Q1. 위의 연령 잠재고객 보고서에서 전환율이 가장 높은 고객은 누구일까요?
바로 전환율 6.76%를 기록한 55-64 연령대입니다!
'5. 55-54' 줄을 해석해보면, "55-64세 연령대의 고객이 395명 유입했고, 33명이 결제 완료했고, 결제 전환율은 6.76%이다."입니다.
데모 계정 실습
오라클 DB에서 학습하기 위해 연습 계정인 scott / tiger 을 만들어 주어야 합니다.
① 오라클 설치 후 시작 메뉴 오라클 파일에 sqlplus.exe 를 실행해 줍니다.
② 설치할 때 만든 아이디와 비밀번호를 입력합니다.
(아이디는 대부분 system이고 비밀번호는 설치시 입력한 값입니다.)
ALTER USER scott
IDENTIFIED BY tiger
※ 만약 계정이 존재하지 않는다면 아래와 같이 scott/tiger을 생성해 줘야 합니다.
① 위의 ②와 같이 접속하여 scott/tiger 계정을 생성해 줍니다.
CREATE USER scott IDENTIFIED BY tiger
DEFAULT TABLESPACE users
TEMPORARY TABLESPACE temp;
GRANT connect, resource TO scott;
③ 생성된 계정으로 접속해 줍니다.
첨부파일 : 다양한 예제로 쉽게 배우는 오라클 SQL과 PL/SQL 실습 예제 Query
아래는 실습 명령어들 모음입니다.
SELECT * FROM TAB;
SELECT * FROM emp;
SELECT empno, ename
SELECT * FROM professor;
SELECT name, '교수님~배고파요~'
SELECT studno "학번", name AS "이름", profno 지도교수번호
SELECT empno 사원번호, ename 사원명, job 직업
SELECT deptno 부서#, dname 부서명, loc 위치
SELECT name || '님은' || position || '입니다'
SELECT * FROM student;
SELECT name || '의 키는' || height || 'cm, 몸무게는' || weight || 'kg 입니다'
SELECT * FROM professor;
SELECT name || '(' || position || '), ' || name || '''' || position || ''''
SELECT ename, sal, sal+100
SELECT sal, sal+100/2, (sal+100)/2
SELECT ename, sal, deptno
WHERE deptno = 10;
SELECT ename, sal
WHERE sal > 4000;
SELECT ename, empno, sal
WHERE ename = 'SCOTT';
SELECT * FROM professor;
SELECT name, pay, hiredate
WHERE hiredate = '2001-05-23';
SELECT name, height
WHERE height >= 180;
SELECT name, weight
WHERE weight BETWEEN 60 AND 80;
SELECT name, weight
WHERE weight >= 60
SELECT name, deptno1
WHERE deptno1 IN (101, 201);
WHERE name LIKE '김%';
SELECT name, bonus
SELECT name, bonus
WHERE bonus IS NULL;
SELECT name bonus
WHERE bonus IS NOT NULL;
SELECT name, grade, height
AND height > 170;
SELECT name, grade, height, weight
SELECT name, grade, height, weight
AND height > 180
SELECT name, grade, height, weight
AND (height > 180 OR weight > 70);
SELECT name, height
SELECT name, height
ORDER BY height;
SELECT name, height, weight
ORDER BY height ASC, weight DESC;
SELECT name, birthday, height, weight
SELECT name "이름", height "키"
SELECT * FROM professor;
WHERE deptno1 = 201;
SELECT INITCAP('Pretty girl')
SELECT name 이름, id, LOWER(id) 소문자, UPPER(id) 대문자
WHERE deptno1 = 201;
SELECT name 이름, id, LENGTH(id) 글자수
WHERE LENGTH(id) > 9;
SELECT name 이름, LENGTH(name), LENGTHB(name)
WHERE deptno1 = 201;
SELECT CONCAT(name, position)
WHERE deptno = 101;
SELECT SUBSTR('ABCDE', 2, 3)
SELECT SUBSTR('ABCDE', -2, 3)
SELECT name, SUBSTR(jumin, 1, 6) "생년월일"
WHERE deptno1 = 101;
SELECT name, SUBSTR(jumin, 1, 6) "생년월일"
WHERE SUBSTR(jumin, 3, 2) = '08';
SELECT SUBSTR(name, 1, 2)
WHERE deptno1 = 101;
SELECT SUBSTRB(name, 1, 2)
WHERE deptno1 = 101;
SELECT INSTR('A*B*C*', '*', 1, 2)
SELECT name, tel, SUBSTR( tel, 1,INSTR(TEL, ')', 1, 1) - 1 ) AS 지역번호
WHERE deptno1 = 101;
SELECT id, LPAD(id, 10, '$') "LPAD"
WHERE deptno1 = 101;
SELECT LPAD(dname, 10, '1234') "LPAD 연습"
SELECT RPAD(dname, 10, SUBSTR('1234567890 ', LENGTHB(dname)+1, 10)) "LPAD 연습"
SELECT LTRIM(dname, '영')
SELECT REPLACE(name, substr(name, 1, 1), '#')
WHERE deptno1 = 101;
SELECT REPLACE(name, substr(name, 2, 1), '#')
WHERE deptno1 = 101;
SELECT REPLACE(jumin, substr(jumin, 7, 7), '*******')
WHERE deptno1 = 101;
