맥싸이트-픽
AI 마케팅, AI 검색에서 힌트를 찾다
Team MAXONOMY ・ 2024.12.24



최근 ‘경계를 넘어서는 비즈니스 혁신’ 이란 주제로 모이는 한 컨퍼런스의 발표 준비를 하며, AI는 무엇일까란 생각을 다시한번 해보게 되었습니다. 트렌드를 따라 AI라는 개념을 막연히 이야기하지 않도록, 다양한 분야의 AI 관련 기사와 포스트들을 접하였는데요. 밝은 미래를 그리며 때론 찬양도 마다하지 않는 콘텐츠 덕인지, AI가 마치 지금의 스마트폰처럼 나의 생활과 업무에서 빼놓을 수 없는 일부가 벌써 되어 버린 것 같은 느낌마저 들고 있습니다.
최근 엔비디아 CEO 젠슨 황은 한 인터뷰에서 AI가 소프트웨어를 먹어 치우고 있다는 이야기를 했습니다. 과거에도 이와 비슷한 발언을 한 사람이 있었는데요. 바로 넷스케이프 창업자 마크 안드레센입니다. 당시 마크 안드레센은 소프트웨어가 세상을 먹어 치우고 있다며 지금의 젠슨 황과 비슷한 이야기를 하였죠. 그는 소프트웨어가 세상을 먹어 치우고 있는 지금이 디지털 대전환(DX)을 준비해야 하는 때라며 강조하고 싶었을 것입니다.
이 두 IT 거물의 명제를 연결시켜보면 소프트웨어는 세상을 먹어치우지만, 곧 이 소프트웨들은 AI들에게 먹힐 것이기 때문에
'앞으로의 세상은 AI가 먹어치울 것이다'라는 결론으로 이어지지 않을까 합니다.😵💫
이번 맥싸이트-픽 포스트에서는 이런 AI가 마케팅 산업과 마케팅 업무에 어떤 영향을 미칠지 알아보겠습니다.
AI 이전의 마케팅
마케팅은 AI로부터 과연 어떤 영향을 받을 것인가? 특히 어느 산업이고 마케팅과 연결되지 않은 것이 없는데 AI가 찾아낼 고객과의 최선의 마케팅 접점은 어디일까? 브랜드가 AI를 통해 궁극적으로 얻는 것은 무엇일까? 라는 의문이 계속 들고 있는 지금. 저뿐만 아니라 많은 마케터가 같은 고민을 하고 있을텐데요.
미래를 완벽히 예측할 수 있는 사람은 없으니, 너무 미래의 AI를 바라보기 보단, 당장 우리의 삶을 바꾸고 있는 AI를 먼저 생각해보면 좋을 것 같습니다. 당장 우리의 삶을 바꾸고 있는 AI기술은 뭐니뭐니해도 Open AI의 ChatGPT를 필두로 한 생성형 AI가 아닐까 싶은데요. 궁금한 것이 생기거나 글쓰기, 그림 그리기 등 필요한 것이 생길 때, ChatGPT에게 달려가곤 합니다. 이는 기존의 '검색' 행위를 대처하고 있다고 볼 수 있는데요. 우리는 검색을 통해 궁금한 것을 알아보고, 글을 쓰기 위한 소스를 찾아보며, 그림을 그리기 위한 레퍼런스를 발견합니다.
마케팅에서 검색은 매우 중요한 행동입니다. 특히 이커머스 등 디지털 환경에서 검색 엔진은 소비자의 관심과 행동 패턴들을 이어주는 지점이 될 수 있습니다. 실제 지난 몇 년 간 디지털 마케팅과 퍼포먼스 마케팅은 검색을 기반으로 하는 CTA, CTR 개선 업무에 집중해왔습니다.
