앰플리튜드
Amplitude 데이터 건강 관리 3단계
Team MAXONOMY ・ 2025.09.17
데이터 관리, 정말 이렇게 복잡해야 할까?
마케팅 팀장 M님은 지난주 임원 미팅에서 당황스러운 경험을 했습니다."이번 달 신규 가입자가 18% 증가 했습니다!"라고 보고했더니, 개발팀에서는 "저희가 보기엔 15% 증가한 것 같은데요?"라고 반박한 것이죠.
같은 분석 솔루션 데이터를 보고 있는데 왜 다른 결과가 나올까요? 알고 보니 마케팅팀은 user_signup 이벤트를, 개발팀은 user_registered 이벤트를 각각 다른 기준으로 보고 있었습니다.
이런 일, 여러분 조직에서도 경험해 보셨나요? 데이터는 쌓이고 있지만 정작 믿고 의사결정을 내리기는 어려운 상황. 새로운 기능을 출시할 때마다 "이 데이터가 정확한 건가?" 의심하게 되는 순간들. 바로 데이터 거버넌스의 부재가 만들어내는 현실입니다.
전통적인 데이터 관리의 한계
데이터 관리는 왜 어려울까요? 전통적인 데이터 관리 방식이 가진 3가지 한계점 때문입니다.
사후 대응
문제가 터진 후에야 "어? 이 데이터 이상한데?"하며 뒤늦게 원인을 찾는 방식을 말합니다. 흔히 볼 수 있는 일이죠. 하지만 이미 잘못된 데이터로 의사결정을 내린 후에는 늦습니다.
전문가 의존
데이터 품질을 확인하려면 SQL 쿼리를 작성하고, 복잡한 분석을 할 수 있는 전문가가 필요합니다. 하지만 모든 팀에 데이터 전문가가 있을 수는 없죠.
파편화된 관리
데이터 검증은 A도구에서, 스키마 관리는 B도구에서, 품질 모니터링은 C도구에서... 각각 따로 관리하다 보니 전체적인 그림을 보기 어렵습니다.
Amplitude의 통합된 데이터 거버넌스
Amplitude는 전통적인 데이터 관리와 완전히 다른 접근법을 제시합니다. 아래 3가지 데이터 품질 관리 기능을 하나의 플랫폼 안에서 완벽하게 연동되어 작동하도록 설계했습니다.
1단계: Tracking Plan
→ 데이터 설계부터 시작하는 체계적 기반 구축
2단계: Data Health Assessment
→ 현재 상태 진단
3단계: Data Assistant
→ AI가 실시간으로 관리해주는 지속적인 케어
각 단계는 독립적으로도 강력한 기능을 제공하고, 함께 사용할 때는 훨씬 큰 시너지를 만들어냅니다. 각 단계별 상세 내용을 알아보도록 하겠습니다.
[1단계] Tracking Plan: 계획된 데이터 vs 예상치 못한 데이터
건물을 짓기 전에 설계도를 그리듯이, 데이터 수집도 사전 계획이 있어야 합니다. Amplitude의 Tracking Plan은 데이터 수집 계획을 세우고 체계적 기반을 구축하도록 지원합니다. 뿐만 아니라 단순 사전 계획을 넘어서 실시간으로 데이터 상태를 모니터링하고 관리할 수 있도록 합니다.
Tracking Plan은 수집되는 데이터에 5가지 상태(Status) 정보 부여해, 마치 교통신호등처럼 데이터의 안전성을 실시간으로 확인할 수 있습니다.
🟢 Live: 계획되고 승인된 이벤트가 실제로 수집되고 있는 활성 상태
🟡 Planned: 사전에 계획되었지만 아직 실제 데이터가 수집되지 않은 예약 상태
🟠 Unexpected: 계획에 없던 데이터가 갑자기 수집되어 검토가 필요한 상태
🔴 Blocked: 의도적으로 수집을 차단한 상태 (스팸, 테스트 데이터 등)
⚫ Deleted: 더 이상 사용하지 않아 삭제 처리된 상태
사례1: 헬스케어 서비스의 "사전 예방 전략"
헬스케어 앱을 서비스 중인 H사는 운동 추천 기능을 새롭게 론칭하려 합니다. 그전에 Tracking Plan을 다음과 같이 먼저 설계 하였습니다.
🟡 Planned 상태로 미리 등록:
- workoutRecommendationViewed: 추천 운동 조회
- workoutRecommendationStarted: 추천 운동 시작
- workoutRecommendationCompleted: 추천 운동 완료
- workoutRecommendationSkipped: 추천 운동 건너뛰기
각 이벤트의 필수/옵션 속성:
- workoutType: 운동 유형 (required)
- difficultyLevel: 난이도 (required)
- recommendationEngine: 추천 알고리즘 버전 (required)
- teacher: 담당 강사 (optional)
계획된 이벤트는 실제 데이터가 1회 이상 수집되면 자동으로 'Planned'에서 'Live' 상태로 변경되므로 기능 출시와 동시에 모든 이벤트가 🟢Live 상태로 전환되고 🟠Unexpected 정보가 추가되지 않는 것을 확인할 수 있었습니다. 데이터 수집에 오류가 없는 것을 확인했으니, 즉시 분석 수행이 가능했습니다.
분석 담당자는 사용자들의 추천 운동 완료율이 예상보다 낮다는 것을 빠르게 발견해 2주 만에 부족한 부분을 개선할 수 있었습니다.
Tracking Plan 상태 시스템의 3가지 핵심 가치
실시간 데이터 보안
예상치 못한 데이터가 수집되면 즉시 경고를 보내고, 필요에 따라 데이터 수집을 차단하거나 승인할 수 있습니다. 개발 실수나 악의적인 데이터 전송을 사전에 방지할 수 있죠. 계획되지 않은 정보 수집 시, Unexpected 상태로 노출되어 수집이 정상적으로 이루어지고 있는지 즉시 확인 가능합니다.
점진적 품질 개선
Unexpected 상태의 데이터를 검토하면서 자연스럽게 데이터 품질이 향상됩니다. "왜 이 데이터가 수집되고있지?"라는 질문을 통해 불필요한 데이터를 제거하고 필요한 데이터를 표준화할 수 있습니다.
팀 간 소통의 자동화
개발팀이 새로운 이벤트(Unexpected)를 추가하면 자동으로 데이터팀에 알림이 가고, 데이터팀의 승인(Live)을 거쳐 분석팀이 사용할 수 있게 됩니다. 수동적인 커뮤니케이션이 자동화되죠.
스키마 보호 기능: 데이터 방화벽
Tracking Plan의 또 다른 강력한 기능은 스키마 위반 데이터에 대한 처리 정책을 설정할 수 있다는 것입니다. 기본적으로 다음과 같은 옵션을 제공하는데요.
• Mark as Unexpected: 일단 수집하되 경고 표시 (기본 설정)
• Reject: 아예 수집하지 않고 차단
예를 들어, 중요한 비즈니스 이벤트의 필수 속성이 누락된 경우 해당 이벤트를 아예 차단하여 부정확한 분석을 방지할 수 있습니다.
사례2: 푸드테크 스타트업의 "긴급 상황 대처"
푸드테크 앱을 운영 중인 F사의 개발팀은 금요일 오전에 ‘추천 기능’을 새롭게 배포 했습니다. 문제없이 계획된 이벤트 정보가 수집되는 것을 확인하고 퇴근했던 데이터 팀장은 다음 주 월요일 아침, 다음과 같은 Amplitude 알람을 확인하고 깜짝 놀랐습니다.
Tracking Plan 알림:
• 🟠 Unexpected: recommendation_clicked (150개 이벤트)
• 🟠 Unexpected: rec_item_viewed (89개 이벤트)
• 🟠 Unexpected: food_recommendation_skipped (201개 이벤트)
Amplitude는 Tracking Plan에 미리 등록되지 않은 이벤트를 'Unexpected' 상태로 분류하고, 미리 지정해 둔 담당자에게 즉시 알림을 보내는데, 개발팀이 주말 작업으로 추가한 새로운 이벤트들이 모두 감지된 것입니다. 하지만 다음과 같이 빠르게 대응할 수 있었습니다.
