오늘은 PM 공부23일차!
서비스 기획 심화단계 데이터 활용 및 구글에널리틱스에 대해서 배우는 날입니다.
개념과 이론을 많이 배웠는데 실무 스킬이랑 예시도 듣고싶네요 내일 면담때 말해보려고 합니다.
23일차도 화이팅!
📌 구글에널리틱스
📍 구글 애널리틱스의 기초
📌 구글 애널리틱스(Google Analytics)란?
📍 웹사이트나 앱 방문자의 행동을 분석하는 도구
💡 방문자가 어디서 왔는지, 무엇을 봤는지, 얼마나 머물렀는지, 어떤 행동을 했는지 등을 확인할 수 있음
1️⃣ 구글 애널리틱스로 할 수 있는 일
📍 웹사이트에 얼마나 많은 사람이 방문했는지
- 일일 활성 사용자(DAU), 월간 활성 사용자(MAU) 확인 가능
- 예: 하루에 몇 명이 들어왔는지, 한 달간 얼마나 방문했는지 파악
📍 방문자가 어디서 왔는지
- 유입 경로: 구글 검색(SEO), SNS(페이스북/인스타그램), 광고, 이메일 등
- 마케팅 효과 분석 및 최적화에 유용
📍 방문자가 사이트에서 어떤 행동을 하는지
- 자주 보는 페이지, 클릭하는 버튼, 이탈 지점 등을 분석
- 예: "홈 화면은 오래 보지만, 결제 페이지에서 많이 이탈" → UX 개선 포인트
📍 구매 전환율(Conversion Rate) 분석
- 예: 광고를 클릭한 사람 중 실제로 구매한 비율 파악
📌 2️⃣ 구글 애널리틱스 자주 쓰는 용어 정리
| 용어 | 뜻 | 예시 |
| 세션 (Session) | 사용자의 방문 기록. 30분 이상 활동 없으면 종료됨 | 오전 10시 방문 후 10분 활동 → 1세션 |
| 페이지뷰 (PV) | 페이지가 조회된 횟수 | 한 사용자가 3개 페이지 조회 → PV = 3 |
| 순 방문자 (UV) | 중복 제외한 실제 방문자 수 | 같은 사람이 3번 방문해도 UV = 1 |
| 이탈률 | 한 페이지만 보고 나간 비율 | 홈 화면만 보고 나가면 이탈률 100% |
| 전환율 (CVR) | 목표 달성한 방문자 비율 | 1,000명 방문 중 50명 구매 → CVR = 5% |
| 트래픽 소스 | 방문자의 유입 경로 | 검색(SEO), SNS, 광고(구글 애즈) 등 |
🏆 정리
구글 애널리틱스는 웹/앱의 사용자 흐름을 분석하여 마케팅, UX, 제품 개선에 꼭 필요한 도구입니다. 트래픽 분석부터 전환율 추적까지, 서비스 성과를 수치로 확인하고 전략을 조정할 수 있게 도와줍니다.