CTA(Call To Action) : 고객의 행동을 유도하는 버튼이나 배너
CTR(Click-Through Rate) : 광고 노출 수 대비 클릭한 수의 비율
이런 지표 중심의 마케팅 활동은 성과적인 측면에서 디지털 마케팅을 발전 시킬 수 있었지만, 한편으론 수치화된 성과와 마케팅 효율 개선에 지나치에 집중하여 고객의 진정한 로열티를 놓치기 쉬웠습니다.
또한 퍼포먼스 영역에만 집중하다보면, 수 많은 팝업과 광고로 고객 경험이 저하될 가능성이 높았습니다. 수 많은 정보가 실시간으로 쏟아지는 온라인에서 구매 여정 속 소비자들은 때로는 상품을 비교하고 리뷰를 살펴보는 등 오프라인에서의 구매 활동에서보다 훨씬 많은 시간과 리소스를 써야합니다. 수 많은 상품들 속 내가 원하는 상품과 가격을 찾아내기 위한 소비자들의 노고이지만, 시간과 공간제약이 없는 이커머스의 장점이 단점으로 변하는 순간이기도 합니다.
AI, 고객경험에 날개를 달다
이러한 단점을 보완하기 위해 사용자 경험 중심의 마케팅이 각광받기 시작하였고, 최근에는 여기에 AI가 결합되어 엄청난 시너지 효과를 만들어내고 있습니다.
대표적으로, 기존의 검색 트렌드는 소비자가 찾고하는 결과를 리스트업하는 '검색 엔진'으로써의 역할이 전부였다면, 지금은 단순 리스트업을 넘어 브랜드가 고객을 위한 ‘답변’을 제공하는 ‘답변 엔진’으로 변화하고 있습니다. 이는 포털 뿐만 아니라 이커머스, SNS, 플랫폼 등 거의 모든 디지털 서비스에 적용되고 있죠.
오픈AI는 'ChatGPT 서치' 업데이트 소식을 알리며, 검색 기능을 통해 대화형 답변을 제공하며 답변에 활용된(학습된) 소스 출처까지 사용자에게 제공하고 있습니다. 글로벌 검색시장을 이끌고 있던 구글은 이를 대비해 검색결과의 최상단 화면으로 Gemini 가 검색된 정보들을 요약 해주는 ‘AI 오버뷰’ 영역을 배치 했습니다.

이미지 출처: OpenAI ❘ ChatGPT 서치
검색이라는 행동은 인간인 사용자로부터 나오는 것이었으며, 검색 시장의 발전은 지난 20여년간 검색으로 수집된 키워드를 기반으로 인터넷과 모바일 질서가 형성되었다해도 과언이 아닐 것입니다. 그리고 지금 소비자들은 온오프라인 경계를 넘나들며 정보를 얻고 생산하고 있습니다. 더 이상 온라인이라는 한정된 영역안에 제한된 정보들만 수용하지 않습니다. 정보들 스스로가 능동적으로 수집될 수 있고, 자연적으로 이 정보들이 조합되어 소비자가 필요한 시점에 제공받을 수 있기를 바라며 그러한 역할을 AI가 해줄 수 있기를 바라는 것이지요. 지금은 검색이 AI를 활용한 경험 개선의 대표적 방법이지만, 머지 않아 소비자가 검색 행위를 하기도 전에 잘 정리된 필요한 정보를 먼저 제안 받을 수 있을 것입니다. 유튜브나 넷플릭스, 쿠팡과 같은 서비스의 알고리즘 추천 서비스가 이미 일부분 제공하고 있지요.
AI 검색 시장의 출발
이렇듯 AI검색은 AI 기반 경험 개선의 중요한 출발점입니다. 오픈AI의 행보를 따라 답변 엔진을 개발하는 개발사들도 늘어나고 있으며, 검색증강생성(RAG)라는 기술을 활용하여 웹상의 문서를 기반으로 AI는 답변을 요약하는 역할에 집중하며 거짓 정보 제공을 예방하고 AI의 치명적인 단점인 환각현상을 차단하기 위한 방향을 택하고 있습니다.
