Google Analytics란?
Google Analytics는 구글에서 제공하는 웹 및 모바일 앱의 트래픽과 사용자 행동을 분석하는 대표적인 웹 분석 도구이다. 웹사이트나 앱에 제공되는 자바스크립트 트래킹 코드를 삽입하면, 방문자가 사이트에 접속할 때마다 그 행동(페이지 조회, 세션 지속 시간, 이탈률, 전환 등)을 자동으로 기록하고, 이 데이터를 기반으로 다양한 보고서를 생성한다.
BigQuery란?
빅쿼리(BigQuery)는 구글 클라우드 플랫폼에서 제공하는 서버리스 데이터 웨어하우스 서비스이다. 별도의 인프라 관리 없이, SQL을 통해 페타바이트(PB) 규모의 대용량 데이터를 빠르게 저장, 분석, 쿼리할 수 있도록 설계되어 있다.
AARRR 분석이란?
AARRR은 사용자의 서비스 이용흐름을 기반으로 고객 획/ 활성화/ 유지/ 수익/ 추천 이라는 5가지 카테고리를 정의하고 각 카테고리에서 핵심이 되는 지표를 발굴하고 이를 측정/ 개선하는 지표관리 방법론이다.
- Acquisition (획득):
고객이 어떻게 해당 서비스나 제품을 알게 되었는지, 즉 유입 경로(검색, 미디어, 광고 등)를 분석. - Activation (활성화):
첫 방문 후 고객이 긍정적인 경험을 했는지 평가. 예를 들어, 회원 가입, 첫 구매, 앱 내 첫 행동 등이 이에 해당 됨. - Retention (유지):
고객이 제품이나 서비스를 반복적으로 이용하는지를 측정. 즉, 초기 경험 후 얼마나 많은 고객이 돌아오는지를 분석. - Revenue (수익):
고객으로부터 얼마나 수익을 창출할 수 있는지를 파악. 구매, 구독, 광고 클릭 등의 수익 창출 지표를 포함. - Referral (추천):
기존 고객이 다른 사람에게 제품이나 서비스를 추천하는지, 즉 자연스러운 입소문 효과를 분석.
이번 포스팅에서는 AARRR의 두 번째 순서인 Activation (활성화) 단계에 대해 분석할 것이다.
Activation (활성화)
사용자들이 우리 서비스의 핵심 기능을 잘 사용하는가?
예를 들어 쇼핑몰이라면 장바구니 담기, 상세페이지 조회 등이 될 수 있겠다.
만약 이 단계에서 문제가 있다면 서비스의 UX등을 체크해볼 필요가 있다.
Activation단계의 핵심은 Funnel 분석.
- 사용자들이 경험하는 단계를 도식화
- 각 단계의 전환율을 측정/ 분석
퍼널 분석(Funnel Analysis)
퍼널 분석은 사용자가 서비스에 유입되어 최종 전환(Conversion)까지 이어지는 여정을 여러 단계로 나누어 각 단계별 전환율과 이탈률을 측정하는 분석 방법이다. 이를 통해 어느 지점에서 사용자가 이탈하는지, 어떤 부분에서 개선이 필요한지 파악할 수 있다.
목적:
- 병목 구간 식별: 각 단계에서 이탈하는 사용자의 비율을 파악해, 개선해야 할 핵심 구간을 도출.
- 전환율 최적화: 사용자 여정의 각 단계를 개선하여 최종 전환율을 높임으로써 매출 증대.
hits.eCommerceAction.action_type:
- 1: 제품 목록
- 2: 제품 세부정보 보기
- 3: 장바구니에 제품 추가
- 5: 결제 페이지
- 6: 구매 완료 페이지
그 외 0, 4, 7, 8은 각각 알수없음, 장바구니 삭제, 구매환불, 결제옵션이고, 이번 분석에서는 위의 1, 2, 3, 5, 6만 사용할 것이다.