1. 빠른 검토: 각 이벤트의 속성과 의도를 확인
2. 승인 또는 차단: 비즈니스에 필요한 이벤트는 Unexpected → Live로 전환, 불필요한 것은 Blocked 처리
Tracking Plan이 없었다면, 이런 문제를 빠르게 대응하기 어려웠을 것입니다. 심지어 예상치 못한 이벤트가 수집되는지도 몰랐을지도 모르죠. F사는 복잡한 의사소통 과정 없이도, 새로운 기능의 성과를 안정적으로 측정할 수 있었습니다.
[2단계] Data Health Assessment 템플릿
병원에서 종합검진을 받으면 의료진이 수십 가지 검사를 통해 몸의 상태를 정확히 파악하고 검진 결과를 제공하듯, Data Health Assessment 템플릿은 클릭 한번으로 데이터의 건강 상태를 종합적으로 진단할 수 있습니다.
Amplitude Customer Success 팀이 수백 개 고객사를 지원하면서 축적한 노하우를 하나의 템플릿에 담았습니다. 복잡한 설정 없이 제공되는 템플릿 하나만 선택하면 10가지 핵심 영역에서 종합 진단을 받을 수 있습니다.
기존 도구와는 다른 3가지 특징
전문가 없이도 전문가급 진단
일반적인 데이터 품질 도구들은 "데이터에 문제가 있습니다"까지만 알려줍니다. 하지만 Data Health Assessment는 "어떤 문제인지, 왜 발생했는지, 어떻게 해결해야 하
는지"까지 추가적인 설명을 제공합니다.
Customer Success 팀의 검증된 노하우
수백 개 고객사에서 실제로 발견된 문제 패턴들을 기반으로 구성되어 있어, 일반적인 이론이 아닌 현실에서 자주 발생하는 문제들을 정확히 짚어냅니다.
즉시 실행 가능한 해결책
각 문제별로 구체적인 해결 방법과 예상 소요시간, 예상 효과까지 제시하여 바로 실행에 옮길 수 있습니다.
사례: 글로벌 이커머스의 "세션 ID 미수집 케이스" 발견
글로벌 이커머스 E사는 웹사이트 사용자 여정을 아무리 분석해도 이상한 패턴들이 계속 나타났습니다.
"Amplitude 세션 추적" 진단 결과, 모바일 앱에서는 세션 ID가 정상적으로 수집되고 있었지만 웹사이트
에서는 일부 이벤트에서 세션 ID가 누락되고 있었습니다. 원인을 파악하고 수정 버전을 배포한 이후, 정확한 세션 분석이 가능해지면서 웹 사용자의 실제 구매 여정을 파악할 수 있게 되었고, 이를 기반으로 체크아웃 프로세스를 개선하여 전환율을 향상시킬 수 있었습니다.
[3단계] Data Assistant - 24시간 모니터링
Data Health Assessment로 현재 상태를 파악했다면, 이제 지속적인 관리가 필요합니다. 하지만 매일 수동으로 데이터 품질을 체크할 수는 없죠. 여기서 Data Assistant가 등장합니다. Data Assistant는 AI가 여러분의 Amplitude 데이터를 24시간 모니터링하면서, 개선이 필요한 부분을 발견하는 즉시 구체적인 해결 방안을 함께 알려주는 똑똑한 비서의 역할을 수행합니다.
사례: SaaS 기업의 "이벤트 이름 표준화" 프로젝트
Saas 기업 S사는 데이터 분석을 하고 싶은 니즈는 강했지만, 분석할 때마다 늘 혼란이 있었습니다. 여러 개발팀이 각각 다른 스타일로 이벤트를 만들었기 때문입니다. 그러던 어느 날, Data Assistant에서 알림이 표시 되었습니다. "41개 대용량 이벤트의 명명 규칙을 lowerCamelCase로 통일하세요" 이벤트명에 띄어쓰기, 대소문자 등을 혼용할 경우, 이벤트가 서로 다른 이름으로 따로 수집되어 분석 결과에 누락이 발생할 수 있죠.
Data Assistant 에서는 user_login, UserSignUp, BUTTON_CLICK 등 이벤트명 규칙이 혼재되어 있으므로 변경을 권장하는 안내를 주었고, 이를 각각 userLogin, userSignUp, buttonClick으로 통일하도록 이벤트명 샘플을 제공하였습니다.
담당자는 내부 명명 규칙을 정의한 후 개발단 도움 없이, 메뉴에서 제공하는 버튼 클릭과 Transform 기능으로 이벤트 명을 즉시 통일하였으며, 이를 통해, 누락되는 데이터 없는 분석이 가능해졌고, 새로운 팀원도 쉽게 이벤트를 찾고 사용할 수 있게 되었습니다.
Data Assistant만의 차별화된 5가지 기능
우선순위 기반 추천
전체 이벤트 중에서도 비즈니스에 가장 중요한 것부터 개선하도록 우선순위를 정해줍니다.
비즈니스 컨텍스트 이해
단순히 기술적 오류만 찾는 것이 아니라, 비즈니스 목적에 맞는 개선 방향을 제시합니다.
팀워크 최적화
이벤트에 적절한 소유자를 배정하여 팀 간 혼선을 방지하고 책임감 있는 관리를 유도합니다.
자동 학습 및 진화
사용자의 피드백과 패턴을 학습하여 점점 더 정확하고 유용한 추천을 제공합니다.
실행 가능한 액션 아이템
"문제가 있습니다"에서 그치지 않고 "이렇게 해결하세요"까지 구체적인 행동 계획을 제시합니다.
데이터에 대한 의심을 확신으로 바꾸는 시간
많은 기업들이 데이터의 중요성을 알고 있지만, 정작 그 데이터를 온전히 신뢰하지는 못하는 현실에 직면해 있습니다. 분석 결과를 보면서도 "이 숫자가 정말 맞을까?" 하는 의구심이 들거나, 같은 지표를 놓고도 팀마다 다른 해석을 내놓는 상황을 겪어보셨을 것입니다. 이런 상황이 반복되다 보면 데이터 기반 의사결정이라는 것 자체에 회의적이 되기 마련입니다. 하지만 문제는 데이터 자체가 아니라 데이터를 관리하는 방식에 있을 수 있습니다.
기존의 분석 도구들은 대부분 사후 분석에 집중합니다. 데이터가 쌓인 후에 그것을 시각화하고 분석하는 데 특화되어 있죠. 하지만 정말 중요한 것은 애초에 올바른 데이터가 올바른 방식으로 수집되고 있는가 하는 점입니다.
Amplitude는 바로 이 지점에서 차별화됩니다. 데이터를 수집하기 전 단계부터 관여하여, 무엇을 왜 수집할 것인지 계획하고, 수집되는 데이터의 품질을 실시간으로 모니터링하며, AI가 지속적으로 개선점을 제안합니다. 전 세계 50,000개 이상의 기업이 Amplitude를 통해 데이터 품질 혁신을 경험했습니다. Netflix가 개인화 추천 시스템의 정확도를 높이고, Shopify가 전 세계 수백만 상점의 성과를 정밀하게 분석하며, PayPal이 복잡한 결제 여정을 완벽하게 추적할 수 있는 이유가 바로 이 차별화된 접근 방식에 있습니다.
이들 기업의 공통점은 단순히 데이터를 분석하는 것을 넘어서, 데이터 자체의 신뢰도를 높이는 것부터 시작했다는 점입니다.
마치며
데이터 환경의 개선은 하루아침에 이뤄지지 않습니다. 하지만 올바른 방향으로 한 걸음씩 나아가다 보면 분명한 변화를 경험하게 됩니다. 회의실에서 데이터에 대한 논쟁이 사라지고, 확신을 가지고 의사결정을 내릴 수 있으며, 모든 팀이 동일한 기준으로 성과를 바라보게 되는 그날이 생각보다 가까이 있을지도 모릅니다.
Amplitude는 무료 플랜부터 시작할 수 있어 부담없이 첫 걸음을 내딛을 수 있습니다. 작은 시작이지만 여러분 조직의 데이터 문화를 근본적으로 바꾸는 계기가 될 수 있을 것 입니다.
콘텐츠 더 읽어보기
데이터의 힘으로 더 나은 제품을 만드는 여정, Team MAXONOMY와 바로 시작하세요.