정보가 가져야 하는 가장 중요한 2가지는 최신성과 정확성 일 것 입니다. 특히 GPT처럼 기본 정보를 학습하여 새로운 정보를 생성하는 경우에서 GPT는 학습하는 정보의 거짓 유무를 구분하고 자료의 정확도를 판단하는 부분까지는 하지 못합니다.

오픈AI는 이런 문구를 고정해 놓고 있습니다. "ChatGPT는 실수를 할 수 있습니다 중요한 정보를 확인하세요." 여기서 말하는 실수는 단순 실수가 아니라 정보의 오류라는 중대한 문제가 될 수 있습니다.
기존까지 ChatGPT는 특정 일자까지의 데이터만 학습했다는 안내만 덧붙이며 AI가 생성한 정보에 대해 출처 및 소스 데이터를 표시하지 않았습니다. 하지만 이런 부분에서 여러 문제들이 발생하였고, 지금은 AI가 제공하는 정보들에 대해서도, 표시된 정보가 어떤 데이터를 기반으로 학습했는지를 표시해주는 방향으로 개선되는 추세 입니다.
'이런 것들이 왜 중요해?'라고 생각이 되실 수 있습니다. 데이터의 홍수속 살고있는 우리는 정보를 얻는다면, 또는 해당 정보를 바탕으로 새로운 정보를 생성하였다면 그에 맞는 책임이 따르게 되어있습니다. 마치 바늘과 실처럼 말이죠. 하지만 방대한 정보들이 실시간으로 생성되고 생성된 정보들은 무한히 재생산되는 환경 속 소비자들은 이 모든 정보들에게 책임을 묻기가 어렵습니다. 그렇기에 이를 악용하는 사람도 범위도 확장되고 있습니다. 최소한 정보의 출처를 기준으로라도 정보 제공의 신뢰를 판단해야만 하는데요.
초기 검색시장을 형성한 구글이 오픈AI와 그밖에 AI검색 시장을 먼저 개척중인 기업들을 쫓게되는 모습이 되며 검색을 통해 제공되는 데이터 체계 또한 변동될 것이란 예측해볼 수 있습니다. 그리고 그 체계의 변화는 분명 검색과 관련된 마케팅에도 변화를 가져다 줄 것입니다.
기존 익숙하게 사용중인 검색 포털과 검색 방법들이 하루아침에 바뀌지는 않겠지만 검색을 즐겨하는 사용자들을 대상으로한 설문조사에서 전체 응답자의 5%는 벌써 챗GPT를 검색 엔진으로 즐겨 활용하고 있다 답했습니다. 여전히 구글 검색을 선호한다고 대답한 응답자가 전체 설문에 대략 2/3 비중을 차지해 여전히 압도적이지만 이 수치가 굉장히 빠르게 바뀔 수 있다는 점을 마케터분들은 인지하고 있어야 합니다.
최근 AI기능을 도입한 브랜드라면 아직 어느 영역에, 어떤 업무에 AI를 주요하게 활용해야 하냐는 과제를 얻으셨을 수 있습니다. 업계를 선도하기위해 본격적으로 AI 기반의 마케팅을 펼칠 준비중이실 수도 있으나, 아직은 AI가 마케터와의 상호작용이 미흡할 수 있기 때문에, 직접 고객을 생각하고 AI가 브랜드와 고객을 잘 이해하는 방향을 잡을 수 있도록 먼저 도와주는 단계라고 생각됩니다. 마케팅의 영원한 과제 중 하나인 초개인화 전략이 이러한 AI기반의 마케팅으로 조금 더 쉽게 달성될 수 있기를 기대합니다.

🚩 맥소노미가 PICK한 이유!
말도 많고 탈도 많은 AI. 때로는 너무 편리하기도, 때로는 뒤처질까봐 조바심나기도 하는데요. 확실한 것은 이런 AI가 마케팅에 혁신을 가져다주고 기존 마케팅의 한계를 극복해줄 것이라는 점입니다. 그리고 그 시작점은 AI 검색이 될 것입니다. 단순히 정보를 찾아주고 나열하는 것을 넘어 고객이 원하는 것을 진정으로 이해하고 제안할 수 있을 것입니다.