📌 구글에널리틱스 활용
📍 Google Analytics 참여 보고서 정리
1️⃣ 참여 보고서 개요
- 사용자가 사이트에서 얼마나 적극적으로 활동했는지를 보여주는 보고서
- 사용자의 활동을 한눈에 확인할 수 있는 화면
→ 얼마나 오래 머물렀는지, 어떤 행동을 했는지 분석 가능
💡 주요 지표 요약:
| 지표 | 설명 | 예시 |
| 활성 사용자당 평균 참여 시간 | 사용자 1명이 머문 평균 시간 | 2분 30초 |
| 활성 사용자당 참여 세션 수 | 사용자 1명이 평균적으로 몇 번 사이트에 참여했는지 | 1.8회 |
| 세션당 평균 참여 시간 | 한 번의 세션당 머문 평균 시간 | 3분 15초 |
| 활성 사용자 | 활동한 고유 사용자 수 | 10,000명 |
| 조회수 | 전체 페이지/화면이 조회된 총 횟수 | 50,000회 |
| 이벤트 수 | 실행된 사용자 행동 총합 | 클릭, 구매 등 총 30,000회 |
| 이벤트 이름별 이벤트 수 | 이벤트별 개별 수치 확인 | 클릭 12,000회 등 |
| 페이지 제목 및 화면 클래스별 조회수 | 어떤 페이지가 많이 조회됐는지 | 홈 15,000회 등 |
| 시간 경과에 따른 사용자 활동 | 시간대별 사용자 변화 확인 | - |
| 사용자 재방문 | 다시 방문한 사용자 비율 | - |
2️⃣ 이벤트 분석
- 사용자의 모든 행동을 ‘이벤트(Event)’로 추적
→ 클릭, 스크롤, 구매 등 다양한 행동이 어떤 결과로 이어졌는지 분석 가능
💡 이벤트 분석 예시:
| 이벤트 | 이벤트 수 | 총 사용자 | 사용자당 이벤트수 | 총 수익 |
| page_view | 25,000 | 9,000 | 2.7 | - |
| click | 12,000 | 7,000 | 1.71 | - |
| add_to_cart | 5,500 | 3,500 | 1.57 | 2,500,000원 |
| purchase | 2,000 | 1,600 | 1.25 | 7,500,000원 |
💡 인사이트 예시:
- 장바구니 추가는 많지만 구매는 적다면? → 결제 UX 개선, 할인 쿠폰 제공 등 고려
- 매출 연결 분석 가능 → 어떤 행동이 수익에 직접 연결되는지 파악
✅ 자동 수집 이벤트 (GA4 기본 이벤트)
- page_view: 페이지 방문 시 기록
- scroll: 90% 이상 스크롤 시 기록
- click: 버튼/링크 클릭 시 기록
- video_start: 동영상 재생 시작 시 기록
- file_download: 파일 다운로드 시 기록
3️⃣ 페이지 및 화면 분석
- 사용자가 어떤 페이지를 자주 방문하고, 얼마나 머무는지 확인
💡 주요 지표 요약:
| 항목 | 예시 (/home) | 예시 (/products) |
| 조회수 | 15,000 | 10,000 |
| 활성 사용자 | 8,500 | 6,000 |
| 사용자당 조회수 | 1.76 | 1.67 |
| 평균 체류 시간 | 2분 10초 | 3분 30초 |
| 이벤트 수 | 5,500 | 7,500 |
| 주요 이벤트 | 회원가입 클릭 500회 | 장바구니 추가 1,200회 |
💡 인사이트:
- 조회수는 높지만 회원가입 클릭이 적다면? → 회원가입 유도 요소 추가 필요
- 상품 페이지 체류 시간이 길다면? → 제품에 관심 많으므로 트래픽 유도 시 매출 증가 기대
4️⃣ 방문 페이지 분석
- 사용자가 웹사이트에서 처음 진입한 페이지를 기준으로 분석
- 마케팅 채널, 랜딩페이지 성과 측정 시 유용
💡 주요 지표 요약:
| 페이지 세션 수 | 새 사용자 | 평균 참여 시간 | 주요 이벤트 세션 | 주요 이벤트 | 비율 |
| /home | 12,000 | 6,500 | 3분 10초 | 회원가입 클릭 700회 | 5.8% |
| /products | 7,000 | 3,200 | 2분 45초 | 장바구니 추가 1,000회 | 14.2% |
| /blog | 4,500 | 3,000 | 4분 20초 | 뉴스레터 신청 400회 | 8.9% |
💡 인사이트:
- 블로그 체류 시간이 길다면? → 블로그 콘텐츠를 활용한 마케팅 강화 가능
5️⃣ 방문 페이지 vs 페이지 및 화면 비교
| 항목 | 방문 페이지 | 페이지 및 화면 |
| 목적 | 사용자가 처음 들어온 페이지 분석 | 전체 페이지 방문 및 행동 분석 |
| 중점 | 세션 시작 지점 | 전체 활동 추적 |
| 활용 | 유입 분석, 캠페인 성과 확인 | 인기 페이지 분석, UX 개선 |
| 주요 지표 | 세션 수, 새 사용자, 수익 등 | 조회수, 이벤트 수, 체류 시간 등 |
🏆 정리
- 참여 보고서를 통해 사용자의 실제 활동과 관심, 페이지별 성과, 이벤트별 수익 기여도까지 정밀하게 분석 가능
- 유입과 행동, 전환 데이터를 유기적으로 연결해 UX 개선과 마케팅 전략 수립에 활용해야 함
📌 프로덕트에서의 데이터 활용
📍 데이터에 기반해 프로젝트를 진행한 실제 사례 학습
📍 목표 및 배경
- 리디북스는 개인화 도서 추천 강화를 위해 AI 추천 시스템을 도입.