SELECT name, tel, REPLACE(tel, substr(tel, INSTR(TEL, ')', 1, 1)+1, 3), '###') AS REPLACE
WHERE deptno1 = 102;
SELECT TRUNC(12.345) TRUNC1, TRUNC(12.345, 2) TRUNC2, TRUNC(12.345, -1) TRUNC3
SELECT MOD(12, 10) "Mod", CEIL(12.345) "Ceil", FLOOR(12.345) "Flor"
SELECT POWER(3, 2)
SELECT MONTHS_BETWEEN('2012-03-01', '2012-01-01')
SELECT name, SYSDATE, hiredate,
ROUND(MONTHS_BETWEEN(SYSDATE, hiredate), 2) Date_1,
ROUND(((SYSDATE - hiredate) / 31), 2) Date_2
WHERE deptno = 101;
SELECT SYSDATE, ADD_MONTHS(SYSDATE, 3)
SELECT SYSDATE, NEXT_DAY(SYSDATE, '월요일')
SELECT SYSDATE, ROUND(SYSDATE), TRUNC(SYSDATE)
SELECT 1 + '1' FROM dual;
SELECT TO_CHAR(SYSDATE, 'YYYY') "YYYY",
TO_CHAR(SYSDATE, 'RRRR') "RRRR",
TO_CHAR(SYSDATE, 'YY') "YY",
TO_CHAR(SYSDATE, 'YEAR') "YEAR"
SELECT TO_CHAR(SYSDATE, 'MM') "MM",
TO_CHAR(SYSDATE, 'MON') "MON",
TO_CHAR(SYSDATE, 'MONTH') "MONTH"
SELECT name, TO_CHAR((pay * 12) + bonus, '99,999') "연봉"
WHERE deptno = 101;
SELECT name, TO_DATE(hiredate, 'YYYY-MM-DD') "입사일", TO_CHAR((pay * 12), '99,999') "연봉", To_CHAR((pay*12)*1.1, '99,999') "인상후"
WHERE TO_CHAR(hiredate, 'YYYY') < 1990;
SELECT name, pay, bonus, (pay * 12 + NVL(bonus, 0 )) "연봉"
WHERE deptno = 101;
SELECT name, deptno, DECODE(deptno, 101, '컴퓨터공학과') "학과명"
SELECT name, deptno, DECODE(deptno, 101, '컴퓨터공학과', '기타학과') "학과명"
SELECT name, deptno, DECODE(deptno, 101, '컴퓨터공학과',
SELECT name, jumin, DECODE(substr(jumin, 7, 1), 1, '남자', '여자')
WHERE deptno1 = 101;
SELECT name, tel, CASE(substr(tel, 1, INSTR(tel, ')') -1)) WHEN '02' THEN '서울'
WHEN '031' THEN '경기'
WHEN '031' THEN '부산'
WHEN '031' THEN '울산'
WHEN '031' THEN '경남'
SELECT deptno, position, AVG(NVL(pay, 0)) "평균급여"
GROUP BY deptno, position;
SELECT deptno, position, AVG(NVL(pay, 0)) "평균급여"
GROUP BY deptno, position
ORDER BY deptno;
SELECT deptno, AVG(NVL(pay, 0))
GROUP BY deptno
HAVING AVG(pay) > 450;
SELECT deptno, position, COUNT(*), SUM(pay)
GROUP BY ROLLUP(deptno, position);
FROM (SELECT week "데모 계정 실습 주", day, num_day
FOR day IN('일' as "일",
SELECT MAX(DECODE(day, '일', num_day)) AS SUN,
MAX(DECODE(day, '월', num_day)) AS MON,
MAX(DECODE(day, '화', num_day)) AS TUE,
MAX(DECODE(day, '수', num_day)) AS WED,
MAX(DECODE(day, '목', num_day)) AS THU,
MAX(DECODE(day, '금', num_day)) AS FRI,
MAX(DECODE(day, '토', num_day)) AS SAT
FROM (SELECT deptno, job, empno, sal
FOR job IN('CLERK' as "CLERK",
'MANAGER' as "MANAGER",
'PRESIDENT' as "PRESIDENT",
'ANALYST' as "ANALYST",
'SALESMAN' as "SALESMAN")
ORDER BY deptno;
FROM (SELECT deptno, job, empno, sal
PIVOT ( COUNT(empno) AS CNT,
SUM(NVL(sal,0)) AS S_SAL FOR job IN('CLERK' as "C",
ORDER BY deptno;
CREATE TABLE t_unpivot AS
(SELECT * FROM (SELECT deptno, job, empno
FOR job IN('CLERK' as "CLERK",
'MANAGER' as "MANAGER",
'PRESIDENT' as "PRESIDENT",
'ANALYST' as "ANALYST",
'SALESMAN' as "SALESMAN")
SELECT * FROM t_unpivot;
empno FOR job IN(CLERK, MANAGER, PRESIDENT, ANALYST, SALESMAN)
SELECT MAX(pay + NVL(bonus, 0)) "MAX", MIN(pay + NVL(bonus, 0)) "MIN", AVG(pay + NVL(bonus, 0)) "AVG"
데모 계정 실습
오늘은 구글 애널리틱스에 대해서 다뤄보도록 할게요:)
로그분석의 이해 및 개념
구글 애널리틱스에 앞서서 로그분석에 대해서 먼저 알아보겠습니다!
이제 우리는 오프라인 마케팅과 온라인 마케팅의 차이점 을 물으면 자신있게 대답할 수 있겠죠?
네! 바로 광고 성과의 측정 가능 유무 입니다. 온라인 마케팅은 성과를 측정할 수 있기 때문에 개선 방안도 도출할 수 있는 것입니다.
즉, 우리의 홈페이지에 유입되는 방문자들이 하는 행동들(ex. 장바구니 페이지 조회, 상품 상세페이지 조회, 영상 재생 등)을
우리는 미리 발행해놓은 스크립트를 통해 수집할 수 있는 것이죠. 구글 애널리틱스는 이런 수집된 데이터들을 분석하는 툴입니다.