이렇게 되면 CTA, CTR 중심의 퍼포먼스 마케팅에도 분명 커다란 변화가 있을 것입니다. 정량적 지표 측정이 마케팅 의사결정이나 평가, 전략 설계에 커다란 도움을 준 것은 사실입니다. 하지만 앞으로는 정량적으로 측정할 수 없는 영역이 더욱 많아질 것입니다. 측정할 수 있다 하더라도 모든 개별 고객에게 개인화되어 제공되는 마케팅 성과를 하나하나 확인하긴 쉽지 않겠지요.
그렇다고 마케팅의 주요 성과를 측정하는 것이 의미가 없어지지는 않습니다. 우리의 최종 성적표의 형태는 달라질지언정 성적표 자체가 없어지지는 않을 것입니다. 기존 퍼포먼스 마케팅의 성과적 기법과 새로운 AI의 영역을 적절히 분배하고 조합하여 우리 기업만의 새로운 마케팅 전략과 관리 체계를 만드는 기업이 앞서갈 것입니다.

팀맥소노미
YOUR DIGITAL MARKETING HERO
맥소노미의 마케팅 인사이트를
뉴스레터로 만나보세요 💌

관련 글 보기
고객 리텐션을 증대하는 3가지 전략
고객 리텐션 정의부터 증대까지
Amplitude 데이터 건강 관리 3단계
Data Health Assessment + Data Assistant + Tracking Plan으로 데이터 신뢰도 100% 달성하기
데이터 기반 UX 분석 개념과 방법 🎨
데이터 기반 UX 분석이란?User experience(UX) 분석은 데이터를 사용하여 사용자의 경험을 측정하고, 인사이트를 얻어 유저 경험을 개선하는 과정을 말합니다. 일반적으로 앱, 게임, 웹사이트, 소프트웨어 같은 종류의 제품에 적용되죠.UX 분석에 사용할 수 있는 데이터는 다양합니다. 앱이나 웹사이트에서 보내는 시간, 클릭하는 요소, 가장 많이 사용하는 기능, 구매한 내역 등 거의 대부분의 요소가 가능하죠. 심지어 '행동의 부재'도 분석 대상이 될 수 있는데요. 예를 들어 사용자가 장바구니에 담은 물건을 구매하지 않았거나, 링크 위에 커서를 올려놓았지만 클릭하지 않은 것도 UX분석의 대상이 될 수 있습니다.가계부 관리를 하고자 하는 사람 A가 있고, 우리는 가계부 앱을 서비스하는 기업이라고 가정해 봅시다. 우리는 A가 가계부 앱을 검색하고 우리 앱을 다운로드하고, 체험판에 가입하고, 은행 계좌나 신용카드와 같은 정보를 연동하기를 원할 것입니다. 그리고 체험판이 끝나면 유료 구독까지 전환되기를 희망하죠.이걸 '사용자 여정'이라고 부르며, 각 여정마다 사용자가 다음 여정으로 계속 진행할 수 있도록 좋은 사용자 경험을 제공해야 할 것입니다. 만약 여정을 완수하지 못하는 사용자가 있다면, UX 분석을 통해 어디서, 왜 이탈했는지 이해하고 궁극적으로 미래에 사용자 경험을 어떻게 개선할 수 있을지 힌트를 얻을 수 있습니다.UX 분석 대상구체적으로 어떤 데이터를 분석하고 지표를 측정할지는 제품이나 상황에 따라 천차만별입니다. 그렇기 때문에 이번 포스팅에선 비즈니스 의사결정까지도 활용할 수 있는 굵직한 주요 UX 데이터 지표를 중심으로 설명드리겠습니다. 해당 지표를 기반으로 어떤 최적화된 지표를 측정해볼 수 있을지 고민해보면 좋을 것 같습니다.응답 시간: 응답 시간은 페이지나 앱이 얼마나 빠르게 로딩되는지에 대한 지표입니다. 