안녕하세요. 그로스마케팅 파트너, 허들러스입니다. 지난 시리즈에서 우리는 필요에 맞게 데이터를 직접 설계하고 이를 구현하는 작업에 대해서 배워보았습니다. 이번에는 실제 적재된 데이터들을 가지고 어떻게 활용할 수 있는지에 대한 CASE STUDY를 다뤄볼 예정입니다.
GA4를 기준으로,
사실 우리가 시장에서 접할 수 있는 툴은 GA4를 말고도, 믹스패널, 엠플리튜드, 콘텐츠스퀘어와 같이 많은 로그 분석툴들이 있습니다. 그중에서 무료로 사용할 수 있는 툴은 GA4가 유일하기 때문에, 가장 접근 장벽이 낮고, 한국에서 가장 많은 분들이 사용합니다. 그래서 이번 글에서는 GA4를 기준으로 데이터 활용 사례를 몇가지 다뤄보고자 합니다.
데이터가 중요한것은 알겠습니다. 그런데 어떤 용도로 활용될까요?
데이터를 활용하는 방법은 다양하지만, 설명을 위해 카테고리를 나누어서 데이터 활용 사례를 다뤄보겠습니다.
데이터는 이미지처럼 3가지의 목적을 두고 활용합니다.
1. 인사이트 발굴
우리가 쇼핑몰을 운영하고 있다고 가정합시다. 쇼핑몰에서 가장 중요한 것은 매출입니다. 하지만 매출액만 데이터로 보고 있다면, 매출이 증가했고 감소했다는 추세 정도는 알 수 있지만, 매출이 왜 증가했고, 왜 감소했는지에 대한 원인 파악을 하기가 어렵습니다.
데이터가 대놓고 정답을 주지는 않지만, 우리는 데이터에 있는 현상들을 가지고, 매출이 감소된 원인을 찾거나, 매출을 증가시킬 수 있는 영감을 얻을 수 있습니다. 이렇듯 데이터를 보고 어떤 할일을 만들어 내기 위한 영감을 우리는 ‘인사이트(Insight)’라고 부릅니다. 이러한 인사이트를 발굴하기 위한 목적에서 우리는 데이터를 활용하기도 합니다.
2. 가설의 검증
A라는 제품이 하나있다고 가정합시다. A제품의 상세페이지로 2가지 버전을 만들었지만, 어떤 상세페이지가 고객들에게 소구되는 상세페이지일지는 아무도 모릅니다. 그렇다면 가설을 가지고 실제로 검증해볼 수 있습니다. 더 나을거라 생각하는 시안(대안)과 원래의 상세페이지(원본)을 동시에 송출하는 것입니다.
실제로 어떻게 하면 나아질것이다라고 예상하는 것을 ‘가설’이라고 부르고, 여러가지 가설들을 카테고리화하여 모아둔 것을 가설 리스트라고 부릅니다. 우리 서비스나 제품을 개선하기 위해 여러가지 가설 리스트들을 기반으로 실제 테스트를 진행해보고 이를 검증하는 용도로서, 데이터를 활용하기도 합니다.
3. 커뮤니케이션
3번째 데이터 활용의 목적은 커뮤니케이션입니다. 사실 조금만 규모가 있는 기업을 가더라도, 각 부서나 팀별로 나뉘어지게 되면서 그들의 주요한 KPI나 경험이 다를 수 있습니다. 이렇듯 경험이 달라지면 부서별, 팀별 OKR과 KPI가 수립될 것이고, 서로간의 우선순위를 수립하는데 있어서 어려워지는 경우가 많습니다.
이렇듯 공통의 목표를 공유하고 빠른 의사결정을 위해서 우리는 숫자라는 심판을 사용합니다. 데이터를 가지고 설득을 하면 상대방이 이해할 수 있기 때문입니다. 그래서 주요한 KPI들을 시각화하여 다른 부서들도 보기 쉽게 만들어놓은 다음, 커뮤니케이션의 용도로 사용될 수 있습니다. 이것이 데이터를 활용하는 3번째 목적입니다.
