구글 애널리틱스 입문하기

유니버설 애널리틱스(UA)가 2023년 7월 1일부터 신규 조회 처리를 하지 않는다고 밝혔습니다. 따라서 데이터 분석을 위해서는 구글 애널리틱스 4(GA4)로 전환이 필수적일 것입니다.

구글 애널리틱스는 기본적인 데이터 분석을 공부하는데 매우 유용합니다. 데이터를 수집하고, 확인하고, 활용하는 데이터로 일하는 방식을 익히는 데에도 좋습니다. 구글 애널리틱스를 알고 싶다면 '데이터 분석'이란 무엇인가 살펴볼 필요가 있습니다.

 

 

데이터란

예를 들어보겠습니다. 구글에 접속해서 검색을 할 때 사용자는 어떻게 행동할까요? 돋보기 아이콘 옆 검색 칸을 클릭하여 검색어를 입력하고 Enter 버튼을 누르는 것이 일반적일 것입니다.

사용자	행동	비고
사용자 A	검색칸 클릭
	검색어 입력	검색어: 대한민국
	검색 진행(Enter)	검색결과: 없음

위 표와 같이 구글 사이트에서 검색을 진행했다고 가정했을 경우 '행동'열의 내용을 기록해두는 것을 '데이터'라고 합니다. 어떤 것을 분석하기 위한 목적으로 수집하는 사용자 정보, 사용자 행동이 '데이터'인 것입니다.

 

 

데이터 분석 및 활용 과정

앞서 데이터가 무엇인지 살펴봤습니다. 이번에는 가입률 데이터를 분석하고 활용하는 과정을 소개하겠습니다.

구분	내용
목적	가입 페이지 가입률을 30%까지 개선하고자 한다.
수집	가입 소개, 가입 완료 페이지의 접속 수를 수집한다.
분석	가입 완료 페이지의 접속자수를 가입 소개 페이지의 접속자 수로 나누어 가입률을 계산한다. 가입률= (가입 완료 페이지 접속자 수/ 가입 소개 페이지 접속자 수)*100
행동	가입률이 30%보다 낮다면 사용자가 가입 페이지에서 겪고 있는 어려움을 점검/개선 한다.

 

① 목적 정하기

목적을 정해야 어떤 데이터를 수집하고 분석해서 활용할지 결정할 수 있습니다. 데이터 분석의 목적을 가입률 개선으로 정했다면 수집/분석/행동에 해당하는 흐름은 위 표와 같이 설정 가능합니다.

 

② 목적에 맞는 데이터 수집

데이터 수집을 위해서는 두가지가 필요합니다.

 

• 데이터 수집을 위한 프로그래밍 코드
• 데이터 저장을 위한 DB(데이터베이스 저장소)

가입률 분석을 위해서는 사용자가 접속한 페이지 주소를 수집하는 코드를 작성하고 데이터를 데이터베이스에 저장해야 합니다.

 

③ 수집된 데이터 분석

데이터가 쌓였다면 분석을 진행해야 합니다. 데이터 분석을 위해서는 두 가지가 필요합니다.

 

• DB에서 데이터를 추출하는 SQL쿼리
• 추출된 데이터를 분석하기 위한 엑셀과 같은 분석 도구

가입 소개 페이지에 접속한 접속자 수를 추출하는 SQL 쿼리(SELECT COUNT(user) FROM user_action WHERE page=가입 소개 페이지)와 가입 완료 페이지의 접속자 수를 추출하는 SQL 쿼리(SELECT COUNT(user) FROM user_action WHERE page=가입 완료 페이지)를 작성합니다.

SQL 쿼리에 부합하는 데이터가 추출되면 엑셀이나 R과 같은 도구들을 활용해 가입률을 계산하거나 추가 분석을 진행합니다.

 

④ 분석을 바탕으로 행동

분석이 완료되었다면 목적 단계에서 설정한 행동을 수행해야 합니다. 만약 데이터 분석 결과 가입률이 25%로 축적되었다면 표의 분석과 같이 '사용자가 해당 페이지에서 겪고 있는 어려움을 점검하고 개선'해야 합니다. 문구를 변경하거나 레이아웃을 바꾸거나 가입 입력 양식을 줄이는 등의 아이디어가 필요하며, 아이디어를 바탕으로 가입 페이지를 개선해야 합니다.

 

⑤ 반복되는 목적-수집-분석-행동

행동이 완료되었다고 해서 데이터 분석이 끝나는 것은 아닙니다. 가입률을 30%까지 달성하겠다는 목적을 이룰 때까지 사이클을 반복합니다. 추가적인 데이터가 필요하다면 추가 데이터 수집 계획을 세울 수 있습니다. 행동 계획이 가입률 개선에 효과가 없다면 새로운 행동 계획을 수집합니다.

 

이러한 과정이 반복되어 가입률이 서서히 늘어나고 서비스 사용자도 늘어나게 될 것입니다. 바로 이것이 '데이터로 일하는 방식'인 것입니다.

 

 

데이터 분석 및 활용에 대한 어려움을 해결해주는 구글 애널리틱스

위에 서술한 데이터 분석 및 활용은 어렵습니다. DB, SQL 코드를 다룰 줄 알아야 하고 추출된 데이터를 분석하기 위해 엑셀 등의 도구도 다룰 줄 알아야 합니다. 구글 애널리틱스는 이러한 어려움을 덜어내 누구나 쉽게 데이터를 분석할 수 있도록 도와주는 마케팅 도구입니다. 그렇다면 누가 사용할까요?