팀 맥소노미 Amplitude 도입문의 바로가기
팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기
🏃💨이탈률(Bounce Rate), 낮을수록 좋을까?🤔
대부분의 마케팅 지표는 그 의미가 명확합니다.예를 들어, '블로그의 방문자 수'라는 지표는 낮은 것보다 높은 것이 좋습니다. 반대로 '주간 뉴스 레터 구독 취소자 수'는 낮을수록 좋습니다. 이렇게 대부분의 마케팅 지표는 '높을수록 좋다' 혹은 '낮을수록 좋다'라는 명확한 평가 기준이 있습니다.그렇지만 이탈률(Bounce Rate)에는 그런 명확한 평가 기준이 없습니다. 본 포스팅에서는 이탈률을 어떻게 계산하는지, 어떻게 측정하는지, 높은 이탈률이 좋은 경우는 언제인지에 대해 다루도록 하겠습니다.✅ 키 포인트 ✅페이지 이탈이란, 방문자가 어떤 페이지에 접속한 후, '같은 사이트의 다른 페이지'를 탐색하지않고 떠나는 행위를 말합니다.이탈률은 페이지 유형 및 산업에 따라 다릅니다.이탈률에 대한 보편적인 기준은 없으며, 페이지의 맥락이 이탈률의 가장 중요한 분석 기준입니다.이탈률(Bounce Rate)이란? 🤔웹 사이트의 이탈률은 한 페이지에 접속한 후 떠나는 방문자의 비율입니다. 즉, 방문자가 한 페이지를 보고 같은 사이트의 다른 페이지를 탐색하는 대신, 뒤로 가기를 누르거나, 탭을 닫거나, 외부 링크로 옮기는 등 페이지를 떠나는 행위를 말합니다.이탈률은 웹 사이트의 전반적인 사용자 경험을 평가하는 중요한 지표입니다. 웹 사이트의 로딩이 느리거나, 디자인이 직관적이지 않는 등의 문제가 있다면, 해당 사이트의 이탈률은 높게 나타날 것입니다. 콘텐츠 역시 이탈률을 결정짓는 중요한 요소입니다. 가치 있는 콘텐츠를 제공하여 방문 목적을 충족시킨다면, 방문자를 페이지에 머물게 할 수 있을 것입니다. 하지만 이탈률이 높다고 꼭 나쁜 것만은 아닙니다. 방문자의 의문점을 효과적으로 해소해주는 콘텐츠를 제공했을 경우, 방문자가 굳이 해당 사이트의 다른 페이지까지 탐색하지 않아도 되니, 이탈률이 높게 나타날 것입니다. 이런 이유로 인한 높은 이탈률은 해당 사이트에 대한 신뢰도가 높다는 증거로 볼 수도 있습니다.반면, 이커머스 사이트의 상품 페이지 이탈률이 높다면, 문제가 있다고 볼 수 있겠죠.이탈률 계산법 🧮이탈률은 특정 기간 동안의 한 페이지 세션 수(Single-page Sessions)를 전체 세션 수(Total Sessions)로 나누어 간단히 확인할 수 있습니다.이탈률(Bounce Rate) = 한 페이지 세션 수(Single-page Sessions) / 전체 세션 수(Total Sessions)예를 들어, 클라우드 소프트웨어 업계의 트렌드를 다루는 기술 블로그를 운영하고 있다고 가정해 보겠습니다. 지난 달에 해당 웹 사이트에서 100,000개의 전체 세션이 발생하였고 그 중 특정 한 페이지 세션은 10,000개가 발생하였습니다. 이 경우 이탈률은 10%로 계산할 수 있습니다. Amplitude와 같은 디지털 분석 도구를 사용한다면, 이탈률을 자동으로 측정할 수 있습니다.이탈률 VS 종료율 🤼몇몇 사람들은 이탈률과 종료율을 구분하지 않고 사용하기도 합니다. 하지만 이 두개는 서로 다른 지표입니다. 이탈률은 한 페이지만 보고 이탈하는 방문자 수를 측정하는 반면, 종료율은 방문자가 사이트의 적어도 하나의 다른 페이지를 탐색하다가 해당 페이지를 만났을 때 떠나는 정도를 측정합니다. 예를 들어, 사용자 여정을 추적해보니 특정 페이지를 방문하면 급격하게 사이트를 이탈한다는 사실을 발견한다면, 해당 페이지의 종료율이 높다고 볼 수 있습니다. 이 경우 해당 페이지를 면밀히 살펴보고 페이지의 종료율이 높은 근본 원인을 찾아야할 것입니다.이탈률 평가 기준은? 🧐이상적인 이탈률은 얼마일까요? 평균 이탈률은 페이지 유형, 업종 및 기타 요소에 따라 다릅니다. Customedialabs의 조사결과에 따르면 전자 상거래 및 소매 사이트의 평균 이탈률은 20%에서 45% 사이입니다. 반면, 블로그나 위키 페이지는 65%에서 90% 정도의 이탈률을 나타냅니다. B2B 웹 사이트의 경우엔 평균 이탈률이 25%에서 55%사이입니다.블로그와 위키 페이지는 일반적으로 방문자들이 만족스러운 정보를 찾은 후 떠나는 경우가 많기 때문에 이탈률이 높게 나타납니다. 전자 상거래 사이트는 일반적으로 유사상품보기, 쿠폰 받기, 리뷰 확인하기 등 추가적인 탐색을 취하도록 설계되어있기 때문에 평균 이탈률이 낮게 나타납니다. 이렇게 페이지 유형에 대한 이해를 가지고 접근해야 이탈률을 제대로 평가할 수 있습니다.산업도 평균 이탈률을 결정짓는 요소입니다. 음식 및 레스토랑 관련 사이트는 모든 산업 중에서 이탈률이 높은 편이지만, 부동산이나 쇼핑 페이지는 이탈률이 낮습니다.결론적으로, 콘텐츠 및 산업의 맥락을 고려하지 않고 웹 사이트의 이탈률을 평가하는 것은 불가능합니다.이탈률을 낮추는 법 📉이탈률을 낮추기 위해선 방문자에게 더 가치 있는 경험을 제공해야합니다. 그 세부적인 방법은 다음과 같습니다.로딩 속도 높이기긴 로딩 시간을 좋아하는 방문자 없습니다. Google에 따르면 페이지 로드 시간이 1초에서 3초로 증가한다면, 이탈률은 32% 증가한다고 합니다. 로딩 속도는 구글 서치 콘솔에서 제공하는 모바일 및 웹 페이지 경험 지표에서 확인할 수 있습니다. '제대로 렌더링되지 않은 코드 조각' 등과 같이 느린 로딩 속도의 원인이 될만한 요소를 찾고 개선해야합니다.방문자 기대 충족페이지의 콘텐츠가 방문자에게 정말 가치 있는 것인지 확인해보세요. 의미없는 콘텐츠를 접한 방문자가 이탈하는 것은 어쩌면 당연합니다. 방문자의 기대를 충족 시키는 것은 검색 노출, 광고, 이메일 캠페인을 통한 유입 등의 측면에서도 중요합니다.사용자 경험 (UX) 개선아무리 로딩 속도가 빠르고 좋은 콘텐츠를 제공한다고 해도 UX가 혼란스럽고 불편하다면 방문자가 이탈할 가능성이 높습니다. 높은 이탈률을 나타내는 페이지가 있다면 해당 페이지의 UX를 점검할 필요가 있습니다. 귀찮은 스팸 팝업 광고가 너무 많은 뉴스 페이지나, 콘텐츠를 읽으려면 이메일 주소를 먼저 제출해야 하는 페이지가 대표적인 예시입니다.이탈률은 곧 페이지의 가치입니다 🧐이탈률은 페이지가 방문자에게 정말 가치있는지 판단하는 기준 중 하나입니다. 그렇지만, 이탈률에 일반적인 기준은 없다는 것을 기억하세요. 가치 있는 페이지 경험을 제공했다고 해도 이탈률은 다양하게 나타날 수 있습니다. 핵심은 페이지 경험 개선에 집중하는 것입니다.콘텐츠 더 읽어보기리텐션 캠페인 효과를 최대화하는 8가지 방법데이터기반 고객 여정 설계마케팅 캠페인의 고객 참여를 높이는 8가지 팁
리텐션(Retention) 의미와 측정 방법🔍
