💡 https://youtu.be/aq1eLdKESAo?si=LtddOmXJb9JPqOYr

오늘날의 측정 환경에서는 기업들이 고객의 복잡한 멀티플랫폼 여정 이해 ➕ 사용자 프라이버시 우선해야 하는 새로운 과제 직면하고 있다

🤖 GA는 다양한 유형의 데이터를 측정할 수 있는 유연성을 바탕으로 변화하는 측정 기준에 대응하고 비즈니스 성공을 지원하는 미래 지향적인 강력한 분석 환경 제공

🏢 기업은 웹사이트와 앱 전반에 걸쳐 통합된 사용자 여정을 파악하고, Google의 머신러닝 기술을 활용해 새로운 인사이트 도출 및 예측

변화하는 환경 속에서도 GA가 적응할 수 있도록 설계되어 있다는 점에 주목해야 한다 ‼️

📌 GA는 웹사이트와 앱 전반의 통합 사용자 여정을 측정하는 동시에 데이터 삭제 도구 등 다양한 개인정보 보호 기능을 통해 변화하는 프라이버시 환경을 지원한다

✅ 데이터 삭제 도구 (Data Deletion Tool) 데이터 삭제 도구를 사용하면 데이터 삭제 요청에 직접 대응할 수 있다

☝️ 커스텀 이벤트를 통해 URL을 보내다가 의도치 않게 개인정보가 포함된 URL 파라미터를 전송한 경우 데이터 삭제 도구를 통해 해당 정보를 삭제할 수 있다

📌 데이터 삭제 도구를 통해 해당 정보가 포함된 매개변수를 사용자 정의 이벤트에서 제거해보자

1️⃣ Admin (관리) → Data collection and modification → Data deletion request 선택한다

2️⃣ Schedule data deletion request를 클릭한다

3️⃣ 삭제할 데이터 유형을 선택한다 ☝️ 특정 이벤트에 등록된 파라미터 삭제

4️⃣ 삭제할 날짜 범위 지정 후 삭제할 이벤트와 파라미터를 선택한다

5️⃣ Schedule request를 클릭한다

⏺️ 삭제 요청이 제출되면 편집자 권한 사용자에게 이메일 알림이 전송되며 생성 후 7일 이내에는 요청을 취소할 수 있고, 실제 삭제는 데이터 양에 따라 7일에서 최대 63일 정도 소요된다

➕ API를 통해서도 데이터 삭제 요청을 생성하고 관리할 수 있다 7일의 유예 기간 동안에도 보고서와 분석에서 삭제 요청한 데이터는 이미 삭제된 것처럼 제외되어 미리 결과를 확인할 수 있다

➕ Google Analytics는 IP 주소를 수집하거나 저장하지 않기 때문에 해당 데이터 삭제 요청은 필요하지 않다

✅ 동의 모드 (Consent Mode) GDPR과 같은 프라이버시 규정을 준수할 수 있도록 설계되었으며 사용자로부터 쿠키 또는 앱 식별자 수집 동의를 받은 상태를 Google에 전달할 수 있게 한다

▶︎ 많은 웹사이트와 앱에서는 쿠키 배너 등을 통해 사용자에게 동의를 요청함

Consent Mode는 사용자의 동의 여부에 따라 Google 태그의 동작 방식을 조정한다

⭕️ 동의 허용 시 : 일반적인 데이터 수집 및 측정 기능이 정상적으로 작동 ❌ 동의 거부 시 : 데이터 수집 기능이 제한적으로 동작

▶️ Google의 AI가 부족한 데이터를 보완하여 보다 정확한 데이터셋을 제공함으로써 웹사이트와 앱 성과를 프라이버시를 존중하는 방식으로 정확하게 파악할 수 있도록 한다

✅ 모델링 (Modeling) : 기존의 데이터를 분석하여 누락된 데이터나 미래 데이터를 예측하는 과정

사용자의 행동이 변화하면서 관측 가능한 데이터의 부족이 발생할 수 있다 ☝️ 쿠키 저장 거부, 디바이스 변경

▶︎ Google Analytics는 머신러닝 기반의 모델링을 통해 부족한 데이터를 보완한다

▫️ 행동 모델링 (Behavioral Modeling) : 쿠키 동의 거부 시 누락된 사용자 행동을 예측해 보완 ▫️ 전환 모델링 (Conversion Modeling) : 누락된 전환 이벤트를 추정하여 적절한 유입 채널에 귀속

▶︎ 강화된 프라이버시 기준 하에서도 정확한 성과 분석 및 광고 최적화를 가능하게 해준다

▶️ 점점 강화되는 프라이버시 환경 속에서 기업들이 정확한 성과 분석과 디지털 광고 최적화를 위해 새로운 측정 방식을 필요로 하는 가운데, GA는 데이터 삭제 도구, 동의 모드, 머신러닝 기반 모델링 기능을 통해 이러한 요구를 충족시키고 있다

💡 https://youtu.be/nSNekTUZNt8?si=FqbX7XdT0df1EC42

Google Analytics를 다른 도구와 연결하면 추가적인 기능을 활용할 수 있다

📌 Google Analytics를 다른 도구들과 연결하는 방법과 그 이점을 알아보자

✅ Search Console 연결 : 웹사이트의 유기적(검색) 트래픽과 Google 검색 성과를 측정하고 사이트 문제를 파악하고 수정할 수 있도록 돕는 무료 서비스

Google Analytics와 연결하면 유기적 검색 성과를 Google Analytics 안에서 분석할 수 있다

⏹️ 검색 결과에서 사이트의 순위

⏹️ 어떤 검색어가 클릭으로 이어졌는지

⏹️ 클릭 이후 어떤 행동을 했는지 ☝️ 어떤 랜딩 페이지에서 많이 머무르고, 얼마나 구매로 이어지는지

GA 속성에서 편집자 권한 + Search Console의 소유자 인증이어야만 링크를 생성할 수 있다 단, GA 속성 1개당 Search Console 속성 1개만 연결 가능❗️

📌 GA와 Search Console을 연결해보자

1️⃣ Admin (관리) → Product Links → Search Console Links 클릭한다

2️⃣ Link 버튼을 클릭한다

3️⃣ "내가 소유한 Search Console 속성" 항목에서 Choose Accounts을 선택한다

4️⃣ 연결할 Search Console 속성 선택 → Confirm → Next 클릭한다

5️⃣ Select → 웹 데이터 스트림 선택 → Next → 설정 검토 후 Submit 클릭한다

📌 연결 완료 후 유기적 검색 성과를 더 잘 파악하는 방법을 알아보자

연결을 완료 했으면 Search Console 보고서 모음을 라이브러리에서 사용할 수 있게 된다

1️⃣ Reports → Library로 들어간다

2️⃣ Collections → Search Console → Publish 클릭한다

⏺️ 이후 왼쪽 메뉴에 Search Console 보고서가 생성된 것을 확인할 수 있다

✔️ Google Organic Search Queries : 검색어와 Search Console 지표 확인

✔️ Google Organic Search Traffic : 랜딩페이지별 검색성과 및 사용자 행동 확인

✅ Display & Video 360 (DV360) 연결 : 디스플레이·영상 광고 캠페인을 관리하는 도구

연결하면 Analytics 안에서 DV360 광고 관련 사용자, 세션, 전환 데이터를 함께 확인할 수 있다

Google Analytics의 편집자 권한 + DV360의 관리자 권한이 있어야 연결 프로세스를 완료할 수 있다 (➕ Analytics 편집자가 요청 시작 → DV360 관리자가 승인 가능)

⭕️ Analytics에서 만든 오디언스와 전환 데이터를 DV360으로 자동 내보내기 ⭕️ DV360 광고주가 Analytics의 트래픽 소스로 표시됨 ⭕️ DV360 캠페인 비용 및 성과 데이터가 Analytics로 가져와짐

✅ Search Ads 360 (SA360) 연결 : 검색 광고 캠페인을 관리하는 도구

Google Analytics의 편집자 권한 + SA360의 관리자 권한이 있어야 연결 프로세스를 완료할 수 있다 (Analytics나 SA360에서 연결 시작 가능)

