[GA기초] GA_Multi-Channel Funnel Reports ( 구글 애널리틱스 다채널 유입경로 보고서 )
GA Multi-Channel Funnel Reports 다채널 유입경로 보고서에 대해서 알아보자
간단하게 MCF라고 말하자.
이름 그대로 멀티 채널 퍼널에 관한 보고서, 다채널을 통해 유입했고 그것에 대한 기여 분석을 하는 보고서이다.
여태까지 모든 보고서에서 단일 채널에 대해서'만' 알아볼 수 있었다. 구글 검색광고를 통해 유입된 세션은 몇개이며, 네이버 cafe 링크를 통해 들어온 사용자들은 어느 페이지에 가장 많이 갔으며, 카카오 비즈보드를 클릭한 사람들은 어떤 아이템을 구매했는지에 대해서 알 수 있었다.
여기까지만 해도 충분히 많은 분석과 해석을 할 수 있으며, 충분하게 웹사이트와 비즈니스를 개선하기 위한 액션도 할 수 있었다.
사용자의 행동은 너무나 다양하고, 마케팅이 고도화 될 수록 유입경로는 다중채널이 될 확률이 너무나 높다.
모든 채널이 같은 역할을 하고, 동일한 기여를 하며 "몇천만원의 TV CF와 체험단을 통해 제공된 50%할인쿠폰이 따라오는 바이럴 마케팅 성과에 대한 분석과 해석"이 같지 않다고 생각하는 것과 마찬가지이다.
채널이 이렇게나 많은데 다 동일하게 생각해야 할까?
이 의문이 들기 시작하면, MCF 의 역할이 뚜렷해지고 중요해진다.
다시 MCF의 정의를 훑어보자면, Multi-Channel Funnel 즉, 다양한 채널들에서 퍼널을 만들어 분석할 수 있다.
조금 더 디테일하게 말하자면, A 채널을 통해 들어온 사람이 B,C,D라는 채널을 통해서 다시 유입되었고, 구매하기라는 전환을 완료한 상황에서
A,B,C,D = Channels
구매하기 = Conversion
A→B→C→D = Funnel
이렇게 정의를 내릴 수 있다.
하나 더 중요한 개념은, 분석이 고도화 될 수록 방법에 관한 논의, 즉 Model이 중요해지고, 어떤 모델링을 사용하느냐에 따라서 해석이 달라지게 된다.
여기서는 Attribution Model 이라는 개념을 사용하면서, 기여 모델에 따라서 특정 채널의 기여도를 다르게 분석할 수 있다.
다음은 GA에서 제공하는 기본 Attribution Model 이다. 여기서 중요한 친구들 몇개를 고르자면
- Last Interaction : 마지막 상호작용 이며, 전환이 되기 바로 직전 상호작용에 기여도를 몰아주는 모델
- First Interaction : 첫번째 상호작용 이며, 위와 반대로, 한 유저가 전환에 이르기까지 상호작용했던 것들 중 가장 처음으로 상호작용 했던 채널에 기여도를 주는 모델
- Linear : 선형 모델이며, 모든 상호작용에 동일한 기여도를 부여해서, 평등기여모델로 해석을 해준다.
- Time Decay : 시간가치하락으로 해석이 되며, 시간이 오래지날수록 가치가 점점 하락되는 Time based attribution model 이다.
그러면 바로 Google Merchandise store를 통해서 MCF를 알아보자
Conversion 전환 탭에 가장 마지막 MCF 탭이 따로 있다.
이전 글들부터 계속해서 GA의 보고서 순서는 난이도 순이라고 하고 있는데,
가장 마지막 Conversions
그 중 마지막 toggle인 MCF
그러면 가장 어렵지 않을까..??
모르겠다. 쉽다면 쉽고, 어렵다면 하루종일 붙잡고 있어도 어려운게 MCF인 것 같다.
개인적으로는 MCF를 시각화하는 과정이 가장 짜증이 나지만, 결과물이 가장
나온다. :(
하나씩 뜯어 봅시다
Overview 에서는 다음과 같이 화면이 나온다.
Conversion 을 고를 수 있고, Type을 All vs Google Ads를 고를 수 있으며, Lookback window 전환기여기간을 최대 90일까지 설정할 수 있다.
여기서 선택하는 Conversion은 세팅해두었던 Goal 혹은 E-commerce의 Transaction 이 나오며, 전체적인 흐름을 파악할 수 있다.
