1. 소개
   • 개발 배경
   • 사용한 기술
   • Maple_web 이란?
2. 개발
   • Maple Rank Page (크롤링을 이용하여 캐릭터의 인기도를 분석 및 제공)
   • Maple MBTI Page (성향 분석으로 사용자 취향에 맞는 직업 추천)
3. 사용자 반응 및 통계
   • 통계
   • 사용자 반응과 그에 대한 피드백
4. 마무리

Maple_web은 온라인 게임 '메이플스토리' 에 대한 데이터를 기반으로,
크게 게임에 존재하는 직업에 대한 인기도를 측정하여 제공하는 서비스와
유저 성향 분석으로 직업을 추천해주는 서비스로 나눌 수 있습니다.

메이플스토리 유튜버의 관련한 영상들을 보던 중, '직업 추천'에 관련한 영상의 조회수가 타 영상의 조회수보다 높다는 것을 알 수 있었습니다.
해당 게임은 MMORPG 장르로서, 한번 직업을 정하면 타 직업으로 이동하기가 매우 제한적이며, 소모되는 시간과 재화가 많은 유저들에게 부담스럽게 작용 있습니다. 때문에 해당 서비스에 대한 필요성을 느꼈고, 게임을 시작하는 단계에 유저들이 자신의 취향에 맞는 직업을 보다 쉽게 찾고, 즐겁게 게임에 정착 할 수 있었으면 좋겠다는 생각에서 해당 서비스 개발을 시작하게 되었습니다.

flask, python, html, css, js, mysql

해당 서비스는 크게 2가지로 나눌 수 있습니다.

1. Maple Rank Page

메이플스토리 공식 랭킹 페이지를 크롤링하여, 260 캐릭터 이상의 캐릭터 수를 집계하여 제공합니다.

상대적으로 성능이 좋은 직업 일수록 소위 '고레벨'에 많이 분포되어 있을 것이라는 아이디어를 바탕으로 시작하였습니다.
또한 해당 게임은 인기가 있고, 유저들의 커뮤니티 입김이 강한 직업군이 받는 혜택이 많은 편이라고 생각되기 때문에 도움이 되는 정보라고 생각되었습니다.

2. Maple MBTI Page

유행했던 MBTI 테스트에서 얻은 아이디어를 바탕으로, 게임에 대한 지식이 전혀 없는 사용자도 자신에 취향에 맞는 직업을 찾을 수 있게 하고 싶었습니다.
서비스 타겟이 '메이플스토리에 대한 지식이 없는 유저' 라는 점을 명확히 하고 싶습니다.

1. 크롤링

크롤링은 메이플스토리 랭크 페이지(https://maplestory.nexon.com/Ranking/World/Total)에서 진행되었습니다. 크롤링 라이브러리는 BeautifulSoup를 사용했고, Bypass 를 위해 Request에 User-Agent 추가 및 크롤링 시 랜덤 딜레이를 이용하였습니다.

headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'}

time.sleep(random.uniform(1, 2))

기준 레벨이 되는 'FIND_LEVEL-1' 인 레벨을 찾을 때 까지 PAGE_NUM_PLUS 만큼 페이지를 넘겨가며 서치하고,
해당 인덱스 + 1 을 FIND_LEVEL의 유저 수로 정의합니다.

2. 페이지 구성

크롤링으로 얻은 데이터를 mysql에 저장하고, 이를 Read 하여 페이지에 보여줍니다.
초기에는 캐릭터 변동, 순위 변동 란이 없었지만, 사용자들의 피드백으로 추가하게 되었습니다.

참고 라이브러리 : Google Chart API, http://jchamill.github.io/jquery-quiz/ 각 질문의 답변에 대해 직업 별로 점수를 차등하여 지급하고, 모든 질문이 끝난 후 각 직업에 대한 점수를 순위대로 출력합니다.
해당 순위를 가독성 높게 제공하기 위해 Google Chart API를 사용하였습니다.

사용자에 대한 통계와 정보를 수집하기 위해서 Google Analytics을 사용하였습니다.

서비스 시작일 21.01.24 ~ 21.07.08 기간 동안 유입된 사용자 유저의 통계입니다.

사용자의 유입이 매우 일정하지 않음을 볼 수 있습니다.
이는 서비스 초기에 유튜브와 커뮤니티로 인해 사용자 유입이 많았으며, 서비스 특성 상 재방문에 대한 수요가 낮기 때문으로 보여집니다.
또한 서비스를 지속적으로 마케팅 하지 않았기 때문에, 특정 이벤트가 없는 시기에는 100~800 명 사이의 유저들이 유입되었습니다.