Q. 지난 달 마케팅 예산 중 확실히 효과가 있었다고 증명할 수 있는 비율은 ?
- 예산은 쓰는데 어떤 효과가 있었는지 모르겠다
- 채널별 기여도가 감으로만 판단된다
- 성과 보고는 하는데, 다음 액션에 대한 계획을 모르겠다
-> 데이터 기반 마케팅은 툴 사용법이 아니라 의사결정 방식
1-1. 데이터 마케팅의 필요성과 장점
마케터는 한정된 예산으로 최적의 결과를 내야하는 직무
# 데이터 생애주기
수집 -> 저장 -> 분석 -> 실행 -> 피드백
# 핵심 용어
- KPI: 목표 달성을 대표하는 핵심 지표 (주간 활성 결제자 수)
- 지표: 현상을 수치화한 값 (전환율 3.1% 등)
- North Star: 비즈니스 지속 성장을 설명하는 단일 지표 (결제 페이지 방문자 수, 서비스 사용 시간 등)
✔️ 웹: 쿠키 기반 식별 (동일한 유저더라도 크롬/엣지 사용 시 다른 유저로 집계됨/ 브라우저 별로 생성되며, 삭제되면 추적 불가)
✔️ 앱: 광고 기반 ID 식별
- 안드로이드 : ADID / IOS: IDFA
# 웹 <-> 앱 크로스 측정 방법
- 로그인을 공통 기 준으로 삼으면 트래픽을 동일 사용자로 묶을 수 있음
- 로그인값이 없다면 정확한 매칭 불가, 추정 기반 분석만 가능
# 사례 - 이커머스
- 상세페이지 유입 충분 -> 장바구니 전환 낮음
: 배송비 정보 노출 구간에서 이탈 급증
- 실행 개선: 상단 고정 배송지 배지 추가/ 일정 금액 이상 구매 시 무료 배송 진행바 표시
- 결과: 장바구니 전환율 +18%p/ NSM 지표/결제 및 결제 이전 퍼널 증가
# 사례 - 모바일 앱
- 1일차 리텐션 30% 미만
: 첫 세션에서 추천 피드 노출 전에 앱 종료
- 실행 개선: 온보딩에 관심사 태그 선택 추가/개인화 피드 즉시 노출
- 결과: DAY1 리텐션 +9%p
✔️ 데이터를 해석하고 행동으로 연결하는 리더십이 핵심
✔️ 목표를 설정했다면 숫자로 표현하는 것이 중요
1) 비즈니스 목표를 문장으로: Q4 매출 20% 성장
2) 목표를 구성 요소로 분해: 매출 = 방문자 수 * 전환율 * 객단가
3) 각 요소에서 리드 지표 선택: 상세페이지 체류 30% 이상 등 결과보다 먼저 움직이는 선행 지표 선택
# 좋은 북극성 지표 (North Star)는?
- 고객 가치와 직결
- 매출/성장으로 연결
- 전사가 이해 가능
- 측정 가능하고 자주 확인 가능
-> 서비스 유형별로 상이 (EX. B2B SaaS: 주간 활정 계정 수)
[ TOOL ]
# 행동분석툴: Amplitute/GA4 (일부 가능)
- 역할: 이벤트 기반 퍼널/리텐션/세그먼트
-> 어떤 행동이 전환으로 이어지나?
# 웹 분석 툴 : GA4
- 역할: 유입 경로, 세션, 소스/매체
-> 어느 채널에서 들어오나?
# 실행/메시지 툴 (CRM)
- 역할: 세그먼트 타겟팅, 트리거 메시지
-> 특정 행동 후 자동 메시지 발송
💬 툴 선택 전 필수 점검
산업에 맞는 데이터를 설정해서 이벤트를 측정하는 것이 가장 중요
-> 무엇을 측정할지 먼저 정의하고 툴 선택은 그 다음
1-2. 목표와 KPI 설정
매출을 NSM으로 설정하지 않는 이유는?
-> 매출과 같은 일시적 성과에만 집중하게 되면, 사용자 경험이 훼손되는 등의 원인으로 인해 다수의 사용자가 이틸하는 경우가 발생할 수 있다.
