디지털마케팅 매체의 숨은 공로자 찾기, 어트리뷰션 분석
정확한 채널 효율 측정을 위해 필수적인 전환율과 어트리뷰션 분석법
오늘은 전 세계적으로 가장 많이 사용되는 웹 로그 분석 툴, Google Analytics(구글 애널리틱스, 이하 GA)에 대한 이야기를 드리고자 합니다.
마케터라면 한번쯤은 들어보셨을 GA는 무료 웹 분석 툴임에도 굉장히 방대한 양의 정보를 담고 있습니다. 잘 사용한다면 그만큼 유용하지만, 깊이 있는 정보까지 모두 분석하는 데에는 실무자의 많은 학습을 필요로 한다는 한계가 존재합니다.
그래서 막상 실무에서는 대부분 쉽게 찾아볼 수 있는, 피상적인 정보를 수집하는 정도의 수준으로만 사용되는데요. 그중 하나가 바로 광고 매체의 유입 전환율입니다. 많은 실무자분들이 유입 전환율까지만 분석한 데이터로 의사결정을 하고 있습니다.
하지만, 디지털 시대의 마케터가 보다 정확한 웹사이트 유입을 파악하기 위해 반드시 알아야 하는 개념이 있습니다. 바로 이번 콘텐츠의 주제인 ‘Attribution Analytics(기여도 분석)’입니다.
이번 콘텐츠에서, 다음 목차에 따라 기여도를 알기 위한 기본 개념부터 하나씩 살펴보겠습니다.
1. 고객은 우리 웹사이트에 어떻게 접속할까?_ 소스/매체, 채널 알아보기
2. 어떤 채널로 유입한 고객이 주로 구매하고 있을까?_ 획득 보고서 확인하기
3. 채널의 성과는 어떻게 판단할까?_ Attribution(기여도) 모델
4. 이 채널은 구매에 얼마나 기여했을까?_ 지원 상호작용 vs. 마지막 상호작용
1. 고객은 우리 웹사이트에 어떻게 접속할까?_ 소스/매체, 채널 알아보기
[그림 2] 고객들은 다양한 방법으로 웹 서핑을 즐깁니다.
고객들은 다양한 환경에서, 다양한 방법으로 우리 웹사이트에 유입합니다.
그들이 어떠한 경로를 통해 유입되는지 파악하는 일은, 광고 매체 최적화를 위해 필수적인 단계입니다.
GA에서는 별도의 사용자 설정이 없을 시 유입 트래픽을 아래 두 가지 기준에 따라 자동으로 분류합니다.
1) 소스/매체
2) 채널그룹
고객 유입을 파악하기 위해, 구글이 정의하는 각각의 개념에 대해 먼저 살펴보겠습니다.
1-1) 소스
검색 엔진(예: Google) 또는 도메인(example.com) 등 트래픽이 유입된 위치
예를 들어서 구글에서 검색어 ‘나이키'를 통해 나이키 웹사이트로 유입했을 때의 유입 소스는 구글이 됩니다. 간단히 정리하면, 소스는 우리 페이지에 유입되기 직전에 머물렀던 페이지의 도메인이라고 할 수 있습니다.
1-2) 매체
자연 검색(자연), 클릭당비용 유료 검색(CPC), 웹 추천(추천) 등과 같은 일반적인 소스의 카테고리
매체는 소스 페이지 안에서도 사용자를 웹사이트로 보내는 구체적인 방법이라고 할 수 있습니다.
구글에서 ‘나이키' 입력 시 볼 수 있는 검색 결과 중에서도, 나이키의 검색어 광고 즉, cpc에 의한 결과를 클릭했을 시에는 이 사용자의 유입 매체가 cpc로 잡히게 됩니다.
2) 채널그룹
규칙을 기반으로 트래픽 소스를 그룹화한 것
채널은 별도의 설정이 없을 시 기본적으로 매체를 기준으로 그룹화됩니다. GA에서 자동 분류되는 기본 채널 9개는 다음과 같습니다.
