고급 Google Analytics 4와 BigQuery

GA4 탐색은 6가지 탐색 유형을 제공하는 고급 분석 작업 공간입니다. 자유 형식(끌어다 놓기로 표와 차트 작성), 퍼널 탐색, 경로 탐색, 세그먼트 중복, 코호트 탐색 및 사용자 생애가 여기에 포함됩니다.

측정기준이 고정된 일반 GA4 보고서와 달리 탐색에서는 분석가가 측정기준과 측정항목을 어떤 조합으로든 사용하여 맞춤 질의를 만들 수 있습니다. 질의당 최대 10개의 측정기준과 10개의 측정항목을 사용할 수 있습니다.

GA4의 코호트 탐색은 사용자를 획득 날짜(또는 첫 이벤트 날짜)별로 그룹화하고 이후 몇 주 또는 몇 개월 동안의 행동을 추적합니다. 이를 통해 서로 다른 채널과 캠페인으로 획득한 사용자를 얼마나 잘 유지하는지 확인할 수 있습니다.

2주 차에 급격한 이탈이 나타나는 코호트 차트는 초기 적응 과정에 문제가 있음을 보여 줍니다. 콘텐츠 마케팅으로 유입된 코호트의 90일 유지율이 유료 광고 코호트보다 높다면 지속 가능한 성장을 위해 어디에 투자해야 하는지 판단하는 데 도움이 됩니다.

획득 채널별로 코호트 분석을 세분화하면 자연 검색, 유료 소셜, 이메일 추천 또는 직접 유입 사용자들이 시간에 따라 유지율과 참여 패턴에서 의미 있는 차이를 보이는지 확인할 수 있습니다.

자연 검색 코호트의 60일 유지율이 유료 소셜 코호트보다 3배 높다면, 이 데이터는 검색 엔진 최적화와 콘텐츠에 더 투자하고 생애 가치가 낮은 사용자를 유입하는 유료 소셜 광고 지출은 줄이는 것을 뒷받침합니다.

GA4는 원시 이벤트 수준의 비샘플링 데이터를 Google BigQuery로 매일 일괄 방식 또는 스트리밍 방식으로 내보내는 기본 통합 기능을 제공합니다. 이를 통해 사용자가 디지털 자산과 상호작용한 모든 기록이 영구적으로 저장된 데이터 저장소를 만들 수 있습니다.

내보내기 자체는 BigQuery 연결에 무료지만 BigQuery 저장 및 질의 비용은 지불해야 합니다. 설정은 GA4 관리자에서 BigQuery 연결 메뉴를 통해 진행하며 Google Cloud 프로젝트가 필요합니다.

GA4는 이벤트별로 구성된 중첩 JSON 구조로 BigQuery에 데이터를 내보냅니다. 각 행은 하나의 이벤트이며, 사용자 및 세션 속성은 중첩된 RECORD 필드의 키-값 쌍으로 저장됩니다.

분석가는 표준 SQL을 사용해 데이터를 쿼리하지만, 특정 매개변수 값으로 필터링하기 전에 중첩된 event_params 및 user_properties 배열을 평탄화하려면 UNNEST()를 사용해야 합니다. 이는 평면 관계형 테이블과는 다른 구문입니다.

일반적인 GA4 BigQuery 쿼리는 세션 수준 데이터와 전환 이벤트를 결합합니다. session_traffic_source 데이터를 중첩 해제하여 채널을 가져온 다음, 지정된 날짜 범위에서 채널별 세션, 사용자 및 전환 수를 집계합니다.

이러한 쿼리는 표준 GA4 인터페이스로는 제공할 수 없는, 샘플링되지 않은 완전히 사용자 지정 가능한 채널 성과 데이터를 생성합니다. 특히 GA4가 보고서에 데이터 샘플링을 적용하는 트래픽이 많은 속성에서 매우 유용합니다.

