목차
1. 개요
2. GA4 활용 목적
3. 측정기준과 매개변수
4. 기여 분석 모델
5. 사용자 세그먼트
1. 개요
GA4는 워낙 많은 곳에서 사용되는 툴이다보니 강의도 많고 정보가 많이 공유되는 툴이다. 다만, 사용하다보면 막상 내가 궁금한 정보에 대한 내용은 없던 적이 많아 헤맸던 적이 많다. 그래서 어느정도 개념이 잡힌 후 깊이있는 내용으로 접근할 때 헷갈렸던 내용을 정리해보고자 한다.(정리하면서 보니 깊이있는 내용이라기보단,, 그냥 내가 몰랐던 것 같기도,,)
헷갈렸던 내용이 생각보다 많아,, 이 글에서는 GA4에 대해서 다루고 다음 글 2탄으로 빅쿼리, Google Tag Manager와 관련된 내용을 정리해보려 한다.
GPT를 비롯한 구글링과 개인적인 경험에서 나온 내용이라 오류가 있을 수 있습니다. 관련된 내용을 댓글로 알려주시면 적극적으로 반영하겠습니다 :)
2. GA4 활용 목적
데이터 분석을 하는 목적과 그 목적에 적합한 툴을 사용하는 것이 중요하다. 마케팅에서는 주로 분석과 MMP, 2가지로 나누어 툴을 사용한다. 각각에 대한 차이점과 정의는 아래와 같다.
- 분석 툴 : 사용자 행동, 제품 사용성, 리텐션 등을 포함한 전체적인 사용자 경험을 분석하며, 이벤트나 세션 단위로 퍼널과 전환 과정을 추적
- MMP : 광고 어트리뷰션을 통해 각 광고 채널이 설치 및 전환에 미친 기여도를 측정하고, 캠페인 성과를 분석하는데 주로 사용
| 분류 | 툴 | 활용 목적 | 사용 사례 |
| 분석 | GA4 | 이벤트 중심의 웹/앱 사용자 행동 및 전환 분석 | 웹사이트와 앱의 전체 퍼널 분석이 필요할 때 |
| 앰플리튜드 | 제품 사용성 및 사용자 행동 심층 분석 | 제품 내 특정 기능 분석 및 리텐션 추적 | |
| 디파이너리 | 사용자 리텐션 및 리액티베이션 전략 강화 | 리텐션 개선과 재참여 전략이 필요한 경우 | |
| MMP (Mobile Measurement Partner) |
앱스플라이어 (Appsflyer) |
모바일 앱 설치 및 인앱 활동 트래킹 | 앱 설치와 이후 행동 분석이 중요한 경우 |
| 에어브릿지 (Airbridge) |
모바일 앱 어트리뷰션 및 성과 측정 | 채널 기여도 파악 및 고급 어트리뷰션 분석 |
각 광고 채널, 캠페인의 성과와 전환 이벤트에 추적하는 것이 중요하다보니 브랜드마다 분석 툴을 사용하는 것은 기본이고 앱을 갖고 있는 브랜드라면 MMP툴까지 함께 활용하는 경우가 가장 일반적이다. GA4에서도 앱 분석이 가능하지만, 어트리뷰션과 인앱 활동 트래킹 제한으로 인해 웹에 대해서만 분석하는 경우가 가장 많다.
즉, GA4는 웹에서의 사용자 행동과 전환을 이벤트 중심으로 추적해 분석하는데 최적화된 툴이다. 사용자의 세션과 이벤트 흐름을 추적해, 페이지 방문부터 클릭, 전환까지의 전체 여정을 시각화하고 분석하는데 활용하기 적합하다.
3. 매개변수와 맞춤 측정기준
GA4에서는 다양한 측정기준과 측정항목을 제공한다. 측정기준은 테이블 형식에서 행에, 측정항목은 테이블에 들어가는 값이라고 생각하면 이해하기 쉽다.
하지만 구글에서 기본적으로 제공하는 항목으로는 각자의 상황에 맞게 데이터를 확인하기 매우*100 부족하다. 그래서 매개변수라는 개념이 등장한다. 쉽게 말해 데이터를 더 세부적으로 볼 수 있는 지표를 의미한다.