리텐션이란?리텐션(User Retention)이란, 특정 기간 동안 활성화된 유저 혹은 고객의 수를 나타냅니다. 보통은 '리턴션율'이라는 백분율을 통해서 표현합니다. 리텐션율을 구하는 공식은 다음과 같습니다.(설정된 기간 끝의 활성 사용자 수 - 설정된 기간 동안의 신규 사용자 수) / 기간 시작 시의 총 활성 사용자 수이런 유저 리텐션을 개선하기 위해선 코호트 분석, 고객 피드백 수집 및 활용, 온보딩 경험 개선, 푸시 알림 등의 방법을 주로 활용합니다.유저 리텐션 vs 고객 리텐션중요한 점은 유저 리텐션과 고객 리텐션을 구분해야한다는 것입니다. 여기서 유저와 고객을 명확하게 구분을 할 필요가 있는데요. 유저는 제품이나 서비스를 이용하는 사람을 말하고 고객은 제품이나 서비스에 가격을 지불하는 사람을 말합니다. 즉, 유저 리텐션은 제품을 사용하는 사람 수를 의미하는 반면, 고객 리텐션은 제품을 계속 결제하는 고객 수를 측정합니다. 유저 리텐션이 유저의 활동에 대한 측정 지표라면, 고객 리텐션은 재무적인 목적이 강한 지표라고 할 수 있죠.예를 들어, 쿠팡이나 아마존과 같이 많은 상품이 거래되는 이커머스 플랫폼의 경우, 유저 리텐션은 특정 기간 동안 앱이나 웹 페이지에 방문하는 유저 수로 측정할 수 있고, 고객 리텐션은 특정 기간 동안 실제 결제를 하는 숫자로 측정합니다. 가장 대표적인 유형인데요.성격이 조금 다른 케이스도 있습니다. 또 다른 예를 들면, 대기업에 인사 솔루션을 제공하는 회사A는 고객 리텐션을 특정 기간 동안 구독을 계속하는 기업(고객)의 수로 측정할 것입니다. 유저 리텐션은 고객 회사에서 몇 명의 유저가 특정 동안 제품에 로그인하는지를 측정합니다. 즉 이미 구독 중인 고객이 우리 제품을 얼마나 잘 사용하고 있는지 확인하는 것이죠. 유저 리텐션 vs 이탈률유저 리텐션과 이탈률은 큰 상관관계가 있습니다. 이탈률은 비즈니스가 잃는 유저 수 혹은 다시 구독하지 않는 고객 수를 의미합니다. 따라서 이탈률은 유저 리텐션율의 역수이며, 둘이 합쳐서 100%가 되어야합니다.유저 리텐션 측정 방법유저 리텐션은 회사의 전반적인 상태를 이해하는 데 큰 도움이 됩니다. 높은 유저 리텐션은 수익성과 안정성이 높음을 나타내죠. 유저 리텐션을 측정하기 위해선 우선 명확한 활성 유저 기준과 기간 기준을 정의하고 리텐션 유형을 결정해야 합니다.유저 리텐션율 공식유저 리텐션율을 계산하는 공식은 앞에서 설명했듯 다음과 같습니다공식을 사용하여 유저 리텐션율을 구하는 방식은 쉽고 직관적이긴 하지만, 더 정확한 측정을 위해선 제품 분석 솔루션을 사용하는 것이 좋습니다. 대표적으로 Amplitude가 있죠.가장 이상적인 유저 리텐션율은 100%이고 이탈율은 0%일 것입니다. 하지만 당연히도 이는 불가능하고, 실제론 산업별 적합한 리텐션율을 목표해야 합니다. CustomerGauge의 'B2B NPS & CX Benchmarks Report 2022'에 따르면, 에너지 및 유틸리티 산업의 유저 리텐션율이 89%로 가장 높았으며 도매 산업의 리텐션율이 44%로 가장 낮았습니다.현재 속해있는 산업의 표준 리텐션율을 찾아보고 우리 회사의 유저 리텐션율을 비교한 다음, 적절한 목표를 잡는 것이 중요합니다.활성 유저 기준과 활성 기간 기준 정하기위의 공식을 사용하려면 먼저 두 가지 요소를 명확히 정의해야 하는데요. 바로 누구를 활성 유저로 볼지와 기간을 어떻게 설정할지입니다.먼저 활성 유저를 정의하는 기준은 여러가지가 있습니다. 그중 우리 제품과 사업 목적에 가장 적합한 방법을 선택해야하는데요. 단순히 애플리케이션을 설치한 유저를 활성 유저로 볼 수도 있고, 매일 사용하는 유저를 활성 유저로 간주할 수도 있습니다. 가장 적합한 방식을 선택하되, 결정한 기준에 대해서 회사 내부적인 통일이 되어야 정확한 지표 측정이 가능합니다.기간을 설정하는 방식도 기업마다 상이한데요. 보통은 지표를 측정하는 목적에 따라 기간을 설정합니다. 예를 들어, 분기 보고서를 작성하는 경우, 한 분기를 기준으로 리텐션율을 측정하는 것이 좋겠죠. 이 외에도 산업이나 제품 특성에 따라서 기간을 정할 수도 있습니다. 예를 들어, 항공 예약 앱의 경우 매일 앱을 사용하는 경우는 거의 없겠죠. 반면 캘린더 앱의 경우에는 성공적인 매일 사용하는지가 성공을 판가름하는 기준이 될 것입니다.N-Day 리텐션 (유저 리텐션 반환률)유저 리텐션 반환률(Return On retention) 혹은 N-Day 리텐션이라 불리는 지표는 특정 날짜에 제품을 사용하는 사용자 수를 말합니다. 이 때 "Day 0"은 사용자가 앱을 다운로드하고 설치하거나 프로필을 만드는 등의 특정 작업을 수행한 첫 번째 날을 가리킵니다. 그리고 Day 0 이후에 사용자가 어떻게 행동하는지 분석합니다. Day 1, Day 3, Day 5 등 유저 언제 다시 돌아오는지 추적할 수 있습니다.리텐션 개선 방법유저 리텐션을 향상시키기 위해선 유저 경험을 먼저 향상시켜야합니다. 유저 리텐션과 유저 경험은 서로 뗄 수 없는 관계이죠. 유저가 제품을 즐기고 가치를 느끼면 당연히 더 오래 서비스에 머물 것입니다! 고객 경험을 개선하기 위해선 코호트 분석, 피드백 루프, 고객 온보딩, 꾸준한 업데이트 등과 같은 방법이 있습니다.1. 코호트 분석하기코호트 분석이란, 유저의 행동과 시간 흐름에 따라 그룹화하는 데이터 기반의 분석 방법입니다. 구체적으로는 유저 획득일, 플랫폼, 채널, 사용자 행동과 같은 요소를 기반으로 그룹을 나눕니다. 코호트 분석을 사용하여 다양한 고객 세그먼트 간 관찰된 사용자 동향과 행동에 가설을 세울 수 있습니다. 특정 코호트의 중요한 지점을 식별하게 되면 해당 코호트의 이탈을 줄이기 위한 전략을 개발할 수 있는 것이죠. Amplitude와 같은 분석 플랫폼을 사용하면 코호트 분석을 수행하고 사용자를 보다 깊게 이해할 수 있습니다. 코호트 분석에 대한 더 자세한 정보를 확인하고 싶다면 행동 코호트 분석 가이드북을 확인해보세요!2. 유저 피드백 수집하기제품을 개선하려면 유저가 제품에 대해 어떤 생각을 하는지 알아야겠죠. 정기적으로 설문 조사를 보내 사용자의 의견을 수집할 수 있습니다. 예를 들어, 앱 사용 5회마다 앱을 평가하도록 요청하거나, 리뷰를 남기면 인센티브를 제공할 수 있습니다. 구독을 취소할 때 그 이유를 묻는 것도 좋은 방법이죠! 수집된 피드백을 정리하고, 해당 피드백을 처리할 수 있는 최적의 부서에 알리세요. 이 과정을 반복하면 유저 경험이 꾸준히 상승할 것입니다.3. 온보딩 경험 개선무엇이든 첫 인상이 가장 중요하고 그 첫 인상을 남길 기회는 단 한 번뿐입니다. 그래서 온보딩 경험이 매우 중요한 것인데요. Wyzowl의 보고서에 따르면, 10명 중 8명은 어떻게 사용해야 할 지 모르는 앱을 삭제한 경험이 있다고 합니다. 이런 케이스를 방지하기 위해선 앱 내 데모, 튜토리얼, 대화형 안내 등의 기능을 고려할 수 있습니다.콘텐츠 더 읽어보기고객 리텐션 마스터 가이드북모바일 게임 리텐션(Retention) 바로알기이탈률(Bounce Rate), 낮을수록 좋을까?🤔
웹사이트에 Conversion Analytics를 활용하는 3가지 방법