1. 단계별 세션 수 파악
# 단계별 세션 수 분류 쿼리 작성
query = f"""
SELECT
h.eCommerceAction.action_type AS action,
COUNT(*) AS count
FROM
`bigquery-public-data.google_analytics_sample.ga_sessions_*`,
UNNEST(hits) AS h
WHERE
_TABLE_SUFFIX BETWEEN '20160801' AND '20170801'
AND h.eCommerceAction.action_type IN ('1', '2', '3', '5', '6')
GROUP BY
action
ORDER BY
count DESC
"""
# 쿼리 실행 및 데이터 가져오기
query_job = client.query(query)
df_funnels = query_job.to_dataframe()
# action 명칭 수정
df_funnels['action'] = ['Product list', 'Product detail page', 'Add to cart', 'Check out', 'Completed purchase']
# 결과 출력
df_funnels
2. 전환율(Conversion Rate), 이탈(Bounce rate) 산출
conversion_rate = [100]
for i in range(0,4):
conversion_rate.append(round((df_funnels['count'].iloc[i+1]/df_funnels['count'].iloc[i])*100, 2))
df_funnels['conversion rate'] = conversion_rate
df_funnels['Bounce rate'] = np.repeat(100, 5) - np.array(conversion_rate)
df_funnels
3. 대시보드 작성
인사이트
전체 퍼널 개요
1. 단계별 세션 수
- Product list(목록): 466,760
- Product detail page(상세 페이지): 392,607
- Add to cart(장바구니 담기): 142,427
- Check out(결제 진행): 80,019
- Completed purchase(구매 완료): 24,582
2. 전환율(Conversion Rate) 및 이탈률(Bounce Rate)
- 목록 → 상세 페이지: 전환율 약 81.15%, 이탈률 약 18.65%
- 상세 페이지 → 장바구니 담기: 전환율 약 33.49%, 이탈률 약 66.51%
- 장바구니 담기 → 결제 진행: 전환율 약 72.49%, 이탈률 약 27.51%
- 결제 진행 → 구매 완료: 전환율 약 대략 27.87%, 이탈률 약 72.13%
결과적으로 초기 페이지(목록 페이지) 방문 대비 최종 구매 완료까지의 전체 전환율은 약 5%로 추정할 수 있다(24,582 ÷ 466,760).
단계별 핵심 이슈 및 개선 포인트
1. 목록 → 상세 페이지
- 전환율(85.15%)이 양호한 편이므로, 다른 단계 대비 심각한 병목 구간은 아니다.
- 이탈률은 일반적으로 '목록에서 원하는 상품을 찾지 못했거나' '첫인상이 기대에 못 미쳐 바로 이탈'하는 경우
- 개선 방안
- 상품 목록에서 썸네일, 가격, 평점 등 핵심 정보를 직관적으로 보여줘 사용자가 상세 페이지로 이동하도록 유도
- 검색/필터 기능 개선, 추천 알고리즘 업그레이드로 상품 목록의 탐색 효율성 높임
2. 상세 페이지 → 장바구니 담기
- 전환율(33.49%)이 낮으며, 상대적으로 큰 이탈률(66.51%)을 보인다.
- 이는 상세 페이지에서 구매 의사가 충분히 형성되지 않거나, 상품 정보·가격·후기·배송조건 등으로 인해 ‘장바구니 담기’를 포기하는 경우가 많다는 의미이다.
- 개선 방안
- 상품 상세 정보 페이지 개선: 이미지·동영상·리뷰·FAQ 등 풍부한 정보 제공
- 가격·혜택 안내: 할인 쿠폰, 프로모션, 적립금 등 구매 동기 유발 요소 추가
- CTA(Call To Action) 버튼: ‘장바구니 담기’ 버튼을 페이지 상단·하단에 배치하거나, 버튼 색상·크기 등을 개선
- CTA 버튼의 경우, 장바구니 단계 뿐만 아니라 단계별로 사용자가 어떤 액션을 취해야 하는지 일관되게 안내하는 것이 중요하며, 명확하고 직접적인 표현(예: 회원가입 → 지금 회원가입하고 혜택받기)을 사용하는 것이 좋다.
