GA4 101 : GA4, 어떻게 시작해야할까?
허들러스 GA4 101 시리즈, 2편
허들러스에서는 구글 애널리틱스 활용에 깊은 노하우를 보유하고 있습니다. 이러한 지식을 바탕으로 GA4 101 시리즈라는 E-book을 제작하였습니다. 구독하신 분들에게는 GA4 101의 새로운 내용 업데이트 시 알림을 드릴 예정입니다. 많은 관심과 사랑 부탁드립니다.
안녕하세요! 저번에 이야기 했던 구글 애널리틱스와 GA4 시작하는 방법에 대해 아시나요? 이번엔 GA4를 우리 회사에서 어떻게 시작하는 게 좋을지 함께 알아보겠습니다. 이야기를 시작하기 전에, SEO에서 원문과 중복되지 않게 새롭게 풀어보도록 하겠습니다.
설계, 적재, 관측
데이터를 보려면 뭐하나요? 맞아요, 데이터를 '설계'해야겠죠. 구글 애널리틱스는 우리가 잘 알고 있는 데이터 분석 도구입니다. 보통 데이터를 다룰 때 '설계', '적재', '전처리', '관측' 이렇게 4단계로 나누곤 해요. 그런데 구글 애널리틱스가 전처리까지 도와주니 우리는 '설계', '적재', '관측' 이렇게 3단계로만 생각하면 돼요.
그 중에서도 제일 중요한 건 뭐라고 생각하세요? 네, 바로 '설계'입니다.
“쓰레기가 들어가면 쓰레기가 나온다” 이런 말 들어보셨죠? 흥미로운 데이터 분석 결과를 원한다면, 우리가 집어넣는 데이터가 얼마나 중요한지 알아야 해요. 그래서 '설계' 단계에서 제대로 데이터를 어떻게 넣을 것인가에 대한 고민이 꼭 필요합니다. 결국, 설계 단계가 데이터 분석의 핵심이라고 할 수 있습니다.
그럼 데이터를 어떻게 설계하냐구요? 크게 두 가지 방법이 있어요. 이 두 가지 방법은 데이터를 더 효과적으로 설계할 수 있게 도와주는 아이디어인데요.
1) Break-Down 설계: 위에서 아래로 필요한 것들을 차근차근 분류하면서 설계해보는 방법입니다.
2) 목적 중심 분석: 궁금한 점이나 가설을 먼저 정하고, 그것을 확인하기 위한 데이터를 설계하는 방식입니다.
이렇게 다양한 시각으로 구글 애널리틱스를 활용하면 우리 회사의 데이터 분석도 더욱 효과적으로 진행할 수 있을 것입니다. 해당 설계 방법들의 몇가지 예시를 들어보겠습니다.
첫번째 방법, Break-Down 설계
Break-Down 설계에 대한 이야기를 시작해볼까요? 이 설계 방법은 마치 빌딩을 쌓아올리는 것처럼, 비즈니스의 큰 목표를 세워놓고 그걸 세부적으로 쪼개 나가는 방식입니다. 이때 두 가지 중요한 단어를 알아야 하는데, 바로 'OKR'과 'KPI'입니다.
OKR은 우리의 비즈니스 목표나, 특정 기간 동안 달성하고자 하는 목적을 말합니다. KPI는 그 OKR을 얼마나 잘 달성했는지 측정하는 지표를 의미하는데, 간단한 예로 설명드릴게요.
서울에서 부산까지 학생 30명을 태우고 가는 버스 상황을 생각해보세요. 상황 1에서는 버스기사가 "안전하게 가야지!"라는 생각을 가지고 있다면, OKR은 '안전하게 가는 것'입니다. 그럼 어떻게 그 안전함을 확인할까요? 여기서 '다치지 않은 학생의 수'를 체크하면 되겠죠. 이게 바로 KPI입니다.
상황 2에서는 버스기사가 "빠르게 가자!"는 목적을 가지고 있다면, OKR은 '빠르게 가는 것'이죠. 그렇다면 KPI는 '서울에서 부산까지 걸린 시간'이 되겠습니다. 이렇게 두 상황을 비교해보니, OKR에 따라 KPI가 달라지는 걸 알 수 있습니다. '빠르게 가는 것'이 목표라면, '다치지 않은 학생 수'는 그렇게 중요한 지표가 아닐 수 있겠죠. 결론적으로, OKR과 KPI는 비즈니스에서 중요한 도구입니다. 목표와 그것을 측정하는 방법에 따라 우리의 행동과 방향이 달라질 수 있다는 걸 알아두는 게 좋습니다.
OKR은 부서별로, 기간별로 다를 수 있습니다.
같은 브랜드라도 어떤 시기나, 부서의 따라서 OKR은 다를 수 있습니다. 예컨대, 쇼핑몰을 운영하고 있더라도, 해당 기간 동안은 프로모션 참여율을 높이는것이 OKR이 될 수도 있고, 매출 증대 또는 브랜드 인지도 증대가 중요한 OKR이 될 수 있습니다. OKR이 달라진다는 것은 우리가 특정 기간동안 보아야할 지표가 달라진다는 것을 의미합니다.
KPI에서 Sub KPI로 세분화
같은 브랜드라도 부서나 시기에 따라 OKR이 다를 수 있어요. 예를 들면, 쇼핑몰 운영을 하고 있다면, 한때는 프로모션 참여율 높이기가 주요 목표가 되어 OKR이 될 수 있습니다. 또 다른 때에는 매출 증대나 브랜드 인지도 향상이 OKR이 될 수 있습니다. 결국 OKR이 변한다는 것은, 우리가 주목해야 할 지표가 바뀌었다는 얘기입니다.
