마케팅 채널의 성과를 판단하는 두 가지 방법
마케팅 채널의 성과 판단하기
데이터리안에서는 유튜브, 브런치, 링크드인, 인스타그램 광고, 데이터 분석 관련 외부 커뮤니티 등 여러 채널을 통해 SQL 데이터 분석 캠프 신청자를 늘리기 위한 마케팅 활동을 하고 있습니다. 대부분의 회사에서 마케팅을 한다고 하면 하나의 채널만 활용하기보다는 여러 가지 채널을 동시다발적으로 활용하고 있을 텐데요.
지금 운영하고 있는 마케팅 채널이 너무 많아 마케팅 팀에서 어려움을 겪고 있습니다. 마케팅의 성과가 낮은 채널들은 이제 그만 놓아주고, 성과가 높은 채널 위주로 남겨서 집중하면 좋겠죠. 이때 마케팅 채널의 성과를 어떻게 판단할 수 있을까요? 
Untitled
Untitled
Untitled
Untitled
 
마케팅 성과를 측정하기 위해서는 어떤 채널을 통해 들어온 사용자들이 SQL 데이터 분석 캠프를 많이 신청했는지 확인해야 합니다. 그래야 어떤 채널이 효과적인지 판단하고 적절한 마케팅 예산도 설정할 수 있습니다. 
인스타그램 유료 광고를 하고 있다면 실제로 광고를 통해 들어온 사용자들이 신청까지 하고 있는지 확인해 봐야 합니다. 광고는 광고대로 하는데 사실 신청하는 사용자들은 광고가 아니라 다른 채널에서 더 많이 오는 걸 수도 있습니다. 유료 광고보다 유튜브, 브런치, 링크드인 같은 무료 채널을 통해 신청하는 사용자들이 대다수라면 유료 광고를 할 필요가 없을 수도 있고요. 무료 채널 중에서도 유튜브를 통해 가장 신청을 많이 하고 있다면 유튜브에 더 집중해 보자는 결론을 낼 수도 있습니다.
어떤 사용자가 어떤 유입 경로를 통해 들어와 신청하게 되었는지는 어떻게 확인할 수 있을까요? 크게 2가지 방법이 있습니다.
1. 사용자에게 직접 물어보기
현재 데이터리안 웹사이트에서 SQL 데이터 분석 캠프를 신청하기 버튼을 누르면 구글폼으로 랜딩 해 신청서를 작성하도록 되어있습니다. 이 때 신청서에 “데이터리안을 어떻게 알게 되셨나요?” 항목을 통해 유입 경로 정보를 받고 있습니다. 
IMG_8894.PNG
IMG_8895.PNG
IMG_6C9D4373B0ED-1.jpeg
수동으로 유입 경로 데이터를 수집할 때의 한계
이렇게 수동으로 유입 경로 데이터를 수집하는 경우 몇 가지 한계점이 있습니다.
설문 답변에 모든 유입 경로를 포함하기 어렵습니다. 
답변 항목을 무한대로 늘릴 수 없기 때문에 몇 가지 항목만 객관식으로 넣어놓고 나머지는 기타를 선택하고 주관식 응답을 입력하도록 하고 있습니다. 가끔 “광고 후 검색으로 유입” 같이 정성스러운 주관식 답변을 남겨주는 사용자도 있지만 주관식 답변을 입력하기 귀찮은 사용자들은 그냥 아무거나 누르고 넘어갈 수도 있을 겁니다.
우리 서비스의 콘텐츠나 광고를 여러 번 본 경우, 사용자는 어떤 항목을 선택할까요?
데이터리안의 서비스 중 부트 캠프는 가격대가 355,000원에서 858,000원 사이입니다. 고민 없이 쉽게 구매를 결정할 만한 가격이 아니고, 4주~8주가 소요되는 교육 프로그램이라는 점 때문에 충동구매가 일어나기 어렵습니다. 그렇다면 대부분의 사용자가 데이터리안의 광고나 콘텐츠를 여러 번에 걸쳐 보고 신청하게 될 텐데요. 유입 경로를 선택할 때는 답변을 하나만 받고 있기 때문에 사용자가 여러 채널을 거쳐서 신청했다 해도 그중에 하나만 선택해서 기입해야 합니다.
사용자가 선택한 유입 경로는 최초로 데이터리안을 인지하게 된 경로일까요? 아니면 데이터리안에서 캠프를 구매하기로 결정하게 된 결정적인 계기일까요? 아마도 사용자의 인상에 가장 크게 남은 경로를 입력하는 것이겠지만 어떤 경로가 인상에 남는지도 사용자마다 다를 수 있습니다. 재구매를 하면서도 최초 유입 경로를 기억하고 계속 적어주는 분도 있는가 하면 마지막으로 보고 해당 구매를 하게 된 경로를 적어주는 분도 있을 겁니다. 그렇다면 복수 응답으로 답변을 받아보면 이 문제를 해결할 수 있을까요?
사용자는 유입 경로를 제대로 기억하지 못할 가능성이 높습니다. 
애초에 사용자가 정확한 유입 채널을 모두 기억하는 게 어렵기 때문에 복수 응답을 허용한다고 해도 얼마나 정확해질지 알 수 없습니다. 정확도는 별로 오르지 않고 오히려 분석이 더 어려워지기만 할 수 있습니다.
여러 가지 한계점에도 불구하고, 데이터가 아예 없는 것보다는 부정확한 데이터라도 있는 게 낫기 때문에 이렇게 수동으로 유입 경로 데이터를 수집하고 있습니다. 그렇다면 유입 경로 데이터를 자동으로 수집할 수는 없을까요?
2. 사용자 행동 데이터 분석 툴 사용하기
GA4 같은 사용자 행동 데이터 분석 툴을 사용하면 사용자가 직접 기억해서 알려주지 않더라도 자동으로 유입 경로를 저장해 줍니다. GA4를 사용해 유입 경로 데이터를 확인하는 방법은 GA4에서 웹사이트 접속자들의 실시간 유입 경로 확인하기 글에서 확인하실 수 있습니다.
스크린샷 2022-08-02 오후 6.07.49.png
자동으로 유입 경로 데이터를 수집해도 문제는 남습니다.
와, 문제 해결! 과연 그럴까요? 아래와 같이 인스타그램 광고를 한 번 보고 바로 SQL 데이터 분석 캠프를 신청한 사용자가 있다고 해봅시다.
Untitled
Untitled
Untitled
이 사용자가 신청한 것에는 인스타그램 광고가 100% 기여했다고 말할 수 있습니다.
스크린샷 2022-08-18 오후 2.46.21.png
하지만 모든 사용자가 딱 한 번 만에 우리 서비스를 발견하고 바로 신청까지 이어지지 않습니다. 대부분의 사용자는 여러 번에 걸쳐 서서히 설득되고 신청하기까지 여러 번 반복해서 우리의 다양한 마케팅 채널과 소재에 노출됩니다. 반복해서 노출될수록 신청할 가능성도 높아지고요. 그렇다면 유튜브를 보고 광고를 보고 블로그 글을 보고 다시 광고를 보고 신청한 경우를 생각해 보겠습니다.
스크린샷 2022-08-18 오후 2.49.17.png
이럴 때는 어떤 채널에 영향을 받아서 신청했다고 봐야 할까요? 마지막에 클릭한 인스타그램 광고를 보고 신청하게 되었다고 보면 될까요?
스크린샷 2022-08-18 오후 2.49.55.png
아니면 각각의 단계에 같은 비중으로 25%씩 영향을 받았다고 해야 할까요? 
스크린샷 2022-08-18 오후 2.50.14.png
첫 번째 유튜브를 봤던 건 1년 전이었고 광고와 블로그, 다시 광고를 본 건 최근 일주일 내였다고 해봅시다. 이때도 똑같이 기여도를 25%씩 나눠서 배분해도 되는 걸까요?
여러 유입 경로에 어떻게 기여도를 분배할 것인지 기여 분석(Attribution Analysis)라는 방법을 통해 정해줄 수 있습니다. 기여 분석에 대한 자세한 내용은 GA4에서 기여 분석 시작하기 글에서 보실 수 있습니다.


conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

마케팅 채널의 성과를 어떻게 판단할 수 있을까요? 

마케팅 채널의 성과를 판단하는 두 가지 방법

어떤 모델을 선택해야 되는지 정답은 없습니다. 하지만 우리 서비스의 특성을 잘 알아야 적절한 기여 분석 모델을 선택할 수 있습니다.

GA4에서 기여 분석 시작하기

2023년 11월부터는 ‘마지막 클릭’ 또는 ‘데이터 기반’ 모델만 사용할 수 있습니다.

GA4 기여 분석 모델 지원 중단 (feat. 쿠키리스)

마케팅 채널의 성과를 판단하는 두 가지 방법

Contents

데이터 분석 소식을
매월 받아보세요

기여 분석 모아보기

함께 읽어보면 좋은 글

빅쿼리(Google BigQuery)에 데이터를 연결하는 3가지 방법

무한도전 밈 여기서 찾으세요, ‘그밈’이 사용성 250% 개선한 방법

이 글 하나면 끝, GA4 기초부터 실무까지 완전 정복하기

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

마케팅 채널의 성과를 판단하는 두 가지 방법

Contents

데이터 분석 소식을 매월 받아보세요

기여 분석 모아보기

함께 읽어보면 좋은 글

빅쿼리(Google BigQuery)에 데이터를 연결하는 3가지 방법

무한도전 밈 여기서 찾으세요, ‘그밈’이 사용성 250% 개선한 방법

이 글 하나면 끝, GA4 기초부터 실무까지 완전 정복하기

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요