-> 매출은 결과일 뿐이지 원인 지표가 아님
고객가치경험 => 사용 증가 => 자연스러운 매출 성장과 같은 구조가 진짜 NSM의 선순환 구조라고 말할 수 있다.
↓ 데이터 분석 시 필요한 용어에 대해서 헷갈리거나, 기억이 잘 나지 않았던 용어 위주로 정리 + 실무 적용 예시 등 ↓
* Stickiness = (DAU/MAU) * 100 : 사용자들의 서비스 반복 이용 정도를 측정하는 핵심 지표
- 20% 이상: 습관화된 서비스
- 10% 미만: 리텐션 개선 필요
-> 위 기준은 데일리 프로덕트에 한한 기준으로, 월 1회 사용이 표준인 서비스는 기준이 상이할 수 있음
* D7 / D30 리텐션: 특정 날짜 가입자가 N일 후 돌아오는 비율
- D7 리텐션 = ( 7일 후 재방문자 / 가입자 ) * 100
* ARPU (사용자당 평균 매출) : 총 매출 / 전체 사용자 수
* ARPPU : 총 매출 / 유료 사용자 수
* LTV : CAC 비율은 3:1 정도가 건강, 1:1 위험
# 실무 사례 분석
사례 A: OTT 구독 서비스
- 문제: 신규가입은 증가하였으나, 무료 체험 후 60%가 이탈하는 현상 발생
< 설정한 KPI >
- NSM: OTT 시청 경험자 수
- KPI 1: 무료 -> 유료 전환율 (목표 50%)
- KPI 2: D30 리텐션 (목표 70%)
-> D7이 아닌 D30을 보는 이유는 OTT의 경우에는 유입 -> 첫 시청 -> 반복 시청 -> 습관화 -> 구독 유지 퍼널이며,
서비스 특성상 콘텐츠 소비 주기가 길기 때문에 서비스 습관화 여부를 판단할 수 있는 D30 리텐션으로 설정
- KPI 3: 결제 페이지 방문자 (목표 1만명)
* 발견 *
- 첫 주 3편 이상 시청자의 전환율 65%
- 1편 이하 시청자의 전환율 15%
=> 시청 경험이 많아질 수록 유료 전환이 늘어날 것이다.
[ 개선안 ]
1. 온보딩 취향 설문 강화
2. 첫 3일간 맞춤 추천 푸시
3. 무료 체험 제공
# 선행지표 NSM을 개선하면 결과 지표 (전환율)이 따라온다.
사례 B: 패션 이커머스
- 문제: 트래픽은 많지만 전환율 1.8% (업계 평균 2.5%), 장바구니 이탈률 75%
< 퍼널 분석 >
- 홈 방문 -> 상세페이지 -> 장바구니 -> 결제 시도 -> 구매 완료
- 이탈률 : 65% -> 75% -> 70% -> 31%
# 퍼널 효율 파악 후 이탈이 가장 높은 곳부터 개선
[ 개선안 ]
1. 홈페이지 방문 시 메인 배너로 상세 페이지 연결
: 홈 -> 상세페이지 이탈 방지
2. 상세 페이지 고객 리뷰 추가
: 상세페이지 체류 시간 증대 목적
3. 비회원 구매 옵션 추가
: 장바구니 -> 결제시도 이탈이 가장 많은 구간에서의 개선을 위한 개선안
4. 3만원 이상 무료 배송 진행
: 퍼널 내 전 구간 이탈을 줄이기 위한 방법? -> 무료 배송 진행 시, 유입 증가 -> 장바구니 -> 결제시도 -> 구매 완료까지 전 구간 전환율이 낮아지지 않을까
# 실습: 데이팅 앱
[ 현재 퍼널 ]
- 앱 다운로드 후 가입 비율 35%
: 앱 다운로드 -> 가입 퍼널 이탈률 65%
: 다운로드 후 가입 유도 필요
- 프로필 및 사진 등록 비율 10%
: 가입 -> 등록 이탈률 90%
: 가입 후 활동 참여율 낮음 -> UX 개선 필요
- 첫 DM 발송 비율 5%
: 등록 -> DM 발송 이탈률 95%
: 실제 상호작용을 시작하는 비율이 낮음 -> 가이드/알림/추천 메시지 필요
- 유료 전환율 1%
: 최종 목표 달성률, 낮지만 자연스러운 결과
1. NSM
: 프로필 사진 등록 비율 (30% 목표)
-> 프로필 사진까지 등록했다는 것은 어플을 어느정도 적극적으로 이용할 의사가 있는 사용자들일 것이라는 판단과
이 구간의 이탈률을 줄이면 전체 전환률 또한 상승될 것으로 판단되어 NSM으로 설정
2. 핵심 KPI 3개 (목표값 포함)
1) 가입 완료율 (50%)
2) 프로필 및 사진 등록 비율 (30%)
3) 첫 DM 발송율 (목표 15%)
3. 개선 가설
-> 가입 시 프로필 등록까지의 UI/UX를 개선하면 가입자 중 프로필 등록하는 사용자의 비율이 늘어날 것이다.