⭕️ 검색 광고 데이터를 통합 보고 ⭕️ Analytics 오디언스와 전환 데이터를 SA360 캠페인에서 활용 가능 ⭕️ SA360 캠페인 비용 데이터가 Analytics로 수집되어 캠페인 최적화에 활용 ⭕️ SA360 보고서에서 Analytics의 앱·웹 참여 데이터 확인 가능

📌 Analytics를 DV360/SA360에 연결해보자

⏺️ Analytics → Admin → Product Links순으로 이동한다

⏺️ DV360 또는 SA360 선택 후 안내에 따라 연결을 진행하면 된다

Google Analytics를 DV360 / SA360 / Search Console과 연결하면,

▫️ 데이터 통합 → 마케팅 성과를 통합적으로 파악 ▫️ 정확한 광고 타겟팅 및 최적화 가능 ▫️ 캠페인 효율, ROI 개선

💡 https://youtu.be/fFOLyohQKjU?si=Tm6COg2mk861iNdc

First-party data : 고객이 자발적으로 제공한 데이터 ☝️ 오프라인 구매 데이터, 고객 충성 프로그램을 위한 고객 정보

▶︎ 이러한 데이터는 더 나은 고객 경험 제공과 비즈니스 성과 향상에 도움이 되는 귀중한 인사이트를 제공한다

First-party data를 활용하면,

• 고객 동의를 통해 수집한 데이터는 귀사만의 독자적인 자산으로 경쟁사와 차별화된 전략을 세워 경쟁력을 높일 수 있다

• 고객 데이터를 활용하면 핵심 고객을 더 깊이 이해할 수 있어 타겟팅 전략을 강화하고 캠페인 메시지를 보다 정교하게 맞춤 설정할 수 있다

• 데이터를 바탕으로 우수 고객을 식별하고 이를 기반으로 캠페인 메시지를 최적화하며 보다 효과적인 타겟팅 전략을 수립할 수 있다

➡️ 사용자의 비즈니스 참여 행동을 분석하여 제품 개발이나 서비스 개선에 반영함으로써 더 나은 비즈니스 의사결정을 내릴 수 있다

✔️ first-party 데이터를 바탕으로 유사 행동을 보이는 신규 고객을 찾거나 보다 개인화된 광고를 제공할 수도 있다

✔️ 데이터셋이 클수록 더 정교한 트렌드나 예외적인 패턴을 발견할 수 있기 때문에 인사이트의 정확성도 올라간다

📌 Google Analytics에서 First-party 데이터를 확장하는 2가지 방법

✅ Data Import (데이터 가져오기)

보통 각 데이터는 시스템별로 따로 저장되어 서로 연결되지 않지만 Data Import를 통해 이러한 데이터를 Google Analytics에 통합할 수 있다

▶︎ 고객 활동에 대한 보다 완전한 그림을 얻고, 새로운 비즈니스 인사이트도 발견할 수 있다

☝️ 온라인과 오프라인의 매출 및 고객 데이터를 통합하면 제품 성과와 고객의 전체적인 상호작용을 더 정확히 파악할 수 있다

또한, 이미 Analytics에서 수집된 데이터에 메타데이터를 추가할 수도 있다 ↪︎ 가져올 수 있는 데이터 유형은❓

🔸 비용 데이터 : Google 외 광고 네트워크의 클릭수, 비용, 노출 데이터 등 🔸 상품 데이터 : 상품 크기, 색상, 스타일 등 제품 관련 속성 🔸 사용자 데이터 : 충성도 등급, 고객 평생가치 등 🔸 오프라인 이벤트 데이터 : 인터넷 연결이 없거나 실시간 이벤트 수집이 불가능한 소스의 이벤트

▶️ CSV 파일을 사용해 데이터를 업로드할 수 있으며, 스프레드시트 소프트웨어로 직접 작성하거나 CRM 시스템에서 내보내 생성할 수 있다

📌 CSV 업로드 과정을 살펴보자

1️⃣ Admin (관리) → Data collection and modification → Data import 선택한다

2️⃣ Create data source 클릭한다

3️⃣ 'Clothing details' 이름을 입력한 뒤 데이터 유형을 선택한다

4️⃣ Manual CSV upload 클릭 → 파일을 업로드한다

5️⃣ 매핑 단계에서 Analytics의 필드와 가져온 필드를 매칭한다

6️⃣ Import 클릭 → 처리 완료 후 데이터가 기존 Analytics 데이터와 통합된다 이렇게 통합된 데이터는 보고서에서 더 완전한 분석이 가능하며 비교·세분화·리마케팅에도 활용된다

✅ Measurement Protocol (측정 프로토콜) : 오프라인 시스템에서 발생한 이벤트 데이터를 Google Analytics로 직접 전송할 수 있는 방법

☝️ CRM이나 신용카드 승인 시스템 같은 오프라인 시스템의 데이터를 웹사이트나 앱에서 이벤트가 발생한 후에도 비동기적으로 이벤트 형태로 Analytics에 전송할 수 있다

📌 오프라인 매장에서의 구매 데이터를 전송해보자

1️⃣ 개발자 또는 담당자가 Event Builder 도구를 사용해 새 이벤트를 생성한다

2️⃣ 오프라인 매장에서 발생한 구매 데이터를 전송하기 위해 purchase 이벤트 이름을 선택한다.

3️⃣ 그 다음 사진과 같이 각각 product_id, quantity, price, payment_method 등의 파라미터를 입력한다

4️⃣ 설정이 완료되면 이벤트를 검증하고 전송해준다

5️⃣ 실시간 보고서에서 이벤트가 정상 수집되는지 확인한다

➡️ Data Import와 Measurement Protocol을 활용하면 기존 Analytics 데이터에 추가 데이터를 결합해 훨씬 풍부한 분석이 가능해진다

💡 https://youtu.be/hQEBtxWaGM4?si=fO7gFsf40UTPNiKp

BigQuery : Google Cloud에 포함된 데이터 웨어하우스

✔️ 아주 큰 데이터셋도 초고속으로 쿼리(질의)할 수 있게 해준다 ✔️ GA를 BigQuery와 연결하면 수집된 모든 이벤트를 가공되지 않은 원시 데이터, 이벤트 단위로 자세히 확인할 수 있다

⏺️ BigQuery에 연결되면 다음과 같이 Analytics 프로젝트가 생성된다 이 테이블 안에는 이벤트 로그가 있고, 이벤트 이름, 타임스탬프, 이벤트 파라미터 등 모든 수집 정보가 포함되어 있다

➡️ BigQuery로 옮겨진 데이터는 자유롭게 분석하거나 다른 데이터셋과 결합하거나, 맞춤형 모델 학습 등에 활용할 수 있다

📌 Google Analytics를 또 다른 강력한 데이터 도구인 BigQuery와 연결하는 과정을 살펴보자

먼저 Google Cloud Platform 계정을 만들고, BigQuery API를 활성화해야 한다

1️⃣ Admin (관리) → Product links 하위 메뉴 선택 → BigQuery links 클릭한다

2️⃣ 새 연결을 생성하려면 Link 버튼을 클릭한다

3️⃣ Choose a BigQuery project를 클릭하면 현재 계정이 접근 가능한 BigQuery 프로젝트 목록이 뜬다

4️⃣ 연결할 프로젝트를 선택하고 Confirm 클릭한다 하나의 Google Analytics 속성은 하나의 BigQuery 프로젝트에만 연결 가능하다

5️⃣ 데이터가 저장될 지역을 선택한다

6️⃣ 내보내기 빈도를 선택한다 ▶︎ 둘 다 선택 가능해서 두 옵션 모두 선택 후 Next 클릭 ▫️ Daily export : 하루 1번 전체 데이터를 내보냄 (어트리뷰션 등 추가 데이터 포함하여 보다 완전한 데이터셋)

▫️ Streaming export : 거의 실시간으로 데이터를 내보냄 (다만, 어트리뷰션처럼 시간이 필요한 데이터는 포함되지 않을 수 있음)

7️⃣ 설정 검토 후 Submit 클릭한다 연결이 완료되면 몇 시간 이내에 BigQuery에서 Analytics 데이터가 쌓이기 시작한다

⏺️ 하루 동안의 전체 사용자 수를 구하는 SQL 쿼리를 작성해 실행하면 바로 결과를 확인할 수 있다

▶️ Google Analytics와 BigQuery를 연결하면 BigQuery의 강력한 분석 및 처리 기능을 활용하여 Analytics 데이터를 보다 심층적으로 분석할 수 있다

