로그인

앰플리튜드

[FAQ] 구글 UA 종료 & GA4 전환에 대해 궁금한 모든 것

Team MAXONOMY ・ 2022.07.12

[FAQ] 구글 UA 종료 & GA4 전환에 대해 궁금한 모든 것


✒️ Adam Greco | Amplitude 프로덕트 에반젤리스트



Adam 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 수행
  • 연령, 성별 및 광고 관심 분야와 같은 사용자에 대한 인구 통계 정보 추가


구글 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 있습니다


  • 플래닝 트래킹 기본 제공(built-in)
  • 이벤트 유효성 확인을 위한 관찰 검사
  • 개발자 우선 환경 (Jira 연동, 명령줄, SDK, 분기)
  • 보다 강력한 데이터 속성 변환 유형


그러나 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.








마치며


초반에 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.


logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요

관련 글 보기

리텐션(Retention) 의미와 측정 방법🔍

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?🤔

Amplitude 데이터 건강 관리 3단계

Amplitude 데이터 건강 관리 3단계

Data Health Assessment + Data Assistant + Tracking Plan으로 데이터 신뢰도 100% 달성하기

마케팅 퍼널(Funnel) 의미와 분석 방법🔍

마케팅 퍼널(Funnel) 의미와 분석 방법🔍

퍼널 분석(Funnel Analysis)이란?퍼널 분석(Funnel Analysis)이란, 전환 지점에 이르기까지의 일련의 이벤트를 분석하는 방법을 말합니다. 제품, 웹사이트, 이메일 등 모든 종류의 디지털 접점에서 퍼널 분석을 할 수 있습니다. 퍼널 분석의 목적은 고객여정에서 중요한 이벤트를 정확히 파악하여, 테스트를 수행하고 사용자 경험을 개선하며 전환율을 높이는 것입니다.예를 들어, 이메일을 통해 무료 체험 이벤트를 홍보하고 무료 체험 사용자들이 최종적으로 유로 전환을 하길 원하는 캠페인이라면, 그 퍼널을 다음과 같이 구성될 것입니다.1단계: 잠재 고객이 이메일을 열고 무료 체험 제안을 발견2단계: 무료 체험을 신청하기 위해 CTA 버튼을 클릭3단계: 계정을 만들고 제품을 무료로 사용4단계: 무료 체험 기간이 종료된 후 잠재 고객이 유료 고객으로 전환퍼널 분석이 필요한 이유퍼널 분석은 왜 필요할까요? 광고에 혹해서 링크를 클릭하였는데 회원가입 절차가 복잡해서 사용을 종료한 경험, 괜찮아 보이는 앱을 설치했는데 구성이 복잡해서 금방 삭제한 경험, 한 번씩은 있을 것입니다. 고객이나 사용자가 디지털 경로를 따라가면서 원하는 결과에 도달하지 못하는 것은 굉장히 흔한 일입니다.이를 해결하기 위해 아무리 고객의 경험을 이해하려 해보아도 분명히 한계가 있습니다. 이때 퍼널 분석을 통해 각 단계를 통계적으로 들여다봄으로써 이러한 사용자의 마찰 지점을 효과적으로 개선할 수 있는 것입니다. 퍼널의 각 단계 사이에는 여러 가지 방해 요소나 장애물이 발생할 수 있으며, 무엇이 효과가 있고 무엇이 그렇지 않은지를 알려줄 수 있는 행동 패턴이 존재할 가능성이 큽니다.앞서 살펴본 예시에서 유독 3단계에서 이탈이 많다면, 그 원인이 무엇인지 행동 패턴에서 찾아볼 수 있을 것입니다. 가령 모바일 환경에서 회원가입 로딩 속도가 유독 느려 사용자가 회원가입을 쉽게 포기하기 때문일 수 있죠. 이런 경우 PC 사용자의 퍼널과 모바일 사용자의 퍼널을 비교하여 사실 여부를 쉽게 확인할 수 있을 것입니다. 이 문제를 개선하여 모바일 전환율이 PC 전환율만큼 높아진다면, 얼마나 많은 수익을 기대할 수 있을지 예상하고, 모바일 환경을 개선하는 투자 비용 대비 효과를 비교할 수 있을 것입니다. 즉, 우리가 늘 강조하는 데이터 기반의 의사결정을 수행하고 전환율을 개선할 수 있는 것입니다.정리하자면, 퍼널 분석은 다음과 같은 목적으로 사용할 수 있습니다:전환율 개선: 퍼널 분석을 통해 사용자가 최종 목적지에 도달하지 못하게 하는 요인을 파악하여, 해결책을 수립하고 전환율을 개선할 수 있습니다. 여기서 최종 목적지는 "가입" 버튼을 클릭하거나 PDF 다운로드 등 상황에 맞춰 다양하게 설정할 수 있습니다.