카페를 하나 차린다고 해보자. 가장 먼저 뭘 할까. 그 동네에서 뭐가 잘 팔리는지, 누가 오는지, 무슨 음료를 좋아하는지부터 본다. 어디에, 어떤 메뉴로 열지를 정하려면 결국 데이터가 필요하니까. 이게 바로 디지털 마케팅 데이터 분석의 출발점이다. 오프라인이라면 방법은 단순하다. 옆 가게를 관찰하고, 시간대별로 손님을 세고, 심지어 쓰레기통에 쌓인 일회용 컵 수로 매출을 가늠하기도 한다. 손님이 남긴 흔적이 곧 데이터가 된다.
그런데 온라인은 다르다. 화면 너머의 고객을 두 눈으로 볼 수가 없다. 누가 들어왔는지, 어느 페이지에서 멈췄는지, 어디서 나갔는지를 직접 관찰할 방법이 없다. 그래서 디지털 마케팅 데이터 분석은 선택이 아니라 기본기다. 보이지 않는 고객의 모든 행동을 데이터로 바꿔서 읽어야, 비로소 그 사람이 보인다.
게다가 소비의 무게중심이 계속 온라인으로 넘어간다. 매장에 가서 사는 대신 앱으로 주문하는 비율이 매년 늘어난다. 관찰할 수 있는 고객은 줄고, 데이터로만 잡히는 고객은 는다. 예쁜 디자인과 기발한 아이디어만으로 충분하던 시절은 지났다. 지금은 거기에 데이터로 행동을 읽는 능력이 하나 더 붙어야 한다.
디지털 마케팅 데이터 분석, 결국 “얼마 써서 얼마 버나”의 문제
마케팅을 한 문장으로 줄이면 이렇다. 얼마를 써서 얼마를 버나. 여기서 꼭 익혀야 할 지표가 두 개 있다. LTV와 CAC다. LTV(고객 생애 가치)는 한 명의 고객이 브랜드를 처음 만나서 떠날 때까지 비즈니스에 안겨주는 총수익이다. CAC(고객 획득 비용)는 그 고객 한 명을 데려오는 데 들어간 돈이다.
이 둘의 비율이 전부라고 해도 과하지 않다. CAC보다 LTV가 커야 돈을 번다. 업계에서는 보통 LTV : CAC가 3 대 1이면 건강하다고 본다. 1달러 써서 3달러를 회수하는 구조다. 2 대 1 아래로 떨어지면 쓰는 돈이 새는 거고, 5 대 1을 넘으면 오히려 성장에 덜 투자하고 있다는 신호로 읽힌다(First Page Sage의 LTV:CAC 벤치마크 참고). 핵심은 단순하다. 내 비즈니스가 지금 얼마 써서 얼마 버는지 모르면, 좋은 전략도 세울 수 없다.
지표를 더 넓게 보고 싶다면 ROI 대신 마케터가 꼭 알아야 할 지표 5가지를 같이 읽어보면 도움이 된다. 숫자를 보는 눈이 한 단계 넓어진다.
드롭박스: 데이터가 찾아낸 추천의 힘
말로만 하면 와닿지 않으니 두 회사를 보자. 먼저 드롭박스다.
초창기 드롭박스는 골치가 아팠다. 광고로 데려온 사용자 상당수가 LTV가 CAC보다 낮은 ‘저품질’ 고객이었다. 쓴 돈보다 적게 내고 쓰는 사람이 많았다는 뜻이다. 이런 사용자가 늘면 매출은 오르는 것 같아도 적자만 쌓인다. 계속 가면 회사 문을 닫는다.
그러다 데이터 하나에 눈이 갔다. 친구 추천으로 들어온 사용자가 유료로 전환될 확률이 훨씬 높더라는 사실이다. 실제로 사용자 데이터를 파보니 신규 가입의 상당 부분이 기존 사용자의 입소문에서 나왔다. 드롭박스는 여기에 베팅했다. 추천 링크로 친구를 데려오면 둘 다 무료 저장 공간을 받는 프로그램을 만든 거다. 현금이 아니라 저장 공간으로 보상하니 비용은 거의 0에 가까웠고, 사용자는 그걸 진짜 원했다.
결과는 숫자가 말한다. 드롭박스는 15개월 만에 사용자 10만 명에서 400만 명으로, 약 3900% 성장했다(Referral Rock 사례 분석). 광고비를 쏟아부어서가 아니다. 데이터가 가리킨 ‘고품질 사용자’의 통로를 정확히 키운 결과다.
에어비앤비: 어느 채널이 더 좋은지 숫자로 갈랐다
에어비앤비도 비슷하다.
사업 초기에 에어비앤비는 호스트들이 자기 숙소를 크레이그리스트라는 커뮤니티에도 올린다는 걸 알아챘다. 여기서 멈추지 않고 데이터를 더 팠다. 크레이그리스트를 거쳐 들어온 사용자가 다른 경로로 온 사용자보다 예약률이 높았던 거다. 그래서 에어비앤비는 숙소를 등록하면 크레이그리스트에도 한 번에 올라가게 만들어 그 통로를 키웠다(Andrew Chen의 에어비앤비·크레이그리스트 분석).
여기서 진짜 교훈은 따로 있다. 모든 채널이 같은 성과를 내지 않는다는 것. 어디서 온 고객이 더 잘 머물고 더 잘 결제하는지는 데이터를 봐야만 갈린다. 감으로는 절대 안 보인다. 예산이 빠듯한 소규모 비즈니스일수록 이 차이가 생존을 가른다. 투자 대비 성과가 가장 높은 통로 하나를 찾아내는 게 곧 돈을 아끼는 일이니까. 비슷한 맥락에서 이커머스 고객 유지 전략도 결국 신규 획득보다 기존 고객 데이터를 읽는 게 더 싸다는 같은 결론에 닿는다.