우리 생각보다 사용자들은 로드되는 시간을 오래 기다리지 않습니다. 몇 초만 버벅이면 바로 이탈하죠.신규 및 재방문자 수: 신규 및 재방문자 수는 얼마나 효과적으로 사용자를 유치(Acquisition)하고 유지(Retention)하는지에 대한 지표입니다. 신규 방문자 수가 증가하지 않는다면, 마케팅 전략을 다시 검토해야 하며, 재방문자 비율이 낮다면, 제품 경험을 검토해야 합니다. 재방문자 비율에 문제가 있는 경우에는 리텐션 분석을 더 깊게 수행하여 재방문한 사용자와 이탈한 사용자 간의 행동 차이를 확인하는 것이 좋습니다.세션 길이: 세션 길이는 사용자가 제품을 얼마나 오래 사용하는지를 측정하는 지표입니다. 세션 시간이 길수록 좋을 것 같지만, 제품에 따라 그렇지 않을 수도 있습니다. 만약 뉴스 앱이라면 긴 세션 시간은 사용자가 적극적으로 참여하고 있다는 긍정적인 신호일 가능성이 높죠. 반면, 현금 송금 앱이라면 긴 세션 시간은 사용자가 원하는 작업을 수행하는 데 어려움을 겪고 있다는 신호일 수 있습니다. 이처럼 세션 길이 지표는 제품의 특성에 따라 사용자 경험을 유연하게 판단해야 합니다.세션당 페이지 수: 세션당 페이지 수는 한 세션 동안 방문하는 총 페이지 수를 의미합니다. 세션 길이와 마찬가지로 많은 페이지를 방문하는 것이 좋을 수도 있고 나쁠 수도 있습니다. 사용자가 제품에 깊게 몰입하여 사용하는 것일 수도 있지만, 원하는 답을 찾지 못해 이리 저리 방황하는 것일 수도 있습니다. 만약 후자라면, 더 적은 클릭으로 원하는 답을 쉽게 찾을 수 있도록 개선해야 합니다.전환율: 고객 여정의 각 여정에서 상위 여정으로 넘어가는 비율을 전환율이라고 합니다. 만약 광고 단계에서 클릭률, 즉 전환율이 높지 않다면 메시지를 조정해야 하는 등의 방법을 사용해야 합니다. 사용자가 앱을 다운로드했지만 유료 고객으로 전환되지 않는다면, 온보딩 과정을 조정하여 전환율을 높일 수 있습니다. 전환율은 사용자의 행동을 분석하고 제품 개선 방안을 찾는 데 중요한 역할을 합니다.과제 성공률과 과제 수행 시간: 제품이 사용하기 쉬운지 여부를 가장 명확하게 보여주는 지표가 바로 과제 성공률과 과제 수행 시간입니다. 여기서 말하는 '과제'는 서비스의 주요 사용 목적이나 기능을 말하는데요. 배달 앱 사용자가 음식 주문을 하려하는 데, 주문 방법을 몰라 한참을 헤매거나 주문 과정 자체가 너무 오래 걸린다면, 인내심을 잃고 앱을 이탈할 것입니다. 해당 지표를 통해서, 제품의 핵심 과제에 집중하고, 이러한 과제를 완수하는 과정을 자연스럽고 직관적이며 간단하게 만들어야 합니다.사용자 정착률(Stickiness): 정착률은 일일 평균 사용자 수(DAU)를 월간 평균 사용자 수(MAU)로 나누어 측정합니다. 이 지표는 사용자가 평균적으로 한 달에 며칠 동안 제품을 사용하는지 보여줍니다. 매일 접속하긴 바라는 게임과 같은 비즈니스에 특히 유용합니다. 하지만 모든 비즈니스에 적합한 지표는 아닙니다. 가령 비행기 예매 앱같은 경우 사용자 정착률이 크게 의미 있진 않겠죠.