💡 https://youtu.be/TAdi6j-c7WM?si=994l-S9ck8Q0fe1o

비즈니스가 성장하고 성숙해지면 데이터를 더 다양하게 활용하고 싶어진다

Google Analytics에는 계정, 속성, 데이터를 관리할 수 있는 여러 개의 API인 응용 프로그램 인터페이스 (Application Programming Interface) 가 있다

▶︎ 속성 설정, 보고 데이터 추출, 데이터 수집 등에서 중요한 역할 ✅ Admin API (관리 API) : Google Analytics 계정 내 속성을 프로그래밍적으로 설정할 수 있도록 도와주는 API

기존에는 수작업으로 해야 했던 반복적이고 번거로운 작업들을 자동화할 수 있다

☝️ 사용자 계정 생성 및 관리 / 이벤트 설정 / 필터 구성

✔️ 대규모 조직이나 다수의 속성을 관리하는 에이전시에 특히 유용하다 ✔️ 설정 작업의 워크플로우를 간소화하여 관리 효율을 크게 높일 수 있다

✅ Data API (데이터 API) : Google Analytics 4 속성에서 보고 데이터를 추출하는 API

추출한 데이터를 다른 애플리케이션이나 보고 도구로 통합하여 사용할 수 있다

☝️ 다음과 같은 질문에 대한 보고서를 생성할 수 있다

• 지난 일주일 동안 내 Android 앱의 일일 활성 사용자 수는 ?
• 최근 28일 동안 내 사이트 상위 10개 페이지 URL별 페이지뷰 수는 ?
• 최근 30분 동안 iOS 앱의 국가별 활성 사용자 수는 ?

✔️ 사용자 상호작용, 이벤트, 사용자 속성 등 다양한 데이터를 사용할 수 있어서 맞춤형 대시보드, 보고서 제작과 다른 비즈니스 주요 지표들과 통합하는 것이 가능하다

✔️ 사용 전에는 API 스키마 문서를 참고해 현재 지원되는 차원(Dimensions)과 지표(Metrics)를 확인해야 한다

▶️ Admin API와 Data API를 사용하려면 Google Cloud Platform에서 인증 설정을 먼저 해야 한다 (인증 자격 증명을 발급받은 후 API 엔드포인트로 HTTP 요청을 보내 사용할 수 있음)

✅ Measurement Protocol (측정 프로토콜) : Google 태그나 Firebase를 거치지 않고도 데이터를 직접 Google Analytics로 전송할 수 있도록 하는 기능

HTTP 요청을 통해 이벤트 데이터를 Google Analytics 서버로 직접 전송하면, 수집된 데이터는 Analytics 보고서에서 확인할 수 있다

▫️ 맞춤형 데이터 수집 ▫️ 오프라인 거래 기록 ▫️ 비즈니스 고유의 특정 행동이나 지표 기록

☝️ Measurement Protocol 활용 예시 ▪️ 온라인과 오프라인 행동을 연결 ▪️ 클라이언트 측, 서버 측 상호작용 측정

▪️ 표준 사용자 상호작용 외부의 이벤트 기록 (오프라인 전환) ▪️ 자동 수집이 어려운 장치에서 이벤트 전송 (키오스크, 게임 콘솔, TV 등)

☑️ Admin API → 속성 설정을 자동화 ☑️ Data API → 보고 데이터를 외부 시스템으로 추출 ☑️ Measurement Protocol → 사용자 정의 데이터 수집 가능

➡️ 이 세 가지 API는 Google Analytics의 고급 기능으로, 속성 구성, 보고서 추출, 맞춤 데이터 수집을 통해 분석 경험을 훨씬 더 유연하고 강력하게 만들어준다

💡 https://youtu.be/QhsiFikhwLw?si=FICohvWQtCYs67uz

기업 규모가 커질수록 부서, 제품, 시장에 따라 서로 다른 인사이트가 필요한 여러 팀이 생기고, 비즈니스가 복잡해질수록 데이터 또한 방대해진다

▶️ Google Analytics 360 (GA360)은 이런 복잡한 상황을 고려하여 설계된 기업용 유료 버전이다

▫️ 비즈니스 성장, 데이터 증가에 맞춰 확장 가능 ▫️ 표준 속성보다 데이터 수집 한도가 훨씬 높음

▫️ 보다 빠른 실시간 데이터 제공 ☝️ 수집 후 보통 1시간 이내에 데이터가 반영되어 프로모션이나 성수기와 같이 즉각적인 의사결정이 필요한 시기에 유용

▶︎ 표준 Google Analytics는 무료지만, GA360은 보다 큰 조직과 복잡한 비즈니스를 위한 추가 유료 기능을 제공한다

✔️ 맞춤 설정 범위 확대 맞춤 차원, 맞춤 지표, 사용자 속성 수 제한이 확대되어 다양한 커스터마이징이 가능하다

✔️ 데이터 접근 권한 제어 유연성 향상 다양한 팀별, 지역별로 필요한 데이터만 접근할 수 있도록 세밀한 권한 설정 가능하다

📌 GA360의 핵심 기능 두가지를 살펴보자

✅ Subproperty (하위 속성) : 다른 속성에서 데이터를 가져오는 속성

이벤트를 필터링해 소스 속성에는 모든 데이터를 유지하면서, 하위 속성에는 해당 팀이 필요한 데이터만 포함시켜 보여줄 수 있다

☝️ 전체 브랜드를 대표하는 속성이 있을 때, 국가나 지역별로 하위 속성을 만들어 해당 팀이 해당 지역 데이터만 보도록 설정 가능하다

❌ Subproperty의 제약 사항

▫️ 하위 속성 자체적으로 새 이벤트 생성 불가 (소스 속성에서만 가능) ▫️ 데이터 스트림 추가/삭제 불가 (소스 속성에서 삭제된 데이터는 하위 속성에서도 삭제됨) ▫️ 오프라인 이벤트 가져오기 불가 ▫️ UI에서 이벤트 수정 및 생성 불가

⭕️ Audience Trigger는 사용 가능

📌 GA 360에서 새로운 하위 속성을 생성하는 방법을 알아보자

1️⃣ Admin 메뉴 → Create → Property 선택한다

2️⃣ Subproperty 선택 → Create 클릭한다

3️⃣ 소스 속성 선택 → 이름/시간대/통화 설정 → 비용 확인 후 Next 클릭한다

4️⃣ Create filter를 클릭한다

5️⃣ Include/Exclude 조건 설정 → 포함할 이벤트 정의 → Confirm 클릭한다

6️⃣ Next 클릭한다

7️⃣ 업종 및 비즈니스 정보 입력 해준다

8️⃣ 사용 목적을 선택한다

▶️ 하위 속성을 생성하려면 관리 권한이 필요하며, 일반 속성에서만 생성할 수 있고 다른 Subproperty나 Roll-up Property에서는 생성할 수 없다

✅ Roll-up Property (통합 속성) : 여러 소스 속성의 데이터를 하나로 통합하여 상위 레벨의 전사적 보고를 제공하는 속성

☝️ 여러 브랜드별로 각기 속성을 운영 중인 기업은 이를 하나의 Roll-up 속성으로 통합하여 브랜드 전체 성과를 통합적으로 파악이 가능하다

📌 GA360에서 새로운 통합 속성을 생성하는 방법을 알아보자

1️⃣ Admin 메뉴 → Create → Property 선택한다

2️⃣ Roll-up property 선택 → Create 클릭한다

3️⃣ 이름/시간대/통화 설정과 비용 확인 후 Next 클릭한다

4️⃣ Choose properties 클릭한다

5️⃣ 소스 속성에서 최대 200개까지 선택 가능하며, 선택 후 Confirm 클릭한다

6️⃣ next 클릭한다

7️⃣ 업종 및 비즈니스 정보를 입력해준다

8️⃣ 사용 목적을 선택한다 생성 후에도 소스 속성을 추가/삭제 가능하다

☑️ 일반 속성 (Ordinary property) : 기본 데이터 수집용 속성 (Subproperty, Roll-up 생성의 소스 역할 가능)