Data를 아무리 많이 수집한다고 할지라도 정작 활용할 수 없으면 쓸모가 없기 때문에 구글 애널리틱스의 활용이 중요한 것인데요!
구글 애널리틱스는 수집된 Data를 활용해서 더 좋은 성과 향상을 위한 해석을 가능하게 해주죠.
구글 애널리틱스 작동 원리
이제 구글 애널리틱스(Google Analytics, 이하 GA)에 대해서 알아보겠습니다.
웹사이트에서 발생하는 다양한 고객 행동 및 정보에 대한 데이터는 쿠키 ID를 기반으로 수집되어 GA에서 확인 및 분석이 가능합니다.
여기서 쿠키 ID란 사이트에 접속할 때 자동적으로 만들어지는 임시 파일로 이용자가 본 내용, 상품 구매 내역,
신용카드 번호, ID, 비밀번호, IP 주소 등의 정보를 담고 있는 일종의 정보 파일입니다.
이렇듯 쿠키 ID를 수집하기 위해서는 우선 G-Tag 웹페이지에 설치해줘야 합니다. 삽입된 G-Tag는 방문자의 브라우저에
쿠키를 생성하고 고유 ID를 부여하죠!
다만 쿠키는 브라우저 별로 다르며 여러 브라우저를 사용할 경우, 각각 다른 사용자로 인식하는 한계점 이 있습니다.
크롬 시크릿 모드 및 쿠키 삭제 등과 같이 유저 ID를 Tracking 하지 못하거나, 지워지는 경우가 있습니다.
구글 애널리틱스 기초 이해
구글 애널리틱스에는 계정, 속성, 보기 라는 세가지 단위가 있습니다.
계정: 사업단위 / 서비스 단위
속성: 단일 웹사이트, 모바일 앱. 속성마다 추적 코드 부여(데이터 수집 기준)
보기: 운영을 위한 데이터 정제 및 분할
이렇게 각각의 단위마다 설정해줄 수 있는 것도 다르죠.
그렇지만 계정 단위가 가장 상위에 위치한 단위이며 그 다음의 속성이고 가장 작은 단위가 보기이기 때문에
계정 단위에서 설정한 것은 모든 속성과 모든 보기에 영향을 미칩니다.
지표용어 설명(1)
GA의 분석 data를 보면 보통 이렇게 생긴 표를 볼 수 있습니다.
측정기준은 데이터 속성을 말하고 측정 항목은 정량적 측정 요소를 뜻합니다.
즉, 측정 기준은 정성적 으로 나타낼 수 있는 것들이며 측정 항목은 수치화가 가능한 데이터 입니다.
다음은 사용자, 세션, 히트의 개념입니다.
사용자: 사람의 개념
세션: 방문의 개념
히트: 활동의 개념
오프라인 매장을 생각하면서 예시를 본다면 이해가 쉬울 것 같습니다.
사용자 A는 7월 16일 1번 방문(1 세션), 활동은 신발 - 하의 - 신발 3번의 활동(3 히트)를 하였습니다.
7월 18일에는 1번의 방문(1 세션)이었지만 상의 - 신발 - 하의 - 카운터로 4번의 활동(4 히트)를 기록했습니다.
여기서 히트란 페이지 도착만 히트가 아니라 특정 버튼 클릭 혹은 스크롤을 내리는 행위도 히트가 될 수 있습니다.
다음으로 세션 시간입니다. 세션 시간 또한 인사이트를 도출하는데 있어서 중요한 지표입니다.
유저에게 매력이 있는 웹페이지일수록 웹페이지에서 체류하는 시간이 늘어나며 이 시간이 늘어날수록
전환을 일으킬 가능성이 높아지기 때문이죠!
그렇다면 세션 시간을 측정하는 기준은 무엇일까요?
세션 시간은 마지막 히트 전에 기록된 시간을 의미합니다.
메인페이지에 5시 20분에 접속한 유저가 카테고리 페이지, 상품 상세 1페이지를 거쳐 상세 2페이지에서
더이상의 히트가 기록되지 않는다면 해당 유저의 세션 시간은 2분 + 6분 + 6분으로 14분이 되는 것입니다.
또한 세션이 종료되었다고 판단하는 기준은 두가지가 있습니다.
1) 히트가 30분이상 없을 때
즉, 5시 20분에 접속한 유저가 아무런 히트도 발생시키지 않다가 5시 52분에 상품 상세페이지를 조회한다면
이전의 세션은 이미 종료하였으며 추가적으로 세션이 발생한 것으로 보는 것이죠!
지표용어 설명(2)
페이지 뷰: 페이지가 사용자 접속으로 몇번이 로드 되었는지 카운트
순 페이지 뷰: 하나의 세션내에서 발생한 페이지 뷰는 오직 1만이 카운트
웹 페이지에서 이탈과 종료는 다르다는 사실 알고 계셨나요?
'이탈'이란 시작페이지와 종료페이지가 같으며 히트가 2번 이상 일어나지 않은 경우 를 말합니다.
예를 들어 이탈율이 60%라는 것은 10명 중 6명의 사람들은 첫 페이지만 보고 웹사이트를 종료하는 것을 말합니다.
추가적으로 광고의 이탈율이 70% 이상일 경우 랜딩페이지 혹은 유입된 고객들에 대한 타겟팅에 문제가 있다고 판단합니다.
반면 '종료'는 이탈을 포함한 모든 페이지 뷰 종료 를 말합니다.
