주니어 데이터 분석가의 구글 데이터 툴 적응기
GA4와 GTM, BigQuery, Looker Studio
글또의 첫 번째 글로 어떤 내용을 적으면 좋을지 고민하다 데이터 분석가로 포지션을 바꾸면서 가장 많이 헤맸던 GA4에 대해 적어보려 한다. 광고대행사의 데이터 분석가로 일하고 있는 만큼, 이 글은 그로스 마케터 & 퍼포먼스 마케터에게도 도움이 되지 않을까 생각한다.
이번 글에서는 데이터 분석가로 일한 반년 간의 간단한 회고와 GA4를 중심으로 그 외 구글에서 제공하는 데이터 처리 툴(데이터 처리 툴이라는 단어로 합쳐 말해도 되는지는 아직 의문이다.)에 대한 개요를 짚어보려고 한다.
1. 데이터 분석가와 마케터 그 사이 어딘가에서
GPT 4에게 데이터 분석가하면 생각나는 이미지를 그려달라고 했다. 듣도 보도 못한 화려한 그래프를 그리는 당신,, 누구인가,,!데이터 분석가라는 같은 포지션이더라도 도메인, 회사 그리고 팀에 따라 마케터/분석가/사이언티스트/엔지니어 모두 혼재되어 있는 포지션이라고 생각한다. 그래서 같은 데이터 분석가일지라도 주로 활용하는 툴은 모두 다를 것이라고 예상된다. 일단 나는 GA4와 엑셀을 가장 많이 사용한다. 작년 국비 교육을 듣고 취업 준비 기간을 거치면서 쿼리문을 날리고 파이썬을 이용해 화려하게 데이터를 시각화할 줄 알았지만, 역시 생각했던 것과 다른 점이 많다. 6개월 정도 데이터 분석가로 일하면서 중요하게 생각하려는 항목은 다음과 같다.
- 데이터 분석을 하는 목적이 무엇인가
업무와 관련된 책 & 강의를 읽으면서 가장 중요하게 강조하는 내용이다. 아직도 여전히 갈길이 먼 주니어 분석가이지만, 입사 초만 해도 일단 데이터를 뽑고 보자! 가 늘 선행되었던 것 같다. 늘 목적을 염두하고 데이터를 추출하고 있다고 생각했기에, 그룹장님이 "어떤 내용이 필요한지 먼저 생각해 보면 좋겠어요"라고 말씀하셨을 때 '아 맞다 나 목적을 생각만 하고 적용은 안 했네'라며 다시 돌아보게 됐다.
- 툴에 매몰되지는 않았는가
최근에 글또를 통해서 커피챗을 진행했다.(이야기 나눈 주제들이 모두 흥미로워 추후 다른 글로 작성해 볼 예정이다.) 그중 '대시보드'에 대해 이야기를 나눈 이야기가 가장 기억에 남는다. 데이터 문화가 정착되기 전인 곳에서 1인 분석가로 근무하다 보니 기술적으로 부족한 부분이 많다고 생각해 '툴'에 대한 갈증이 늘 있었다. 그래서 더 다양한 툴을 써서 화려하게 시각화하려고 했는데, 막상 대시보드를 배포해도 실무진들이 보지 않는다는 점이 고민이었다. 커피챗을 하며 대시보드에는 '어그로'를 끌 수 있는 내용이 필요하다고 말씀해 주신 점이 다시 한번 데이터의 '목적'과 연결됨을 느꼈다.
- 데이터 쪼개기를 귀찮아하지는 않았는가
데이터 분석은 여러 관점에서 세분화하는 게 기본인 것 같다. 그런데 이 부분에서 귀찮다고 데이터를 뭉쳐보려고(적당한 표현이 생각나지 않는다...) 하지 않았는지 곱씹어 보려 한다.
결국은 데이터를 분석하는 목적, 문제 정의가 가장 중요하다는 점으로 귀결됨을 느꼈다. 명확한 문제 정의가 번뜩이는 인사이트의 중요한 발판이 된다.
2. GA4?
자, 서론이 길었다. GA4에 대한 이야기를 해보자. GA4에 대해 맨몸으로 부딪혀보기도 하고 이것저것 강의도 들어본 결과, 한 줄로 정리해 보자면 다음과 같다.
웹/앱의 사용자 행동 데이터 분석 플랫폼
GPT,, 귀엽게도 잘 그려주는구나앱도 가능하다고는 하지만, 웹에 더 최적화된 툴이며 구글에서 제공하는 다양한 데이터 서비스와 함께할 때 그 시너지가 증폭된다. 넓은 범주에서는 사용자 행동 데이터로 정의되며, 좁은 범주에서는 광고 성과를 측정하는 것을 목적으로 하는 툴이다.
GA4 360(유료 버전)과 GA4 스탠다드(무료 버전)가 따로 있지만, 유료 버전은 아주아주 비싸기에 어지간하면 무료 버전을 사용하는 곳이 대부분이다. 나는 360과 스탠다드를 둘 다 사용하는 중인데, 브랜드의 규모가 대기업 급으로 크지 않는 이상 스탠다드로 사용하면 충분한 것 같다.