구분	내용
마케터	수집된 캠페인 데이터를 활용해 어떤 상품을 마케팅할 것인지, 어떤 대상에게 마케팅을 진행할 것인지, 어디에 마케팅을 진행할 것인지 확인 할 수 있으며 수집된 데이터를 바탕으로 마케팅의 효율을 극대화 할 수 있습니다.
기획자	수집된 사용자의 행동 데이터를 활용해서 서비스를 개선하는데 활용 할 수 있습니다. 회원 가입 버튼이 몇 번 클릭되었는지, 장바구니에 많이 담기는 상품은 어떤것인지, 결제 완료까지의 사용자 비율은 어떻게 되는지 등을 지속적으로 수집/분석/활용 한다면 좋은 서비스를 만들 수 있을 것입니다. 데이터를 통해서 사람들을 설득할 수 있고, 현재 서비스의 방향을 잡아 나갈 수 있습니다. 또한 서비스 시나리오 단계별로 사용자가 얼마나 이탈을 하는지에 대한 정보등 서비스 구조에 대한 중요한 인사이트를 얻을 수 있습니다.
디자이너	수집된 사용자의 행동 데이터를 활용해서 서비스 사용 흐름이 유기적으로 구성되어 있는지, 시각적 요소가 사용자에게 잘 받아들여지는지 확인하고 개선하는데 활용 할 수 있습니다. 버튼의 크기나 글꼴을 변경했을때 클릴률이 늘어나는지, 결제 단계의 어떤 부분을 생략하거나 강화했을때 결제 완료 비율이 늘어나는지를 바탕으로 데이터 기반의 디자인 작업을 진행 할 수 있습니다.

 

 

트래픽 VS목표

어느 날 A쇼핑몰에 방문자수가 폭주했습니다. 기쁜 일입니다. 하지만 알고 보니 그때 상품을 구매한 사람은 아무도 없었습니다. 이처럼 단순히 사람이 얼마나 많이 접속했느냐만 봐서는 웹사이트를 정확하게 판단할 수 없습니다.

사이트는 각자 목표가 있습니다. 쇼핑몰은 상품 구매를, 이벤트 사이트는 이벤트 응모를 목표로 삼습니다. 조회수, 노출수, 클릭수처럼 방문자 유입에 영향을 주는 지표도 중요하지만 이보다 더 중요한 것은 이들 지표가 우리가 의도한 목표를 향해 흐르고 있는지 파악하는 것입니다. 

구글 애널리틱스는 트래픽 중심이 아니라 목표지향적으로 분석합니다. 내 웹사이트의 궁극적인 목표를 달성하는 것을 최우선으로 놓고 데이터를 수집하고 분석한다는 뜻입니다. 이와 같은 목표 달성을 구글 애널리틱스에서는 '전환'이라고 부릅니다.

 

 

데이터는 답을 알고 있습니다.

A쇼핑몰의 궁극적인 목표는 상품 판매입니다. 구글 애널리틱스로 조회해보니 지난달 1,000명이 방문했지만 10명만 상품을 구매했다는 사실을 알게 됐습니다. 물론 목표치를 어떻게 설정했느냐에 따라 달라지겠지만 구매라는 핵심 지표를 측정할 수 있어야 비로소 올바른 평가가 가능할 것입니다.

유튜브, 페이스북 등 디지털 마케팅 채널이 다양해진 요즘 마케팅 예산을 효율적으로 쓰기 위해 구매 가능성이 가장 높은 타깃에 마케팅을 집중합니다. 쇼핑몰에 방문했어도 구경만 하고 나가고, 회원가입에 실패하고, 원하는 상품이 없어서 나가는 사용자가 있습니다. 결과적으로 상품을 구매하는 사람은 적었고 나머지 990명은 어디서, 왜 사라졌는지 알아야 합니다.

페이지	페이지 뷰	평균 대비 이탈률
홈	15,140	-5.09%
장바구니	4,410	-15.24%
원피스	2,762	-5.43%
구두	2,215	-9.79%
로그인	2,145	-0.52%
검색	1,654	42.75%

'장바구니' 페이지의 평균 대비 이탈률은 현저히 낮습니다. 장바구니 페이지는 구매로 자연스럽게 연결되며 쇼핑을 계속하기 위해 상품 상세 페이지로 이동하는 경우가 많아서 이탈률이 낮게 나온다고 해석할 수 있습니다.

하지만 '검색' 페이지는 평균 대비 이탈률이 매우 높습니다. 페이지 로딩이 너무 길어서일까요? 원하는 상품이 없었기 때문일까요? 하지만 애초에 상품의 키워드 매칭이 잘못되어서 원하는 상품을 찾지 못해 이탈했을 가능성이 큽니다.

 

• 검색어가 상품과 잘 연결되도록 검색엔진, 상품 제목, 상품설명 등을 개선
• 페이지를 다루기가 어려워 이탈했다면 페이지 디자인을 직관적으로 쉽고 간편하게 개선

 

원인을 밝혀 해결 방법을  찾는 일도 중요하지만 고객이 의도한 대로 행동하지 않고 목표한 결과를 만들지 않는 이상현상을 빠르게 감지하는 것이 데이터 분석의 중요 목표 중 하나일 것입니다.