전환 분석(Conversion Analytics)은 웹 사이트에서 리드를 늘리기 위한 노력의 첫 시작입니다. 장바구니, 랜딩 페이지 및 블로그 게시물에서 전환 분석을 활용할 수 있는 세 가지 방법을 알아보도록 하겠습니다.전환 분석이란(Conversion Analytics)?전환 분석은 웹 사이트 방문자의 행동을 추적하여 그들이 원하는 것을 수행하는지 (전환 또는 중단하는지) 확인하는 방법입니다. 전환 분석을 통해 전환에 해당하는 고객 유형과 행동 유형은 물론, 중단한 사용자가 전환에 실패한 타임과 위치를 파악할 수 있습니다.전환 분석을 수행하려면 고객의 여정을 먼저 이해해야 합니다. 이를 수행하는 가장 좋은 방법은 웹 사이트 방문자를 고객으로 전환하는 데 필요한 이상적인 단계에 대한 개요를 얻을 수 있도록 고객이 전환 퍼널에서 수행하는 각 단계를 매핑 하는 것입니다.사용자가 전환 할 것으로 예상되는 제품 또는 웹 사이트의 모든 부분에서 전환 분석을 수행 할 수 있습니다. 전환 분석을 위한 세 가지 공통 영역에는 장바구니, 랜딩 페이지 및 블로그 게시물이 있습니다.장바구니 전환 분석장바구니 전환은 전자 상거래 전환 유입 경로의 마지막 단계입니다. 방문자가 구매를 하지 않는 이유를 이해하는 것이 수익 증대의 핵심입니다.다음은 장바구니를 테스트하고 최적화하는 세 가지 일반적인 방법입니다. 1. 배송비 변동을 테스트합니다.온라인 쇼핑객은 배송비에 점점 더 민감 해지고 있습니다. 이는 장바구니 단계에서 구매 포기 의 주요 원인입니다 . Amplitude의 퍼널 분석을 사용하여 배송 기술 스타트업인 Rappi 는 배송비를 표시한 결제 단계가 중요하지 않다는 사실을 발견했습니다. 고객이 일정 금액 이상 주문하면 무료 배송을 제공함으로써 더 큰 주문 크기를 장려하여 각 거래를 평균 15 % 증가 시켰습니다. 2. 개인화로 고객 경험을 개선하세요.고객 경험 은 모든 전자 상거래 전환에서 가장 중요한 요소 중 하나입니다. 또한 고객 유지의 주요 동력 이기도합니다 . Blue Apron 은 식사 배달 서비스에 대한 장바구니 포기를 조사하고 Amplitude Engage 및 Optimizely를 사용 하여 구매를 완료하지 않은 사용자에게 개인화된 메시지를 테스트 했습니다. 그 결과 전환이 7 % 증가했습니다. 3. Conversion Driver를 찾으세요.Amplitude 의 Conversion Drivers 기능은 전환 유입 경로의 단계 사이에서 발생하는 모든 작업을 식별합니다. 그런 다음 각 액션에 상관 관계 점수를 부여하여 전환에 깊이 관련이 있는지 아니면 연관이 낮은지 알려줍니다. 사용자가 장바구니 페이지 직전에 수행하는 작업 중 자신의 경험에 영향을 미치는 작업을 알아보면, 전환과 관련된 행동을 파악하고 촉진하는 데 도움이 될 것입니다.방문 페이지 전환 분석랜딩 페이지는 다양한 채널에서 방문자를 안내하는 독립형 웹 페이지입니다. 사용자에게 무료 평가판 등록, 뉴스 레터 구독 또는 eBook 다운로드와 같은 작업을 완료하도록 유도합니다. 랜딩 페이지의 전환 분석은 얼마나 많은 사용자가 액션을 완료했는지 보여주고 다양한 테스트를 통해 전환을 증대시킬 수 있습니다.다음은 랜딩 페이지를 테스트하는 세 가지 일반적인 방법입니다. 1. 가입 과정에서 저해요소를 제거합니다.Unbounce는 저해요소를 "방문자가 행동을 완료하려고 할 때 경험하는 심리적 저항"으로 정의합니다. 가입을 가능한 간단하고 쉽게 만들어 저해요소를 줄이는 것이 당신의 임무입니다. 그 중 일부는 페이지 디자인 요소가 압도적이거나 복잡하지 않고 명확하고 이해하기 쉬운 지 확인하는 것일 수도 있죠. 또한 절대적으로 필요한 경우가 아니면 사용자에게 많은 필드를 채우도록 요청하지 마세요. 예를 들면, 이메일 주소만 필요한 경우 이름, 회사, 직위 등과 같은 불필요한 필드는 제거하세요. 2. 다른 메시지를 테스트합니다.클릭 유도 문안을 구성하는 방식은 사용자가 참여의 가치를 인식하는지 여부에 큰 영향을 미칠 수 있습니다. 사람들이 eBook을 다운로드하도록하려면 여러 가지 방법으로 eBook의 콘텐츠를 구성하고 A / B 테스트 를 사용 하여 어떤 메시지가 가장 공감하는지 확인하세요. 무료 평가판 제공 메시지도 마찬가지입니다. 3. 다른 플랫폼을 비교합니다.사람들이 웹 사이트를 방문 할 때 사용하는 플랫폼 (예 : 데스크톱과 모바일)별로 분류된 전환 분석을 실행합니다. 플랫폼간에 큰 차이가있는 경우 이유를 조사하십시오. 사용자의 변환을 방해하는 서식 지정과 관련된 버그 또는 플랫폼 별 문제가있을 수 있습니다.Amplitude 에서 Conversion Driver 의 속성 기능 을 사용하여 이러한 유형의 분석을 실행할 수 있습니다 . Conversion Driver를 통해 팀은 성장을 주도하는 플랫폼, 계획 유형, 캠페인 및 채널을 쉽게 이해할 수 있습니다.블로그 게시물 전환 분석회사는 블로그 게시물을 사용하여 최상위 트래픽 생성에서 리드 전환에 이르기까지 다양한 요구 사항을 해결합니다. 블로그 게시물의 전환 분석은 개별 기사를 최적화하는 방법을 식별하고 트래픽을 리드로 전환할 기회를 찾는 데 도움이됩니다.다음은 블로그 게시물을 테스트하고 최적화하는 세 가지 일반적인 방법입니다. 1. Amplitude의 Pathfinder를 사용 하여 전환에 관련있는 블로그 게시물을 찾습니다.Pathfinder는 사용자가 제품 또는 웹 사이트를 탐색하는 모든 다양한 방법을 볼 수 있도록 도와줍니다. 사용자가 블로그 게시물을 읽은 후 취한 행동을 살펴보면 전환이 몇 단계 제거 된 경우에도 전환과 연결된 행동을 찾을 수 있습니다. 전환과 연결된 것으로 확인 된 블로그 게시물에 CTA를 직접 추가 한 다음 전환 분석을 사용하여 더 많은 사용자가 행동을 취하는 지 확인하세요. 2. 다양한 CTA(Click to Action) 를 테스트 하세요.때로는 블로그 게시물과 일치한다고 생각하는 클릭 유도 메세지가 실제로 사용자에게 반향을 일으키지 않습니다. 블로그 게시물 내에서 다양한 종류의 작업을 A / B 테스트합니다. 예를 들어, 모든 블로그 게시물 끝에서 독자에게 eBook을 다운로드하도록 유도 할 수 있지만 뉴스 레터 가입은 실제로 더 매력적입니다. 전환 분석을 통해 어떤 CTA가 가장 효과적인지 알 수 있습니다. 또한 제안이 배치 된 위치 (예 : 블로그 게시물의 끝 또는 본문)에 대한 다양한 디자인 선택을 테스트하여 전환에 영향을 미치는지 확인할 수 있습니다. 3. 트래픽이 손실되는 이전 블로그 게시물을 새로 고칩니다.블로그 게시물이 감소하면 기존 콘텐츠의 수정이 필요할 수 있습니다. 오래된 콘텐츠를 새로 고치려면 예제 또는 통계를 업데이트하여 관련성이 있는지 확인하거나 길이 또는 범위를 확장하거나 SEO에 최적화되어 있는지 확인해야 할 수 있습니다. 새로고침된 블로그 게시물과 인라인 전환 프롬프트를 결합하면 성공을위한 비법을 얻을 수 있습니다.다음 단계 : 유지전환 분석 없이는 웹 사이트 전환을 개선하려는 노력이 실제로 효과가 있는지 확인할 수 없습니다. 전환 분석을 사용하여 웹 사이트를 개선하는 방법을 잘 이해하였다면, 다음으로는 고객 유지를 위해 최적화하는 것입니다.