1-3. 데이터 수집과 처리
- 로그의 좋은 예시
: 장바구니_추가/ 결제 _ 완료 등의 구조로
-> 이벤트_처리 로 표기 (텍소노미라고 함)
필요 정보: 누가, 언제, 무엇을
- 로그 수집 방법
웹: GA4 태그 설치, 특정 코드 심기 (구글 태그 매니저)
앱: SDK 설치(Amplitude 등), 개발자가 코드 추가
- 저장 및 관리
: 저장된 데이터를 저장소에 저장해서 언제든 꺼내서 볼 수 있도록 함
[ 분석 및 활용 ]
1) 저장된 데이터로 대시보드 만들기
2) 데이터 시각화 툴 (루커 스튜디오, 테블로 등)
3) KPI 확인하기
4) 인사이트 발견하기
# 주의사항
- 모든 클릭을 다 측정 X
=> 핵심 행동만 측정 (핵심 퍼널)
- 나중에 필요하면 측정 X
=> 과거 데이터는 볼 수 없기 때문에 미리 측정
- 복잡한 이름 X
=> 전사 내 누가 봐도 이해할 수 있는 이름으로 설정
1-4. 데이터 분석 툴과 대시보드 이해
✔️ GA4 쓰는 경우: 집계 기준으로 한 눈에 볼 때
- 웹사이트 트래픽 분석
- 페이드, 오가닉 등 어느 채널에서 유입되는지
- 페이지별 방문자 수
- 전환 퍼널 기본 분석
-> 무료, 자동으로 많은 데이터 수집, 데이터 누적 집계 분석에 유리
✔️ Amplitude 쓰는 경우: 사용자별 데이터 분석 및 세그먼트 분류 시
- 사용자별 행동 패턴 분석
- 세그먼트 별 사용자 이메일 추출
- 코호트 리텐션 분석
- 복잡한 퍼널 분석
[ 구글 애널리틱스 계정 생성 ]
-> 강의 수강 이후 GA4를 어떻게 다루는지 자세하게 알고 싶어서 여러 영상을 찾아보았다.
구글 애널리틱스 | 구글 GTM 세팅 방법과 구글 광고 최적하 하는 방법 직접 알려드립니다! #GTM세팅 #마케팅교육
GA4, 구글 애널리틱스4 강의 1~5편 통합본 개념 설명부터 카테고리 데이터 확인 법까지 한편으로 끝내자!
2-1. 고객 세그먼트 분석 기초
누구인가? -> 무엇을 했나? (구매/클릭/방문) -> 얼마나 중요한가? (일반/휴면/VIP)
- 행동 기반
EX. 이커머스
- 세그먼트: 장바구니 담고 24시간 미구매, 10만원 이상 구매 고객
- 메시지: "장바구니 상품 10% 할인"
EX. OTT
- 세그먼트: 7일 미접속, 1년 이상 장기 구독자
- 메시지: 놓치고 있는 인기 드라마
=> 직접 찾아본 예시
에이블리 (쇼핑 APP)
- 메시지: 단 하루, 전 상품 쿠폰 알림
김은지님, 오늘만 쓸 수 있는 전 상품 19% 쿠폰 서둘러 받아가세요 !