각 활용 목적별로, 여러가지 케이스 스터디를 찾아봅시다.
1. 인사이트 발굴
인사이트를 발굴하기 위한 분석 기법도 여러가지가 존재합니다. 많은 분석의 방법론이 있지만 가장 기본적인 것들만 해당 글에서 다루었습니다. 바로 차원 분석법, 추세 분석법, 비율 분석법입니다.
1) 차원 분석법
차원 분석법은 말그대로 우리가 필요한 차원들을 추가해서 데이터를 보는 방법입니다. 여기서 차원이란, 데이터를 보는 하나의 기준이고, 기준이 한개라면 일차원 리포트, 기준이 두개라면 이차원 리포트, 기준이 3개 이상이라면 다차원 리포트라고 부릅니다.
0차원의 세계에만 살고 있다면 우리는 ‘점’만 봅니다. 1차원의 세계에서는 선을, 2차원에서는 정사각형을, 3차원에서는 정육면체를, 4차원에서는 시간의 흐름에 따른 정육면체의 이동을 볼 수 있습니다. 이는 우리가 보고자 하는 차원(Dimension)이 많아질수록 우리는 더 많은 것을 볼 수 있다는 것입니다.
위 이미지는 구글 애널리틱스 4의 자유 형식 리포트라는 탐색 리포트의 일종입니다. 기기 카테고리별로 전체 활성 사용자 수를 관측하고 있습니다. 당연히 여기서 우리가 알 수 있는 것은 제한적입니다. PC에서 많이 들어왔고, 모바일에서 오히려 적게들어왔구나 ~ 정도가 우리가 알 수 있는 것이지요. 하지만 측정 기준을 한개 더 추가하면 또 다른 인사이트를 얻을 수 있습니다.
위 이미지는 브라우저라는 사용자가 접속한 브라우저의 환경을 보고해주는 측정 기준을 추가한 것입니다. 이제 측정기준이 2개가 되었으니, 2차원 리포트라고 부를 수 있습니다. 이렇게 측정기준을 추가하면 또 다른 인사이트를 얻을 수 있습니다.
기기카테고리, 브라우저, 화면 해상도까지 측정기준을 추가하여 3차원 리포트를 만들었습니다. 겨우 활성 사용자 수만 보고 있음에도 불구하고 굉장히 복잡해지고 많은 내용들이 추가되는것을 볼 수 있습니다. 결국엔 어떤 디바이스에서 어떤 해상도를 통해서 들어오는 유저가 구매로 이어지는 비율이 낮고, 이탈률이 낮은지 등등의 많은 인사이트들을 볼 수 있겠죠.
이렇듯 여러가지 측정기준(차원 : Dimension)을 중첩해서 볼수록 더 많은 인사이트를 찾는 방법을 차원 분석법이라 칭합니다. 너무나 많은 인사이트들이 있지만, 개념의 이해를 위해 아주 간단하게나마 예시를 다뤄보았습니다.
2) 추세 분석법
여러분에게 물어보고 싶습니다. 전환율 3%는 좋은 수치인가요? 사실 정답은 ‘알 수 없다.’ 입니다. 전환율은 말그대로 비율이기 때문에 업종, 상황, 외부 변수, 트래픽의량에 따라 좌지우지 될 수 있기 때문입니다.
전환율 3%는 좋고 나쁨의 가치 판단이 불가능합니다. 하지만, “전환율이 지난주 대비 10% 증가했다.”는 좋고나쁨의 가치 판단이 가능합니다. 이렇듯, 전주 대비, 전일 대비, 전월 대비를 통해 우리 회사의 주요 KPI의 증감량을 확인하는것도 현재 우리 회사의 비즈니스 상황을 파악하는데 매우 주요합니다.
