데이터 분석 사례 – GA 세그먼트 실전 활용 사례

데이터 분석 사례 – GA 세그먼트 실전 활용 사례

2019년 10월 31일 Analytics Consulting 0

안녕하세요 인트렌치 컨설팅 이찬우입니다. 

저희 인트렌치 컨설팅으로 문의를 주시는 분들을 보면 대부분 구글 애널리틱스 추적 코드를 설치 및 전자상거래 적용을 하고 나서, GA를 통해 월 방문자수, 소스/매체 유입, 일일 수익 정도만 파악하고 계신 경우가 많았습니다. 물론 이는 잘못된 것이 아니지만, 구글 애널리틱스가 사용자의 비즈니스에 맞게 새로운 인사이트를 제공할 때는 위와 같은 방식만으로는 어려울 때가 많습니다.

그래서, 지금부터 GA의 가장 필수적인 활용 기능인 “세그먼트”에 대해 알아보겠습니다. 

세그먼트는 GA에서 “조건에 맞는 필터”를 걸어 가설에 대한 검증을 데이터로 확인할 수 있도록 만들어 줍니다. 이번 시간에는 GA 세그먼트를 활용하는 방법을 데이터 분석 사례에 입각하여 말씀드리도록 하겠습니다. 

Case 1 세그먼트 데이터 분석 사례 – 특정 상품만 구매하지 못한 사람들의 세그먼트 모수 추출하기

저희 고객사들 중, 쇼핑몰 사이트의 “선착순 프로모션에서 구매를 하지 못한 사람들의 경우 타 상품에서 다른 사람들보다 구매 확률이 높을 것이다.”라는 가설을 가지고 해당 상품만 구매하지 못한 사람들의 데이터를 볼 수 있는 세그먼트를 만들고자 했습니다. 

Google Analytics 데모 계정을 예로 들어 세그먼트를 만들어 보겠습니다. 

표1
선착순 프로모션의 상품군을 “Google Tee-“가 들어간 상품들이라고 가정해 보겠습니다. 

여기서 우리가 원하는 데이터는 “Google Tee- 상품의 상세페이지에 방문했으나 구매하지 않은 사용자들입니다.” 이와 같은 조건을 GA세그먼트의 조건으로 설정하면 다음과 같습니다. 

세그먼트설정1
 아래의 고급 탭을 클릭한 후 다수의 필터를 설정해 줍니다. 

첫 번째로는 Google Tee-상품을 구매한 사용자들을 제외/포함 여부를 설정해 줍니다. 특정 상품만 구매하지 않고, 특정 상품의 세부 정보 보기 페이지뷰를 일으킨 사용자들을 추출해야 하기 때문입니다. 

두 번째로는 Google Tee-상품에 해당하는 데이터만 볼 수 있도록 데이터의 범위를 선택해주어야 합니다. 애널리틱스의 측정기준 및 측정항목은 모두 적합한 데이터 범위를 가지고 있습니다. 해당 세그먼트는 “특정 상품”에 제한된 데이터를 조건으로 걸고 있으므로, 데이터 범위를 “제품별”로 설정해 주어야 합니다. 이때 데이터의 범위가 잘못된다면, 잘못된 의사결정으로 이어질 수 있는 왜곡된 데이터가 추출될 것입니다. 반드시 주의하시기 바랍니다. 

이렇게 주의사항들을 유념하여 데이터를 추출하면 다음과 같은 결과가 나오게 됩니다.

분석결과1
이렇게 “Google Tee-“ 와 관련된 상품들의 구매 이력이 제외된 데이터를 확인할 수 있습니다.

Case2 세그먼트 데이터 분석 사례 – 교차 구매가 이뤄진 세그먼트 모수 추출하기 

두 번째 케이스는 교차구매가 일어난 케이스를 살펴보기 위한 세그먼트 생성 방법입니다.

예를 들면 다음과 같은 가설이 존재한다고 가정해보겠습니다.  

“자녀를 둔 어머니들의 경우 자신의 옷을 구매한 뒤 자녀들의 옷도 구매할 가능성이 클 것이다.” 

이때, 커머스 사이트의 카테고리가 아동복, 여성복으로 구분이 되어 있다면 해당 카테고리 간의 교차 구매에 대한 성과를 알고 싶어 할 것입니다. 

이 경우, 상품 카테고리의 URL 패턴으로 조건을 걸어 교차 구매가 일어난 케이스를 세그먼트로 만들어 파악할 수 있습니다.  

URL패턴1
URL패턴2
구글 데모계정의 카테고리 URL 패턴

구글 데모 계정의 실제 사이트 경우, 여성복 카테고리 제품 목록의 URL엔 /Apparel/Womens가, 아동복엔 /Apparel/Kids가 포함됩니다. 

해당 조건으로 여성복 제품 목록 방문 및 구매 후 아동복 카테고리로 넘어간 사람들의 데이터를 살펴볼 수 있습니다. 

세그먼트설정2

위의 조건을 걸고 데이터를 추출하면 다음과 같은 결과가 나옵니다.

결과를 보니 1명의 고객이 있습니다. 아무래도 가설을 입증하기 위한 데이터가 부족해 보입니다. 따라서 위의 가설은 활용할 수 없는 것으로 결론지어졌습니다.

데이터 분석 사례 1
데이터 분석 사례 2

이렇게, 교차구매에 대한 성과를 확인하기 위한 세그먼트를 만들어 보았습니다. 

사이트 별로 다양한 구조를 가지고 있으므로 가설을 확인하는 방법은 각자 천차만별일 것입니다.

이 때문에 분석 툴을 사용하는 것보다 비즈니스, 도메인에 대한 이해 등이 선행되어야 데이터로 확인하고 싶은 좋은 분석 가설이 나오게 될 것입니다. 그리고 이를, GA를 통해 검증할 수 있어야 참된 의미의 “데이터 드리븐 마케팅”이 이행될 것입니다. 

지금까지 보여드린 케이스들을 참고하여 여러분의 비즈니스에 맞게 적용해 보시기 바랍니다.