CTA: 지금 발급받기
=> 에이블리 어플에 접속했을 때, 나한테 떴던 메시지로 에이블리가 나를 어떤 세그먼트로 분류하고 있기에 이런 메시지를 발송했는지에 대해서 유추해보았다.
우선 내가 전반적으로 에이블리를 이용하는 패턴은
1. 달 2~3회 정도 앱 사용
2. 달 1회 정도 결제
3. 장바구니 담기는 달 2~3회 사용 시마다 마음에 드는 상품 있으면 우선 담아둠
4. 달 1회 결제 시에 장바구니 담아뒀던 상품 중에서 사고 싶은 상품 골라서 결제
달에 약 10-20만원 정도 사용하는 편이며 AOV도 10-20만원
우선 위 메시지의 핵심 신호는
1. 김은지님 -> 로그인 유저/식별 가능 고객
2. 오늘만 쓸 수 있는 -> 긴급성을 강조한 트리거 유발 카피
3. 전 상품 19% 쿠폰 -> 강한 전환 유도 인센티브
=> 전반적인 상황으로 유추해보았을 때, 에이블리가 나를 분류한 세그먼트는
1. 구매 직전 이탈 유저
: 상품 상세 페이지 진입 흔적 있음
: 장바구니 담기, 관심 상품 다수
: 구매 직전 이탈하는 유저
2. 가격 민감형 유저
: 이전 구매 시 할인/쿠폰 사용 비율 높음
: 세일 기간에 구매한 이력 다수
정도로 유추해볼 수 있을 것 같다.
전략 방향에 대해서도 같이 생각해보면
구매 직전까지 갔지만 전환이 되지 않은, 가격 민감도가 높은 세그먼트를 공략하기 위한 전환 유도용 CRM이 아닐까 싶다.
- 가치 기반
RFM 모델
: 얼마나 최근에, 얼마나 자주, 얼마나 많이
# 세그먼트가 필요한 이유
=> 효율적인 마케팅 / 개인화된 메시지 / 높은 전환율을 위함
✔️ 체크리스트
1. 우리 서비스 주요 고객 3그룹 정의
2. 각 그룹별 특징 작성
3. 그룹별 메시지 차별화
-> 다음 캠페인에 적용
✔️ 실전 팁
1. 너무 많은 세그먼트 / 복잡한 기준 X
2. 한 번 만들고 방치 금지 -> 매 달 업데이트 필요
2-2. 개인화 마케팅 전략
개인화 마케팅은 클릭률, 전환률, 만족도 등의 전반적인 지표 측면에서 일반 마케팅보다 우수
인지 -> 관심 -> 고려 -> 구매 -> 유지
각 단계에 맞는 개인화 마케팅 전략 중요
# 실습
- 상황: 운동 루틴 관리 앱 운영 중
- 목표: D7 리텐션 30% -> 50% 향상
[ 현재 데이터 ]
- 가입자 월 1,000명
- 첫 운동 시작률 40%
- 7일 운동 횟수 평균 1.5회
- D7 리텐션 30%
[ 문제점 ]
- 무료 회원가입 세그먼트 확대 필요
- 가입 후 첫 운동 안함
- 일주일 내로 이탈
- 운동 습관 형성 실패
[ 해결 방안 ]
타겟 목표 메시지 타이밍 채널을 퍼널별로 작성
1. 인지
- 타겟: 운동 관련 콘텐츠 검색을 한 번이라도 한 사람
- 목표: 신규 가입자 월 1,000명 -> 1,500명
- 메시지: 매일 실패했던 운동 루틴 잡기 ㅇㅇ과 함께 해보세요. 가입만 해도 포인트 지급 !
- 타이밍: 광고 클릭 직후
- 예상 효과: 앱 설치 수 증가 월 1,000명 -> 1,500명
2. 관심 단계
- 타겟: 앱 설치 이후 첫 운동을 시작하지 않은 유저
- 목표: 첫 운동 완료 40% -> 60%
- 메시지: 첫 운동 완료 시, 포인트 두 배 지급 ! ㅇㅇ와 같이 운동 루틴 형성해요.