위 리포트는 GA4의 트래픽 획득 리포트입니다. 어디서 들어온 사람들이 얼마나 들어왔는지를 간략하게 보여주는 테이블 형태의 차트입니다. 위 그래프만 봐서는 어떤 인사이트를 얻기는 어려워보입니다. 첫번째 행은 단순히, Google에서 검색을 통해 우리 사이트에 들어왔다. 정도만 알 수 있으니까요. 하지만 여기서 비교 기능을 추가하면 달라집니다.
특정 기간별로 비교해서 보게된다면, 구글 자연 검색량이 기존 기간보다 33%, 네이버 자연 검색량이 56% 상승한것을 확인할 수 있습니다. 자연 검색량이 이전 기간보다 많아졌다는 것은 결국 우리 브랜드의 인지도가 상승하고 있다고 인사이트를 유추해봐도 좋을 것입니다. 이렇듯 전일 대비, 전주 대비, 전월 대비를 통해서 현상의 좋고 나쁨을 가치판단하는 방법을 추세 분석법이라 정의하였습니다.
단순 사용자수의 증감추이만 비교하지는 않을 것입니다. 구글 애널리틱스에서 기본적으로 제공하는 숫자 데이터만 163개가 넘습니다. 우리 회사의 특정 지표들의 증감률을 모니터링하여 문제를 빠르게 파악할 수 있어야 합니다.
3) 비율 분석법
특정 지표의 비율을 가지고 우리는 인사이트를 발굴하기도 합니다. 비율로 보기에 가장 좋은 차트는 아무래도 원 차트일 것입니다.
위 그림은 GA4 자유 형식 리포트의 신규 방문자와 재방문자를 묶어서 그들이 구매하고 있는 상품의 비중을 보는 도넛차트 입니다. 위 그래프에서 보듯이 신규 방문자들에게서 인기있는 상품은 무엇이고, 재방문자들에게서 인기있는 상품은 무엇인지에 따라서도 우리는 집중해야할 제품과 광고를 선택할 수 있습니다. 아주 간단한 사례지만, 특정 비율을 통해서도 쉽게 인사이트를 찾을 수 있습니다.
이것말고도 유입 경로 분석, 퍼널 분석, 행동 흐름 분석, 리텐션 분석 등 정말 많은 분석 방법들이 존재합니다. 다만, 데이터를 어떻게 비즈니스에 활용할 수 있느냐가 이번글의 주제이기 때문에 분석법은 해당 3가지로만 예시를 들고 마무리하겠습니다.
이렇듯 우리 비즈니스를 다각화해서 관측하고 개선할 수 있는 방법을 모색하기 위한 인사이트를 찾는 것이 데이터를 활용하는 첫번째 목적입니다.
2. 가설의 검증
데이터를 기반으로 찾아낸 인사이트들을 가지고 특정 가설을 수립합니다. 해당 가설을 실제로 행했을 때, 그 결과치를 가지고 내가 상상한 가설을 검증하는 용도로서, 데이터는 많이 활용될 수 있습니다.
아래 이미지는 날짜별 자연 검색자수의 변화 추이를 보여주는 리포트입니다. 1월 6일에 갑자기 자연검색량이 급격하게 치솟아서, 그 히스토리를 추적했던 사례가 있습니다. 그 당시에 네이버 블로그 바이럴 작업을 했는데, 특정 블로그에 바이럴 광고를 돌린 뒤, 자연검색량이 이렇게 올라간 것이지요. 그래서 “바이럴을 더 하면 자연 검색량이 상승할까?”라는 가설을 수립하여 실제로 블로그 바이럴 캠페인을 지속적으로 진행하여 자연 검색량을 상승시킨 사례가 있습니다.
제 경험에 비춰보면 쇼핑몰에서 인터페이스를 몇 개 바꾼다고 전환율이 극적으로 증가한 사례는 흔치 않았습니다. 판매하는 상품 자체가 바뀌지 않는데, 버튼 위치를 옮긴다거나 특정 요소의 컬러를 바꿔 테스트하는 데는 한계가 있기 때문입니다. 상세페이지가 중요한 커머스에선 제품을 알리는 메시지의 테스트가 더 중요합니다.