내비게이션 vs 검색 비율: 사용자가 제품을 탐색하는 데 검색 창에 지나치게 의존한다면, 이는 제품 디자인이 직관적이지 않다는 신호일 수 있습니다. 사용자가 최소한의 클릭으로 원하는 것을 빠르게 찾을 수 있도록 다양한 레이아웃, 구조, 구성 방식을 실험해 보아야 합니다.기능 참여율: 기능 참여율은 기능이 얼마나 자주 사용되는지를, 제품을 열어본 사용자 수로 나누어 측정한 지표입니다. 기능 참여율과 리텐션 분석을 결합하면, 특정 기능을 사용하는 사용자가 유지될 가능성이 어떤지 확인할 수 있습니다. 중요한 기능이 거의 사용되지 않는다면, 해당 기능을 더 눈에 띄게 UI를 조정할 필요가 있을 수 있습니다. 사용자에게 해당 기능을 알려주는 알림이나 이메일을 보내는 방법도 고려할 수 있겠죠.고객 이탈률: 고객 이탈률은 [(월초 고객 수) - (월말에 남아 있는 고객 수)] / (월초 고객 수) 입니다. 예를 들어, 6월 초에 100명의 고객이 있었고 6월 말에 90명의 고객이 남았다면, 이탈률은 10%가 됩니다. 고객의 충성도와 이탈을 평가하고 필요한 개선을 도출하는 데 중요한 지표입니다.UX 디자인과 데이터 분석 간의 관계UX 디자인은 단순히 제품을 예쁘게 만드는 것이 아닙니다. 제품을 자연스럽게 사용할 수 있도록 설계하고, 사용자의 기대를 뛰어넘는 결과를 제공해 그 제품에 매력을 느끼게 만드는 것이 목적입니다. 이를 위해서는 예술적 감각뿐만 아니라, 과학적인 데이터 분석과 테스트 과정이 필수적입니다. 데이터를 사용해 인사이트를 얻고 이를 바탕으로 가설을 세운 후, UX 디자인 테스트를 통해 이 가설을 증명해야 합니다.예를 들어, 운동화 회사의 제품 관리자가 재구매율이 낮다는 사실을 발견했다고 가정해 봅시다. 데이터에 따르면 대부분의 고객은 10개월마다 신발을 구매합니다. 관리자는 고객이 10개월 후에 자동 리마인더를 받으면 재구매율이 높아질 것이라고 가정합니다.이후 제품 팀은 마케팅 팀과 협력하여 이메일과 같은 메시지를 다양한 고객 그룹에 대해 A/B 테스트하여 재구매율을 높일 수 있는지 실험할 수 있습니다.UX 분석 대시보드 만들기UX 분석과 개선 과정에는 조직 전체의 의사 결정이 필요한 경우가 많습니다. 때문에 조직 내에서 원활한 정보 공유와 통일된 접근 방식이 필요합니다. 이때 필요한 것이 분석 대시보드입니다.좋은 UX 분석 대시보드는 중요한 지표들을 맨 위에 배치합니다. 일일 대시보드에는 세 가지 또는 네 가지 이상의 지표가 포함되지 않도록 하여, 대시보드 확인이 복잡하지 않도록 해야 합니다. 또한 지표는 비즈니스 목표와 직접 연결되어야 하며, 대시보드의 첫 번째 항목을 보면 비즈니스의 상태를 간략하게 확인할 수 있어야 합니다. 그 아래에는 대시보드에 다양한 시간대를 포함시켜, 즉각적으로 해결해야 할 문제와 중장기적인 데이터의 추세를 구분할 수 있는 것이 좋습니다.마치며사용자 경험은 제품 성공 또는 실패에 중요한 역할을 합니다. 사용자가 제품에 대해 느끼는 것을 파악하는 일은 데이터 분석가뿐만 아니라 조직 전체에서 이루어져야 합니다. 조직 내 모든 사람들이 해당 데이터를 활용해 사용자 행동에 대한 질문에 신속하게 답할 수 있어야 합니다. UX 분석과 대시보드의 적절한 활용은 비즈니스 성장과 제품 개선에 크게 기여할 수 있습니다. 