![[FAQ] 구글 UA 종료 & GA4 전환에 대해 궁금한 모든 것](https://maxonomy-prd-pub-a-s3.s3.ap-northeast-2.amazonaws.com/upload/BoardThumbnail/38758/MsrSf8ZV.webp "[FAQ] 구글 UA 종료 & GA4 전환에 대해 궁금한 모든 것")
[FAQ] 구글 UA 종료 & GA4 전환에 대해 궁금한 모든 것
✒️ Adam Greco | Amplitude 프로덕트 에반젤리스트Adam Greco는 디지털 분석 업계의 리더입니다. 지난 20년 동안 수백 개 이상의 조직에 분석의 베스트 프랙티스를 조언했으며, 분석과 관련된 300개 이상의 블로그 글을 쓰고 책을 저술했습니다. Adam은 분석 컨퍼런스에서 자주 연사로 활동하며, Digital Analytics Association의 이사직을 역임했습니다.구글 애널리틱스(GA)는 무료 디지털 분석 제품이자 유비쿼터스 광고 플랫폼으로써 디지털 분석 시장에서 가장 큰 점유율을 차지하고 있습니다. 많은 Amplitude(앰플리튜드) 고객들은 Amplitude(앰플리튜드)와 구글 애널리틱스를 동시에 사용하고 있습니다. Amplitude(앰플리튜드)를 매우 효과적으로 활용하고 있는 고객조차 GA를 빈번하게 사용하고 있는데, 이는 GA와 구글의 광고 네트워크가 긴밀하고 밀접하게 연동되어 있는 시스템으로 디지털 광고 공간에서의 독점력이 있기 때문입니다.구글이 UA 제품 서비스를 종료한다는 것을 발표한 이후, Amplitude(앰플리튜드) 고객들의 질문이 끊이지 않고 있습니다. 저는 여러 차례 이 주제에 대해 고객들과 대화를 나눠왔고, 이번 포스팅에서는 그 중 몇가지 대중적이고 중요한 질문과 제가 답변했던 내용을 공개합니다.저와 이야기 나누었던 대부분의 고객은 구글의 최신 업데이트와 그 영향력에 대해 관심이 많았으나, 동시에 우려도 있었습니다. 그렇기 때문에 질문의 내용이 비판적인 경향이 있으며, 저는 GA 전문가가 아니기 때문에 그동안의 디지털 분석 경력을 바탕으로 고객으로부터 들은 주요 내용과 답변을 정리했음을 참고해 주십시오.본 포스팅에서는 GA4가 UA에 비해, 혹은 Amplitude(앰플리튜드)가 GA4에 비해 좋다, 좋지 않다를 평가하지 않습니다. GA를 사용하고 있는 Amplitude(앰플리튜드) 고객이, UA 종료 발표로 인해 일반적으로 거론되고 있는 질문에 대한 해답을 이해하는 데 목적을 두고 있습니다.구글은 왜 GA4로 전환할까요?디지털 분석 산업은 최근 몇 년간 많은 변화를 겪고 있습니다. 웹사이트와 모바일 애플리케이션의 영향력이 증가되면서 기존의 웹사이트 세션 및 페이지 뷰 중심의 분석 활용은 줄어들고 있습니다. 단일 페이지 애플리케이션과 멀티 플랫폼 활용 등으로 디지털 경험이 더욱 복잡해짐에 따라, 대부분의 기업에서는 보다 정확한 디지털 분석을 위해 이벤트 기반의 데이터 모델로 전환하고 있습니다.기존의 GA는 모바일 앱이나 이벤트 기반 분석을 위한 모델로 개발되지 않았기 때문에, 구글은 이를 보완하기 위해 모바일 앱과 이벤트 데이터를 베이스로 개발하는 Firebase를 인수했습니다. 인수 후에 구글은 GA 고객이 Firebase를 활용하여 모바일 앱 분석을 하도록 했으나, 모바일 앱과 이벤트 기반 모델의 인기가 높아짐에 따라 Firebase 플랫폼을 확장시키는 것으로 결정했습니다. (초기에는 ‘GA 앱 + 웹’ 이었으나 현재는 GA4가 되었습니다)GA4로 반드시 마이그레이션 해야하나요? 여기에는 무엇이 포함되나요?구글은 최신 공개된 GA4로 마이그레이션하는 것을 권고했습니다. 그러나 GA4로 마이그레이션하는 작업이 그리 간단하지는 않습니다. 기존과 전혀 다른 데이터 구조를 사용해야 하기 때문에, UA에서 GA4로 전환하는 것은 완전히 새로운 분석 솔루션으로 전환하는 것만큼이나 많은 작업이 소요됩니다. 예를 들어, 조직에서 GA를 통해 이커머스 추적을 사용하는 경우 마이그레이션을 위해 수행해야 하는 여러 특정 단계들이 있으며 이전 버전과의 호환성 문제가 발생 될 수 있습니다.제가 이야기 나눴던 일부 기업에서는 ‘현재 완료해야 할 작업이 많다면 GA를 그대로 사용하는게 합리적인지, 혹은 다른 솔루션 업체를 검토하는 것이 나은지’를 문의해왔습니다. 지금처럼 서비스가 종료되는 강제적인 조건에서는 해당 조직이 현재 얼마 만큼의 기술 투자를 받고 있는지 확인해 볼 수 있는 좋은 기회 이기도 합니다. 현재 많은 기업의 UA는 ‘autopilot’이라는 자동 조정 장치에 의해 구현 되고 있다고 들었습니다. 이 autopilot은 유용하지만 오랜 시간 업데이트 되지 않았기 때문에 실용적인 인사이트를 제공하지는 않았습니다.사용도가 낮은 환경으로 구현된 GA를 보완하기 위해서, GA4는 즉시 사용 가능한 새로운 기능들 (예: 아웃바운드 링크, 검색어 기능, 파일 다운로드, 등)로 구성되어 있습니다. 타 디지털 분석 제품들과 GA를 함께 활용하는 기능들이 새롭게 추가되어, GA4로 업그레이드를 한 뒤에 그 효과를 확인하는 기업이 많아질 것 입니다. 하지만 저는 이런 방안들이 기업에서 디지털 분석 프로그램 도입을 검토하는 기회가 되기를 바랍니다.대부분의 Amplitude(앰플리튜드) 고객들이 일정기간 GA도 함께 사용할 것으로 예측되고 있기 때문에, 우리의 목표는 GA 없이 Amplitude(앰플리튜드) 한 가지 만을 분석 솔루션으로 활용해도 충분히 업무에 활용 가능하다는 것을 뒷받침할 수 있는 제품 및 마케팅 활용 사례를 제공하는 것입니다.이전 GA 데이터는 어떻게 되나요?UA 종료 임박과 관련하여 많은 분들께서 가장 관심있어 하는 부분은 과거 데이터의 손실 여부입니다. 구글이 공시한 날짜를 고려해 보면, 많은 기업에서 즉시 조치를 취하지 않으면 전년 대비 데이터를 확인하지 못하게 될 것 이라는 우려가 있습니다. 대부분의 기업에서는 연도별 데이터 확보를 중요하게 생각하고 있으나 실제로 이를 사용하는 기업을 그렇게 많이 보지는 못했던 것 같습니다. 과거 데이터에 진정으로 관심을 갖고 있는 기업이라면 이미 내부 저장소에 분석 데이터를 보유하고 있을 것이므로, GA 종료 날짜가 다가온다고 해도 크게 혼란은 없을 것으로 예상됩니다.하지만 이 경우라도 이전 데이터를 보존하는 것이 조직에 중요한 경우, 안전을 위해 7월 1일 이전(UA 데이터 수집이 중지되기 1년 전) GA4 인스턴스에 중요 KPI를 추가하는 것이 좋습니다. 