1. 분석 목적
BDA에서 학회원, 비학회원을 대상으로 여러 행사를 진행했습니다. 이때, 어떤 행사가 실질적으로 수요가 많은지, 어떤 홍보 채널이 유의미한지 데이터로 확인하고자 해당 분석을 기획했습니다.
2. 데이터 수집 환경 세팅
기존에는 구글폼 링크를 공유하여 행사를 신청할 수 있는 프로세스로 진행되었습니다. 하지만, 유입 데이터를 얻고자 두 가지 환경을 세팅하여 변경하였습니다.
2-1. utm 파라미터 활용
분석 목적에는 유입 채널에 대한 궁금증도 있었기에, 정확한 데이터 수집을 위해 utm 파라미터를 활용했습니다.
각 홍보채널마다 다른 url로 구성된 홍보글을 업로드하여 이를 클릭하면, GA에 데이터가 수집되도록 설정하였습니다.
2-2. 웹페이지 활용
기존에는 바로 구글폼을 클릭할 수 있도록 하였지만, 유입 데이터가 필요했기 때문에 oopy 페이지로 랜딩되도록 하여, oopy 페이지에서 유입 데이터가 쌓이도록 프레임워크를 구성했습니다.
이를 통해 홍보 채널의 url을 클릭하여 oopy 페이지로 유입된 유저의 전환 및 행동을 모두 데이터로 쌓을 수 있게 되었습니다.
다만, 여기서 한계점이 있었다면 구글폼은 GA4에 연결할 수 없다는 점이었습니다. 이 부분이 가능했다면, 구글폼을 제출한 특정 유저가 어떤 행동을 했는지 로그 데이터와 연결지을 수 있었지만 그 부분을 못해서 더 깊이있는 분석을 못한 점이 아쉬웠습니다.
3. 퍼널 분석
위와 같이 데이터 수집 환경을 만들고, 데이터가 쌓인 후 분석을 진행했습니다. 분석 내용은 위에서 작성한 분석 목적에 맞게 진행했으나, 제가 주로 진행했던 퍼널 분석에 관해 이야기하고자 합니다.
3-1. 퍼널 구성
퍼널은 그림과 같이 세 단계로 구성하였습니다.
- oopy 웹페이지 유입
- oopy 웹페이지 내 구글폼 클릭
- 구글폼 제출 (행사 신청)
앞서 이야기했듯, 1번과 2번은 oopy 페이지 내 유입 및 행동 데이터이기 때문에 GA에 수집되는 데이터이지만, 3번은 구글폼 제출 데이터로 확인해야 하는 상황이었습니다.
따라서, 퍼널을 구성할 때 두 가지 사항을 고려하여 GA 데이터와 구글폼 제출 데이터를 1:1 매칭하는 과정이 필요했습니다.
- 유입 경로 일치
- 구글폼 클릭과 구글폼 제출 사이의 시간 간격 5분 이내
이 두 가지 조건을 통해 1:1 매칭을 하여 퍼널을 정상적으로 구성할 수 있었습니다.
3-2. 분석 결과
데이터는 공개할 수 없기 때문에 설명으로 대체하겠습니다.
우선 분석 대상이었던 두 가지 행사를 비교 분석하였습니다. 각 퍼널 단계별 전환율을 살펴보고 중간 전환율과 최종 전환율을 비교하여 구글폼 질문 구성이나 강의 주제 등에 대한 개선 방향성을 제시했습니다.
또한, 구글폼을 클릭했지만 최종적으로 제출하지 않은 유저의 행동을 분석하여 행사 특성별 유저 행동을 패턴화했습니다. 예를 들어, A행사의 유저들은 유입 후 바로 이탈하는 경향성이 있지만 전환율이 높은 것을 보아 행사 주제 자체가 관심있는 주제라고 할 수 있습니다.
4. 회고
GA4에 데이터가 수집되도록 프레임워크를 설정하고 SQL 쿼리를 활용해 데이터를 추출하여 분석해본 프로젝트였습니다. 이전에는 단순히 주어진 데이터를 활용해 분석을 진행했었다면, 이번 프로젝트는 수집부터 분석까지 주도적으로 진행해볼 수 있어서 뜻깊었습니다.
또한, 퍼널을 설계하고 한계가 있는 환경에서 프로젝트를 진행해볼 수 있어 좋았습니다.
이번 프로젝트에서 한계점이었던 구글폼은 GA4와 연동되지 않는 점은 feathery와 같은 폼을 활용하여 데이터를 수집하는 식으로 극복할 수 있을 거 같다는 생각을 했습니다. 나아가, 전환율을 높이는 폼 구성 요소를 A/B test를 진행해보면 좋겠다는 생각도 했습니다.