대표적으로 Amplitude와 같은 솔루션을 이용한다면, 이런 데이터를 손 쉽게 측정하고 관리하고, 또 대시보드를 구성할 수 있습니다. UX 데이터 분석에 대해서 더 깊은 인사이트를 얻고 싶다면 맥소노미 홈페이지에 올라온 다양한 가이드북을 확인해보세요.콘텐츠 더 읽어보기리텐션 최적화 디자인 설계[세션 스케치 | 올리브영] 행동 데이터로 고객을 보다, '올리브영의 데이터 리터러시 향상부터 서비스 개선까지'Canvas Flow로 고객이 만족하는 여정 설계하기
GA4 vs Amplitude 비교하기
데이터 분석 시대, GA4만으로 충분할까?이제 거의 모든 비즈니스에서 디지털 역량은 필수 요소로 자리잡았습니다. 전통적인 제조업부터, 리테일, 물류, 심지어 외식업까지 디지털 서비스가 배제되는 산업이 없는데요. 이제 소비자는 앱이나 웹을 통해 식당을 예약하고, 내 물건이 어디까지 배송되었는지 확인하고, 마트에 방문하기 전에 원하는 물건이 있는지 확인합니다.이런 환경 속, 고객 경험 이해는 기업 경쟁력의 핵심이 되었습니다. 고객이 우리 서비스 안에서 무엇을 하고 어떤 점을 좋아하고 어떤 점에 불만을 느끼는지 명확히 알 수 있다면, 최적화 전략을 쉽게 도출할 수 있기 때문입니다.고객 경험 이해를 위한 대표적인 도구로 GA4(Google Analytics 4)와 Amplitude가 있는데요. 그중 GA4는 현재 가장 많은 시장 점유율을 가진 분석 솔루션입니다. 아무래도 무료로 제공되던 구글의 UA(Universal Analytics)로 분석을 시작하는 기업이 많았고, UA 지원이 종료되며, 자연스럽게 GA4를 사용하게 된 것이 아닐까 추측됩니다.하지만 GA4에는 여러 아쉬운 점들을 찾아볼 수 있습니다. 예를 들어, 개인화된 데이터 추적이나 고객 라이프사이클 추적 영역에서는 기능이 다소 제한적입니다. 다른 3rd party 데이터와의 통합과 유연성 측면들에도 아쉬움이 많습니다.제품 분석 솔루션 역사 이해하기GA4가 왜 이런 영역에서 유독 약한 모습을 보이는지 이해하기 위해서는 분석 솔루션의 역사를 살펴볼 필요가 있습니다.사실 GA4의 근간이 되었던, UA는 디지털 광고, UTM과 같이 신규고객 유입(User Acquisition) 중심의 퍼포먼스 마케팅 솔루션입니다. 때문에 세션 기반의 로그 데이터를 수집하는 형태로 작동하였죠. 당시 마케팅은 유저를 최대한 많이 유입시키는 것에 초점이 맞추어져있었고, UA는 이에 최적화된 솔루션으로 인기가 많았습니다.하지만 Amplitude가 시장에 출시되고, 기존의 세션 기반이 아닌, 이벤트 기반의 데이터 분석 방식을 처음 제안하였습니다. 이벤트 기반의 데이터 분석은 특히 모바일 앱 환경에서 사용자의 면밀한 행동 분석을 가능하게 하였고, 모바일 시장의 성장과 함께 Amplitude도 폭발적으로 성장할 수 있었습니다. 이때부터 마케팅의 영역이 유저 유입을 넘어, 유저 활성화, 리텐션, 수익화 등 훨씬 넓은 영역으로 확장되었습니다.