BigQuery를 사용하면 분석가가 단일 쿼리에서 GA4 행동 데이터를 CRM 데이터, 광고비 데이터 및 제품 데이터와 JOIN하여, 하나의 마케팅 플랫폼 안에서는 만들 수 없는 혼합 모델을 구축할 수 있습니다.

예를 들어 GA4 세션 데이터를 Salesforce CRM 내보내기 데이터와 결합하면 마케팅 채널을 통한 고객 확보와 이후 확정된 매출을 연결할 수 있습니다. 즉, 퍼널 상단의 활동을 퍼널 하단의 비즈니스 성과와 연결하는 것입니다.

Looker Studio(이전 명칭 Data Studio)는 BigQuery에 데이터 소스로 직접 연결되므로, 분석가는 전체 GA4 이벤트 데이터셋을 대상으로 하는 사용자 지정 SQL 쿼리로 구동되는 시각적 대시보드를 구축할 수 있습니다.

이 조합을 사용하면 새 BigQuery 데이터가 도착할 때 보고서가 자동으로 업데이트됩니다. 내부에서 작동하는 사용자 지정 SQL의 유연성과 비기술 이해관계자를 위한 드래그 앤 드롭 대시보드 작성 도구의 접근성을 함께 제공합니다.

BigQuery 예약 쿼리는 정해진 일정에 따라 매일, 매주 또는 매시간 SQL을 실행하고 결과를 대상 테이블에 기록합니다. 따라서 쿼리를 수동으로 실행하지 않아도 데이터 처리 흐름을 완전히 자동으로 업데이트할 수 있습니다.

일반적인 사용 사례는 어제의 GA4 이벤트 데이터를 요약 테이블로 집계하는 일일 예약 쿼리입니다. 그러면 Looker Studio가 이 테이블을 읽어 분석가의 개입 없이 항상 최신 데이터를 표시하는 대시보드를 제공합니다.

GA4는 기계 학습을 사용해 세 가지 점수를 기반으로 예측 잠재고객을 생성합니다. 구매 확률(향후 7일 내 구매할 가능성), 이탈 확률(다시 방문하지 않을 가능성), 매출 예측입니다.

이러한 잠재고객을 Google Ads로 직접 내보내 구매 확률이 높은 사용자를 전환 캠페인의 대상으로 삼을 수 있습니다. 또는 이탈 확률이 높은 사용자를 유지 캠페인 대상에서 제외할 수도 있습니다. 즉, 행동이 발생하기를 기다리는 대신 기계 학습 예측을 바탕으로 조치를 취하는 것입니다.

GA4에서는 마케팅 담당자가 맞춤 측정기준(기본값을 넘어서는 사용자 수준 또는 이벤트 수준의 속성으로, 구독 등급, 콘텐츠 카테고리 또는 A/B 테스트 변형 등이 해당됨)과 맞춤 측정항목(읽기 시간이나 시청한 동영상 수와 같은 수치 값)을 정의하여 비즈니스에 특화된 신호를 포착할 수 있습니다.

맞춤 측정기준과 측정항목은 기본 측정기준과 마찬가지로 GA4 보고서와 탐색 전반에 표시됩니다. 이를 통해 기본 GA4 데이터 모델에는 표시되지 않는, 제품 또는 콘텐츠 전략에 고유한 속성별 성과를 분석할 수 있습니다.

GA4 탐색 기능을 사용하면 작업공간에서 샘플링 제한 없이 퍼널, 코호트 및 경로 분석을 비롯한 고급 분석을 수행할 수 있습니다. BigQuery 내보내기 기능은 원시 이벤트 수준 데이터를 SQL 환경으로 가져와 완전히 사용자 지정 가능한 분석을 가능하게 합니다.

BigQuery를 Looker Studio에 연결하면 사용자 지정 모델을 기반으로 자동화된 대시보드를 만들 수 있으며, GA4의 예측 잠재고객을 사용하면 기계 학습 예측으로 Google Ads 타겟팅을 직접 운영할 수 있습니다.