GA4 시대, 꼭 알아야 할 핵심 용어 5가지
이제 도구다. 데이터를 읽으려면 구글 애널리틱스를 빼놓을 수 없다. 그런데 중요한 변화가 하나 있다. 예전 버전인 유니버설 애널리틱스(UA)는 2023년 7월 표준 버전이 데이터 수집을 멈췄고, 2024년 7월 유료 버전까지 완전히 문을 닫았다. 지금은 GA4가 표준이다. 용어도 꽤 바뀌었으니 옛날 자료만 보고 헷갈리지 말자. 입문이 필요하면 구글 애널리틱스란? GA4 시대에 다시 읽는 입문 가이드부터 보면 된다.
첫째, 이벤트와 상호작용이다. GA4는 모든 행동을 ‘이벤트’로 본다. 페이지 조회, 클릭, 스크롤, 영상 재생이 전부 이벤트다. UA 시절의 ‘상호작용 / 비상호작용 히트’ 구분은 사라졌다. 대신 ‘참여’라는 개념으로 사용자의 의미 있는 행동을 가린다.
둘째, 세션과 참여 세션이다. 세션은 사용자가 사이트에 머무는 한 묶음의 활동이다. 기본 세션 시간은 여전히 30분이다. 여기에 GA4는 ‘참여 세션(engaged session)’을 더했다. 10초 넘게 머물거나, 페이지를 두 개 이상 보거나, 주요 이벤트를 일으킨 세션이 참여 세션으로 잡힌다.
셋째, 주요 이벤트(예전의 전환)다. 이게 가장 큰 변화다. UA의 ‘목표(goal)’가 GA4에서 ‘전환’으로 바뀌었다가, 2024년 3월 다시 ‘주요 이벤트(key events)’로 이름이 바뀌었다(Search Engine Land 정리). ‘전환’이라는 말은 이제 구글 광고와 연결된 지표에만 남았다. 회원가입, 구매, 문의처럼 비즈니스에 가장 중요한 행동을 주요 이벤트로 지정해두면, 그걸 기준으로 어떤 사용자와 채널이 더 가치 있는지 판단할 수 있다.
넷째, 참여율과 이탈률이다. 이것도 정의가 뒤집혔다. GA4의 이탈률은 ‘참여하지 않은 세션의 비율’이다. 즉 참여율의 정반대다. 참여율이 70%면 이탈률은 30%다. UA에서 한 페이지만 보고 나가면 무조건 이탈로 잡던 것과 완전히 다르다. 자세한 정의는 구글 애널리틱스 공식 도움말에서 바로 확인할 수 있다.
다섯째, 종료와 종료율이다. 이탈률이 ‘사용자’ 기준이라면, 종료율은 ‘페이지’ 기준이다. 특정 페이지에서 세션이 끝난 비율을 말한다. 그래서 이탈률이 높으면 보통 개선이 필요하지만, 종료율은 꼭 그렇지 않다. 결제 완료나 가입 완료 페이지는 원래 마지막 화면이라 종료율이 높은 게 정상이니까. 종료율이 높은 페이지가 어디인지부터 보고, 그게 마지막 단계가 아니라면 그때 손보면 된다. 이런 보고서를 실제로 어떻게 읽는지는 GA 보고서 읽기와 인터페이스와 구글 애널리틱스의 기본 설정과 목표에서 단계별로 다룬다.
오늘 바로 해볼 수 있는 것
복잡하게 생각할 필요 없다. 작게 시작하면 된다.
- 내 비즈니스의 LTV와 CAC를 대략이라도 계산해본다. 비율이 3 대 1 근처인지부터 확인.
- GA4에서 가장 중요한 행동(구매·가입·문의) 하나를 ‘주요 이벤트’로 지정한다.
- 채널별로 참여율과 주요 이벤트 수를 비교해, 어디서 온 고객이 더 가치 있는지 본다.
이 세 가지만 해봐도 감으로 하던 마케팅과 숫자로 하는 마케팅의 차이가 느껴진다.
결국 디지털 마케팅 데이터 분석은 거창한 기술이 아니다. 보이지 않는 고객을 숫자로 바꿔서 읽고, 그 숫자가 가리키는 쪽으로 돈과 시간을 옮기는 일이다. 드롭박스도, 에어비앤비도 그렇게 했다. 데이터가 쌓이면 이미지나 카피 초안을 빠르게 만들어 테스트하는 일도 한결 수월해지는데, 이런 반복 실험에는 All My Universe의 Gen Studio처럼 콘텐츠를 빠르게 찍어내는 도구를 곁들이면 속도가 붙는다. 자, 당신의 비즈니스는 지금 얼마를 써서 얼마를 벌고 있는가. 이 질문에 숫자로 답할 수 있다면, 이미 절반은 시작한 거다.
참고 자료
- Google Analytics 고객센터, [“참여율 및 이탈률 [GA4]”](https://support.google.com/analytics/answer/12195621?hl=ko)
- Search Engine Land, “Why the shift from ‘conversions’ to ‘key events’ in GA4 is a game-changer”
- Referral Rock, “How the Dropbox Referral Program Led to 3900% Growth”
- Andrew Chen, “Growth Hacker is the new VP Marketing (Airbnb/Craigslist case study)”