종료율은 어느 페이지이든 높고 낮을 수 있으며, '결제완료, 상담신청, 회원가입완료'와 같은 전환행동 완료 후 종료를 많이 하기에
종료가 높고 낮음은 페이지 성격마다 다르게 나타납니다.
이벤트는 페이지 로드와는 다른 클릭, 스크롤, 콘텐츠 조회 등과 같은 액션 을 의미합니다.
각 이벤트 별로 Category, Action, Label, Value 등 4개 변수에 대한 값을 지정할 수 있으며
특정 행동에 대한 Event 행동 추적 필요 시 구글 태그 매니저를 통해 추적할 수 있습니다.
레포트의 구성
GA는 수집한 Data를 통해 다양한 보고서를 제공하며 이를 통해 인사이트를 도출할 수 있습니다.
실시간 보고서
- 바로 지금 우리 웹사이트에 접속해 있는 방문자의 개략적인 정보
잠재고객 보고서
- 방문자의 인구 통계, 행동, 특징 등과 같은 방문자 정보에 관한 보고서
ex) 방문자가 몇 명인가? 남성 or 여성? 어떤 기기를 통해 들어오는가? 어디에 사는가?
획득 보고서
- 방문자가 웹사이트에 어떤 경로를 통해 유입되었는가?
ex) 이메일을 통해? 주소창 검색을 통해? 페이스북 리타겟팅 광고를 통해?
행동보고서
- 방문자가 우리 웹사이트 내에서 어떻게 행동하는가?
ex) 어느 웹페이지에 오래 머무는가? 어느 페이지에서 주로 이탈하는가?
전환 보고서
- 방문자가 웹사이트 내에서 우리가 지정한 목표를 달성하는가? (목표=장바구니 담기, 회원가입, 구매 등)
ex) 어디서 유입된 고객이 전환율이 높은가? 신규 방문자의 전환 비율은 어떻게 되는가?
실시간 보고서
그렇다면 이제 보고서를 하나하나씩 살펴보도록 할게요!
첫번째는 실시간 보고서입니다.
실시간 보고서는 현재 추적 코드가 웹페이지에 잘 삽입되어 작동되고 있는지, 확인 할 때 사용할 수도 있습니다.
현재 방문자의 위치, 트래픽 소스, 조회중인 페이지 등 개략적인 정보를 보여주는 보고서 입니다.
잠재고객 보고서
잠재고객 보고서는 방문자의 인구 통계, 행동, 특징 등과 같은 방문자 정보에 관한 보고서입니다.
하지만 GA에서 Data가 수집되는 기준은 브라우저별 쿠키값을 기준으로 수집되는 data이며
data가 분류되는 기준은 비식별 Data 유저 ID의 관심사 및 행동 등을 분석하여 Big Data를 기반으로 분류되는 것이기에
정확한 인구통계학적인 특징을 밝히기는 힘들다는 단점 이 있습니다. 이전의 페이스북 유저 ID타겟팅과는 다른 점이죠!
활성 사용자(동질집단 보고서)는 코호트 분석으로 자주 활용하게 되는 보고서입니다. 진한 파랑색일수록 리텐션이 높습니다.
해당 보고서는 DAU, MAU가 중요한 플랫폼 관련 회사에서 많이 활용됩니다.
활성사용자(평생가치)는 LTV(Life Time Value)로 사용자의 가치를 측정하는 것입니다.
측정 기준은 사전에 설정한 이벤트, 전환들이 가진 각각의 Value를 계산하여 고객 1명 당 LTV를 계산하게 됩니다.
잠재고객 보고서에서는 전체 사용자 중 특정 사용자 비율을 확인할 수 있습니다.
평생 가치 보고서의 경우 유입 경로 별 고객의 LTV를 측정하기 때문에 이벤트와 전환 값을 설정 하는 것이 중요
동질 집단 보고서는 활성 사용자를 파악 하기 위하여 사용하고, 인구 통계는 특정 사용자의 비율을 확인 하기 위해 사용하는 보고서입니다.
획득 보고서
데모 계정 실습 데모 계정 실습
기본 획득 보고서에서는 방문자가 웹사이트에 유입된 경로를 분석 합니다.
전체 트래픽(채널)은 채널 유입 소스에 따라 분석할 수 있는 보고서입니다.
상단 채널 보고서는 데모 계정에서 설정된 채널로 보고서가 만들어진 것이기 때문에
이를 통해 인사이트를 얻을 수는 없지만 이 후 우리는 직접 우리의 입맛에 데모 계정 실습 맞는 채널을 정의하여 맞춤 채널을 설정하고
정확한 유입경로를 추적해낼 수 있어야 합니다.
트리맵 보고서는 기본 측정 항목을 기준으로 보조 측정항목의 높고 낮음을 알 수 있습니다.
즉, 해당 트리맵 보고서에서는 사용자 수를 기준으로 세션 당 페이지 수의 많고 적음을 알 수 있는 것입니다.
예를 들어 보조 측정항목이 이탈율일때, Referral이 가장 낮게 표시된다면 링크를 타고 들어온 사용자들의 이탈율이
다음은 소스/매체 보고서입니다.
가장 기본이 되는 보고서로 Raw Data의 측정 항목을 확인할 수 있습니다. 하지만 정확한 유입경로를 추적하는데 한계가 있어
맞춤 획득 경로를 만들어야 합니다.
보조 측정기준으로 캠페인을 추가할 수 있지만 데모 계정 실습 캠페인 보고서가 따로 있기 때문에 캠페인 보고서를 주로 활용합니다.