☑️ Subproperty : 소스 속성에서 일부 데이터를 필터링하여 세부 분석 및 제한된 사용자 권한 제공

☑️ Roll-up Property : 여러 소스 속성을 통합하여 전체 비즈니스 단위의 고차원 분석 가능

💡 https://youtu.be/W861y2lcATk?si=oy5UWiraxNrgYSc2

📌 Google Analytics의 획득(Acquisition) 보고서를 활용해 사용자의 유입 경로와 사이트나 앱에서의 활동을 살펴보고 트래픽이 시간에 따라 어떻게 변화하며 캠페인과 어떤 관련이 있는지 분석해보자

⏹️ Acquisition overview report (획득 개요 보고서) 사용자 수, 세션 수 등 트래픽 데이터의 전반적인 개요를 보여준다

⏺️ 트래픽이 시간이 지나면서 어떻게 변했는지 보고 싶다면 비교 기간을 추가하면 된다 ☝️ 10월 16일22일 주와 10월 9일15일주를 비교하여 기본 채널 그룹별 세션을 살펴본다

⏺️ 기본 채널 그룹별 세션 수를 보면 크로스 네트워크(Cross-network) 트래픽이 70% 증가했다 크로스 네트워크 트래픽 : 디스플레이 네트워크 광고에서 유입된 트래픽

📌 크로스 네트워크 트래픽이 특정 캠페인과 관련이 있는지 확인해보자

1️⃣ Traffic acquisition report (트래픽 획득 보고서)로 이동한 후, 날짜 비교를 제거해서 트래픽이 증가한 주간 데이터만 본다

2️⃣ 표에 보조 차원으로 Session campaign (세션 캠페인)을 추가한다

3️⃣ 크로스 네트워크 트래픽을 유발한 3개의 캠페인이 보인다 ▫️ 첫 번째 캠페인 - 미국 대상 ▫️ 두 번째 캠페인 - 캐나다 대상 ▫️ 세 번째 캠페인 - 미국이지만 라이프스타일 이미지가 없는 캠페인


📌 이 캠페인들이 참여(engagement) 측면에서 어떻게 성과를 내고 있는지 비교해보자

▪️ 세션 참여 (Session engagement) : 사용자가 사이트와 얼마나 활발하게 상호작용했는지를 나타낸다

▪️ 참여 세션 : 10초 이상 유지 / 주요 이벤트 발생 / 두개 이상의 화면이나 페이지 조회 중 하나 이상을 만족하는 세션이다

⏺️ 캐나다 캠페인이 다른 캠페인에 비해 평균 참여 시간(Average engagement time)과 세션당 이벤트 수(Events per session)가 낮다는 걸 볼 수 있다 ▶️ 캐나다 캠페인이 사용자를 덜 관련 있는 랜딩 페이지로 보내고 있거나 해당 사용자가 사이트에 덜 관심이 있을 수 있다

📌 캠페인 성공 여부를 더 잘 이해하기 위해 주요 이벤트(Key events) 발생 수를 확인해보자

⏺️ Traffic acquisition report에서 오른쪽으로 스크롤해 Key events 컬럼을 찾고 드롭다운 메뉴에서 purchase (구매)를 선택한다

⏺️ 다른 캠페인은 5개, 8개의 구매 이벤트가 발생했지만 캐나다 캠페인은 단 1개만 발생했다 ▶️ 낮은 구매 이벤트 수는 캐나다 캠페인이 다른 캠페인에 비해 성과가 떨어진다는 것을 시사한다

• 두 번째 캠페인을 최적화
• 캐나다 캠페인의 예산을 미국 캠페인으로 옮김
• 캠페인 타겟팅을 더 정교하게 조정

➡️ Google Analytics 보고서를 활용해 트래픽 변화의 원인을 파악하는 방법 중 하나다

▶︎ 이런 인사이트는 마케팅 캠페인을 개선하고 웹사이트 성과를 높이는 데 도움이 된다

💡 https://youtu.be/u3APRpZfitk?si=cLfYVX_X4b71jfIK

Explore : 표준 보고서보다 더 심층적으로 고객 행동에 대한 통찰력을 발견할 수 있는 고급 분석 기법 모음

▶︎ 퍼널(funnels)이나 경로(pathing)처럼 표준 보고서에서는 접근할 수 없는 데이터와 분석 기법 사용

☝️ Explore를 활용하면 여러 질문에 답할 수 있다

• 어떤 채널이 사이트 참여와 핵심 이벤트를 가장 많이 유도했는지❓
• 가입이나 결제 플로우에서 사용자가 어디에서 이탈하고 있는지❓
• 고객이 사이트에서 가장 많이 밟는 경로는 무엇인지❓

📌 데이터를 심층적으로 살펴보며 이상 (anomalies)을 탐색해보자

⏹️ Free form 보고서 ▫️ 차원 - 페이지 경로 (page path)와 화면 클래스 (screen class) ▫️ 지표 - 조회수 (views), 세션 (sessions), 활성 사용자 (active users)

1️⃣ 만족할 만한 테이블이 만들어지면 탭의 드롭다운을 클릭하여 Duplicate(복제)를 선택한다

2️⃣ 원본 테이블은 유지한 채 새 시각화를 탐색할 수 있다

3️⃣ 복제한 보고서에서는 시각화 유형을 선형 차트 (line chart)로 변경한다

4️⃣ ANOMALY DETECTION (이상 탐지) 슬라이더를 켜면 즉시 2023년 9월 27일 데이터에 이상이 있음을 확인할 수 있다 ▶︎ /basket 페이지 조회수가 약 10,000건일 것으로 예상되었으나 실제로는 77,000건으로 약 654% 증가한 것을 볼 수 있다

5️⃣ 이상 (anomaly) 버블을 우클릭하고 Create segment from selection을 선택한다

6️⃣ 9월 27일에 /basket 페이지를 본 사용자들을 포함하는 세그먼트를 생성한 후 이를 저장하고 원본 테이블 보고서로 돌아가 적용한다

📌 운영체제 버전 (Operating system with version) 차원을 추가하여 스팸 트래픽의 흔적을 살펴보자

⏺️ Macintosh Intel 13.5와 13.6에서 비정상적으로 많은 트래픽이 발생했음을 확인할 수 있다

⏺️ 이를 확인하기 위해 이전 주의 동일 날짜와 비교하면, 이 운영체제 버전에서 트래픽이 전혀 없었음을 알 수 있다 ▶︎ 봇(bot)이나 스팸 트래픽일 가능성

⏺️ 이런 비정상 트래픽을 제거하려면, 설정 창 하단의 필터를 활용해 Intel 13이 포함된 버전은 제외한다 이렇게 단 하나의 필터만 적용해도 440,000건 → 163,000건으로 조회수가 대폭 줄어드는 것을 확인할 수 있다

▶︎ 완전한 스팸 제거를 위해서는 더 많은 이상 트래픽을 추가로 탐색하는 과정이 필요하다 !

**📌 Explore의 Funnels (퍼널 탐색)을 활용하여 Google Merchandise Store 데모 계정에서 4단계 퍼널을 만들어 보자

퍼널은 사용자가 특정 단계를 어떻게 진행하는지 이해하는 데 유용하다

1️⃣ 탐색 보고서에서 새 탭을 열고 퍼널 탐색을 선택한다

2️⃣ 퍼널 보고서에서 가장 먼저 해야 할 일은 Add step 편집 아이콘을 클릭하여 퍼널을 만드는 것이다

3️⃣ 첫 단계를 '홈페이지 보기'로 지정한 후 페이지 경로와 화면 클래스를 조건으로 추가하고 정확히 일치하는 슬래시(/)를 선택해 홈페이지를 설정한 뒤 단계를 추가한다

4️⃣ 품목 브랜드에 Android가 포함되는 조건을 충족하는 장바구니 추가 이벤트를 Step 2에 넣어준다

⏺️ Steps 사이의 연결 상태가 is indirectly followed by (간접적으로 이어짐)로 설정되면 중간에 스크롤 등 다른 행동이 있어도 퍼널 흐름에 포함된다는 의미다 만약 directly followed by (직접 이어짐)로 바꾸면 바로 다음 행동이어야만 포함됨❗️

5️⃣ 그 다음 단계에서는 결제 정보 추가 이벤트를 검색하여 단계 조건으로 선택한다

6️⃣ 마지막으로 구매 이벤트를 검색해 단계 조건으로 선택하여 마지막 단계를 추가한다

7️⃣ 퍼널을 모두 설정한 후 Apply를 클릭하면 퍼널이 생성된다

⏺️ 디바이스 카테고리 (Device category) 차원을 끌어와 Breakdown (세분화)로 추가하면 모바일 트래픽이 많지만 2단계 이후로는 데스크탑 트래픽 비중이 높아짐을 확인할 수 있다

⏺️ 데스크탑 사용자를 집중 분석하기 위해 Step 1에서 Include only these users를 선택하면 데스크탑 사용자만으로 퍼널이 좁혀진다

📌 Path exploration (경로 탐색) 기법을 살펴보자

경로 탐색 기법은 사용자가 여러 페이지나 이벤트를 어떻게 이동하는지를 시각적으로 보여주며 특히 이벤트 발생 이전 경로도 추적할 수 있다

☝️ 장바구니 추가 이벤트 발생 이전에 사용자가 어떤 행동을 했는지 확인하고 싶다면 !

