[GA4] 기여모델 사용해보기

 

구글애널리틱스를 쓰는 이유가 무엇인가를 생각해보면 여러가지 이유가 나올 것이다. 

데일리로 UV를 체크하려고, 전자상거래 매출액을 보려고, 또는 사용자 행동을 분석해보려고, 등.

 

우리 모두가 알고 있듯이 모두의 궁극적 목표는 바로 저 '행동 분석'에 해당할 것이지만,

실상은 데일리, 위클리 등 데이터 '모니터링' 용도로 쓰는 경우가 허다하다. 

 

이런 상황에서는 '전환에 대한 기여를 측정한다'에 대한 내용이 크게 와닿지 않을 수도 혹은 어떻게 써야 할 지 전혀 모르겠을 수도 있다. 

그래서 오늘은 간단하게 GA4에서 보는 전환 기여란 무엇인지, 우리가 어떻게 활용해야 하는지 간단하게 짚고 넘어가고자 한다. 

 

**해당 게시글에서 광고 보고서 데이터 연결을 위한 과정 등 세팅에 관련된 얘기는 따로 언급하지 않겠다.

 

 

전환...기여...다 알아요!

맞다. 적어도 구글애널리틱스를 써 온 사람이라면 모두가 아는 단어로 구성된 '전환 기여'.

 

전환이란, 우리가 사이트나 앱 내에서 사용자의 행동, 그 중에서도 수치화 하거나 성과로 여길만한 행동의 결과를 말한다.

예를 들어 회원가입, 구매 등을 전환이라고 볼 수 있다. 

그럼 전환 기여란? 전환에 이르기까지 얼만큼의 '기여'를, Support 를 했는가에 대해 확인하려고 할 때 쓰인다. 

 

 

그렇기 때문에 전환 기여를 알기 위해서는 우리는 사용자가 어떻게 우리 사이트 혹은 앱에 방문해서 전환에 도달했는지 분석해야 한다.

GA4 > 광고 탭 > 기여 분석에서 확인할 수 있다.

 

모델 비교, 전환 경로 보고서.. 보면 되죠! .. 될까요?

GA4의 광고 탭을 확인해보면 광고 효과를 측정하기 위해 GA4에서 정한 기본 채널 그룹(직접 유입, 검색광고 유입 등의 유입 경로 그룹)에 따라 전환 성과가 어땠는지 나열되어 있다. 

그러니까 우리는 이 보고서를 '보면' '안다.'

 

하지만 아는 것과 분석하는 것은 천지 차이이다. 

그러니까 우리는 이 보고서를 보고 알아서 분석하고 활용까지 하는 사이클을 직접 만들어내는 수밖에 없다. 

 

 

늘상 얘기하지만, 구글은 그래도 비교적(?) 친절하다. 도움말 문서가 잘 나와있고, 계속해서 업데이트 되며,

문서가 이상하거나 이해가 안 될 때에는 채팅 통해 하나하나 같이 뜯어보고 문의해보면, 심심한 사과와 함께 나중에 다시 잘 업데이트 되는 것도 볼 수 있다.

(업데이트가 느리게 반영될 경우 발생할 수 있는 이슈이며, 이건 실제 필자의 경험담이다....)

 

 

그러므로 우리가 해야 할 일은 딱 3가지다.

 

1. GA4 광고 탭에서 보고서를 본다.

    아직 보고서에 데이터가 없어서 모르겠다면, 데모 계정의 데이터를 보면 된다. 제일 깔끔하다. (Google Merchandise Store DEMO)

2. GA4 도움말의 Attribution 파트를 술술 읽어본다.

    https://support.google.com/analytics/topic/10595744?hl=ko&ref_topic=9143232 

3. GA4 광고 탭으로 돌아와 보고서를 다시 보고 생각한다.

 

 

기여..무엇을 생각해야 하는 거죠?

분석 영역은 정말 다양하게 해석할 수 있기 때문에 무엇이 100% 맞다, 틀리다라고 얘기할 수 없다.

그래서 본인이 가고자 하는 방향이 무엇인지 목적과 목표를 명확히 하고 '자 내가 분석해 본 결과 이렇습니다.' 라고 본인의 룰을 만들어야 한다. 

적어도 대다수가 납득할 수 있고 이해할 수 있는 범위 안에서. 

 

 

위 3번까지 왔다면, 우리는 각각의 기여 모델을 보고 내가 어떤 모델을 선택해서 보는 것이 좋을지 생각해야 한다. 

3번에서 '다시 생각한다'는 의미는 바로 이 부분을 말한다.

 

GA4에서 정해져 있는 기여 모델과 그 정의는 아래 테이블과 같다. 