- 매개변수 : 보다 세부적인 정보를 기록하고자 할 때 설정
- 예시(위 이미지와 연결지어 생각해보자면~)
- 기기카테고리를 3종으로 분류하는게 아니라 mobile의 기종까지 구분할 수 있게끔, 즉 mobile에 대한 더 자세한 정보까지확인할 수 있게끔 정보를 받을 수 있는 수단을 추가하는 것이다.(어디까지나 예시일뿐 기종에 대한 데이터 수집은 각자의 상황에 따라 가능여부가 달라질 수 있다.)
상황에 따라 매개변수가 측정기준이 되어야할 때도 있다.
- 맞춤 측정기준 : 기본적으로 제공하는 측정기준 이 외에 커스텀해 추가로 생성해 활용하는 측정기준
- 예시
- 특정 이벤트 매개변수로 수집한 '버튼 색상'을 분석할 때, 이를 맞춤 측정기준으로 설정하면 버튼 색상에 따라 사용자 행동을 기준으로 데이터 그룹화 가능
* 주의 사항
맞춤 측정기준과 매개변수 모두 지표가 생성된 이후 수집된 데이터부터 확인할 수 있다. 즉, 지표를 생성하기 이전 데이터에는 소급적용 되지 않는다. 필수적으로 확인해야하는 데이터가 있다면 GA4를 연동한 시점부터 목적에 맞는 맞춤 측정기준과 매개변수를 생성하는 것이 필수이다.
4. 기여 분석 모델
GA4는 이벤트를 중심으로 데이터를 분석하는 툴이기 때문에 특정 이벤트, 그 중에서도 전환(구매, 로그인, 회원가입 등) 이벤트에 대한 기여도를 파악하는 것이 중요하다. 그래서 GA4에서는 이벤트가 발생한 여정을 분석하는 것이 중요하고 이러한 것을 '기여 분석'이라고 말한다.
기여 분석?
사용자가 전환되기까지 거쳐온 광고, SNS, 검색 등 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 분석하는 작업
이벤트가 발생하기까지의 사용자 여정은 생각보다 정말 다양하다. 따라서 KPI를 달성하기 위해 1) 기준을 정하고 2) 이를 바탕으로 기여도를 측정해 3) 경로를 최적화하는 작업은 필수이다. 그렇다면 '기준'은 어떻게 정할까? GA4에서는 다양한 '기여 분석 모델'을 통해서 데이터 분석 목적에 맞게 사용자가 선택할 수 있게끔 서비스를 제공하고 있다. 어떤 모델을 선택해야하는지 정해진건 없으며, 분석 대상과 목적에 따라 적절한 기여 분석 모델을 선택하는 것이 중요하다.
GA4에서 제공하는 주요 기여 분석 모델에 대해서 알아보자. 현재 GA4에서는 아래와 같이 3종류의 기여 분석 모델을 제공한다. 23년도 11월 이전에는 이 외에 더 다양한 모델이 있었지만, 개인정보보호 이슈에 따른 쿠키리스 시대가 시작되면서 일부 모델 지원이 불가해졌다.
- 데이터 기반 기여 분석
- GA4를 셋팅하고나면 기본적으로 셋팅되어 있는 모델이다.
- 계정 내 GA4가 수집한 데이터를 기반으로 전환 이벤트 별로 전환 기여도를 배분한다.
- 다양한 터치 포인트가 어떻게 전환 결과에 영향을 미치는지 머신러닝을 통해 학습한다. 학습을 기반으로 전환을 유도할 가능성이 가장 큰 터치 포인트를 파악하고 이를 바탕으로 각 터치 포인트에 전환 기여도를 부여한다.
- 그렇기 때문에 전환 이후의 시간, 기기 유형, 광고 상호작용 횟수, 광고 노출 순서, 광고 에셋 유형등 다양한 요소가 포함되어 계산된다는 장점이 있다.
- 다만, 데이터가 충분히 쌓이기 전까지는 사용할 수 없고, 어떤 기준으로 기여도를 배분하는지 정확하게 알 수 없다는 단점이 있다.
- 유료 및 자연 검색 마지막 클릭(마지막 간접 클릭)
- 직접 트래픽을 무시하고 전환 전 고객의 클릭 연결이 발생한 마지막 채널이 기여도 100%를 부여한다.
- 채널에는 자연 검색, 이메일 등이 포함된다.
- 유튜브의 경우 조회 충족이 완료되면 가치를 부여한다.
- 만약 '직접 트래픽'이 마지막 채널이라면 그 직전에 있는 채널에 기여도를 100% 부여하며, 직접 트래픽만 존재할 경우에는 직접 트래픽에 기여도 100%를 부여한다.