- 직접(Direct): 주소를 직접 입력하거나 즐겨찾기를 통해 유입된 경우
- 자연 검색(Organic Search): 구글, 네이버 등 검색 엔진에서 검색어를 통해 표시된 무료 검색 결과를 클릭하여 유입된 경우 (ex. 구글에서 apple을 검색하여 apple.com에 방문)
- 소셜(Social): 페이스북, 인스타그램 등 소셜 채널을 통해 유입된 경우
- 이메일(Email): 이메일을 통해 유입된 경우
- 제휴사(Affiliates): 사전에 정의된 제휴사를 통해 유입된 경우
- 추천(referral): 외부 페이지에 게시된 URL을 클릭하여 유입된 경우 (ex. A 블로그의 B 사이트 소개글에 있는 B 사이트의 URL을 클릭)
- 유료 검색(cpc) : 검색엔진으로부터 유료 검색 결과(CPC 또는 PPC)를 통해 유입된 경우
- 디스플레이(display): 디스플레이/배너 광고를 통해 사이트에 유입된 경우
- 기타(Other): 정의되지 않은 채널을 통해 유입된 경우
(채널 분류 규칙은 여기서 자세히 확인하실 수 있습니다.)
2. 어떤 채널로 유입한 고객이 주로 구매하고 있을까?_ 획득 보고서 확인하기
웹사이트 유입을 파악하기 위한 용어와 분류 방법을 알아봤습니다.
그럼 이제 유입은 어떻게 확인할 수 있는지, 아래 화장품 업체 A사의 실제 GA 보고서를 확인해보겠습니다.
* (가) 매체는 A사에서 사전 정의한 캠페인 매체이며, 기본적으로 GA에 세팅되어있는 매체와는 무관함을 알려드립니다.
* GA에서는 자체적으로 정의하는 직접유입(direct) 이외에도 출처가 불분명한 유입을 모두 ‘direct’로 분류합니다. (참고) 따라서, 이 글에서는 첫 번째 (direct) / (none) 데이터는 제외하고 보도록 하겠습니다.
Q. 전자상거래(구매) 전환율이 높은 소스/매체는 무엇일까요?
유입 상위 10개 소스/매체 중에서 어떤 경로로 들어온 고객의 전자상거래 전환율이 높은지를 보시겠습니다. 네이버 (가) 매체, 네이버 유료 검색(cpc), 네이버 자연 검색, 그리고 네이버 모바일 유료 검색 순으로 거래 전환율이 높음을 확인할 수 있습니다.
여기서 두 번째 질문입니다.
Q. 만약 이 업체의 광고 예산의 조정이 필요한 시기라면, 여러분은 어떤 광고의 예산을 조정하시겠습니까?
3번과 4번 소스/매체(display)를 보시면 유입은 많이 발생하지만 그에 비해 거래 전환은 많이 발생하지 않고 있습니다. 효율이 적다고 판단하여 해당 매체를 중단하거나 예산을 줄이겠다는 결정을 내릴 수 있습니다.
소스/매체의 전환율만 고려했을 때의 문제점이 여기서 발생합니다.
디지털 매체는 굉장히 다양합니다. 각 매체의 목적도 다릅니다. 단순히 구매를 많이 일으키기 위한 매체가 있는 반면, 장기적인 브랜딩을 위해 사용되는 매체도 있습니다. (디지털 매체의 다양성과 매체 선정에 대한 내용은, 브런치의 첫 번째 콘텐츠인 ‘디지털 마케팅 시대에서 마케터의 역할과 역량’ 글에서 참고해주세요.)
광고 매체의 역할을 예시로 설명 드리겠습니다.
A사 웹사이트에 유입한 고객 중, 김 양이 있다고 가정해봅시다. 다음은 김 양이 A사의 상품을 구매하기까지의 여정입니다.