- 타이밍: 앱 설치 직후
- 예상 효과: 첫 운동 완료 40% -> 60%
3. 고려 단계
- 타겟: 첫 운동 완료 유저
- 목표: 2회 이상 운동 완료
- 메시지: “좋은 시작이에요 🔥
내일도 같은 시간에 이어서 해볼까요?”
- 타이밍: 첫 운동 완료 직후 + 다음날 동일 시간
- 예상 효과: 운동 빈도 증가 (1.5회 -> 3회)
4. 구매: 앱 설치 이후 7일 지난 시점
- 타겟: 1~2회 운동 후 이탈 가능 유저 (최근 3일 이내 미접속 유저)
- 목표: D7 리텐션 30% → 50%
- 메시지: “여기서 멈추면 다시 처음부터입니다
지금 이어가면 프리미엄 루틴 무료 제공”
- 타이밍: 설치 후 5~7일 / 미접속 2일 이상 시
- 예상 효과: 이탈 직전 유저 복귀 및 리텐션 상승 (30% -> 50%)
5. 유지: 앱 설치 30일 지난 시점
- 타겟: 30일 이상 사용자 (주 2-3회 이상 운동 완료한 유저)
- 목표: 장기 유지 및 습관화
- 메시지: “벌써 30일째입니다. 👏
여러분은 ㅇㅇ와 함께 운동 루틴을 만드는데 성공했습니다 ! "
+ 한 달 달성 뱃지 지급 + 레벨업 + 월별 개인 리포트 제공
- 타이밍: 30일 달성 시점
- 예상 효과: 장기 리텐션 60% 이상 유지
2-3. 고객 유지 지표 이해
리텐션이란
: 일정 기간 후에도 서비스를 계속 사용하는 고객의 비율
: (N일 후 재방문자 / 최초 사용자) * 100
: D1(가입 다음 날 재방문), D7, D30 리텐션 -> 관심도, 습관 형성 여부, 장기고객 전환 순으로 각 리텐션 주기마다 중요성을 지님
: 서비스별로 평균 리텐션이 다름 (출처 LLM)
왜 리텐션이 중요한가?
: 신규 획득비용이 유지비용의 5배
: 5% 리텐션 증가 -> 25% -95% 수익 증가 통계 존재
# 코호트 분석
: 같은 시기에 같은 행동을 한 사용자 그룹으로 변수가 최소화되고, 고객 여정 흐름을 보기 좋음
* 최근 코호트일수록 리텐션 개선
# LTV 개선 방법
1. 구매 빈도 증가
: 재구매쿠폰, 정기 구독 전환, 리마인더 발송
2. 객단가 증대
: 묶음 할인, 무료배송 기준 상향, 업셀링/크로스셀
3. 고객 생애 연장
: 리텐션 캠페인, 로열티 프로그램, 고객 경험 개선
위 내용을 적용할 수 있는 실무 사례를 가져와서 실습을 진행해보았다.
먼저 봐야할 부분은 주어진 데이터를 기반으로 리텐션이 D1 -> D7 넘어가는 구간에서 크게 하락한다는 점,
CAC : LTV = 1:2.5 수준
1. 리텐션와 LTV 중에서 무엇을 먼저 개선해야하는가 ?
전환율 자체는 5%로 나쁘지 않지만, 현재 LTV를 뜯어보면 평균 구독 유지기간이 2개월로 매우 짧은 것을 알 수 있다.
즉, 구독 유지가 안됨. 운동 어플을 통한 루틴 형성, 어플 사용 습관 형성이 안되어 이탈하는 경우 다수라는 판단
-> 여기서 리텐션 개선 없이는 LTV 개선 또한 어려운 구조라고 판단
2. 행동 기반 핵심 문제점 정의
1) D1 -> D7리텐션의 급격한 하락
2) 이 구간에서 앱 설치는 했으나, 운동 루틴을 지속하지 못하는 사용자가 다수인 것으로 확인됨
: 첫 경험 이후 반복 행동으로 이어지지 않음 (첫 운동 완료율 40%)
3) 첫 운동 -> 다음 운동으로 이어지는 흐름이 끊기는 문제점을 해결하기 위해서는 어떻게 해야하는가?