UA에서 GA4로 버전이 업그레이드되면서 자유도가 높아졌지만, 그만큼 이해하기가 어려워졌다. 아직도 지표에 대해 명확이 이해하고 이를 기반으로 다른 분들을 설득하는 방법을 공부하는 중이다. 아무튼 이렇게 어렴풋이 감을 잡고 나니 또 새로운 용어들이 괴롭히기 시작했다. 맞춤 측정 기준, 맞춤 측정 항목, 매개변수... 디테일한 용어들은 'GA4 이해하기 심화버전'을 따로 작성하며 정리해 보겠다.
3. 방대한 구글 생태계,,, GTM & 빅쿼리 & Looker Studio
GA4가 뭔지 한참 헤매고 있을 때쯤 그룹장님과 대표님이 GTM과 Looker Studio에 대해서 말씀하신다. 그게 대체 뭐죠? 거기에다 채용 공고에서만 보던 빅쿼리까지 언급되기 시작한다. 다시 한번 회사에서 가장 친한 친구 GPT와 함께 심도 깊은 대화를 나누며 각각의 툴이 뭔지 알아보기 시작한다. 그리고 지금까지 활용하고 있는 구글 데이터 서비스는 다음과 같다.
급하게 도식화 해보기GTM(Google Tag Manager) : 데이터 수집
구글 태그 관리자라고도 불리는 GTM은 페이지 내에서 데이터를 수집하기 위해 적당한 이름을 붙이는 툴이다. 사용자가 조건에 맞게 행동을 하면 그 데이터를 수집하고, 데이터에 대해 직관적으로 이해할 수 있게끔 이름을 붙이는 센스가 중요하다고 생각되는 툴이다.
Looker Studio(데이터 스튜디오) : 데이터 시각화
주로 GA4와 빅쿼리를 연동해 데이터를 시각화하는 툴이다. 어지간한 대시보드는 모두 '무료'로 커버할 수 있어 훌륭한 툴이라고 생각한다.(태블로 넘 비싸잉ㅠㅠ) 퍼널, 간트 차트 등 다양하게 시각화도 할 수 있고 어지간한 외부소스와도 연동되는 것 같다. 물론 한계도 존재한다. GA4랑만 연동해 작업하면 특정 시간 동안 불러올 수 있는 횟수가 정해져 있는지, 여러 명이 접속하면 데이터가 끊기기도 한다;
Big Query : Raw 데이터 추출
SQL 표준 문법을 기반으로 해 접근성이 좋은 데이터 웨어 하우스 툴이다. 나는 MySQL만 사용해 봤는데, 다행히도 빅쿼리와 유사한 문법을 사용해 접근성이 좋았다. GA4를 사용하다 보면 '샘플링'문제에 부딪히게 된다. 아마 비용 문제 때문에 구글이 모든 데이터를 실시간으로 처리하는 대신, 일부 데이터만을 샘플링해 예측 결과를 제공하는 것으로 보인다. 문제는 이 샘플링 데이터를 어디까지 신뢰할 수 있냐는 것이다. 그러다 보면 자연스럽게 RAW 데이터에 대한 니즈가 생기고 이걸 빅쿼리를 활용해 데이터를 추출할 수 있다.
Looker Studio는 아주 직관적이라 사용하는 것도 어렵지 않고, 결과물이 즉각적으로 나오기 때문에 재밌게 사용했던 툴이다. 또 쿼리문을 직접 날리고 대용량 데이터를 가공할 수 있다는 면에서 Big Query 역시 재밌게 사용했다. 반면 GTM을 이해하는데 아주 골치 아팠다. 이에 대한 이야기도 추후 자세하게 다뤄보겠다.
4. 이후 작성 할 내용
이번에는 정말 개괄적인 내용들만 담겨있다. 추후에는 아래와 같은 내용으로 글을 써보고 싶다.
(GA4 이외에 적고 싶은 글도 마구 리스트업 해두었다.. 하하)
<구글 데이터 생태계 이해하기>
* GA4 이해하기 심화버전 : 택소노미 & GTM 활용하는 방법, 데이터 정합성 맞추기
* 빅쿼리 : GA4 추출 데이터와 빅쿼리 쿼리문을 통해 데이터 추출할 때의 결과 비교
* GTM
* 텍소노미 & 거버넌스
<그 외>
* 퇴근길 커피챗 후기
* 사이드 프로젝트 기획안
* 일상 속에서 데이터와 연결 지을 수 있는 요소 발견하기
생각보다 장문의 글을 가독성 있게 읽는 게 많이 어렵다. 6개월 뒤에 이 글을 다시 봤을 때 '아 왜 저렇게 글을 썼대?' 하며 부끄러워할 수 있도록 가독성 좋고 전달력이 좋게 글을 쓰는 실력을 길렀으면 좋겠다.