김 양은 모비온(mobon, 광고사) 소스의 디스플레이(display) 매체를 보고, A사 웹사이트에 방문했습니다. (위의 보고서에 표시되어있는 세 번째 경우에 해당)
김 양은 지금 당장 제품을 구매하지는 않았습니다.
하지만, 이 기회에 A사의 웹사이트를 서핑하고 브랜드를 기억하게 되었습니다.
일주일 후, 김 양은 화장품을 구매할 시기가 되자 네이버에 A사를 검색하여 웹사이트를 다시 방문했습니다. 그리고 지난번 봐 두었던 화장품을 구매했습니다.
이를 도식화하면 다음과 같습니다.
[그림 4] 고객 구매 여정 도식화
이 경우, 구매 전환은 직접 검색으로 반영됩니다.
직접 검색하여 웹사이트에 유입했을 때 비로소 구매 전환이 일어났기 때문입니다.
반면 디스플레이의 구매 전환에는 반영되지 않습니다.
디스플레이 광고를 통해 유입됐을 때에는 구매를 일으키지 않았기 때문이죠.
하지만 과연 이 공로를 직접 검색에만 부여할 수 있을까요?
소스/매체의 구매 전환율만 확인한다면, 디스플레이의 효율은 낮게 측정될 수밖에 없는 한계가 발생합니다. 막상 고객이 브랜드를 인지하기까지 도움을 준 것은 디스플레이 매체임에도 불구하고 말이죠.
그래서 구매 전환율만 확인하고 효율이 좋지 못하다는 이유로 해당 광고를 중지하면, 전체 구매 전환율까지 낮아지는 사태가 발생할 수 있습니다.
그래서 등장한 개념이 바로 Attribution(기여도)입니다.
3. 채널의 성과는 어떻게 판단할까?_ Attribution(기여도) 모델
우선, GA에서는 어트리뷰션 모델을 어떻게 정의하는지 보겠습니다.
“
판매 및 전환에 대한 기여도를 터치 포인트에 어떻게 할당할지를 정하는 규칙
고객은 우리 웹사이트에 유입하여 구매 전환을 일으키기 전까지, 여러 마케팅 채널을 거치게 됩니다.
같은 말로, 고객은 의사결정 여정(Customer Decision Journey)에서 여러 터치포인트(Touch Point)들을 거치게 된다고 할 수 있습니다.
이때 고객이 거치는 터치포인트의 공로를 배분하는 것이 어트리뷰션 측정의 목적입니다.
기여도를 상황에 따라 올바른 비율로 배분하기 위해, GA에서는 다음과 같이 여섯 가지 모델을 제시합니다.
[그림 5] GA에서 정의하는 여섯 가지 어트리뷰션 모델
- 마지막 상호작용: 마지막 터치 포인트 채널에 판매 기여도가 100% 부여됩니다.
- 마지막 간접 클릭: Direct를 제외하고 고객이 전환 이전에 클릭한 마지막 채널에 판매 기여도가 100% 부여됩니다.
- 첫 번째 상호작용: 첫 번째 터치 포인트에 판매 기여도가 100% 부여됩니다.
- 선형: 전환 경로의 각 터치 포인트에 판매 기여도가 25%씩 균등하게 부여됩니다.
- 시간 가치 하락: 시간상으로 판매 또는 전환에 가장 근접한 터치 포인트에 가장 큰 기여도가 부여됩니다.
- 위치 기반: 첫 번째와 마지막 상호작용에 각각 40%의 기여도가 부여되고, 나머지 20%의 기여도가 중간 상호작용에 균일하게 부여됩니다.
실제 사례에 적용시켜볼까요? 다음은 GA에서 제시하는 예시입니다.
고객이 귀하의 광고 중 하나를 클릭하여 귀하의 웹사이트를 찾습니다. 이 고객이 일주일 후에 소셜 네트워크에서 클릭을 통해 다시 방문합니다. 같은 날에, 이 고객이 이메일 캠페인을 통해 세 번째로 방문하고, 몇 시간 후에 직접 다시 방문하여 구매를 합니다.