3. 리텐션 개선 실험 설계
1) 첫 운동 완료율 40%로 이 또한 낮은 수치
: 초기 진입장벽이 높아 첫 행동까지 도달하지 못한 상황
- 해결 방안
: 맞춤 루틴 자동 생성 (고객 입력 최소화)
: 3분 운동과 같은 첫 행동을 개시하기에 부담 없는 콘텐츠 제공
: 첫 운동 완료 시 즉시 보상 -> 포인트/뱃지 등
- 목표: 첫 운동 완료율 40% -> 60%
- 기대효과: Activation ↑ → D1 retention ↑ → 전체 retention 상승 → 유지기간 증가
2) 습관 형성 설계 (D1 -> D7 구간)
: 어플이 반복사용되지 않는 것은 루틴 형성 장치가 부족하다는 판단
- 해결 방안
: 7일 챌린지 도입
: 푸시 알림 / 오늘도 달려볼까요 ? OR 어제 이어서 오늘도 할 수 있어요 !
: 연속 기록에 대한 보상 -> 포인트/뱃지 등 즉각적 보상 설계
- 목표: D7 리텐션 22% ->35%
- 기대효과: 습관 형성 → 사용 기간 증가 → 과금 기간 증가 → LTV 상승
3-1. 트래픽 소스 분석
트래픽 소스란?
: 사용자가 우리 웹사이트에 어떻게 들어왔는가를 나타내는 유입 경로
: 고객이 어디서 오는지 경로를 모르면 예산 낭비할 수 있음
[ 4가지 주요 트래픽 채널 ]
1. 오가닉: 검색 엔진에서 자연스럽게 검색해서 들어온 트래픽
: 광고비 없음 , SEO의 결과
: 장기적으로 안정적인 트래픽
-> 무료/신뢰도 높으나, 결과가 나오기까지 시간이 오래걸림 (3~6개월)
2. 페이드: 광고비를 지불하고 유입된 트래픽
: 빠른 트래픽 확보 가능, 정확한 타겟팅 가능
: 비용 발생
: 구글 광고 / 네이버 검색광고 / 페이스북, 인스타그램 광고 등의 META 광고 / 유튜브 광고
-> 즉시 트래픽 확보 가능, 정밀한 타겟팅 가능하나, 지속적인 비용 발생하며 광고 중단 시 트래픽 감소됨
3. 레퍼럴: 다른 웹사이트의 링크를 클릭해서 들어온 트래픽
: 외부 사이트의 추천으로 유입
: 신뢰도가 높은 편
: 파트어십이나 협업의 결과
EX. 블로거가 우리 제품을 리뷰하며 링크 삽입, 뉴스 기사 내 언급 및 링크 삽입, 파트너 웹사이트에서 배너 클릭 등
-> 신뢰도가 높고 관련성 있는 방문자 다수/ BUT, 통제하기 어려우며 예측이 불가능하다.
4. 다이렉트: URL을 직접 입력하거나 북마크로 들어온 트래픽
: 브랜드 인지도의 지표이자 충성도 높은 사용자의 수
: 출처를 정확히 알기 어려운 경우도 포함
EX. 주소창에 직접 입력, 즐겨찾기에서 클릭, 모바일앱 클릭(일부), QR코드 스캔 등
-> 충성도 높은 사용자의 방문 경로이자 브랜드 파워지표이지만, 추적 불가능한 트래픽도 여기에 포함되기 때문에 정확한 유입경로의 파악이 어렵다는 단점이 있다.
애널리틱스 | Traffic acquisition: Session primary channel group (Default Channel Group)
Redirecting...
analytics.google.com
데모 계정 내 트래픽 획득 보고서를 활용해 스터디 목적으로 분석해보았다.