- 전면 론칭 전, 특정 사용자 그룹을 대상으로 우선 적용해 효과 측정 후 확장하는 전략 사용.
1️⃣ 타겟 사용자 그룹 선정
- 리디북스 사용자 그룹:
- 일반도서 독자 (소설, 경영, 경제, 인문 등)
- 장르물 독자 (로맨스, 판타지, 만화, BL 등)
- 유사 추천 로직(‘이 책을 구매한 분들의 선택’)의 효과 분석 결과:
- 일반도서 및 만화 독자층에서 추천 효과가 상대적으로 높음.
- => AI 추천은 일반 + 만화 독자 대상으로 우선 적용 결정.
💡 장르별 독서 패턴이 달라 동일한 알고리즘이 모든 장르에 효과적이지 않다는 점을 반영함.
2️⃣ 추천 노출 위치 전략
- 리디북스 내 주요 화면 분석:
- 도서 상세 화면: PV, 구매 비중 높음 → 조회 도서 기반 추천 적합.
- 홈 화면(장르 홈 포함): PV 높지만 구매율 낮음 → 사용자 기반 AI 추천 효과적.
- 실제 적용:
- 홈 화면에는 “OOO님을 위한 AI 추천” 섹션으로 도입.
- 다른 화면에는 상황에 맞는 추천 주제로 다양화 예정.
3️⃣ KPI 및 로깅 체계
- 효과 측정을 위해 화면별 KPI 설정 및 데이터 로깅 준비.
- GA(Google Analytics): 클릭, 노출 등 확인.
- 내부 서버: 구매/판매 데이터 등 정확한 수치 확보.
4️⃣ 초기 론칭 및 지표 확인
- 2018년 2월, 일반 + 만화 독자 대상 AI 추천 섹션 오픈.
- 결과:
- 주변 섹션 대비 구매전환율이 크게 향상됨.
- => AI 추천이 효과적으로 작동하고 있음이 확인됨.
🏆 핵심 포인트 요약
- AI 도서 추천 효과는 사용자군, 위치, 추천 방식의 정교한 설계가 핵심.
- 사용자 행동 데이터 기반 추천은 효과가 입증됨.
- 론칭 전 A/B 테스트 및 KPI 기반 실험적 접근이 성공 요소.
🔥 마무리
오늘은 데이터를 단순히 보는 것을 넘어, 분석과 해석을 통해 실무에 어떻게 적용할 수 있는지를 배워 유익했습니다. 특히 구글 애널리틱스 지표들이 서비스의 문제점과 개선점을 찾는 도구라는 점이 인상 깊었습니다.
리디북스처럼 사용자 데이터를 기반으로 개선한 사례를 보며, 이론과 실무의 연결도 생생히 느낄 수 있었습니다. 내일 면담에서는 실제 PM이 데이터를 어떻게 활용하는지 더 깊이 듣고 싶습니다.
또한 최근 강의가 개념 위주라 실무와의 거리감이 느껴져 약간의 불안감이 생겼습니다. 면담을 통해 방향성을 다시 잡고자 합니다.