이런 변화에 맞추어 구글은 기존 UA를 종료하고, 이벤트 기반의 GA4를 새롭게 출시하였습니다. Amplitude에 비하면, 여전히 퍼포먼스 분석 위주의 기능을 제공하며, 유저 라이프 사이클을 추적하는 데 있어서 다소 아쉬운 모습을 보이고 있습니다.Amplitude는 단순 분석 도구가 아니다Amplitude는 단순히 데이터를 수집하고 시각화하는 도구가 아닙니다. 고객의 획득 > 참여 > 전환 > 유지 > 성장에 이르는 고객 여정 전체를 설계하고, 이 여정에서 획득한 데이터를 제품 기획자, 마케터, 개발자 등 누구라도 쉽게 다룰 수 있는 통합 디지털 경험 플랫폼입니다.실시간 개인화 및 실시간 데이터 분석 대시보드를 통해 A/B 테스트와 같은 실험을 설정하고, 그 데이터들을 곧바로 분석80개 이상의 마케팅 플랫폼들과 네이티브 연동을 지원하며, 채널별 획득 데이터들의 리텐션 효과 분석 가능고객 전체 여정의 분석에 최적화되어, 첫 방문부터 재구매까지 사용자 ID 기반으로 고객의 라이프사이클 분석 가능 현재 Amplitude의 대표적 고객인 버거킹은 과거에는 GA4를 이용했지만, Amplitude로 전환하고 통합된 데이터를 기반으로 실험과 지속적인 개인화를 실행하며 전환율과 재구매율을 끌어올리고 있습니다." 우리는 버거 회사입니다. 버거가 바로 우리의 제품입니다. 웹사이트가 아닙니다. 하지만 경쟁력을 유지하려면 단순히 와퍼를 판매하는 것 이상의 노력을 기울여야 합니다. 오늘날 우리는 그 어느 때보다 사람들이 버거킹 브랜드를 통해 어떤 경험을 할지, 그리고 그 경험이 의미 있고 감정적인 유대감을 형성할 수 있을지 고민하고 있습니다. " - 엘리 자비스, Restaurant Brands International(버거킹) 기술 제품 관리 부사장이미지 출처: Amplitude | 개인화된 할인을 제공하는 버거킹버거킹의 고객 여정 개선은 크게 다음의 프로세스들로 이루어졌습니다.오퍼(주문) CTA 클릭을 유도하는 A/B 테스트장바구니 금액 기준, 고객별 개인화된 할인 제공Amplitude 코호트 기능을 통해 이탈 및 특정 행동 고객에게 푸시 알림 발송마치며글로벌 대표 컨설팅펌 브레인 앤 컴퍼니(Bain & Company)의 연구 결과에 따르면, 80% 이상의 기업이 고객들에게 훌륭한 경험을 제공한다고 스스로 평가했지만, 실제 훌륭한 경험을 제공받았다 생각하는 고객은 단 8%에 불과했습니다.고객 유입 마케팅의 한계를 엿볼 수 있는 부분이자, 고객 경험 관리의 중요성을 대변해주는 자료입니다. 여전히 많은 마케터분들이 캠페인 성과 측정과 유입 분석을 위해 GA4를 이용 중일 것입니다. 하지만 유입 데이터만으로는, 구체적인 액션으로 연결하지 못하고, 고객을 제대로 이해하지 못합니다.바로 지금이 진정한 고객 경험을 이해하기 위한 최적의 시기입니다. Amplitude에 대해 궁금하신 게 있다면, Team MAXONOMY에 문의하세요. 성실히 안내 도와드리겠습니다. 문의하기콘텐츠 더 읽어보기[FAQ] GA에서 Amplitude로 전환하기UA 서비스 중단 대처 가이드북[FAQ] 구글 UA종료 & GA4 전환에 대해 궁금한 모든 것분석 솔루션, 여러 개 써도 되나요?