1. 전체 구조 해석
- 총 세션: 97,935
- 참여율: 30.18%
- 평균 참여 시간: 40초
- 세션당 이벤트: 10.11
- 총 매출: $148,427
-> 유입은 많지만 ‘질’이 낮은 구조
: 데모 계정 특성상 학습 및 테스트 목적의 유저들 다수, 이후 추가 탐색이나 체류 평균 시간자체가 낮을 수 밖에 없음
-> 또한 UTM 없이 유입되는 경우 다수로 전부 다이렉트로 잡힘
2. 상위 핵심 채널 분석
1) Direct (직접 유입)
- 세션: 61,239 (62%)
- 참여율: 19.9%
- 매출: $66,806 (45%)
2) Organic Search (자연 검색)
- 세션: 13,850
- 참여율: 67.13%
- 매출: $36,297
- 전환율: 36.24%
-> 유입 의도가 높은 유저들, 탐색 -> SEO학습용, 자연 유입 분석 연습용
-> 높은 참여율과 전환율 -> 일부러 정상적인 채널 역할
3) Unassigned: 채널 정의 안 된 트래픽
- UTM 없음
- referrer 없음
- GA4 규칙 미충족
-> 실무에서는 트래킹 문제 신호
3-2. 채널 성과 비교
숫자는 많은데 해석을 못하면 의미가 없음 -> 올바른 의사결정을 위해 데이터를 해석하는 능력이 꼭 필요함
[ 4대 핵심 지표 ]
1. CTR: 광고가 얼마나 매력적인가?
-> 1% 이상이면 양호
2. CPC: 트래픽 확보 비용
-> 낮을수록 좋음 (채널별 상이)
3. CPA: 고객 1명의 액션을 얻는데 드는 비용
-> AOV의 30% 이하 권장
4. ROAS
-> 산업별로 상이, 높을수록 좋음
3-3. 캠페인 퍼널 분석
이탈이 큰 구간 발견 -> 집중 개선 : 같은 예산으로 더 많은 전환 가능
[ 기본 퍼널 구조 ]
노출 -> 클릭 -> 가입 -> 구매
| 퍼널 단계 | 노출 개선 방법 |
| 노출 | - 광고 예산 증액 - SEO 최적화 - SNS 활동 강화 - 키워드 확장 |
| 클릭 | - 광고 문구 개선 - 이미지/영상 최적화 - 타겟팅 정밀화 - A/B 테스트 |
| 가입 | - 가입 양식 간소화 - 소셜 로그인 제공 - 가입 혜택 제공 - 필수 입력 항목 최소화 |
| 구매 | - 결제 과정 간소화 - 다양한 결제 수단 제공 - 배송비 무료/할인 - 신뢰요소 강화 - 장바구니 이탈 리마인더 |
EX. 가입 -> 구매 구간에서의 이탈이 많을 경우 개선 방법
1. 즉시 혜택 제공
: 가입 축하 할인 쿠폰 제공, 첫 구매 무료 배송 등의 즉각적인 보상 인지할 수 있도록
2. CRM 자동화
: 가입 직 후, 3일 후, 7일 후 순으로 해당 타겟별로 메시지를 적합한 타이밍에 발송해서 트리거로 작동할 수 있도록 함
3. 결제 최적화
: 원클릭 결제 도입, 다양한 결제 수단 도입 등을 통해 사용자가 구매까지 이어지는데 흐름이 막히지 않도록 함
: 결제 시의 불편함이 발생하면 구매할 의사가 충분히 있었던 사용자조차도 이탈할 수 있음
[ 실무 팁 ]
1. 세그먼트 비교
: 모바일 VS 데스크탑 (어느 곳에서 이탈이 많은지)
: Organic VS Paid 중 어느 채널이 더 효율적인지 확인 (채널별 비교)
2. 기간 비교
: 이번 달 vs 지난 달
3. 전체 전환율만 보기 X -> 단계별로 퍼널 쪼개서 보기
: 가장 이탈이 큰 구간을 확인하고 우선 순위로 개선
4. 모든 구간을 동시에 개선 X
: 리소스 분산 / 효과 측정 어려움 / 우선순위 없음 등의 문제로 개선자체가 안될 수 있음
5. 이탈 큰 구간부터 하나씩
: 1순위 개선 -> 효과 측정 : 효과 있으면 유지
: 그 다음으로 2순위 개선 -> 효과 측정
3-5. 캠페인 예산 배분 전략
ROI VS ROAS
광고 효울은 좋지만, 적자인 구조?
-> ROAS만 보면 X, 마진율 고려 필수 !