여기서 소스란 페이스북, 인스타그램, 구글, 네이버와 같은 플랫폼 단위 를 말하며
매체는 획득이 어떤 매체를 통해서 왔는지 를 의미합니다. (Display, Organic search, Email)
상단의 소스/매체 보고서는 제가 페이스북 광고 송출 실습을 할 때 사용했던 것으로
페이스북, 인스타그램을 통해 이미지 광고를 진행했었기 때문에 소스/매체 명이 Instagram/image의 형태로 잡힌 것을
캠페인 보고서는 성과 측정을 위해 가장 많이 보게 되는 보고서입니다.
랜딩페이지 URL에 달아놓은 UTM 코드로 캠페인이 분류되어 GA에 데이터가 쌓이게 되는 것으로
각 캠페인 별 성과를 볼 수 있습니다.
데모 계정 실습
사진을 찍은게 없어서..ㅠㅠ디지털 과정때 찍은 사진으로 대체
Google Analytics
Google Analytics는 현재 구글 마케팅 플랫폼 브랜드 내의 플랫폼으로서, 웹사이트 트래픽을 추적하고 보고하는 구글이 제공하는 웹 애널리틱스 서비스이다. 2019년 기준 Google Analytics는 웹에서 가장 널리 사용되는 웹 애널리틱스 서비스이다. 고안 당시부터 수많은 버전을 거쳐왔고, 현재는 GA4단계에 있다.
Google Analytics의 사진
Google Analytics의 장점
Google에서 말하는 GA(Google Analytics)의 장점은 아래와 같다.
사이트/앱 내 사용자의 행동을 수집하고 이를 시각적으로 데이터로 제공해준다. 확실히 GA를 통해 온라인 플랫폼 내 사용자의 행동을 파악하기가 용이하기 때문에 종합적인 분석에 도움이 된다.
2. Google에서만 얻을 수 있는 분석 정보 활용
"Google의 독자적인 머신러닝 기능을 활용해 어떤 사용자의 전환 가능성이 크고, 어떤 고객의 수익 잠재력이 높은지 등에 대한 새로운 분석 정보를 데이터에서 찾아낼 수 있다"라고 하는데 내가 다루는 수준은 아직 이 정도는 아닌 것 같다.
3. 분석 정보를 데모 계정 실습 활용해 실적 개선
애널리틱스는 Google의 광고 및 게시자 제품과 연동하도록 만들어져 있어, Display & Video 360, Google Ads, 애드센스 등 Google의 서비스와 연동하기 편하다.
4. 효과적인 데이터 활용
사용하기 쉬운 인터페이스와 공유가 가능한 보고서를 통해 신속하게 데이터를 분석하고 쉽게 공동작업을 할 수 있다. 방대한 양의 데이터를 순식간에 처리하고 공유하며, Google의 구성 API를 바탕으로 유연한 프로그래매틱 분석이 실행된다.
나같은 비전공자는 Google에서 GA와 같은 툴을 제공해줘서 그동안 접근하기 힘들었던 데이터를 더욱 손쉽게 볼 수 있게 되었다. 더 나아가 데이터를 단순히 보는 것에서 분석(읽고 해석)할 수 있게 되었기에 GA가 가지는 의의나 가치는 더욱 크다.
데모 계정 실습
퍼포먼스 마케터로 거듭나기 위해 하루하루 학습하며 성장해나가는 crescent_moon 입니다.
오늘은 대표적인 MarTech 툴인 Google Analytics(이하 GA)의 보고서에 대해 다뤄보겠습니다.
1. GA의 구조는 어떻게 이루어져 있나요?
출처: 구글 애널리틱스 고객 센터
GA는 위의 그림과 같이 조직, 계정, 속성, 보기의 구조로 되어 있습니다. '조직'은 구글 마케팅 전체 플랫폼(구글 애널리틱스, 구글 태그 매니저, 구글 애즈 등)에 접근할 수 있는 가장 높은 단위의 계정을 말해요. 그 다음으로, '애널리틱스 계정' 안에 속성이 속하고, '속성' 안에는 '속성 보기'가 속해있는 계급적인 구조로 이뤄져 있습니다. '계정'의 경우, 최대 100개를 만들 수 있고, '속성'은 계정당 50개까지 만들 수 있으며, '보기'는 속성당 최대 25개의 탭을 생성할 수 있어요.
애널리틱스 계정 한 개당 하나의 브랜드(기업)를 관리한다고 보시면 돼요. 하나의 브랜드(기업) 데모 계정 실습 안에서 여러 브랜드로 나뉘는 경우도 있을 거예요. 예를 들어, 아모레 퍼시픽 기업의 경우 라네즈, 아이오페 등의 여러 브랜드로 구성되어 있습니다. 이러한 여러 브랜드는 속성 단위로 관리를 하시면 돼요. 즉, 속성마다 고유의 추적코드가 발급되기 때문에 데이터를 수집하고자하는 각 웹사이트 마다 하나의 속성을 생성해 줍니다. '속성'은 추적코드가 심어진 웹사이트 혹은 앱의 데이터가 모이는 곳이고, 속성들끼는 서로 데이터가 공유되지는 않다고 해요. 마지막으로, 가장 하위 단계의 '보기'단에서는 실제로 웹사이트 혹은 앱 방문객(고객)들의 데이터를 볼 수 있습니다.
2. 기본적인 GA '보기' 세팅 방법
출처: 구글 애널리틱스
- Master View: 실제 사용자의 행동만을 수집하기 위해서 관리자의 IP 주소 유입을 필터링한 보기입니다. 주로 마스터 뷰에서는 '사내 IP 제거'라는 필터를 생성하게 됩니다.