3. 장바구니 담기 → 결제 진행
- 전환율이 72.48%로 비교적 괜찮은 편이나, 27.51% 정도의 사용자가 장바구니 담기 후 결제 단계로 넘어오지 않음.
- ‘추가로 장바구니를 더 채우려는 경우’, ‘장바구니 저장만 하고 나중에 결제하려는 의도’ 등이 이탈 원인이 될 수 있다.
- 개선 방안
- 장바구니 UX 개선: 여러 상품의 합산 금액, 배송비, 예상 배송일을 명확히 표기
- 장바구니 이탈 방지: 최대 할인액으로 적용되는 쿠폰 자동 적용, 즉시(or 시간 내) 결제 시 적립금 추가 제공 등
4. 결제 진행 → 구매 완료
- 이탈률이 72.13%로 모든 단계 중 가장 크다.
- ‘결제 수단이 다양하지 않거나’, ‘복잡한 결제 과정’, ‘추가 비용(배송비 등) 확인 후 포기’, ‘할인/쿠폰 적용 문제’ 등이 원인이 될 수 있다.
- 개선 방안
- 결제 과정 단순화: 간편 결제(PG, Payment Gateway) 도입, 결제 화면 단계를 최소화
- 쿠팡의 경우, 제품 상세 페이지에서 바로결제(밀어서 결제) 시스템을 도입하며 결제 완료까지의 단계를 대폭 축소했다.
- 결제 에러/이탈 방지: 결제 정보 자동 저장, 원클릭 결제, 보안 인증 간소화
- 장바구니 이탈 사용자 리마인드: 이메일·푸시 알림 등을 통해 결제 유도
- 결제 과정 단순화: 간편 결제(PG, Payment Gateway) 도입, 결제 화면 단계를 최소화
우선순위 및 액션 아이템
1. 결제 진행 → 구매 완료 과정 전환율 개선
- 가장 큰 이탈률(72.13%)을 보이는 핵심 병목 구간
- 결제 과정 단순화, 결제 에러/이탈 방지, 장바구니 이탈 사용자 리마인드 등 결제 진행 페이지의 모든 요소 개선
- 결제 도중 이탈 시 재접속을 유도하는 마케팅(장바구니 리마인드, 할인 쿠폰)
2. 상세 페이지 → 장바구니 담기 과정 전환율 개선
- A/B 테스트를 통해 상세 페이지 구성과 장바구니 담기 버튼의 위치/디자인 최적화
- 할인 쿠폰, 프로모션, 적립금 등 구매 동기 유발 요소 추가
3. 기타
- 목록 → 상세 페이지 구간에서 썸네일 등 홍보 요소들을 추가로 넣으면 해당 단계에서의 전환율 개선 가능
- 하지만 과하고 자극적으로 추가할 시 다음 단계에서 실망감으로 이탈이 증가할 위험이 있으니 과하지 않게 개선할 필요가 있다.
- 장바구니 이탈 방지 전략 실행
종합 요약
- 가장 큰 이탈 구간은 결제 진행 → 구매 완료 단계(72.13%)이며, 결제 과정 간소화, 결제 에러/이탈 방지 등 개선이 필요하다.
- 상세 페이지 → 장바구니 담기 단계에서도 약 66.5%의 사용자가 이탈하고 있으며, 상품 정보 부족, CTA 배치 등이 원인일 수 있기 때문에 해당 부분 개선이 필요하다.
- 전환율 개선을 위한 세부 전략으로는 상세 페이지 콘텐츠 보완, CTA 버튼 보완, 간편 결제(PG) 도입, 장바구니 이탈 리마인드 마케팅 등이 있다.
참조 노트북