1️⃣ 탐색에서 새탭을 열고 경로 탐색을 선택한다

2️⃣ 오른쪽 상단 모서리에서 Start over를 클릭한다

3️⃣ 시작 지점이나 도착 지점을 선택할 수 있는 화면에서 종료 지점을 클릭한 뒤 노드 유형으로 이벤트 이름을 선택한다

4️⃣ ‘장바구니에 담기’ 이벤트 이름을 검색한다

5️⃣ '장바구니에 담기’ 이벤트로 끝나는 역방향 경로가 열린다

⏺️ 기본적으로 다음 단계는 시작할 때 선택한 이벤트 이름으로 설정되지만 경로 탐색에서는 각 단계마다 페이지 이름, 페이지 경로, 이벤트 이름으로 자유롭게 전환할 수 있다

⏺️ 페이지 경로로 단계를 변경하면 사용자가 장바구니에 추가하기 전 방문한 상위 페이지가 표시되며 이를 거꾸로 추적해 높은 전환율을 보이는 페이지로 가는 여정을 파악할 수 있다

▶️ 25주년 생일 캠페인 페이지가 구매 전환에 크게 기여하는 것을 확인하고, 이를 바탕으로 해당 페이지를 더 적극적으로 노출하는 전략을 고려할 수 있다

➡️ Explore를 통해 이상 탐지, 퍼널 분석, 경로 분석 등 다양한 고급 분석을 수행하며 마케팅과 비즈니스 최적화에 유용한 인사이트를 얻을 수 있다 🧠

💡 https://youtu.be/gJppoPs3ajk?si=KrwX94OTyQtlkQim

보고서와 탐색에서는 웹사이트나 앱에서 발생하는 다양한 상호작용을 측정하고 시각화할 수 있다

▶︎ 상호작용은 이벤트 형태로 보고되며, 자동으로 수집되는 이벤트, 추천 이벤트, 또는 비즈니스에 맞게 구현한 커스텀 이벤트들이 포함될 수 있다

📌 핵심 이벤트 : 특별히 중요한 이벤트라고 지정한 것

✔️ GA의 다양한 기본 보고서에서 보다 쉽게 중요한 상호작용을 측정할 수 있게 해준다 ✔️ 비즈니스에서 가장 중요한 특정 이벤트를 보려면 핵심 이벤트로 지정하여 측정하면 된다

GA에서의 전환은 마케팅 활동을 분석하고 최적화하는 데 활용된다 🔎

이벤트나 핵심 이벤트를 활용해 전환을 생성하면,

▪️ Google Ads 캠페인에서도 특정 전환을 목표로 입찰 전략을 최적화 할 수 있다 ▪️ 광고 캠페인의 성과를 측정하고, 실제로 비즈니스에 가치를 가져다주는지 평가할 수 있다

📌 핵심 이벤트 지표를 확인할 수 있는 보고서를 살펴보며 비즈니스에 가장 큰 가치를 만드는 요인을 찾아보자

⏺️ Traffic acquisition 보고서에서 오른쪽으로 스크롤하면 "Key events" 열이 나타나며 드롭다운을 클릭하면 구매와 같은 특정 핵심 이벤트의 데이터만 확인할 수 있다 특정 채널의 데이터를 다양한 지표로 분석할 수 있고 특정 핵심 이벤트별로도 살펴볼 수 있다

⏺️ Pages and screens 보고서에서도 확인할 수 있다

⏺️ 뉴스레터 가입 같은 특정 핵심 이벤트로 좁혀서 보면 어떤 페이지에서 가장 많은 뉴스레터 가입이 이루어졌는지 쉽게 확인할 수 있다

▶️ 핵심 이벤트는 사이트나 앱에서 가장 중요한 행동을 분석하는 데 유용하며, 전체 집계 수준은 물론 개별 핵심 이벤트 수준으로도 살펴보면서 다양한 채널이나 페이지가 중요한 상호작용에 어떻게 기여하는지 확인할 수 있다

💡 https://youtu.be/5F3LUHrgCL8?si=zdwqy7enskkQ9rKk

Google Analytics에는 기본적으로 많은 훌륭한 보고서들이 내장되어 있지만, 때로는 알고 싶은 질문이 기본 보고서에서 제공하는 내용과 다를 수 있어 이런 경우에 보고서 커스터마이징 기능이 유용하다

• 보고서 표에서 다른 기본 차원 (primary dimension)을 보고 싶을 때
• 보고서에서 지표 (metrics)를 추가하거나 제거하고 싶을 때
• 보고서의 차트 타입을 변경하고 싶을 때
• 기본 보고서에 없는 커스텀 지표나 차원으로 새 보고서를 만들고 싶을 때

📌 기존 보고서 수정하기

먼저 Traffic acquisition 보고서를 살펴보면, 기본적으로 "Session (Default Channel Group)" 차원으로 구성되어 있지만 이를 캠페인, 소스, 매체 기준으로 변경할 수 있다 ▶︎ UI에서 쉽게 변경 가능!

1️⃣ 오른쪽 상단의 연필(수정) 아이콘을 클릭한다

2️⃣ 오른쪽의 Dimensions 타일을 클릭하면 현재 포함된 차원 목록이 나오고 여기서 새 차원을 추가할 수도 있다

3️⃣ Session source / medium 차원을 기본 차원으로 설정한다 해당 타일 오른쪽의 점 3개를 클릭 → Set as default 선택 → Apply 클릭 ↪︎ 보고서의 기본 (primary) 차원

4️⃣ 다음으로 차트 타입을 수정하는데 바 차트는 숨기고 라인 차트만 남기기 위해 바 차트 왼쪽의 눈 아이콘을 클릭해 숨긴다 차트 링크를 클릭하면 라인 차트, 바 차트, 산점도 중 선택할 수 있다

5️⃣ 마지막으로 이 보고서를 저장하며 이름은 Session source / medium으로 지정한다

▫️ Save changes to current report : 현재 보고서 덮어쓰기 ▫️ Save as a new report : 새 보고서로 저장

📌 새 보고서 처음부터 만들기

기존 보고서와 마찬가지로 보고서 편집 권한이 있어야 가능하다

1️⃣ 왼쪽 메뉴 하단의 Library 섹션으로 이동한다

2️⃣ Create new report 버튼 클릭 → Create detail report 선택하면 새로 시작할 수 있는 페이지가 열린다

템플릿으로 시작할 수도 있고 빈 보고서로 시작할 수도 있다

3️⃣ 빈 보고서가 열리면 사용할 차원과 지표를 선택해야 한다

Google Merchandise Store에서 수집 중인 커스텀 차원인 member_level (멤버 등급) 을 추가한다

지표로는 Sessions, Total users, Purchases, Total revenue 를 추가한다

4️⃣ Save 클릭 → 보고서 이름을 Member Info 로 입력 → 다시 Save 클릭으로 모든 항목을 추가하고 저장한다

▶️ 이렇게 만든 보고서는 이후 분석할 때 쉽게 접근할 수 있도록 왼쪽 메뉴에 추가할 수 있다

💡 https://youtu.be/aZbehHVoG2s?si=-SmQpmWAYSLq2shx

Google Analytics 속성에 접근할 수 있는 사람이라면 누구나 해당 속성의 모든 보고서를 볼 수 있다 ↪︎ 표준 보고서와 커스터마이징하여 만든 보고서 등

