기여 분석 & 기여 분석 모델 종류

기여 분석이란?

사용자가 전환되기까지 거쳐온 광고, SNS, 검색 등 다양한 마케팅 채널에

전환 기여도를 할당하고 각 채널의 성과를 분석하는 것을 말한다. 

 

전환이란?

우리 웹사이트에 접속한 사용자가 우리가 기대하는 특정 행동을 완료하는 것을 말한다.

가입 완료, 구매 완료, 앱 다운로드 등이 자주 전환으로 보는 지표들

 

기여 분석이 나에게 필요했던 이유 

 

구매 전환을 일으킨 사람의 맨 마지막 채널이 인스타그램이었다고 할 때

이 사람이 과연 인스타그램 때문에 전환을 일으켰을까? 라는 의심이 든다.

 

인스타그램 매체를 접하기 전

유튜브 . 블로그 등 다른 매체를 거쳤을 확률도 높고

구매 결정을 일으킨 단계는 인스타그램이 아닐 수도 있다!!!

 

 

---------------------------------------

 

 

GA4에서 전환 경로 확인하는 방법

 

(1) 왼쪽 메뉴바 광고 > 전환 경로 선택 

 

(2) 경로를 확인하고 싶은 전환 이벤트 선택

나는 구매 전환한 사람들의 경로가 궁금하기 때문에 purchase만 체크!

 

💚 TIP) 소스 . 매체 . 캠페인으로도 분류해서 볼 수 있음 

 

 

---------------------------------------

 

GA4 기여 분석에서 여러 채널을 거쳐 전환된 경우,

모든 기여 분석 모델의 기여도 배분에서 직접 트래픽(direct / none)은 제외

* 위와 관련된 내용은 하단의 기여 분석 모델 종류 파악하면서 알 수 있음

 

 

GA4에서 제공해주는 기여 분석 모델 종류

 

01. 마지막 클릭 (Last Click)

전환 전에 사용자가 클릭한 마지막 터치포인트에 전환 기여도 100%를 부여

마지막 터치 포인트가 직접 트래픽이었다면 그전에 클릭한 터치포인트에 전환 기여도 100% 부여 

 

마지막 클릭 모델에서 직접적으로 전환에 영향에 준 채널을 확인 할 수 있다.

기여도를 판단하려는 전환이 앱 다운로드이거나 충동구매가 일어나기 쉬운 생활용품 판매 서비스라면 

마지막 클릭을 기준으로 볼 수 있다.

 

* 다만 구매 결정까지 오랜 시간이 걸리는 서비스에서는 마지막 클릭 모델을 적용하기 적절하지 않음

 

EX) 마지막 클릭 모델을 적용해 전환 기여도 체크해보기

• 직접 → 인스타그램 → 이메일 (100%) → 전환
• 검색 → 인스타그램 → 브런치 (100%) → 직접 → 전환

 

02. 첫 번째 클릭 (First Click)

전환 전에 사용자가 클릭한 첫 번째 터치포인트에 모든 전환 기여도를 부여

첫 번째 터치포인트가 직접 트래픽이었다면 그 다음 클릭한 터치포인트에 전환 기여도 100% 부여

 

사용자들이 우리 서비스를 처음으로 접하게 된 채널이

어디인지가 궁금한 초기 서비스라면 첫 번째 클릭 모델을 참고할 수 있다.

 

* 다만 직접적으로 전환에 영향을 준 채널을 포함해

첫 번째 클릭한 채널 외의 나머지 채널의 영향력은 무시하게 된다는 한계가 있음 

 

EX) 첫 번째 클릭 모델을 적용해 전환 기여도 체크해보기

• 직접 → 인스타그램 (100%) → 이메일 → 전환
• 검색 (100%) → 인스타그램 → 브런치 → 직접 → 전환

03. 선형 (Linear)

전환 전에 클릭이 발생한 모든 터치포인트에 균등하게 전환 기여도를 배분

모든 유입 채널이 중요하다고 판단되는 경우 선형 모델을 사용할 수 있다.

 

선형 모델의 경우 모든 유입 채널에 동일하게 기여도를 배분하게 되기 때문에

특정 채널의 영향력이 확실히 크다는 걸 아는 상황에서는 절절하지 않음 

 

EX) 선형 모델을 적용해 전환 기여도 체크해보기

• 직접 → 인스타그램 (50%) → 이메일(50%) → 전환
• 검색 (33%) → 인스타그램 (33%)  → 브런치 (33%)  → 직접 → 전환

 

04. 위치 기반 (Position Based)

첫 터치포인트와 마지막 터치포인트에 각각 40%의 기여도를 부여하고

나머지 20%의 기여도를 중간 터치포인트에 고르게 배분

 

사용자가 처음 우리 서비스를 알게 된 채널과 전환에

직접 영향을 준 채널이 중요한 경우 위치 기반 모델을 사용할 수 있음

 

EX) 위치 기반 모델을 적용해 전환 기여도 체크해보기

• 직접 → 인스타그램 (50%) → 이메일(50%) → 전환
• 검색 (40%) → 인스타그램 (20%)  → 브런치 (40%)  → 직접 → 전환

 

 

05. 시간 가치 하락 (Time Decay)

전환에 근접한 시점에 발생한 터치포인트에 더 많은 기여도를 부여

기여도는 7일 반감기를 갖도록 분배

 

전환이 발생하기 8일 전의 클릭에는 

전환이 발생하기 1일 전의 클릭에 비해 절반의 기여도만 부여 

 

전환이 오래 걸리는 경우,

가구나 전자기기처럼 구매 결정까지 오랜 시간이 걸리는 경우,

시간 가치 하락 분석 모델을 사용할 수 있음 

 

다만 초반 터치포인트의 영향략이 과소평가 될 수 있다는 한계가 있음 

 

 

06. 데이터 기반 (Data Driven)

해당 모델은 전환 이벤트별로 데이터를 기반으로 전환 기여도를 배분

각 클릭 상호작용의 실제 참여를 계산하는 데 계정 데이터가 사용됨 

 

데이터 기반 모델로 기존 기여 분석 모델의 단점을 보완할 수 있으나

데이터가 쌓이기 전까지는 사용할 수 없고, 어떤 기준으로 기여도를 

배분하는지 저오학하게 알 수 없다는 단점이 있다. 

 

데이터 기반 모델 작동 자료 

[GA4] 기여 분석 및 기여 분석 모델링에 대한 정보 - 애널리틱스 고객센터

 

 

 

* 본 내용은 데이터리안 'GA4 데이터 분석 캠프' 를 수강하며 작성한 내용입니다