손실된 데이터를 보충하는 3가지 Google 애널리틱스 4 기능

Google 애널리틱스의 레거시 버전이 곧 중단됨에 따라 Google 애널리틱스 4(GA4) 시대에 접어들었습니다. 대대적인 개조 및 데이터 모델 변경 외에도 플랫폼의 가장 강력한 업그레이드 중 하나는 기계 학습 기능의 추가 및 개선이었습니다.

Google Analytics는 이제 관찰된 데이터와 관찰되지 않은 데이터를 결합할 수 있습니다. 이것은 이점일 뿐만 아니라 브라우저 쿠키 및 사용자 식별자의 변경으로 인해 이전 추적 방식이 점점 더 제한되므로 필요합니다.

우리의 추적 및 분석 도구는 우리가 알고 있는 데이터를 잃어가고 있으므로 우리는 이에 적응해야 합니다. GA의 몇 가지 쉬운 기능을 사용하면 이러한 손실을 보상하여 데이터 정보를 유지할 수 있습니다.

자세히 알아보기: Google 애널리틱스 4의 3가지 '비밀' 마케팅 도구

관찰되지 않은 데이터: 작동 방식 및 중요한 이유

어떤 분석 도구를 사용하든 관찰되지 않은 데이터를 활용하는 것은 진화하는 디지털 마케팅 분석 환경을 따라잡을 수 있는 훌륭한 도구입니다. 관찰되지 않은 데이터와 관찰된 데이터의 차이는 수집된 데이터 와 모델링 된 데이터의 차이입니다.

거의 모든 브라우저가 쿠키를 허용했기 때문에 쿠키로 사용자를 추적하는 것이 더 안정적이었습니다. 분석과 함께 작동하는 방식은 사용자가 웹사이트에 방문할 때 쿠키로 사용자를 자동으로 스탬핑하는 것입니다. 이 쿠키를 사용하면 GA와 같은 플랫폼에서 장치 정보, 위치, 인구 통계 및 가장 중요한 "고정" 임의 ID로 사용자를 식별할 수 있습니다.

해당 사용자가 웹사이트로 돌아오면 GA는 ID를 반환 사용자로 인식하여 해당 사용자의 과거 정보를 새로운 활동과 연결합니다. 모바일 앱의 경우 동작이 비슷합니다. 쿠키 대신 장치는 식별자로 고유한 광고 ID를 갖습니다(Android와 iOS는 버전이 다릅니다.).

그러나 지난 몇 년 동안 상황은 점진적으로 변해 왔으며 앞으로도 계속 변할 것입니다. 이 오래된 동작에는 큰 문제가 있습니다. 공유되는 개인 정보에 대해 사용자가 거의 또는 전혀 제어할 수 없었기 때문입니다. 프라이버시는 고려 사항이 아니었고 조직은 청중의 정보를 100% 통제할 수 있었습니다.

GA에 이러한 데이터를 수집하는 것은 서비스 약관에 위배되므로 기본적으로 Google 애널리틱스로 개인 식별 정보(PII)를 추적한 적이 없지만 다양한 법률 및 보안 팀에서 정책을 작성하고 해석하는 방식에 따라 PII의 정의가 변경되었습니다.

이제 사용자는 데이터 수집에서 분석 도구를 차단하고 옵트아웃할 수 있습니다. 자동 옵트아웃은 GDPR의 기본값이며 다른 국가의 법률도 이를 채택할 것이 확실합니다. "쿠키 없는 미래"입니다.

간단히 말해서 우리는 이전에 사용했던 사용자 데이터의 양이나 세부 정보를 얻지 못할 것이므로 그 격차를 메울 때입니다. Google 애널리틱스 4에는 손실된 데이터를 보충할 수 있는 기본 제공 기능이 몇 가지 있습니다. 추적이 설정되면 리프트가 거의 또는 전혀 필요하지 않으므로 오늘 테스트하고 활용할 수 있습니다. 세 가지 예는 다음과 같습니다.

• 데이터 기반 기여
• 예측 메트릭
• 행동 모델링

자세히 알아보기: 마케팅 속성 및 예측 분석 도구의 기능은 무엇입니까?

1. 데이터 기반 기여도

GA4에서는 인터페이스에 익숙하지 않은 경우 데이터 기반 기여(DDA)를 찾기가 다소 어려울 수 있습니다. 보고서 영역이 아닌 광고 화면에 있습니다. 광고 보고서는 데이터에 대한 다른 보기를 제공하기 때문에 흥미롭고 분리되어 있습니다.

유니버설 애널리틱스(GA3라고도 함)에서 가장 유사한 보고서는 다중 채널 유입경로 보고서입니다. 이러한 보고서는 전환 분석을 여러 터치포인트와 보다 완전한 사용자 여정으로 확장하므로 좋은 설명어입니다. 이전에는 데이터 기반 기여도를 유료 360 계정에서만 사용할 수 있었지만 이제는 모두 사용할 수 있습니다.