# Attribution
-> 고객의 구매/전환 여정에서 각 채널/터치포인트 기여도를 측정하는 도구
: 광고 효율 최적화, 채널 간 성과 비교, 데이터 기반 마케팅 의사결정 지원 목적황
| 모델 | 기여 분배 | 장점 | 단점 | 추천 상황 |
| Last Click | 마지막 채널 100% | 간단, 명확 | 초기 채널 무시 | 즉시 구매 상품, 단기 캠페인 |
| First Click | 첫 번째 채널 100% | 초기 채널 평가 가능 | 전환 채널 무시 | 브랜드 인지 중시, 초기 유입 효과 평가 |
| Linear | 모든 채널 동일 | 공정한 평가 | 실제와 다를 수 있음 | 전체 여정 중요 시 |
| Time Decay | 최근 채널에 높은 가중치 | 전환 시점 중시 | 초기 채널 무시 가능성 | 일반적 상황 |
| U자형 | 첫/마지막 40%, 중간 20% | 균형적 | 중간 과소평가 | B2B, 고가 제품 |
| Data-driven | AI/통계 기반, 실제 기여도 반영 | 가장 정확 | 데이터 많이 필요 | 대규모 캠페인 |
* B2C, 단기 전환 -> 대부분 Last click
* B2B, 고가/장기 구매 -> First Click, U자형, Linear 등
-> 기여도 분석에 따라 채널 효율 상이해짐
# Attribution 분석 툴
| 툴 | 적합 대상 | 주요 기능 | 특징 |
| Google Analytics 4 (GA4) | 웹·앱 | 통합 분석, 데이터 기반 모델 | 무료, 웹 기반 업계 표준 |
| Adjust | 모바일 앱 | 앱 설치/인앱 이벤트 트래킹 | 모바일 앱 특화 |
| AppsFlyer | 모바일 앱 | 광고 성과 측정, 채널 통합 분석 | 글로벌 앱 성과 표준 |
| Airbridge | 모바일 앱 | 멀티채널 트래킹, 캠페인 통합 분석 | 국내 최적화, 사용 편리 |
| Amplitude | B2B/웹·앱 | 행동 기반 분석, 퍼널 분석 | 사용자별 행동기반 세밀 추적, 데이터 기반 의사결정 |
| Branch | 딥링크 | 멀티채널 트래킹, 앱 설치 최적화 | 멀티채널 트래킹 중심 |
# 툴 선택 가이드
< 상황별 추천 >
- 웹 중심 비즈니스 → GA4
- 모바일 앱 중심 → Adjust, AppsFlyer
- 이커머스 → GA4 + Branch
실전 예산 배분 원칙
1. 채널 역할 이해
- 인지 및 확산: 인스타, 페이스북, 유튜브, 바이럴 등
- 검색 및 관여도 높은 채널: 구글, 네이버 검색광고
- 전환 중심: 리타게팅 캠페인
- 퍼널 개선 : CRM
2. 예산 70-20-10 법칙
- 70%: 검증된 효율 채널 (안정적 성과)
- 20%: 성장 가능성 채널
- 10%: 신규 채널 테스트
3. 최소 유지 예산
- 각 채널 최소 일 10-50만원 유지 → 데이터 수집 및 학습 위해
4. 정기 재조정
- 일 1회: 예산 및 데이터 확인
- 주 1회: 소폭 조정
- 월 1회: 소재 교체 및 재검토
※ 본 글은 학습을 목적으로 작성된 게시물로, 특정 브랜드·제품·서비스명이 언급될 수 있습니다. 이는 순수한 예시일 뿐이며, 상업적 목적은 전혀 없음을 밝힙니다.
'[Learning] 마케팅 인사이트' 카테고리의 다른 글
| [Learning] 광고 캠페인의 이해 _ (강의 정리본) (0) | 2026.03.10 |
|---|---|
| 3-2. 마케팅 전략과 소비자 이해 / 3-3. 마케팅 실무 역량 정리 (0) | 2026.01.05 |
| 3-1. 마케팅 직무와 업무 프로세스 (2) | 2026.01.02 |
| 2-2. 마케팅 메시지와 커뮤니케이션 전략 (1) | 2025.12.31 |
| 2-1. 시장 조사와 타겟 세분화 (1) | 2025.12.31 |