상세페이지는 고객이 구매를 결정하는 가장 마지막 단계에 있기 때문에 고객의 마음을 사로잡을 수 있는 공감 위주의 메시지로 정보를 제공해야 합니다. 고객의 지갑을 열 수 있는 메시지가 중요하죠. 실제 사례를 살펴보겠습니다.
유아용 철분제의 메시지를 테스트한 사례입니다. 왼쪽은 기업이 하고 싶은 말, 즉 제품의 기능성을 나열했고, 오른쪽은 고객의 불편을 언급하면서 이를 해결할 솔루션으로 제품을 소개했습니다. A/B 테스트 결과는 어땠을까요? 오른쪽 메시지의 구매 전환율이 무려 5배 높았습니다. 이렇듯 커머스에서는 제품을 포장하는 메시지에 따라 전환율이 크게 달라지기 때문에 메시지 A/B 테스트를 꾸준히 지속해야 합니다.
이렇듯 특정한 나만의 가설을 검증하기 위한 용도로 데이터를 활용할 수 있습니다.
3. 커뮤니케이션
조직의 규모가 커지면 부서간의 KPI가 달라지기 때문에, 소통과 설득이 어렵습니다. 공통의 목표를 가져가고, 데이터 기반의 역량을 만들기 위해서는 전문 데이터 팀이 아니더라도 쉽게 볼 수 있는 대시보드가 필요합니다. 그래서 데이터는 회사에서 사용될 수 있는 소통을 위한 하나의 언어(Language)가 되어야합니다.
위 이미지는 실제 GA의 Raw Data를 가져와 시각화시킨 것입니다. 시각화 대시보드로 다른 사람들이 이해하기 쉽게 지표들을 정리해서 전달한다면 훌륭한 소통 도구가 될 수 있을 것입니다. 실제로 허들러스는 많은 고객들의 GA4 데이터를 시각화하여 의사결정자, 다른 부서 동료, 이해관계자들이 쉽게 볼 수 있는 대시보드를 구축해드리고는 합니다.
어떤 데이터를 시각화 시켜야 할지는 비즈니스의 특성에 따라 다릅니다. 같은 쇼핑몰이더라도, 무엇을 주안점에 두는가에 따라 달라지게 됩니다. 이렇듯 수많은 데이터들을 시각화하여, 소통을 원활하도록 하는것이 데이터 활용의 3번째 목적입니다.
이번 글에서는 데이터를 활용하는 여러가지 케이스들을 만나보았습니다. 데이터는 사내 결정에 필요한 많은 소통 비용을 감축시키고, 내가 만든 추론이나 가설을 검증할 수 있으며, 비즈니스의 성장을 위해 새로운 기회를 만들 수도 있습니다. 데이터 없이 디지털 환경에서 성장하는 것은 나침반 없이 항해를 하는것과 같습니다. 그만큼 데이터는 중요합니다. 한편으로 데이터는 문제를 해결해주는 도구는 아닙니다.
데이터의 활용도가 무궁무진합니다. 하지만 처음부터 완벽하게 해낼 필요는 없습니다.
데이터를 아예 모르겠다면, 이번 글에서 예시로 공유드렸던 GA4를 가장 먼저 학습하는것이 접근 장벽이 낮을 것입니다. 무료툴이다 보니 수요도 많고 해당 툴에 대한 정보를 소개하는 여러 공급자들도 많기 때문입니다. 이번 글에서 특히, 데이터의 활용 중, A/B 테스트를 통한 가설 검증을 언급했었습니다. 실제로 A/B 테스트란 무엇이며, 어떻게 가설을 검증할 수 있을까요? A/B 테스트를 잘 할 수 있는 방법에 대해서 다음 시리즈에서 다뤄보겠습니다.
긴 글 읽어주셔서 감사합니다.