- Test View: 변동이 있을 때, 데이터 수집이 잘 되는지 확인해보기 위해서 생성하는 보기입니다. 새로운 목표를 설정하게 되거나, 새로운 필터를 생성할 데모 계정 실습 때, 먼저 테스트 뷰에서 실험을 해보고, 데이터 수집이 잘 되는 것을 확인한 이후에 마스터 뷰에 적용합니다.
- Raw Data: '속성'을 생성하게 되면 자동적으로 '전체 웹사이트 데이터'라는 이름의 '보기'가 생성됩니다. 이 보기를 'Raw Data'라고 생각해주면 됩니다. 새로운 보기 탭을 생성하게 된다면, 해당 보기 탭이 만들어진 이후의 데이터만 수집되기 때문에 원본 데이터 뷰를 만들어서 백업 파일 개념으로 사용하게 되는 것입니다.
3. GA의 보고서에 대한 이해
GA의 꽃은 보고서라고 할 수 있어요. GA를 사용하는 핵심적인 이유가 바로 사용자 데이터를 보고서화해서 적절한 데이터 해석을 통해 의사결정을 내리는 것에 있기 때문이죠. 지금부터 유입되는 데이터의 의미를 해석하는 데에 도움을 주는 다섯 가지 GA 보고서를 간단하게 소개해 드릴게요.
GA 데모 계정을 통해 실습하면서 천천히 따라와주세요.
1) 실시간 보고서: 지금 당장 우리 웹사이트에 접속해있는 방문자의 정보들의 모음
출처: 그로스쿨
지금 현재 웹사이트에 어떤 사람들이 어디에서 유입됐고, 어느 위치에 머무르고 있는지 등 발생하는 상황을 실시간으로 확인할 수 있는 보고서입니다. 현업에서는 데이터가 잘 수집되고 있는지 확인하는 용도로 주로 사용돼요.
2) 잠재고객 보고서: 방문자에 대한 인구통계, 행동, 특징 등의 정보들이 모여있는 보고서. (ex. 방문자 몇명? 남자/여자? 무슨 기기로 들어왔지? 어디에 살지? 등)
잠재고객 보고서는 웹사이트 방문객(고객)들에 대해 분석해주는 보고서입니다. 특히, 인구통계(연령, 성별), 모바일 보고서를 가장 많이 사용하게 될거예요. 다만, 연령 보고서는 구글에서 설정해 둔 연령대 단위로만 데이터를 볼 수 있다는 한계가 존재합니다. 보고서는 데이터를 측정하는 기준이 되는 '측정 기준' 과 '측정 항목 (숫자로 나와있는 지표들로, 측정 기준에 따라 변화하는 항목들)'으로 크게 구성이 나누어져 있습니다.
출처: 그로스쿨 - 측정 기준: Dimension(차원) (ex. '연령을 기준'으로 데이터를 볼 때)
- 측정 항목: 수치로 표현하는 데이터(Metrics)
출처: 구글 애널리틱스
단순히 보고서를 읽는 게 중요한 것이 아니라 데이터를 기반으로 한 의사결정이 가장 핵심이라 할 수 있어요.
예를 들어, 25-34 연령대의 사용자를 고품질 사용자로 분류할 수 있는데요. 이러한 고품질 사용자와 비슷한 행동(동작, 전환)을 보이는 연령대는 바로 35-44입니다. (35-44와 25-34의 이탈률, 전자상거래 전환율이 가장 비슷한 걸 보실 수 있어요.) 이와 같은 분석을 토대로 '35-44 연령대에 대한 마케팅 비용을 늘린다'와 같은 데이터를 기반으로 한 의사결정을 내릴 수 있게 되는 것입니다.
출처: 그로스쿨
Q1. 위의 연령 잠재고객 보고서에서 전환율이 가장 높은 고객은 누구일까요?
바로 전환율 6.76%를 기록한 55-64 연령대입니다!
'5. 55-54' 줄을 해석해보면, "55-64세 연령대의 고객이 395명 유입했고, 33명이 결제 완료했고, 결제 전환율은 6.76%이다."입니다.
Q2. 위의 데이터에 따르면 자사의 전환율이 높은 고객의 연령대는 45-65세입니다. 이러한 데이터를 기반으로 어떤 마케팅 활동을 해볼 수 있을까요?
1) 45-65세로 광고 타겟팅 연령을 변경
2) 나이대가 있는 채널에 광고 및 홍보 채널 확대
3) 해당 나이에 맞는 프로모션, 이벤트 활동 진행
4) 해당 연령대의 (예비)고객에게 고객인터뷰 진행
5) 연령에 맞는 UI 수정, 사용성 테스트 등
6) 상품 판매
동질 집단 분석(출처: 구글 애널리틱스)
동질 집단 분석 보고서는 '재방문율'을 추적 하기 위해 확인합니다. 만약 1% 이하가 많다면, 사이트 구조가 이상하거나, 사이트가 매력이 떨어지거나, 만든지 얼마 안되었거나 등 원인을 생각해봐야 합니다.
- GA는 아주 정확하게 남/여를 구분하진 못합니다. 관심사, 행동 등을 분석한 빅데이터 기반으로 분류되기 때문에 정확한 인구통계학전 특징을 확인하기는 어렵습니다.
- 사실 실시간 보고서나 잠재고객 보고서에서는 큰 인사이트를 찾을 순 없기에 많이 안보는 영역이다. '우리 고객은 대략 이런 사람들이구나'라는 현황 정도 파악할 수 있다.
3) 획득 보고서: 방문자가 웹사이트에 어떤 경로를 통해 유입되었나? (ex. 페이스북 광고? 구글 검색? 카카오톡 유입? 등)
" 우리 사이트 이전에 어디에서 들어왔나, 즉 유입 경로 에 대한 정보를 볼 수 있는 보고서입니다."