DDA 기여 모델은 통계 모델을 사용하여 채널이 전환을 지원하는 데 얼마나 중요한지 보여줍니다. 예를 들어 기본 GA4 획득 보고에서 자연 검색 채널로 인한 구매가 5,000건일 수 있지만 유료 검색 채널의 이전 터치포인트는 궁극적으로 구매하는 사용자에게 상당한 영향을 미칠 수 있습니다.

통계 모델은 전환으로 이어지는 사용자 행동 및 경로에 대한 데이터를 가져와 다양한 터치포인트가 어느 정도의 기여도를 받아야 하는지 결정합니다. 이전 예에서 오가닉으로 가는 100% 크레딧 대신 크레딧을 사용자가 거래하기 전에 온 모든 채널의 백분율로 나눕니다.

DDA의 시각화는 광고 > 전환 경로 보고서(위 그림 참조)에 있습니다.

2. 예측 지표

사용자가 무엇을 보고 참여했는지에 대한 데이터가 있지만 다음에 무엇을 할까요? 이것은 "미래" 행동을 포함하기 때문에 관찰되지 않은 데이터의 궁극적인 예입니다. 참고로 이 기능은 현재 전자상거래 및 이탈 데이터에만 관련되어 있습니다.

전자상거래 추적을 설정해야 예측 측정항목과 예측 잠재고객을 사용할 수 있습니다. 전자상거래 추적이 있는 경우 예측 모델링을 보고 사용할 수 있는 상위 영역은 보고서 탐색 및 잠재고객 도구입니다.

탐색 보고서에서 예측 측정항목은 사용자 수명 기법에서 가장 잘 사용됩니다. 이 보고서 유형에서는 구매 가능성, 이탈 가능성 및 예상 수익을 기준으로 가져올 지표를 선택할 수 있습니다. 선택 화면에는 해당 메트릭 전용 섹션이 있습니다.

GA4의 예측 데이터(여기와 잠재고객 도구 모두)는 과거 사용자 활동을 기반으로 합니다. 구매한 사용자와 구매하지 않은 사용자의 데이터 포인트를 통해 모델은 확률과 백분위수를 개발하는 추세를 학습합니다. 이탈의 경우 모델은 활동 중인 사용자와 활동하지 않는 사용자를 살펴보고 다음 주에 사이트나 앱을 다시 방문하지 않을 사람을 결정합니다.

통계는 Google 애널리틱스 외부에서도 사용할 수 있습니다. 잠재고객 및 세그먼트를 생성하여 구매 가능성이 높거나 낮을 가능성이 있는 구매자를 구분하고 리마케팅을 위해 Google Ads에서 사용할 수 있습니다. 몇 번의 클릭으로 예측 잠재고객을 구축하려면 관리 > 잠재고객 > 새 잠재고객 > 예측 으로 이동할 수 있습니다. 이렇게 하면 미리 만들어진 템플릿 잠재 고객이 제공되어 원하는 방식으로 사용하고 사용자 정의할 수 있습니다(아래 그림 참조).

3. 행동 모델링

행동 모델링은 소스(식별자)에서 바로 사용자 추적에 영향을 미치기 때문에 이 세 가지 중에서 가장 영향력 있는 기계 학습 기능입니다. 여기에는 Google 애널리틱스가 추적에 동의하지 않은 사용자에 대한 데이터를 수집할 수 있도록 GA4를 쿠키 동의 관리 도구와 통합하는 작업이 포함됩니다.

직관적이지 않은 것처럼 들리지만 데이터는 익명으로 처리되며 쿠키나 사용자 식별자와 관련이 없습니다. 대신 익명의 이벤트 전용 데이터를 사용하여 사용자 수준 활동을 결정합니다. 사이트 또는 앱의 데이터를 기반으로 하기 때문에 강력합니다. 관찰된 사용자(추적을 선택한 사용자)의 행동은 기계 학습 모델을 훈련시켜 추적을 거부한 사용자의 행동을 추정합니다.

행동 모델링을 활용하는 데 관심이 있는 경우 동의 모드에 대한 Google 문서를 참조하면 이 사용자 추적 방법을 사용하여 대화 및 조치를 시작하는 데 도움이 될 수 있습니다. GA4 계정에서 동작 모델링을 활성화하는 옵션은 Admin > Reporting Identity > Blended 에 있습니다.

GA4의 기계 학습 기능을 최대한 활용

위의 도구를 사용하면 사용자 및 데이터에 대한 질문이 "페이지 X가 받은 조회수"에서 변환될 수 있습니다. "향후 7일 이내에 대량 구매를 할 가능성이 가장 높은 사용자는 누구입니까?" 이 정교함은 훨씬 더 실행 가능합니다.

GA4의 기계 학습 방법을 리마케팅 ​​및 잠재고객 공유와 결합하면 단독 분석에서 즉각적인 사용 사례, 심지어 잠재고객 참여 및 RoAS 영향에 이르기까지 분석을 시작할 수 있습니다.

이 이야기를 통해 GA4에 대해 자세히 알아보세요.

이 기사에 표현된 의견은 게스트 작성자의 의견이며 반드시 MarTech는 아닙니다. 교직원 저자는 여기에 나열됩니다.

Google 뉴스 피드에 MarTech를 추가하세요.

---