간단하게 요약하면 이런 구조로 볼 수 있습니다:
그럼, 쇼핑몰의 OKR이 '매출 증대'라면 어떤 KPI를 볼까요? 주로 결제 전환율이나 매출액 같은 걸 볼 거에요. 근데, 단순히 이번 달 결제 횟수만 보게 되면 문제가 생기겠죠. 예를 들어, "왜 결제율이 줄었을까?"라는 질문에 대답하기 어렵습니다.
성과를 판단할 때 단순히 지표의 증감만 보는 것보다, '왜' 그런 변화가 일어났는지를 알아야 해요. 그래서 고객이 결제 전에 하는 모든 행동을 추적하는 게 중요한데요. 상품 상세 페이지에서 조회, 장바구니에 담기, 배송지 정보 입력, 회원가입 시도 등 이런 다양한 행위들이 바로 Sub KPI입니다. 이렇게 세부적으로 살펴보면, 어디서 고객이 이탈하는지 파악이 쉬워집니다.
OKR: 비즈니스의 큰 목표나 마케팅 캠페인의 목적입니다.
KPI: 고객의 주요 행동입니다.
Sub KPI: 그 주요 행동 전에 일어나는 여러 부차적 행동들입니다.
이렇게 OKR, KPI, Sub KPI를 구분하면, 우리 웹사이트나 앱에서 어떤 행동을 중점적으로 살펴봐야 하는지 세분화하여 정할 수 있습니다. 하지만 많은 웹페이지나 복잡한 사이트 구조를 가진 대형 사이트에서는 이 방법만으론 설계가 쉽지 않습니다. 한 사이트에서도 지나치게 많은 OKR과 KPI가 생길 수 있기 때문입니다.
두번째 방법, 목적중심 설계
대형 사이트에서 효과적인 데이터 설계를 하려면, 목적 중심 설계가 필요해요. 예를 들어, 많은 사람들이 아는 브랜드 '신한카드'의 웹사이트를 한번 봅시다.
신한카드 사이트의 메인페이지입니다. 신한카드의 메인 페이지만 봐도 그 목적이 참 다양하다는 걸 느낄 수 있습니다. 이렇게 많은 내용이 있는 사이트에서 한번에 모든 것을 다 설계하려면 상당히 복잡하겠죠? 그래서 큰 사이트에서 데이터 설계를 할 때, "이 부분이 궁금해!"라며 특정 궁금증을 가지고 접근해야 합니다.
예를 들면, 신한카드 사이트에서 궁금한 점은 크게 3가지입니다.
1) 사람들은 주로 어떤 키워드로 검색할까요?
2) 월별 명세서나 이용내역, 이용한도 같은 핵심 기능 중 어느 것이 인기가 있을까요?
3) 마이카플러스나 웨딩가전, 신규 가입 프로모션 중 어느 프로모션에 가장 많이 참여하나요?
이런식으로 궁금한 점을 정하고, 그 궁금증을 풀기 위해 필요한 데이터가 무엇인지 찾아보는 거죠. 이렇게 목적을 중심으로 설계하는 방식을 '목적 중심 설계'라고 부릅니다. 특히 이런 방식은 목적이 많거나 사이트 규모가 크고 복잡한 곳에서 잘 맞습니다. 결국, 데이터 설계를 시작할 때 가장 중요한 건 "내가 무엇을 알고 싶은지"를 명확하게 하는 것입니다.
여러분의 데이터 설계를 돕기위해 간단한 워크시트를 준비했습니다.
데이터 설계를 시작하실 때 조금이라도 도움이 되고자, 간편하게 사용할 수 있는 워크시트를 만들어봤습니다. 그로스 컨설턴트들이 실제로 필요한 이벤트를 어떻게 설계하는지에 대한 방법을 담은 문서인데요, 아래의 링크에서 확인하실 수 있습니다. 링크를 통해 문서를 들어가셔서 복사해서 사용하시면 편하실 거에요!
각각의 방법은 장단점이 존재합니다.
프레임워크마다 장점과 단점이 있다는 것, 그게 중요한 포인트입니다.
Break-Down 설계의 장단점.
장점: 한 번에 필요한 모든 데이터를 깔끔하게 구조화하는 데에는 최고입니다.
단점: 대규모 비즈니스에서는 좀 힘들 수 있어요.
목적 중심 설계의 장단점.
장점: 대규모 비즈니스에서 데이터 설계를 적절하게 할 수 있어요.
단점: 처음부터 모든 데이터를 다 설계하는 건 힘들죠. 필요하면 추가 설계를 계속해야한다는 것이 단점이라면 단점입니다.
이번 글에서는 구글 애널리틱스와 데이터 설계의 중요성을 주요 주제로 다뤘습니다. 빠르게 데이터 세팅을 하려고 서두를 때, 때로는 더 큰 돌아가기가 발생합니다. 그래서 정확한 설계가 얼마나 중요한지를 강조하고 싶네요. 이 시리즈를 끝까지 따라오신다면, 여러분들도 멋진 데이터 설계를 할 수 있게 됩니다. 우리는 이미 첫걸음을 멋지게 시작했습니다.
Summary
구글 애널리틱스의 데이터 분석은 세 가지 주요 단계로 구성되어 있습니다: 설계, 적재, 그리고 관측.
데이터 설계 방법론은 크게 두 가지, 즉 Break-Down 설계와 목적 중심 설계로 나뉩니다.
Break-Down 설계는 모든 데이터를 신속하게 설계하는 데 탁월하지만, 대규모 사이트에는 부적합합니다.
반면 목적 중심 설계는 대규모 사이트에는 적합하나, 모든 데이터를 빠르게 세팅하는 데는 한계를 보입니다.