밑에 Conversion Visuallizer는 생각보다 멋있어 보이지만, 클릭할 수 있는 채널이 한정되어있어 별 쓸모가 없다... 왜 선택이 안 되는지는 알 수가 없다 ㅜㅠ
Assisted Conversions 를 살펴보자
이제 본격적으로 MCF를 분석하는 report가 나오는데, 여기서 또 중요한 개념하나가 튀어나온다.
Assisted Conversion : Conversion에 기여한 채널로는 기록이 되었지만, Last interaction, 마지막 상호작용에 위치하지 않았던 채널에 부여되는 지원 전환이다.
여기서 GA가 주는 해석의 팁을 활용하자면, Metric 중 Assisted / Last Click or Direct Conversions 라는 지표를 보며 해석을
- 0 에 가까우면 채널이 Last interaction에 기여를 했고
- 1에 가까우면 Last = Assisted of First Interaction에 수렴하며
- 1보다 크다면 Last < Assisted of First Interaction라고 해석을 할 수 있다.
여기서 중요한것은, Channel Grouping 혹은 Dimension을 얼마나 잘 활용하냐는 것이다.
우리 쇼핑몰에서는 Facebook 과 Twitter를 First interaction 혹은 Assisted Conversion 을 위한 채널로 생각하고, Direct Conversion이 일어날 매체는 Google ads의 Remarketing Campaigns를 활용한다.
라고 한다면, Facebook과 Twitter는 Assisted / Last Click or Direct Conversions 에서 1보다 클 확률이 매우 높고, Google ads의 Remarketing Campaigns는 0에 가까울 확률이 높다. ( 본인들이 세워놓은 가설이 현실에서도 잘 검증되고 있다면 )
GMS의 데이터를 보여주면 좋지만, Channel Grouping 이나 Multi-Channel이 많이 활용되어지고 있지 않기 때문에, 다른 쇼핑몰의 케이스를 가져왔다.
MCF 보고서를 위한 그룹핑에서 DIrect vs Display 를 보면 Assisted / Last Click or Direct Conversions 가 아주 많이 차이난다. DIsplay 그룹에 해당하는 채널은 지원전환에 아주 높은 기여도를 가지고 있다고 해석 할 수 있다.
여기에 Dimension을 Source로 걸거나, Campaign으로 설정하거나, 원하는 기준을 거는것에 따라서 해당 채널의 기여도를 분석하고 해석할 수 있다.
앞으로는, 페이스북은 노출 매체라고 하니까 노출만 엄청하고, 구글 애즈 리마케팅 캠페인으로 전환을 잡읍시다! 라고 하기전에 MCF를 통해서 분석하고 해석하고 다시 제안해보자.
다음으로 Top Conversion Paths를 살펴보자
이 보고서도 내가 사랑하는 파트 중 하나이다.
행동보고서 탭에서 행동흐름을 보았을때의 신선함까지는 아니지만, 위에서 나온 Assisted / Last Click or Direct Conversions metrics의 숫자에 대해서 감이 오지 않고, 그래서 뭐? 라는 고민이 들때 보면 좋은 보고서이다.
모든 데이터는 어느정도 시각화가 되어야 분석도 해석도 액션도 더 쉬워질 수 있는데, 여기서는 Conversion Paths 전환경로를 보여주고 있다.
구매자들은 어떤 채널들을 통해서 구매를 하는지 경로를 그려줘서 빠르게 파악이 가능한 보고서이다.
레퍼런스로 사용되는 비즈니스의 Conversion Paths가 길면 보여주기엔 좋겠지만,
이 업체는 보는것처럼 유튜브와 트위터에서 First Interaction이 많았고, 대부분 Direct로 유입하여 Conversion 을 발생시킨다.
다음으로 Time Lag를 보자
이 보고서는 Conversion이 일어나기 까지 얼마의 시간이 걸리는지 알 수 있으며, 크게 복잡하거나 하지 않다. 이게 복잡해진다면, Conversion 이 12-30에 대부분 일어나고 있는것을 발견하는 실무자한테 해당될뿐... 🤮
Path Length도 간단하지만 좋은 인싸이트가 될 수 있다.
이 보고서에서는 interaction이 몇 번 이루어졌고, 개수별로 전환수를 나타내어 Conversion에 기여하는 interaction이 얼마나 많은지를 알 수 있다.