퍼널 간소화: 웹사이트, 모바일 앱, 이메일, 대시보드 등 다양한 디지털 접점에서 퍼널을 만들 수 있을 것이고 이를 합치면 전체적인 고객 여정이 됩니다. 퍼널 분석은 이러한 각 여정이 서로 어떻게 연결되는지를 전체적인 관점에서 살펴보고 필요없거나 중복되는 부분을 찾아 간소화 할 수 있습니다.유입과 리텐션의 통합 : 보통 마케팅 팀은 신규 고객을 유입하는 데 집중하는 반면, 제품 팀은 그 고객을 유지하는 데 중점을 둡니다. 퍼널 분석은 두 팀이 데이터를 공유하고 인사이트를 교류할 수 있는 기회를 제공합니다.퍼널 분석 4가지 방법퍼널 데이터를 해석하고 활용하는 방식을 비즈니스와 산업에 따라 달라지지만, 대표적으로 다음 4가지의 방법이 있습니다.전환 분석퍼널을 분석하는 가장 기본적인 방법입니다. 각 단계에서 전환한 사용자의 수를 측정합니다. 주로 막대 그래프로 시각화하여 표현하죠. 전환 분석 방식의 핵심은 문제가 발생하였을 때 이를 빠르게 확인하고 조치를 취하는 것입니다. 퍼널의 한 단계에서 사용자 이탈이 갑자기 심해진다면, 그 부분을 빠르게 점검해야 합니다.기간에 따른 전환 분석기간에 따른 전환 분석은 특정 날짜에 퍼널에 진입한 사용자의 전환율을 확인하는 분석법입니다. 사용자가 퍼널을 완료하지 않아도 분석 대상에 계속 포함하는 것이지요. 휴일이나 특별 이벤트 동안 퍼널이 어떻게 자동하는지 이해하는 데 유용합니다. 전환 시간 분석각 사용자가 각 단계를 클릭하는 데 얼마나 시간이 걸리는지는 파악하여, 퍼널이 건강하게 작동하고 있는지 확인할 수 있습니다. 적절한 전환 시간은 비즈니스에 따라 다르기 때문에, 적절한 기준을 세우고 과거 데이터를 비교하여 설정할 필요가 있습니다. 가령, 패스트푸드 배달 앱과 세금 관련 서비스 앱의 기대되는 전환 시간은 완전히 다를 것입니다. 빈도 분석사용자가 퍼널의 다음 단계로 이동하기 전에 특정 행동을 몇 번이나 수행하는지 측정하는 분석 방법입니다. 빈도를 측정함으로써 사용자가 해당 퍼널 내에서 무엇을 얼마나 자주 하는지 파악할 수 있습니다. 가령, 장바구니 물건을 결제하기 전에 이 물건이 최저가가 맞는지 확인하기 위해 검색창에 들어가는 행동을 많이 보인다면, 장바구니 안에서 해당 물품이 최저가임을 나타내주는 메시지를 표시하여, 사용자가 더 간편하게 쇼핑 여정을 마칠 수 있도록 유도할 수 있을 것입니다.이 외에도 비즈니스나 상황에 최적화된 독특한 관점으로 접근하여 퍼널 분석을 진행할 수 있습니다. 위의 기본적인 퍼널 분석 방법에 익숙해진다면, 더 창의적인 방법으로 문제를 해결해보세요.퍼널 분석 도구퍼널 분석을 위해선 관련된 도구가 필수로 필요합니다. 대표적인 퍼널 분석 도구인 Amplitude는 단순 페이지 뷰나 세션뿐만 아니라 모든 종류의 이벤트나 사용자 행동을 측정하고 추적할 수 있습니다. 퍼널 이벤트의 순서를 지정하고 행동 코호트를 세분화하며, 특정 전환 기간을 설정할 수도 있죠.다음은 퍼널 분석 도구를 선택할 때, 필수로 체크해야하는 요소입니다고객 여정 전반에 걸쳐 사용자 행동을 시각화하고, 측정하며, 이해할 수 있어야 합니다. 이때 사용자를 코호트로 분류하여 확인할 수 있는 것이 좋습니다.퍼널 상에서 문제점이 발생했을 때, 이를 빠르게 감지하고 알림을 보낼 수 있어야 합니다.제품 개선, 개인화, 원활한 고객 여정 구축를 위한 추가적인 데이터 연계가 가능해야 합니다.콘텐츠 더 읽어보기전환율(Conversion Rate)이란?🔍(feat. 전환율 계산 및 개선법)퍼널(Funnel) 분석과 사용 사례구매 전환율을 높이는 6가지 전략

Amplitude Feature Experiment: 데이터 기반 실험의 시작

Amplitude Feature Experiment: 데이터 기반 실험의 시작

실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기


✒️ Adam Greco | Amplitude 프로덕트 에반젤리스트



Adam 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.









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.



구글 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 있습니다



그러나 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.








마치며


초반에 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.


앰플리튜드, 도입/구축