하지만 보고서 수가 많아질수록 탐색이 어려워질 수 있으므로 컬렉션을 만들어 주제별로 보고서를 정리하는 것이 필요하다

☝️ Acquisition 관련 보고서나 마케팅팀 전용 보고서처럼 관련성 있는 그룹으로 깔끔하게 정리

➡️ 컬렉션을 만들려면 편집자 또는 관리자 권한이 필요하며 한 속성당 최대 7개의 컬렉션을 생성할 수 있다

📌 컬렉션 생성 및 발행하는 단계를 살펴보자

⏺️ 왼쪽 메뉴 하단의 Library를 클릭 → Create new collection 아이콘 클릭한다 만약, Library 메뉴가 보이지 않는다면 권한이 부족한 것❗️

⏺️ Blank (빈 컬렉션)을 선택하면 주제와 보고서가 없는 상태에서 시작할 수 있고 기존에 제공되는 템플릿 컬렉션을 수정하여 만들 수도 있다

✔️ 기존 컬렉션 수정하기

▶︎ Session source/medium 보고서를 Acquisition 섹션에 추가

1️⃣ Life cycle에서 Edit collection을 선택한다

2️⃣ 오른쪽의 Drag reports to create collection 칸에서 검색하거나 스크롤하여 해당 보고서를 찾는다

3️⃣ 드래그 앤 드롭으로 Acquisition 주제 안으로 이동시키고 원하는 순서로 배치한다

4️⃣ 배치가 끝났으면 Save 버튼을 클릭하여 저장한다

▫️ Save changes to current collection : 현재 컬렉션 덮어쓰기 ▫️ Save as a new collection : 새 컬렉션으로 저장

5️⃣ 왼쪽 메뉴의 Life cycle-Acquisition 섹션 안에 Session source/medium 보고서가 추가된 것을 확인한다 속성에 접근할 수 있는 사람은 누구나 변경된 내용을 확인할 수 있다 !

✔️ 새 컬렉션 처음부터 만들기

1️⃣ Create new collection 아이콘 클릭 → Blank 선택한다

2️⃣ 컬렉션 이름을 지정한다 이전에 만든 member info (멤버 등급 및 구매정보 보고서)를 포함할 컬렉션 이름을 Customer Analysis로 정한다

3️⃣ Create a new topic 클릭 → Membership로 이름 지정 → Apply 클릭하여 새 토픽을 생성한다 한 컬렉션 안에는 최대 5개의 토픽 생성이 가능하다

4️⃣ 오른쪽 컬럼에서 Member info 보고서를 찾아 새로 만든 Membership 토픽으로 드래그 앤 드롭해서 보고서를 추가한다

⏺️ 토픽별로 Overview report를 하나 추가할 수 있다 (선택사항)

⏺️ 컬렉션 내에서 주제를 추가하고 보고서도 커스텀/표준 보고서 모두 추가 가능하다

▫️ 각 토픽에는 최대 10개의 보고서 포함 가능 ▫️ 드래그하여 보고서와 토픽의 순서 조정

5️⃣ Save as a new collection 선택하여 새 컬렉션으로 저장한다

6️⃣ 해당 컬렉션을 발행한다

⏺️ 발행 완료되면 해당 컬렉션이 왼쪽 메뉴에 나타나고 누구나 사용할 수 있다

☑️ 컬렉션은 Google Analytics의 강력한 커스터마이징 기능으로 비즈니스 요구에 맞는 맞춤형 보고서를 생성할 수 있게 한다

☑️ 만든 보고서들을 컬렉션으로 정리하여 비즈니스 질문에 쉽게 답할 수 있고, 속성 전체를 체계적으로 구성할 수 있다

💡 https://youtu.be/BFxc65qGh5g?si=YYbjIHhkkJgMoZ9L

📌 Google Analytics에서 세그먼트와 오디언스 활용하기

GA의 세그먼트 (Segments)기능을 사용하면,

▪️ 데이터를 여러 사용자 그룹으로 나누어 다양한 시각에서 데이터 분석 ▪️ 서로 다른 사용자 그룹이 사이트에서 어떻게 상호작용하는지 비교 ▪️ 사용자 행동의 트렌드 파악

✅ Comparisons (비교) 개요 및 상세 보고서에서 데이터 집합들을 나란히 비교할 수 있도록 해준다

✅ Segments (세그먼트) 탐색 보고서에서 사용되며 사용자, 세션, 이벤트의 하위 집합을 분석해준다

▫️ 한 번에 최대 4개의 세그먼트를 동시에 적용하여 비교 가능

✅ Audiences (오디언스) 세그먼트에서 생성하거나 새로 생성할 수 있으며 사용자가 직접 정의한 공통 특성을 가진 사용자 그룹이다

▫️ Google Ads, Display & Video 360 등 광고 플랫폼으로 공유 및 활성화 가능

☝️ 장바구니를 떠난 사용자 집단을 리마케팅 타겟으로 활용하고 싶다면, Comparisons에서 차원으로 Audience name을 선택하고 값으로 해당 오디언스를 지정하면 된다

✔️ 세그먼트 만들기

☝️ Google Merchandise Store가 새로운 스웨터 라인을 출시하면서 이전에 의류를 구매한 고객을 타겟으로 마케팅하기 위해 의류 구매 이력이 있는 사용자를 대상으로 세그먼트를 만들 예정이다

1️⃣ Explore (탐색) → Free form 보고서를 생성한다

2️⃣ Variables 패널에서 SEGMENTS 옆의 ➕ 클릭한다

3️⃣ General prebuilt suggestions → Purchasers 선택한다

⏺️ 기본 구매가 세그먼트가 로드된다

4️⃣ AND 조건을 추가하여 사진과 같이 세팅해준다

5️⃣ 세그먼트 이름을 'Apparel Purchasers'로 변경후 적용해준다

6️⃣ 보고서가 의류를 구매한 사용자만 포함하도록 필터링되어 보여진것을 볼 수 있다

📌 오디언스 생성 방법 3가지를 알아보자

데이터를 탐색하다 보면 만든 세그먼트를 오디언스로 만들어 광고 리마케팅이나 입찰 최적화 등에 활용하고 싶을 수 있다

✅ 세그먼트 생성 화면에서 오디언스 만들기

1️⃣ 만들어둔 세그먼트 오른쪽의 점 3개 → Edit 클릭한다

2️⃣ 우측 상단의 Build an audience 체크박스 선택 → Save and publish 클릭하면 오디언스가 생성된다 멤버십 기간 (Membership duration)을 설정 30일로 설정할 수 있다

⏺️ Audience Trigger을 생성할 수 있다 설정한 이벤트를 보고서 분석, 핵심 이벤트 설정, 전환으로 활용이 가능하다

☝️ 사용자가 의류를 구매할 때마다 apparel_purchasers 이벤트를 발동시키고 싶을때

✅ 탐색 (Explore)보고서에서 오디언스 만들기

1️⃣ 체크아웃 퍼널 (Checkout Behavior funnel) 화면을 띄운다

2️⃣ 특정 퍼널 이탈 구간 (Abandonment rate)에서 오른쪽 클릭 → Create segment from abandonments 선택

3️⃣ 이미 조건이 설정된 상태로 세그먼트 빌더가 열리고 다시 Build an audience 체크 → 기간 설정 → Save and publish를 클릭한다

✅ Admin에서 오디언스 빌더로 새로 만들기

1️⃣ Admin (관리) → Data display → Audiences → New Audience 클릭한다

2️⃣ Create a custom audience 선택한다

3️⃣ 장바구니 이탈자 만드는 조건을 재설정 완료 후 Save 버튼을 클릭한다

⭕️ 포함 조건 : add_to_cart 이벤트 발생한 사용자 포함 ❌ 제외 조건 : purchase 이벤트 발생한 사용자 제외 ▫️ 상단의 이름 입력 : Cart Abandoners ▫️ 설명 입력 : Users who left items in their carts

