(unique_count(userNum))를 비교합니다.

📈 일별 인당 평균 판수

Line battle-user-game-release-log

formula count / unique_count(userNum). 유저 1인당 하루 평균 게임 횟수를 추적합니다.

🎯 게임모드별 분석

📊 게임모드별 일별 판수 추이

Area battle-user-game-release-log

gameMode 기준 split. NORMAL/RANKING/COBALT/CUSTOM별 일별 게임 판수를 영역 차트로 비교합니다.

📊 게임모드별 일별 플레이어 수

Area battle-user-game-release-log

gameMode 기준 split. 각 게임모드별 일별 고유 플레이어 수를 영역 차트로 비교합니다.

📊 게임모드별 판수 & 유저 수

Horizontal Bar battle-user-game-release-log

게임모드별 총 판수와 총 유저 수를 한눈에 비교하는 수평 바 차트입니다.

🌐 서버별 분석

📊 서버별 일별 판수 추이

Area battle-user-game-release-log

serverName 기준 split. 서버별 일별 게임 판수를 영역 차트로 비교합니다.

📊 서버별 일별 플레이어 수

Area battle-user-game-release-log

serverName 기준 split. 서버별 일별 고유 플레이어 수를 영역 차트로 비교합니다.

📊 서버별 판수 & 유저 수

Horizontal Bar battle-user-game-release-log

서버별 총 판수와 총 유저 수를 한눈에 비교하는 수평 바 차트입니다.

🌍 국가별 분석

📊 국가별 DAU

Horizontal Bar login-release-log

국가별 DAU를 수평 바 차트로 비교합니다. todayFirstLogin=true 필터 적용.

📈 국가별 DAU 추이 Top 6

Line login-release-log

상위 6개 국가의 DAU 추이를 라인 차트로 비교합니다.

🏠 서버별 상세 분석 (5개 서버 × 2패널)

각 서버별 게임모드 판수 추이와 랭크 대전 판수 추이를 개별적으로 확인할 수 있습니다.

🌏 [Asia2] 모드별 판수 추이

Area battle-user-game-release-log

Asia2 서버의 게임모드별 일별 판수를 영역 차트로 확인합니다.

🌏 [Asia2] 랭크 대전 판수 추이

Line battle-user-game-release-log

Asia2 서버의 랭크 대전(RANKING) 일별 판수 추이를 확인합니다.

🌏 [Asia3] 모드별 판수 추이

Area battle-user-game-release-log

Asia3 서버의 게임모드별 일별 판수를 영역 차트로 확인합니다.

🌏 [Asia3] 랭크 대전 판수 추이

Line battle-user-game-release-log

Asia3 서버의 랭크 대전(RANKING) 일별 판수 추이를 확인합니다.

🌎 [NorthAmerica] 모드별 판수 추이

Area battle-user-game-release-log

NorthAmerica 서버의 게임모드별 일별 판수를 영역 차트로 확인합니다.

🌎 [NorthAmerica] 랭크 대전 판수 추이

Line battle-user-game-release-log

NorthAmerica 서버의 랭크 대전(RANKING) 일별 판수 추이를 확인합니다.

🌍 [Europe] 모드별 판수 추이

Area battle-user-game-release-log

Europe 서버의 게임모드별 일별 판수를 영역 차트로 확인합니다.

🌍 [Europe] 랭크 대전 판수 추이

Line battle-user-game-release-log

Europe 서버의 랭크 대전(RANKING) 일별 판수 추이를 확인합니다.

🌎 [SouthAmerica] 모드별 판수 추이

Area battle-user-game-release-log

SouthAmerica 서버의 게임모드별 일별 판수를 영역 차트로 확인합니다.

🌎 [SouthAmerica] 랭크 대전 판수 추이

Line battle-user-game-release-log

SouthAmerica 서버의 랭크 대전(RANKING) 일별 판수 추이를 확인합니다.

🗄️ 데이터 소스

인덱스사용 패널주요 필드필터
battle-user-game-release-log 19개 패널 userNum, gameMode, serverName, countryCode isMLBot: false
login-release-log 2개 패널 (DAU) userNum, countryCode todayFirstLogin: true
↑ 목차로

🗺️ 구축 예정 대시보드

▼

아래 대시보드들은 데이터 인프라 및 인덱스 확인 후 순차적으로 구축 예정입니다.

🔥

캐릭터 밸런스

예정

캐릭터별 승률, 픽률, 밴률을 분석하고 티어별 비교. 패치 전후 밸런스 변화 추적.

승률/픽률/밴률 티어별 비교 패치 영향 분석
📦 예상 인덱스: battle-user-game-release-log (characterNum, gameRank, victory)
🎮

매치 품질

예정

매칭 대기 시간, 게임 평균 시간, MMR 편차, 조기 이탈률, 봇 비율 모니터링.

매칭 시간 MMR 편차 조기 이탈 봇 비율
📦 예상 인덱스: matching-log-release, battle-user-game-release-log (duration, botAdded, giveUp)
↑ 목차로
📝

변경 이력

▼
날짜변경 내용
2026-02-27 D1/D7 리텐션 분모 수정 (전체 가입자 기준), 국가별 리텐션 추가 (country-retention-metrics 인덱스), Krafton NRU 보고서 대비 검증, 크론잡 5개로 확장
2026-02-26 Gemini 인사이트 자동 업데이트 안정화
2026-02-24 ES 인덱스 리네이밍 (new_user_log_release → new-user-release-log 등 kebab-case 통일)
2026-02-08 이상 탐지 대시보드 구축, 게임 플레이 현황 대시보드 구축, 서버 성능 대시보드 구축

📊 이터널 리턴 데이터팀 · 마지막 업데이트: 2026-02-27 · 문의: 데이터분석팀