분류	기여 모델	설명
교차 채널 - 머신러닝	데이터 기반	각 전환 데이터를 기반으로 전환 기여도 배분 (GA4 계정 내 데이터 사용해 각 클릭 상호작용의 실제 기여도 계산)
교차 채널 - 규칙 기반	마지막 클릭	전환 전에 고객의 클릭 연결이 발생한 마지막 채널에 전환 가치 100% 부여
	첫 번째 클릭	전환 전에 고객의 클릭이 발생한 첫 번째 채널에 전환 가치 100% 부여
	선형	전환 전에 고객의 클릭이 발생한 모든 채널에 전환 가치 균등 부여
	위치 기반	첫 상호작용과 마지막 상호작용에 각각 40%의 기여도 부여 나머지 20% 기여도를 중간 상호작용에 고르게 부여
	시간 가치 하락	전환에 근접한 시점에 발생한 터치포인트에 더 많은 기여도 부여 7일의 반감기를 갖도록 분배 (예: 8일 전의 클릭에는 전환 발생 1일 전의 클릭의 절반만 부여)
Google Ads 우선	마지막 클릭	전환 전에 고객의 클릭이 발생한 마지막 Google Ads 채널에 전환 가치 100% 부여

*참고: 전환 경로가 직접 유입(direct / none)으로만 구성된 경우를 제외하고, 모든 기여 모델에서 direct/none에 대한 전환 가치를 부여하지 않는다. 

 

테이블에 정리된 바와 같이 씹고 뜯고 맛보고 분석해야 할 기여 모델이 7가지 무지개 빛깔이다.

여기서 어떤 모델을 선택해서 데이터를 보느냐에 따라 분석 결과가 빨간색이 될 수도 보라색이 될 수도 있다는 것이다.

 

 

뭐가 어떻게 달라지는데요?

항상 빠르게 돌아가는 패션 업계에서 A 패션 업체가 온라인 사이트 오픈에 따른 브랜딩과 구매 유도 캠페인까지 진행했다고 가정해보자.

대략의 타임라인은 아래와 같다. (편의 상 분기 별 기준)

2023 1분기	2023 2분기	2023 3분기	2023 4분기	2024 1분기
브랜드 티저 프로모션	- 브랜드 프로모션 - 회원가입 유도 - S/S 상품 구매 유도	- 브랜드 프로모션 - 회원가입 유도 - 2분기~3분기 기준 F/W 상품 구매 유도	- 회원가입 유도 - F/W 상품 할인 홍보 - S/S 상품 구매 유도	- 회원가입 유도 - S/S 상품 구매 유도 - 멤버십 가입 유도

 

캠페인을 단순하게 1가지의 목적으로 1개의 형태로 돌릴 순 없다.

(상황에 따라 그럴 수도 있긴 하겠다만..)

 

항상 여러 개의 KPI를 두고 각각의 목표에 맞는 세팅을 해야 하고, 이런 캠페인의 도착지는 모두 동일하다. 

- 우리 사이트(또는 앱)로의 유입 그리고 궁극적인 전환 목표 달성과 유지

 

만약, 아무런 목적 없이 3분기의 '회원가입 유도'의 전환 성과를 기여 분석 보고서를 통해 분석해보고자 한다면 기여 모델을 클릭할 때마다 혼란스러울 것이다. 

 

1) 시간 가치 하락:

가장 가까운 시일에 들어온 캠페인에 전환 가치 부여가 크므로 3분기 캠페인 성과가 크게 인정된다.

2) 첫 번째 클릭:

가장 첫번째로 클릭한 캠페인에 전환 가치가 100% 부여되므로 2분기 캠페인 성과가 크게 인정될 수 있다.

3) Google Ads 마지막 클릭:

Google Ads의 마지막 클릭에 한해 전환 가치 100%를 부여하므로, 메타 또는 카카오 등 다른 채널로 진행한 캠페인이 있다면, 해당 캠페인들의 성과는 0이 된다.

 

 

반대로 캠페인에 대한 흐름을 알고, 가중치를 부여할 부분에 대한 목적이 명확하다면 간단하다.

 

예를 들어 아래와 같이 캠페인을 진행했었다고 하자.

- 2분기 회원가입 유도 캠페인은 랜딩페이지를 회원가입 페이지로 설정.

- 3분기 회원가입 유도 캠페인은 커피 쿠폰 증정 이벤트 배너 사용, 랜딩페이지를 회원가입 페이지로 설정.

 

그렇다면 필자는 '시간 가치 하락' 모델을 사용해 실제로 사용자가 이벤트 통해 많이 들어온 것인지 먼저 따져보고,

애매한 결과가 나오거나, 아예 틀렸다면 '첫 번째 클릭' 모델과 전환 성과를 비교해 이벤트의 효과에 대해서 고민해볼 것이다. 

 

 

생각하고 고민하면 달라진다. 그리고 더 명확하게 설명할 수 있다. 

예시로 든 사항은 너무나 간단한 변수들만 고려한 것이기 때문에 실제 분석을 할 때에는 보다 더 심도 있는 고민이 필요할 것이다. 

하지만, 뭐든 시작이 반이다. 

방향 설정을 하고 내가 만들고자 하는 결론에 대한 가설을 세우고, 그 가설이 틀린다면 왜 틀렸을지 어디서 차이가 나는지 비교해보고, 그리고 다시 다른 목표 지점을 세우고 달려가는 것.

 

기여 분석은 그런 것들을 어느 정도 가능하게 해준다. 

그러니 꼭 한 번 기여 분석을 통해 데이터를 바라보면서 생각하고 비교하고 결과를 만드는 사이클을 꼭 돌려봤으면 한다.