자사 웹사이트가 어떻게 고객(방문객)을 획득하게 됐는지를 보여주는 보고서입니다. 고객이 웹사이트에 유입되는 방법은 직접 URL을 입력해서 들어오는 경우, 키워드를 포털 사이트 검색창에 검색해서 들어오는 경우, SNS 포스팅을 보고 들어오는 경우 등 다양합니다.
특히, Direct/ none이라는 소스/매체를 가장 주의해야 합니다.
DIRECT: 직접 검색, 주소 창에 직접 URL을 입력한 경우로 정확하게 어떤 경로로 자사 홈페이지를 알게되고 유입되었는지 파악이 어렵기 때문에 direct/ none을 발생시키지 않는 것이 핵심입니다.
획득 보고서 중에서 전체 트래픽- '소스/매체' 보고서를 가장 많이 보게 될텐데요. 그 데모 계정 실습 이유는 UTM으로 소스/매체를 확인하면서 어떤 UTM이 달린 광고 소재가 가장 효과가 좋았는지 분석할 수 있기 때문입니다.
출처: 구글 애널리틱스
캠페인에서는 각 광고 캠페인의 성과를 확인할 수 있습니다.
출처: 그로스쿨 '채널 보고서'도 많이 보는 보고서 중 하나인데요(채널별 이탈율을 많이 보는 편), 맨 처음에는 측정기준이 디폴트 채널 그룹핑으로 설정되어 있어요. 나중에는 Default Channel Grouping을 커스텀 세팅을 통해 자사 상황에 맞게 쪼개줄 필요가 있습니다.
Default Channel Grouping에 나오는 기본 용어를 살펴볼게요.
- Direct: 직접 들어온 방문 (바로 접속, 즐겨찾기, SMS, 북마크, 직접 URL 작성 등 이전 URL이 없는 경우)
☞ Direct가 많으면 많을수록 매체를 알기 어렵고 추적이 되지 않기 때문에 점차 줄여나가야하는 채널입니다.
- Paid Search: 네이버, 구글 키워드 광고
- Display: 페북 광고, 구글 디스플레이 광고 등 지면 광고
- Affiliates: 계열사, 제휴 등(그룹사 사이트, 유튜버의 개인 광고)
- Referral: 외부 링크로 방문 (외부 사이트 링크를 타고 온 경우-쿠팡 파트너스)
- Organic search: 자연 검색(유기적인 방문)
- Social: 페이스북, 인스타그램, 트위터 등 (광고 아님)
- (Other): 그 밖에 잡기 어려운 채널
Q1. 왼쪽 그림의 채널 보고서에 따르면 전환율이 높은 채널은 무엇일까요?데모 계정 실습
Referral & Social
Q2. Referral을 클릭한 후, 측정 기준을 '소스'로 바꾸면, 오른쪽 그림과 같은 데이터를 볼 수 있습니다. 해당 데이터를 통해서 결제 전환율이 높은 사이트를 알 수 있어요. 이 데이터를 통해서 어떤 마케팅 활동을 해야 할까요?
1) 이 사이트와 제휴를 할 수 있을까?
2) 광고를 집행할 수 있을까?
3) 이 사이트를 이용하는 사람들의 특징은 무엇일까?
4) 해당 채널의 MAU(월간 활성 지수)는 어느정도일까?
등의 생각을 바탕으로 자사의 광고, 홍보, 제휴 등에 대해 재정리해볼 수 있습니다.
즉, '채널 Paid 광고의 우선순위 잡기, 채널별 광고비 증액 비율'을 정할 수 있겠죠.
4) 행동 보고서: 방문자가 우리 웹사이트에서 어떤 행동을 하나? (ex. KPI: 어느 웹사이트에 오래 머물지? 어느 페이지에서 그냥 나가버리지?(이탈율))
자사 웹사이트에 들어온 고객이 웹사이트 안에서 어떠한 행동을 하는지 보여주는 보고서입니다. 특히, 사이트 콘텐츠-모든 페이지 보고서를 설명드리겠습니다. 이를 통해서 페이지 조회수, 머문 시간, 이탈률 등을 알 수 있어요.
출처: 구글 애널리틱스
위 그림의 경우, '3. /store.html'에 해당하는 페이지가 가장 이탈률이 높은 것을 볼 수 있습니다. 이탈률이 높은 페이지는 설득력이 낮거나, 타겟층이 잘못 설정되어 있는 등의 문제가 있는 페이지로, 개선이 필요합니다.
데이터 분석) 고객 이탈율 분석하기
*이탈율: 사이트 유입 대비 나간 비율
'모든 페이지 보고서'에서의 측정기준인 페이지는 자사 웹사이트의 URL을 의미합니다. 페이지 뷰 보고서에는 '전환' 개념이 없어요. 측정 항목에 '페이지뷰 수, 순 페이지 수'가 나오는 이유는 1명의 사용자가 여러 번 페이지를 방문할 수 있기 때문입니다.
출처: 그로스쿨 Q1. 왼쪽 보고서를 보고 어떤 마케팅 활동을 할 수 있을까요?
아무것도 할 수 없습니다! 방문수가 1,2 밖에 안되는 미미한 숫자는 의미가 없기 때문입니다. 모수가 너무 적어서 통계적 유의미성을 확보하지 못하죠.
Q2. '정렬 유형: 가중치 적용'을 선택하면 오른쪽 그림과 같은 보고서를 볼 수 있습니다. 가중치가 적용되면 페이지 뷰 수 대비 이탈하는 비율을 알아볼 수 있어요. 이 데이터를 통해선 어떤 마케팅 활동을 할 수 있을까요?