✔️ 세그먼트 : 정교한 데이터 분석 가능 ✔️ 오디언스 : 맞춤형 리마케팅 캠페인 가능

▶︎ 두 기능을 활용해 더욱 정확한 마케팅 성과 향상 가능하다 ‼️

💡 https://youtu.be/Mof7-OW201M?si=Nk861gKJkQNWICx_

마케팅 캠페인이 비즈니스에 얼마나 효과적인지 확인하려면 Google Analytics를 Google Ads와 연결할 수 있다

▫️ 사람들이 광고와 어떻게 상호작용하는지 확인 가능 ▫️ 전환으로 이어지는 경로 파악 가능 ▫️ 광고 예산을 어디에 집중할지 전략적으로 결정 가능

▶︎ 고객 여정을 더 깊이 이해하고, 광고를 최적화하여 최고의 결과를 이끌어낼 수 있다

📃 Google Ads 연결 후 Advertising 섹션에서 볼 수 있는 주요 지표와 보고서

✔️ 캠페인 성과 분석 클릭 수, 비용, 클릭당 비용 (CPC) 등 지표로 캠페인 성과를 빠르게 파악이 가능하다

✔️ 광고 투자 수익률 (ROAS) 광고에 투자한 비용 대비 발생한 수익을 확인할 수 있다

✔️ Attribution (귀속) 어떤 광고 캠페인이 가장 가치 있는 고객 행동을 유도했는지 파악할 수 있다

✔️ Attribution paths (귀속 경로) 전환 이전 사용자 여정을 파악할 수 있다

몇 개 광고가 관여했는가❓ 어떤 접점이 고객 여정에서 처음, 중간, 마지막 단계에 주로 나타나는가❓

☑️ GA 보고서에서 Google Ads 캠페인 성과를 분석 가능

☑️ GA의 데이터를 Google Ads로 활용해 타겟팅과 입찰 전략 최적화 가능

☝️ 전환 기반 입찰 (Conversion-based bidding)

• Google Analytics 이벤트를 전환으로 만들어 Google Ads와 공유
• Google Ads가 전환 데이터를 활용해 입찰을 자동 최적화하여 전환 수/가치를 최대화함

☝️ 오디언스 리마케팅 (Audience remarketing)

• 장바구니 이탈자와 같은 특정 GA 오디언스를 대상으로 리마케팅
• 오디언스를 조합하여 더 세분화된 타겟 광고 가능

📌 Google Analytics와 Google Ads를 연결해보자

편집 권한 이상 필요한 점 잊지말기❗️

1️⃣ 관리 (Admin) → Product links → Google Ads links 클릭 ➕ Product links는 속성 단위 설정이다

2️⃣ 파란색 Link 버튼을 클릭한다

3️⃣ Choose Google Ads accounts 클릭한다

4️⃣ 관리 권한이 있는 Google Ads 계정 목록이 표시되며 원하는 계정을 선택한 뒤 Confirm을 클릭한다

5️⃣ Next 클릭 → 설정 검토 화면으로 이동한다

6️⃣ 설정 항목 확인 및 선택한다 개인 맞춤 광고, 자동 태깅, 기능 접근 권한 등이 기본으로 선택되어 있으며 이를 지금 변경하거나 나중에 수정할 수 있다

7️⃣ 마지막으로 Submit 클릭하면 연결이 완료된다 연결 후 Analytics에 Google Ads 데이터가 표시되기까지 최대 24시간 소요될 수 있다

▶️ Google Analytics와 Google Ads를 연결하면 어떤 광고가 효과적인지, 어떤 광고가 비효율적인지 명확히 파악할 수 있으며 이를 통해 광고 데이터를 최대한 활용해 성과를 극대화할 수 있다

💡 https://youtu.be/IrhQDqfrYEU?si=psSmkFtbfLnjeeYN

Advertising 섹션은 광고 및 퍼블리셔 성과에 대한 종합적인 보고서와 데이터를 제공한다

▶︎ 사용자가 거래를 완료하기 전에 비즈니스와 어떤 접점을 가졌는지를 분석하는 데 도움이 된다

📌 마케팅 성과 평가의 핵심 도구 : Attribution 모델링

✔️ Attribution (기여도) : 사용자의 여정 속에서 발생한 다양한 광고, 클릭, 행동들에 대해 핵심 이벤트의 기여도를 부여하는 행위

▶︎ 고객 여정을 더 깊이 이해하고, 각 접점이 전환에 어떻게 기여했는지 파악할 수 있다

✔️ Attribution 모델 : 구매 여정 속 다양한 접점에 어떻게 기여도를 나눌지 결정하는 방식

고객이 구매나 웹사이트에서 중요한 행동을 완료하기 전에 여러 번 검색하거나 여러 광고를 클릭하는 경우가 많기 때문에 Attribution 모델이 필요하다 ‼️

☝️ Last-click Attribution 모델 구매 직전 마지막 클릭에 모든 기여도를 부여하지만 그 이전의 중요한 상호작용들은 반영되지 않는다

☝️ 데이터 기반 Attribution (Data-driven attribution) 머신러닝을 이용해 각 기업의 실제 전환 경로 데이터를 분석하여 기여도를 산출하여 보다 정확하고 맞춤화된 평가가 가능하다

(GA의 Advertising 섹션에서는 Data-driven attribution이 기본 모델)

➡️ 서로 다른 어트리뷰션 모델이 마케팅 채널 평가에 어떤 영향을 주는지 비교 분석함으로써 보다 정확한 성과 분석과 예산 배분 결정을 내릴 수 있다

➡️ 다양한 모델을 사용하면 구매 여정 초반부의 상호작용이 전환에 어떻게 기여했는지도 확인할 수 있다

💡 https://youtu.be/PBeUqHIRXNE?si=JJd8AanC4Cv97wi7

⏹️ 홈페이지

나와 비즈니스에 관련된 정보와 최근에 본 보고서, 페이지, 속성의 데이터 및 인사이트가 스냅샷으로 제공된다 Google Analytics를 계속 사용하다 보면 홈페이지에서는 점점 더 개인화된 콘텐츠 추천을 제공하게 된다

1️⃣ 보고서 (Reports)

웹사이트와 앱에서의 사용자 활동 데이터를 시각화해서 보여준다 Google Analytics는 일반적인 사용 사례에 맞춘 기본 보고서를 제공하며 비즈니스 목표에 따라 보고서와 탐색 메뉴를 맞춤 설정할 수 있다

2️⃣ 탐색 (Explore)

보고서보다 더 심층적인 분석이 필요할 때는 이 메뉴를 활용하면 된다 자유 형식, 퍼널, 경로, 코호트 등 다양한 분석 기법으로 데이터를 시각화하고 생성한 유용한 데이터 세트는 Google Analytics 세그먼트나 오디언스로 내보낼 수 있다

3️⃣ 광고 (Advertising)

광고와 마케팅 예산의 투자수익률 (ROI)을 파악하는 데 도움이 된다 여러 채널에 걸친 예산 배분이나 기여 모델을 평가하여 더 나은 의사 결정을 내릴 수 있게 해준다

➕ Google Ads 계정을 Analytics에 연결하면 광고 작업공간에서 Google Ads 캠페인 데이터를 더 자세히 볼 수 있다

4️⃣ 관리 (Admin)

Google Analytics의 계정, 속성, 이벤트, 데이터 스트림 관리와 데이터 접근 권한을 설정하는 곳이다

계정 및 속성 전환기를 이용하면 여러 계정과 속성 간에 쉽게 전환할 수 있다

☝️ Google Analytics 데모 계정에서 Google Merchandise Store 속성에서 Flood-It 속성으로 전환 가능

검색창에 질문을 입력하면 관련 보고서, 도움말 자료, 인사이트 및 도움말 센터 문서 링크를 쉽게 찾을 수 있다

☝️ “최근 30일 동안 Organic Search에서 유입된 사용자는 몇 명인가요?” 이렇게 질문하면 오른쪽 패널에 바로 답변이 나타난다

☝️ “지난달 신규 사용자 수를 작년 같은 달과 비교해줘”라고 입력하면 비교 인사이트가 제공된다 (비교 날짜범위 검색 가능)

💡 https://youtu.be/R_jW24nAjX4?si=R8EKQJ48O5ZIbWzu

자동으로 수집되는 이벤트에는 첫 방문, 첫 등록을 포함하여 페이지 조회, 클릭, 스크롤 등 다양한 일반적인 사용자 활동이 포함된다

하지만 비즈니스와 관련된 특정 이벤트를 따로 수집해야 할 때도 있다 ☝️ 내가 전자상거래 사이트를 운영한다면 사용자가 어떤 상품을 구매하는지, 쇼핑 카트에 품목을 추가/제거하는지, 체크아웃 시 프로모션을 선택하는 시점까지 파악하고 싶다

➡️ 새로운 전자상거래 이벤트를 만들어 수집할 필요가 있다 !