- Google 유료 채널 마지막 클릭
- 전환 전에 고객의 클릭연결이 발생한 마지막 Google Ads 채널에 주요 이벤트 가치의 100%를 부여한다.
- 만약 경로에 Google Ads 클릭이 없으면 기여 분석 모델이 유료 및 자연 검색 마지막 클릭으로 바뀜
GA4에서 1번 모델 이외에 다른 기여도 분석 모델을 사용해본 적은 없지만, 경우에 따라 바꿔서 데이터를 분석하는 것은 굉장히 유의미해보인다. 하지만 분명히 단점도 있다. 전환 여정이 복잡한 경우가 대부분이다보니 다수의 터치 포인트를 고려하는 데이터 기반 모델을 사용하는 경우가 대부분이다. 근데 위에 언급했듯, 기여도를 측정하는 기준을 명확하게 알 수 없다보니 정확한 기여도 분석이 불가능하다는 점이다. 그래서 더욱더 분석툴에 대한 장단점을 명확하게 알고 다른 툴과 융합해 사용하는 것이 중요하다는 것을 느끼는 요즘이다.
5. 사용자 수와 사용자 세그먼트
가장 많은 혼란을 줬던 사용자 수 와 사용자 세그먼트. 헷갈렸던 부분부터 정리해보자면 아래와 같다.
* 동일한 사용자 세그먼트를 생성하고난 후 기간을 어떻게 설정하느냐에 따라 같은 날짜라도 데이터가 달라짐
* 세그먼트 생성 기준 중 '언제든지 적용(at any point)' 옵션 적용 여부에 따라 달라지는 데이터
그리고 지금까지 확인한 내용은 다음과 같다.
- 동일한 사용자 세그먼트일지라도 설정한 기간에 따라 데이터가 달라지는 이유
- 문제 : 같은 조건으로 사용자 세그먼트를 만든 후 로그인한 사용자를 확인했는데, 설정한 기간에 따라 사용자 수가 달라졌다.
- 원인 : GA4에서는 이벤트 기여도 기간을 설정할 수 있다. 따라서 기간을 다르게 설정한다면 기여도 설정 기간에 따라 광고에 의해 로그인한 사용자로 분류될 수도 있고, 그렇지 않은 사용자로 분류될 수도 있는 것이다.
- 세그먼트 생성 기준 중 '언제든지 적용(at any point)' 옵션 적용 여부에 따라 달라지는 데이터
- 정의 : 특정 세그먼트 조건을 한번이라도 충족한 사용자를 분석에 포함시키는 기능. 이를 활성화하면 해당 조건을 특정 시점에 만족한 사용자가 이후 조건을 충족하지 않아도 세그먼트 내에 계속 남아 있게 됨
- 활성화할 경우 예시
- 과거에 '장바구니 추가'를 한 사용자는 이후에 장바구니를 비워도 '장바구니 추가 사용자'로 계속 포함
- 비활성화할 경우 예시
- 장바구니를 비운 사용자는 자동으로 세그먼트 제외
- 즉, 옵션을 활성화하면 설정한 기간에 관계없이 특정 이벤트를 한번이라도 완료한 사용자는 계속해서 세그먼트에 남아있는 것.
혼란의 옵션 '언제든지 적용'
어려웠던 내용들만 쏙쏙 골라내서 작성해서 그런가,, 이번 글을 작성하는데 정말 정말 많은 시간이 들었다. 정리하면서도 이게 맞는 내용인가라는 의심을 몇번이나 했다. 다시 또 새롭게 알게되는 내용이 있으면 그 때 가서 정정해야겠다. 아무튼 알면 알수록 어려운 GA이다. 어떻게 데이터를 확인하냐에 따라 워낙 내용이 달라지기 때문에 100% 이해하고 정확하게 확인해야하는데, 내가 이해를 하지 못하니 스트레스만 쌓일 뿐!!
이 외에도 작성하지 못한 내용이 있는데 2탄으로 정리해보겠다. 아자자
(안하던)정성들인 글쓰기를 하다보니 가독성 좋은 서식에 대해서도 고민이 된다. 이건 다른 분들이 작성하신 글을 많이 보고 많이 쓰다보면 차차 알아가겠지? 제발 그러길 :)
참고한 글
'Study > GA4' 카테고리의 다른 글
| GA4 깊게 이해하기(2/2) (0) | 2024.11.23 |
|---|---|
| 주니어 데이터 분석가의 구글 데이터 툴 적응기 (3) | 2024.10.16 |