저관여 제품일 수록 Time Lag와 Path Length가 적다는 선입견이 있는데, 그 선입견을 우리 비즈니스에 적합한 가설 혹은 인싸이트로 만들 수 있게 한 번 씩 확인해보자
마지막으로 Model Comparison Tool이다.
결국 위에서 제공하는 보고서들은 Conversion 을 위해 Fisrt vs Last interaction / Days to Conversion / Interactions to Conversion 에 해당하는 데이터들을 간단히 보여주었을 뿐이다.
이제 내가 원하는 분석과 해석을 위해 Attribution Model을 바꿔가며 끝없는 인싸이트를 캐낼 수 있는 Model Comparison Tool 을 사용해보자
이 Report에서는 Attribution Model을 고를 수 있다.
위에서 설명하긴 했지만, 위와 같은 모델들은 기본으로 세팅이 되어있기 때문에 바로 적용해서 분석이 가능하다.
캡처이미지에서는 Last Interaction vs First Interaction 두개의 모델을 비교하였으며, 이에 따른 Conversion & Conversion Value의 차이와 모델에 따른 기여도 비교를 해준다
이 쇼핑몰의 경우 페이스북의 First Interaction model을 적용했을때의 Attribution은 72% 증가한다. 직접 전환을 일으키는 것보다는 첫번째 상호작용에 위치하며 전환에 기여한다고 해석을 할 수 있다.
이 보고서는 3개의 모델까지 지원한다 !!
Time Decay attribution model까지 비교해보면서, 마케팅 플랜 혹은 퍼널에서 기간적인 옵션을 고려하게끔 해준다. 보통 리타겟팅 구조를 고도화하는 수준까지 가면, Time Decay가 고려되는 경우가 많다.
MCF는 이렇게 보면 정말 쉬워 보인다. 근데 왜 마지막에 위치할까?
내가 생각했을때, MCF 자체는 정말 직관적이고 빠르게 해석하여 인싸이트를 뽑아낼 수 있다고 생각한다.
다만, Goal 세팅이 다 되어야 하며, Source, Campaign_name UTM값들과 Grouping 같은 dimension 부분들이 전부 고도화되어 세팅이 되어있어야만 한곳에서 분석이 가능하다.
그렇기 때문에, 위에서부터 GA를 차근차근 다뤄오거나 데이터 분석을 위한 세팅이 따라오지 못 했다면, MCF는 깨끗하지 않고 채널들이 뚝뚝 끊겨 있을 확률이 높다.
🤪
그래서... 그래서 MCF는 가장 마지막 Report에 어울리며, Multi-Channel을 사용하는 수준에서 가장 큰 인싸이트를 뽑아준다.
근데, 이렇게 GA 세팅을 해서 어렵게 어렵게 MCF 보는것보다, 각 광고채널의 대쉬보드 데이터를 가져와서 엑셀로 정리하는것이 더 편하지 않나요?
요것도 충분히 공감하는 부분이고, 엑셀을 잘 다루고 대쉬보드 데이터를 크롤링 해오는 파이프라인까지 구축한 사람들이라면 정말 MCF의 필요성을 깨닫지 못 하고 있을 수 있다.
여기서 MCF 혹은 Attribution Analysis가 필요한 이유는 딱 하나라고 생각한다.
광고채널들은 본인들의 기여가 높아야 효율+효과적인 광고라고 주장할 수 있으며, 이는 모든채널에 해당한다. 모든 광고는 전환을 발생시켰으며 본인들의 성과는 깎으면서, 다른 광고채널에 양보하는 혜자스러운 곳은 없다.
이런 상황에서 웹사이트 로그분석을 하는 담당자라면, 이들을 통합하고 정확하게 분석해야할 니즈가 발생한다. 어느 채널에 어느정도의 기여를 부여해야 하는 상황이 발생한다면, 그때부터는 GA의 MCF 를 활용해야 한다.
단순하게 광고 매체의 대쉬보드 속 데이터를 기반으로 의사결정 하는것을 넘어서, 웹사이트내에서 통합적인 분석과 해석 그리고 액션을 하는게 그로쓰 해킹에 적합하다 :) 어렵지만 오늘부터라도 대쉬보드 vs MCF를 보면서 기여를 분석해보자
Uploaded by Notion2Tistory v1.1.0