혹은 Amplitude(앰플리튜드)의 무료 GTM 템플릿(클라이언트 측 또는 서버 측)을 사용하여 데이터를 Amplitude(앰플리튜드)로 전송할 수도 있습니다. 벤더가 제시한 임의 날짜에 따라 단기적으로 결정하는 것보다는 장기적으로 어떤 플랫폼에 투자할 것인지를 검토하는 것이 더 좋습니다. 개인적인 견해로는 UA 종료 발표에 따른 사용자의 불안감을 고려해 볼 때, 구글이 결국에는 종료 날짜를 연장할 가능성이 크다고 생각합니다.GA4는 시장에서 사용될 준비가 되었나요?많은 분들께서 UA에서 가능했던 모든 기능을 GA4로 대체할 수 없다고 말합니다. 조금만 검색해보면 GA4의 단점을 적어놓은 트위터와 링크드인 게시물을 쉽게 찾을 수 있는데, 어떤 사람들은 GA4가 아직은 시장에서 사용되기에 완벽히 준비되지 않았다고 표현하기도 합니다.GA4가 UA에 비해 몇 가지 개선 사항이 있는 것처럼 보이지만 우려되는 점도 있습니다. 많은 분들의 의견을 통해 확인한 내용을 정리해보자면 다음과 같습니다.이전에는 즉시 사용 가능한 리포트가 여러 형태로 제공되었다면, GA4에서는 탐색 리포팅 인터페이스를 사용하는 것으로 바뀝니다. 이 새로운 인터페이스 구성은 궁극적으로는 보다 강력한 리포팅 기능을 제공하지만, 이전 UA 사용자(특히 초보자)는 사용이 어려워 리포트를 익히는 데 별도의 트레이닝이 필요해 보입니다.GA4에서 문제가 될 수 있는 부분은 디멘션 및 디멘션 문자 길이에 대한 제한이 있다는 점입니다. UA 고객이 GA4에서 사용 가능한 것보다 더 많은 디멘션을 활용했을 경우도 있을 수 있습니다. 제 경우에는 고객이 우선 순위를 지정할 수 있도록 하는 것을 선호하는 편이지만, 대규모로 구현을 해야하는 고객에게는 결국 문제가 될 수 있습니다.GA4에서 한개의 디멘션에 포함된 디멘션 카디널리티가 다른 디멘션에 영향을 줄 수 있는 상황이 발생할 수 있습니다. (표준 보고서 조건에서)표준 속성이 있는 경우 카디널리티가 높은 측정 기준을 생성하지 마십시오. 카디널리티가 높은 측정 기준은 일별 고유 값이 500개를 초과하는 측정 기준입니다. 이 측정 기준은 리포트에 부정적인 영향을 미칠 수 있으며, 데이터가 (기타)행에 집계될 수 있습니다. 예를 들어 사용자 ID 와 같은 높은 카디널리티 측정 기준의 경우(즉, 각 고유 사용자에 대한 ID를 수집하려는 경우)에는 User-ID 기능 을 사용합니다.카디널리티- 카디널리티는 측정 기준에 할당된 고유한 값의 개수를 나타냅니다.- 일부 측정 기준은 고유한 값의 개수가 고정되어 있습니다(예: *기기* - 3: 데스크톱, 태블릿, 모바일). 반면 하루에 고유한 값이 500개를 초과하는 측정 기준은 카디널리티가 높은 측정기준으로 간주됩니다.- 카디널리티가 높은 측정 기준이 있으면 리포트의 행 수가 증가하므로 리포트가 행 한도에 도달하여 데이터가 [(다른) 행] 아래에 집계될 가능성이 커집니다. (https://support.google.com/analytics/answer/9309767)GA4에서는 측정 기준 카티널리티로 인해 표준 리포트와 탐색 리포트에 서로 다른 측정 항목 합계가 표시되는 상황이 있을 수 있습니다.GA4는 BigQuery와 더 많이 통합 되어 고급 사용자에게 유용할 수 있지만, 일반 사용자는 고급 사용자 인터페이스를 새로 배워야 합니다.BigQuery로 GA4 데이터 내보내기는 하루에 100만 이벤트로 제한되며, 이로 인해 그동안 ‘무료’ 분석을 사용해 온 많은 조직이 구글에 비용을 지불하게 됩니다.GA4 ‘무료’ 버전의 데이터 보존 기간은 최대 14개월 입니다. 즉, BigQuery에 보존하려는 모든 데이터를 저장해야 하며, 장기간 리포트에 탐색 보고 인터페이스를 사용 할 수 없습니다.현재 GA4에는 연계된 써드파티 솔루션이 거의 없습니다.유럽내에서 구글의 개인정보 보호 문제는 어떤가요?유럽에서는 GA의 합법성과 관련된 법안이 논의되고 있습니다. 대부분 사소한 문제이지만, 광고 네트워크 및 다국적 기업과 연결된 디지털 분석 솔루션에서는 몇 가지 중대한 이슈가 확인되고 있습니다. 저는 고객이 결정할 수 없는 외부적인 요인(법적 판결)으로 인해 디지털 자산에 대한 모든 가시성을 잃게 될 수도 있다는 점을 우려하고 있습니다. 그리고 이 두려움이 결코 실현되지 않기를 바랍니다.개인 정보 문제의 위험을 증가시키는 GA의 특정 부분이 있습니다. 예를 들면, GA가 익명 방문자를 식별하고 데이터를 수집하는데 사용하는 메커니즘인 구글 시그널 데이터 입니다. 구글 시그널을 사용하면 다음의 두 가지 작업을 수행할 수 있습니다. 다른 솔루션과는 차별화되는, 오직 GA에서만 가능한 작업입니다.광고 네트워크를 활용하여 사용자(익명 사용자 포함)의 다양한 기기에서 추적 수행연령, 성별 및 광고 관심 분야와 같은 사용자에 대한 인구 통계 정보 추가구글 시그널은 대부분의 사람들이 최소 한 가지의 구글 제품 (예: 크롬, 지메일)을 사용하면서 ‘광고 개인화’ 기능을 끄지 않는다는 사실을 이용하여 이 작업을 수행합니다. 구글은 방대한 광고 네트워크를 보유 하고 있기 때문에 사용자의 인구 통계 및 관심 정보를 수집하고 이를 GA와 익명으로 공유 하게 됩니다. 예를 들어, 한 중년 여성이 지메일을 사용한다면, GA는 구글 계정에서 이 중년 여성의 인구 통계적 정보와 관심 분야를 확인할 수 있습니다. 저 또한 한 명의 디지털 분석가로서 추가적인 인구 통계적 정보와 관심 정보를 얻는 것은 좋지만, 사용자는 구글의 광고 네트워크가 자신에 대한 정보를 GA에 제공하고 있다는 사실을 깨닫지 못할 가능성이 높습니다.구글 시그널은 GA 관리자가 해제할 수 있지만, GA를 사용하는 대부분의 조직에서는 이 기능을 사용하도록 설정하고 있으며, 구글 계정 내에서 광고 개인화의 비활성화에 대해 아는 사용자는 거의 없습니다. 또한 현재 GA는 조직이 유저 ID와 기기 ID만 사용할 수 있는 옵션을 제공하는 대신, 구글 시그널 데이터를 포함하면 유저 ID로 유저(사용자)를 추적할 수 있도록 허용하고 있습니다.현재는 구글 시그널 정보가 모든 동의 요구 사항을 준수하는 경우 GDPR과 함께 사용되어도 적합하다고 간주되지만, 구글 시그널은 GDPR의 원칙에 어긋나므로 GA에서 구글 시그널 기능을 제거하거나 ‘옵트인’을 선택하게 하도록 EU에서 강제할 수도 있습니다. 이렇게 될 경우 GA의 장점 중 일부를 사용하지 못하게 됩니다.구글의 전체 비즈니스에서 분석(Analytics)은 얼마나 중요한가요?