Google Analytics에서 유의미한 데이터 찾기
Google Analytics에서 유의미한 데이터를 찾는 3가지 팁
국내외 할 것 없이 로그 분석 툴로 Google Analytics를 사용하지 않는 브랜드는 매우 드물다. 설사 Google Analytics를 적극 활용하지 않더라도, 매우 간단한 설치방법 때문에 일단 Google Analytics 코드를 삽입해 놓는 경우가 많다. 처음에는 수많은 데이터로 다양한 비즈니스 문제들을 해결할 수 있을 것처럼 느껴진다. 본인도 그랬다. 하지만 이내 곧 내가 도대체 이걸로 무얼 할 수 있는가 하는 생각이 들기 마련이다. "아하! 우리 웹사이트에는 남성보다 여성이, 35-44보다 25-34가 많이 들어오는구나!"
So what?
결국 Google Analytics의 한계라 생각하고, 다른 유료 툴을 알아보거나 심지어 Google Analytics 360의 가격을 알아보기 시작한다. 하지만 로그 분석 툴의 목적을 깨닫지 못한다면, 기존과 다르다는 느낌을 받기는 쉽지 않을 것이다. Google Analytics를 활용할 때 3가지 방향을 고려해보자
1. 목적을 갖는다.
Google Analytics 사용자들 중 혹시 이러고 있지는 않은지 자문해보자
(1) 데이터 분석을 하기 위해 Google Analytics를 켠다.
(2) 뭐 이상한 데이터 없는지 여기저기 보고서들을 살펴본다.
(3) 매일 보는 거라 딱히 이상할 것도 없지만 뭔가 얻어걸리길 바라는 마음으로 계속 본다.
(4) 또 본다.
(5) 하지만 결국 찾지 못하고 다음을 기약한다.
이런 식으로 뭔가 유의미한 데이터를 찾는 것은 쉽지 않다. 방향을 바꿔 Google Analytics를 '가설'이 맞는지 틀린 지 확인하는 용도로 활용해보자. 예를 들면 "버튼 A를 클릭한 유저가 버튼 B를 클릭한 유저 or 버튼 A, B 모두 클릭한 유저 or 두 버튼 모두 클릭하지 않은 유저보다 구매전환율이 높을 것이다."라는 가설을 세웠다고 해보자. 이 경우 체크해야 할 데이터는 명확해진다. 각 4개의 그룹을 세그먼트로 묶어 전자상거래 보고서에서 4개 그룹의 구매전환율을 비교한 뒤 데이터에 의해 의사결정을 하면 된다. 비로소 Google Analytics로 의미 있는 개선을 시도한 것이다. Google Analytics 데이터를 보기 전에 다양한 가설을 세워보는 훈련, 그리고 그 가설을 숫자로 바꿔보는 연습이 필요할 것이다. 물론 앞서 언급한 Google Analytics 내 보고서를 떠돌아다니는 것도 간과해서는 안된다고 생각한다. 중요한 것은 두 방법에 비중을 얼마나 둘 것이냐인데, 목적 있는 분석이 7~8 정도를 차지해야 한다고 생각한다.
2. 쪼개 보기
우연히 획득 보고서에서 다음과 같은 내용을 발견했다고 가정해보자. 채널A에서 들어온 유저들이 이탈률, 목표 전환율, 체류시간 등등 우수한 수치를 보인 것이다. 이 발견은 해당 채널을 확대하기 위해, 채널A의 광고비 증액으로 이어졌다. 이 결정이 틀렸다고 할 수는 없지만 채널에서 그치지 않고 데이터를 더 쪼갰다면, 더 구체적이고 효율적인 의사결정을 할 수 있었을 것이다.
예를 들면 소스 B/매체 C/콘텐츠 D로 유입되는 유저 중, 30대 여성 모바일 사용자에게 광고비를 증액하고 소스 B/매체 C/콘텐츠 E로 유입되는 유저 중, 20대 남성 모바일 사용자에게 광고비를 증액하자는 식이다. 똑같은 광고비 증액이지만 그 효율은 분명 차이가 날 것이다. 데이터를 쪼개면 더 구체적으로 보이고, 더 효율적인 결정을 할 수 있다.
3. 전환 유저가 남긴 흔적
전환된 유저들만 세그먼트로 묶어서 그들이 많이 한 행동을 살펴볼 필요가 있다. 예를 들면 구매와 관련이 없을 것이라고 생각되는 페이지 A를 전환된 유저들이 특히 많이 조회하는 현상을 발견한 것이다. 그렇다면 비전환 유저에게도 페이지 A를 노출시키기 위해, 페이지 A까지의 경로를 단축하든지 또는 페이지 A에 있는 콘텐츠를 메인에서 노출하는 등의 테스트를 할 필요가 있겠다는 의사결정을 할 수 있을 것이다. 하지만 막상 전환된 유저들의 행동을 보면 매우 단순한 경우가 많다. 상세페이지 > 장바구니 > 주문/결제 > 결제 완료 이 Funnel을 아주 부드럽게 통과해서, 다른 특별한 경험들을 발견하가 쉽지 않다. 이 경우 어떻게 해야 할까?
전환된 유저의 잠재고객 데이터에 주목해보자. 전환된 유저들의 평균 세션 시간이 몇이고, 세션당 페이지 수가 얼마 인지를 살펴보는 것이다. 즉 고품질 유저를 전환된 유저가 아니라, 전환된 유저의 잠재고객 데이터와 유사한 유저로 재정의 하는 것이다. 그다음 새롭게 정의된 고품질 유저를 세그먼트로 묶어 그들이 웹사이트 내에서 한 행동들을 보면 좀 더 눈에 띄는 데이터를 찾아낼 확률이 높아진다. 예를 들어 전환된 유저를 세그먼트로 묶어 잠재고객 데이터를 봤을 때, 세션당 페이지 수가 30이라고 가정해보자. 이때 20페이지 이상 조회한 유저를 세그먼트로 묶어 그들이 우리 웹사이트에서 특히 많이 한 행동을 추적하는 것이다. 이는 비단 세션당 페이지 수뿐 아니라, 이탈률, 세션 시간 등이 해당될 수 있다.
Google Analytics는 데이터 기반으로 브랜드 상황에 맞게 적절한 Insight를 제공하지 않는다. 단지 무수히 많은 숫자만을 제공할 뿐이다. 우리가 Google Analytics를 볼 때 두려워하지 않아야 하는 건 이벤트 태깅에 따른 개발 작업, 무수히 많은 숫자들 등이 아니다. 시간이 많이 든다는 것을 인정하고, 데이터 노가다(?)를 두려워하지 않아야 한다.