당장 상세페이지를 개선해야 합니다. 지금의 상세페이지들의 이탈율이 높은 이유는 '고객에게 어필할 수 없는 상세페이지거나, 로딩 속도가 너무 길거나, 오류가 생겨서 잘 보이지 않는 등' 다양할 수 있습니다.
5) 전환 보고서: 방문자의 행동이 우리가 지정해 둔 목표를 달성했나? (ex. KPI: 장바구니, 구매 시작 등 어디서 유입된 고객이 전환율이 높은지, 신규 방문자의 회원가입 수, 전환 비율 등)
목표로 설정한 행동이 일어났을 때 집계되는 지표를 바탕으로 제공되는 보고서 입니다.
특히, 목표-유입경로 시각화 보고서에 대해 설명드릴게요. 설정한 목표에 따라서 단계별의 퍼널로 시각화된 보고서를 보여줍니다.
출처: 구글 애널리틱스
위 그림의 경우, 장바구니-배송 및 정보 입력으로 넘어가는 비율이 가장 적음을 알 수 있습니다. 약 57%가 장바구니에서 이탈했음을 의미해요. 이 부분에 가장 많은 자원을 투입하여 시급하게 해결해야 하는 문제라고 판단할 수 있습니다. 이처럼 장바구니에서 이탈이 발생했다면 무엇을 의심해봐야 할까요? 가격이 너무 비싼건 아닌지, 배송비가 붙는 건 아닌지 등을 의심해 볼 수 있을 겁니다.
데모 계정 실습
25 월 XNUMX 일 • 외환 계정 • 5086보기 • 코멘트 끄기 Forex Practice 계정 : 주목해야 할 세 가지 이점
기대되는 바와 같이, 통화 교환 노력에 참여하고자하는 사람들 중 많은 사람들이 염두에 두어야 할 질문이 있습니다. 외환 연습 계정? 그러한 쿼리에 대해 가능한 많은 답변이있을지라도 대부분의 사람들이 번거롭지 않은 테스트, 안전한 전략 개발 및 위험이없는 익숙이라는 세 가지 장점에 관심이 있다는 사실을 부인할 수 없습니다. 경험 많은 상인들은 그러한 특전에 대한 세부 사항을 분명히 알고있을 것이지만, 경험이없는 상인들은 혼란스럽고 우둔한 채로 남아있을 것입니다. 빨리 상인이 읽어야하는 것은 바로이 이유 때문입니다.
미리 언급했듯이, 외환 연습 계좌는 "번거 로움없는 테스트"와 동의어입니다. 이것은 기본적으로 모든 종류의 어려움과 관련된 실제 거래 계좌 개설과는 달리 데모 계좌에 가입하는 것이 쉽다는 것을 의미합니다. 대부분의 경우 데모 계좌에 최종적으로 액세스하려면 이름 및 이메일과 같은 기본 정보 만 제공하면됩니다. 이를 염두에두고 시험 계정을 통해 많은 노력을 기울이거나 입금을하지 않아도 직접 거래를 경험할 수 있습니다.
무료 외환 데모 계좌 개설
이제 실제 거래 및 위험이없는 환경에서 외환 거래를 연습하십시오!
또한 읽으려면 클릭하십시오 :
외환 관리 계정의 개요 및 장점
최소의 문제와 관련하여, 외환 거래 계정은 상인에게 실제 거래를하기 전에 자신의 기술을 안전하게 연마 할 수있는 기회를 제공한다는 측면에서 또한 빛난다. 특히, 많은 무료 사용 계정은 실제 거래를 매우 효과적으로 모방하여 그러한 시스템을 통해 거래 전략을 테스트 할 수 있습니다. 비슷한 의미에서, 많은 사람들은 데모 계좌에 로그인하면서 자신의 거래 방법을 생각해냅니다. 많은 사람들은 특정 관행 계정이 전문 상인을 위해 특별히 개발되어 오랜 기간 동안 정보를 보유하고 있다는 사실을 분명히 흥미로워 할 것입니다.
이 시점에서, 그것은 forex 연습 계좌가 초보자와 전문 상인 모두에게 중요하다는 것은 이미 명백합니다. 특히 전략 개발을 안전한 활동으로 만들어주기 때문입니다. 통화 시장을 통해 성공을 달성하고자하는 사람들은 여전히 그런 무료 공물을 최대한 활용할 수있는 사람들이라는 사실은 부인할 수 없습니다. 간단히 말하면 모든 버튼을 누르고 다양한 메뉴를 탐색하는 것보다 거래 플랫폼의 다양한 기능에 자신을 익숙하게하는 더 좋은 방법은 없습니다. 라이브를 사용하여 시도 할 경우 해로운 결과를 초래하는 행동 과정 거래 계좌.
또한 읽기 : 라이브 및 데모 외환 계좌 : 비교
다시 말하면 자신의 데모 계좌를 보유하는 것은 상대적으로 쉽습니다. 특히 실제 거래 시스템에 대한 액세스 프로세스와 비교할 때 상대적으로 쉽습니다. 또한 강조한 바와 같이, 자금 조달의 안전성에 대해 걱정하지 않고 여러 거래 전략을 개발하고 테스트 할 수있는 것은 그러한 시범 계정을 사용해야 만 가능합니다. 물론 모든 종류의 기능과 옵션을 테스트하면 불법적 인 결과가 발생하지 않으므로 이러한 무료 서비스가 존재하기 때문에 위험을 무릅 쓰지 않는 노력을 배우게됩니다. 전부해서, 외환 연습 계좌를 개설하는 것은 반드시 하나 이상의 이유 때문에 반드시해야 할 일입니다.
0 개 댓글