저와 이야기를 나눴던 많은 분들은 강력하고, 때로는 무료로 제공되는 GA의 디지털 분석 제품에 항상 액세스 할 수 있는 환경을 경험해왔습니다. 저는 이들에게, GA가 처음에는 구글의 디지털 광고 캠페인의 성과 측정에 도움을 주기 위해 인수(Urchin)되어 무료로 제공되었다는 점을 강조하고 싶습니다. 구글은 기업이 디지털 광고에 더 많은 비용을 지출하도록 하는 데 데이터가 핵심 열쇠라는 것을 알고 있습니다. GA는 구글 광고와 밀접하게 연결되어 있습니다.기업에서 향후 10년 동안 사용할 디지털 분석 플랫폼을 고려할 때, 구글의 광고 비즈니스가 분석 비즈니스보다 훨씬 더 중요하다는 사실을 인식하는 것이 중요합니다. 디지털 광고가 (개인정보 보호 문제로 인해) 사라지거나 크게 줄어들 경우에도 구글은 GA 무료 버전 혹은 지원을 위해 계속해서 자금을 투자할까요? 저는 GA 서버를 호스팅하고 GA 제품을 지원하는 데 많은 비용이 들어간다고 확신합니다. 지금처럼 광고가 캐시 카우로 큰 자금을 생산하고 있을 때는 문제가 되지 않습니다. 하지만 광고비가 고갈되면 어떻게 될까요? 그리고 GA가 많은 법적 이슈를 일으켜 구글의 핵심인 광고 비즈니스에 영향을 주기 시작했다면 어떻게 될까요? 분석 제품으로 인해 광고 수익을 잃게 될 것이라는 우려를 하게 된다면 분석 제품은 눈엣가시로 전락할 수 있습니다. 구글의 모든 개인 정보 보호 및 소송 문제를 감안해보면 분석 제품이 구글의 발목을 잡게 될 수도 있습니다. 미래를 예측하기는 어렵지만, 저와 이야기하는 일부 조직에서는 광고와 분석이 주요 비즈니스 모델인 기업(벤더)에 의존하는 것이 언젠가는 다시 그들을 괴롭힐 수 있다는 우려를 나타내고 있습니다.또한 현재 구글에는 GA의 서비스 규모에 맞게 다른 분석 솔루션 벤더사보다 많은 수의 엔지니어가 있지만, 언젠가는 구글이라는 거대한 기업 내에서 분석 제품이 사라지게 될 수도 있습니다. 일부의 말에 따르면, 최근에는 몇 년 전과 비교하여 기능 요청과 버그 보고가 거의 이행되지 않았다고 합니다. 반면, 분석 제품만을 유일하게 제공하는 벤더사와 협력할 때는 제품을 개발하고 개선하려는 의지가 높다는 이점을 확인할 수 있습니다.구글의 지원 및 서비스 방식에는 어떤 변화가 있을까요?저와 이야기를 나눈 기업 중 일부는 구글의 직접적인 지원을 원한다고 말했습니다. 전통적으로 GA 고객은 구글과 직접적인 상호 작용이 많지 않았습니다. 오히려 구글의 대행사 또는 파트너사와 협력하는 것이 일반적이었습니다. GA에 전문 역량을 갖춘 열정적인 대행사와 컨설턴트가 있다는 것에는 의심할 여지가 없습니다. 그러나 때로는 문제가 발생했을 때 솔루션 공급 기업인 구글과 직접 논의하는 것이 필요할 수 있습니다. 일부는 GA4에 구글의 직접적인 지원이 포함될 지 궁금해 했습니다. 하지만 아직까지는 이 문제에 대해 새로운 것을 보지 못했고, GA4도 과거와 같은 방식으로 지원될 것으로 예상됩니다.GA4는 데이터 품질과 거버넌스를 어떻게 지원하나요?오늘날 대부분의 GA 고객은 데이터 분류 체계(텍소노미) 리스트를 정리한 구글 시트에서 실행을 관리합니다. 같은 관점에서 Amplitude(앰플리튜드) 고객들이 Amplitude(앰플리튜드)에 대해 만족하는 것 중 하나는, Amplitude(앰플리튜드)가 데이터 거버넌스에 많은 투자를 하고 진심으로 연구하고 있다는 점입니다. 그리고 저는 고객들이 GA4도 동일한 기능을 갖추기를 원한다고 생각합니다.이벤트 기반 분석 플랫폼은 고객 행동을 추적하고 분석하는 데 확실히 더 강력하지만, 그만큼 데이터 관리에 더 많은 투자를 해야합니다. 데이터 거버넌스를 위한 강력한 툴킷은 반드시 필요하며, 이는 분석 실행을 문서화하는 구글 시트로는 충분하지 않습니다.최적의 의사 결정을 이끄는 훌륭한 인사이트를 확인하려면, 이벤트를 시간에 따라 계획하거나 도구화 시키고, 검증, 조직화, 변형 및 여러 방면에서 관찰해야 합니다. 훌륭한 데이터 거버넌스 도구가 없다면 신뢰할 수 없는 데이터와 거듭되는 재계측으로 인해 장기적으로는 비용이 높아집니다. 이러한 악순환은 대부분의 분석 작업이 실패하는 이유이기도 합니다.보다 높은 데이터 품질, 엔지니어의 만족, 데이터 플랫폼 비용의 절감을 위해 고객은 GA4(적어도 GA360)가 궁극적으로 다음 기능들을 제공하기를 바라고 있습니다플래닝 트래킹 기본 제공(built-in)이벤트 유효성 확인을 위한 관찰 검사개발자 우선 환경 (Jira 연동, 명령줄, SDK, 분기)보다 강력한 데이터 속성 변환 유형그러나 GA4가 데이터 거버넌스 영역에 얼마나 많은 투자를 할지는 조금 더 지켜봐야 할 부분입니다.GA4가 제공하는 데이터 및 마케팅 통합 기능은 무엇인가요?오늘날의 기업에서는 데이터 웨어하우스, CDP, 이메일 인게이지먼트 및 메시징 플랫폼, 광고 네트워크, 어트리뷰션 및 위치 인텔리전스 툴, 실험 플랫폼 등 많은 도구를 사용합니다. 현재 GA4는 BigQuery, 세일즈포스 마케팅 클라우드와 연동되어 있으나, 이를 위해서는 백엔드 개발 및 API 작업이 필요합니다. 단일 고객 행동 프로파일, 고객 인게이지먼트 및 여정 전체 보기, 다양한 채널과 도구에서 데이터에 조치를 취할 수 있도록 스택을 통합하려는 경우, GA4에는 몇 가지 제한 사항이 있을 수 있습니다. 점점 더 많은 기업에서 디지털 분석 솔루션과 Snowflake, Amazon S3, BigQuery 등과 같은 데이터 웨어하우스를 함께 활용하고 있으나, 현재 GA에서는 BigQuery만 즉시 사용 가능하며 다른 데이터 웨어하우스와 연동하려면 기업에서 추가 개발이 필요합니다.마치며초반에 언급했듯이 UA 종료 및 GA4와 관련된 수 많은 질문과 알려지지 않은 내용이 있었습니다. Amplitude(앰플리튜드)를 사용하는 고객도 다른 조직과 마찬가지로 이에 영향을 받습니다. 바라건대 여러분이 여기에 제공된 정보를 통해 그동안 지녔던 수 많은 궁금증에 대한 답을 얻으셨으면 좋겠습니다. 주요 기술이 변화함에 따라 많은 걱정이 있으실 것으로 생각됩니다. GA는 보편적으로 사용되던 서비스이므로 그만큼 더 많은 질문과 우려가 있는 것이 당연합니다. 앞으로 많은 사용자 커뮤니티에서, (저보다 GA에 대해 많이 알고 있는) GA전문가들이 이러한 내용을 다루면서 더 나은 답을 찾게 될 것이라고 확신 합니다. 아마 대부분의 기업에서 큰 혼란은 발생하지 않겠지만, 기업에서 사용하는 모든 기술을 지속적으로 재평가하고 앞으로의 최선책을 결정하는 일은 무엇보다 중요하다고 말씀드리고 싶습니다.