위 고객의 여정을 도식화하면 다음과 같습니다.
[그림 6] 고객 여정 사례의 도식화
각 기여 모델을 적용했을 때, 채널 기여도는 다음과 같습니다.
[그림 7] '그림 6' 사례에 대한 기여 모델 별 기여도
어려운 개념인 어트리뷰션 모델까지 살펴봤습니다.
다양한 채널의 구매 전환율뿐만 아니라 어트리뷰션도 확인해야 하는 이유를 조금은 아셨나요?
한 단계만 더 나아가 보겠습니다.
4. 이 채널은 구매에 얼마나 기여했을까?_ 지원 상호작용 vs. 마지막 상호작용
[그림 8] 고객 구매 여정과 기여도
(출처: https://analytics.googleblog.com/2013/04/introducing-customer-journey-to-online.html)
위의 그림처럼, 어트리뷰션은 크게 아래 두 가지로 나눌 수 있습니다.
1) 마지막 상호작용 (Last Conversion)
마지막 상호작용은 구매를 직접적으로 일으킨 채널을 뜻합니다. 예시([그림 6])에서, 직접 검색에 해당하는 경우입니다.
2) 지원 상호작용 (Assist Conversion)
반면, 그 밖의 모든 채널은 지원 상호작용의 역할을 했다고 합니다. 예시([그림 6])에서는 광고, 소셜, 이메일이 되겠지요.
다시 처음에 보셨던 소스/매체 보고서로 돌아와 보겠습니다.
앞서 말씀드렸듯이, 3번과 4번 소스/매체는 유입은 많지만 거래 전환이 낮았습니다.
이제 3, 4번 매체의 지원 상호작용 데이터를 살펴보겠습니다.
[그림 11] 소스/매체 전환 데이터
* 본 차트는 구글 데이터 스튜디오를 통해 제작되었으며, GA의 전환 보고서 > 다채널 유입경로 > 지원 전환 수 데이터를 추출하고, 이를 마지막 상호작용(구매 전환율)과 비교하기 위해 만든 차트입니다.
직접적인 구매 전환율은 낮았던 소스/매체 (mobon / display)과 (criteo / display)를 보시면, 지원 전환수는 높게 나타나는 것을 확인할 수 있습니다.
다시 말해, 3번과 4번 광고 매체는 소비자의 구매 여정 상 브랜드를 인지시키고, 구매 전환으로 이어지도록 하는 데에 높은 기여를 하고 있다고 해석할 수 있습니다.
구매 전환율만 보고 광고를 종료하면, 전체 전환에도 영향을 미칠 수 있다는 근거 데이터입니다.
글을 마치며
이상으로 채널 별 구매 전환과 어트리뷰션에 대한 내용을 알아보았습니다.
디지털 광고의 가장 큰 장점 중 하나는, 측정이 가능하다는 것입니다. 온라인 상에서의 고객 행동은 오프라인에서보다 높은 수준까지 측정할 수 있습니다. 하지만, 이마저도 완벽하지는 않습니다. 고객 한 명 한 명의 구매 여정이나 사고방식을 파악하기에는 어려움이 따르기 때문입니다.
그래서 마케터들은 가장 가능성 높은 분석 방법을 고안해내기 위해 지금 이 순간에도 여러 가지 방안들을 고안해내기 위해 노력합니다.
복잡한 어트리뷰션 분석조차도 모든 것을 설명하는 완벽한 방법이라고 말씀드리기는 어려울 수 있습니다.
하지만 단순한 구매 전환 데이터보다는 깊이 있는 수준의 분석임에는 틀림없습니다.
어려운 개념일 수 있지만, 이전에는 몰라서 확인하지 못했던 데이터를 조금씩 더 찾아보고 분석해본다면 데이터를 한층 더 유용하게 이용할 수 있는 계기가 될 것이라 확신합니다.
다른 콘텐츠