전자상거래 이벤트들은 구글 애널리틱스 도움말 센터에 있는 추천 이벤트 목록에 포함되어 있고 전자상거래 분석에 잘 맞게 만들어져 있다

📌 추천 이벤트에 없는 내용을 수집하고 싶으면 비즈니스 상황에 맞게 새로운 사용자 정의 이벤트와 매개변수를 만들어 설정할 수 있다

✔️ 실수 없이 꼼꼼하게 이벤트를 설정하고 구글이 제공하는 가이드를 잘 따라야 전자상거래 데이터를 제대로 수집할 수 있다

✔️ 이벤트와 매개변수를 만들 때는 이름을 비슷한 규칙으로 짓고 가능하면 기존에 쓴 이름을 다시 사용하면 데이터를 모으고 보고서에서 분석하기가 더 쉽다

▶️ 이벤트 매개변수를 생성해 활용하면 보고서에서 사용자 정의 차원과 측정항목을 만들 수 있다

수집된 매개변수의 값은 데이터를 구별하고 세부적으로 분석할 수 있게 해준다 🔥

관리 메뉴에서 수집된 일반적인 전자 상거래 이벤트를 보고 관리할 수 있다 ▶︎ 구매, 쇼핑 카트에 항목 추가, 쇼핑 카트에서 항목 제거

추천 이벤트를 추가하면 이벤트 이름은 GA로 전송되어 보고서에 바로 보이지만 이벤트 안에 있는 매개변수 값까지 보고서에서 확인하려면 그 값을 사용자 정의 차원이나 측정항목으로 등록해야 한다‼️ ⬇️ 사용자 정의 차원 생성은 관리자 섹션에서 할 수 있다 *1️⃣ 만드려는 사용자 지정차원 또는 측정항목의 이름을 입력한다 * ▶︎ 등록하는 매개변수와 같은 이름 사용

2️⃣ 해당 차원의 범위를 정의해준다 (Event, User, Item) ▶︎ 사용자 정의 차원이 데이터에 적용되는 방식을 결정함

▫️ Event는 사용자가 수행하는 작업에 대한 정보 제공 ☝️ 누군가가 본 기사의 제목

▫️ User는 작업을 수행한 사용자에 대한 정보 제공 ☝️ 기사를 본 사람의 지리적 위치

▫️ Item는 이벤트에서 사용자가 상호 작용하는 제품이나 서비스에 대한 정보 제공 ☝️ 누군가가 상품 매장에서 물건을 구매할때 우리는 판매된 품목의 색상이 무엇인지 알고 싶다

3️⃣ 드롭다운 메뉴에서 등록하려는 매개변수를 선택한다 ▶︎ GA에 전송하는 모든 매개변수는 아직 사용자 정의 차원으로 등록하지 않은 상태로 이 목록에 표시된다

➕ 사용자 정의 측정항목을 만드는 과정은 위와 동일하지만 항상 이벤트 범위가 있으므로 해당 이벤트의 범위를 정의할 필요가 없다

💡 https://youtu.be/9Uokq4bhHjE?si=K5jRqrhwq7XFLbyR

여러 웹사이트에서 데이터를 수집할 때 교차 도메인 측정을 설정하면 두 웹사이트 간 사용자의 이동 경로를 함께 추적할 수 있다

☝️ 고객이 쇼핑하는 웹사이트와 결제를 처리하는 별도의 웹사이트가 있을 때 두 웹사이트를 하나의 고객 여정으로 연결해 보기 위해 교차 도메인을 사용한다

▶️ 교차 도메인 측정을 사용하려면 같은 속성 안에서 데이터를 모아야 하며 이를 위해 각 웹사이트가 동일한 측정 ID를 사용해 하나의 데이터 스트림에 포함되어야 한다 ↪︎ 이 설정을 위해 속성에서 편집자 권한이 필요 !

📌 교차 도메인 측정 방법

1️⃣ 관리 메뉴 → 데이터 스트림 ▶︎ 현재 설정된 데이터 스트림 확인 가능

2️⃣ 웹 스트림 클릭 → 설정 → 태그 설정 구성 (Configure Tag Settings)

3️⃣ 도메인 구성 (Configure Your Domains)을 선택한다

4️⃣ 포함하고 싶은 도메인의 정보를 입력한다 ☝️ "website one" 도메인과 "website two" 도메인을 조건으로 추가할 수 있다

▶️ 이 설정이 잘 작동하는지 테스트하려면 첫 번째 웹사이트에서 시작하여 두 번째 웹사이트로 이동해본다 (☝️ 장바구니 → 결제 페이지)

▶️ 교차 도메인 측정이 정상적으로 설정되었다면 두 번째 웹사이트 URL에 '_gl'로 시작하는 파라미터가 포함되어 나타난다

Google Analytics는 고객이 사이트에 방문하기 직전에 어떤 웹사이트를 방문했는지 자동으로 인식한다

정보는 유입 소스로 보고서에 표시되지만 원치 않는 유입 소스는 걸러낼 필요가 있고 그렇지 않으면 결제 서비스 업체가 유입경로 보고서에 나타나게 된다 ☝️ 고객이 결제를 위해 제3자 사이트로 이동했다가 다시 내 사이트로 돌아오는 경우

📌 원치 않는 유입 소스 설정 방법

1️⃣ 관리 → 데이터 스트림 설정 → 필터링하려는 웹 스트림 클릭한다

2️⃣ 태그 설정 구성 (Configure Tag Settings) 클릭한다

3️⃣ 모든 설정 보기 (Show All) → 원치 않는 유입 목록 (List Unwanted Referrals)

4️⃣ 제외하고 싶은 도메인을 추가한 후 저장한다 ☝️ 결제 서비스 도메인

▶️ 해당 도메인은 유입 보고서에서 제외되며 이 필터 조건은 GA 태그가 설치된 모든 웹페이지에 적용되고 최대 50개 도메인까지 원치 않는 유입 소스로 설정할 수 있다

➕ 교차 도메인 측정에 포함된 도메인이나 내가 소유한 도메인은 기본적으로 유입 소스로 따로 잡히지 않는다

📌 데이터 필터 설정하기

데이터 필터 : 수집된 데이터를 보고서에서 아예 제외하는 기능

▫️ 내부 트래픽 필터링 (Internal Traffic) ▫️ 개발자 트래픽 필터링 (Developer Traffic)

✅ 개발자 트래픽 필터 (Developer Traffic)

1️⃣ 관리 → 데이터 필터 (Data Filters)에서 새 필터 만들기 클릭한다

2️⃣ Developer Traffic 선택 → 필터 이름 지정해준다

➕ 필터 상태 ▪️ 테스트 (Testing) : 데이터는 보고서에 보이지만 테스트용 필터 이름으로 표시됨 ▪️ 활성 (Active) : 데이터 수집에서 완전히 제외됨

✅ 내부 트래픽 필터 (Internal Traffic)

내부 트래픽 필터를 만들기 전 내부 IP 주소를 먼저 정의해주기 ‼️

1️⃣ 관리 → 데이터 스트림 설정

2️⃣ 태그 설정 구성 (Configure tag settings)에 들어간다

3️⃣ 모든 설정 보기 (Show All) → 내부 트래픽 정의 (Define Internal Traffic)

4️⃣ 내부 IP 주소 또는 IP 대역을 입력하고 저장한다

5️⃣ 다시 데이터 필터 (Data Filters) 메뉴로 돌아와서 Internal Traffic 선택한다

6️⃣ Developer Traffic 선택 → 필터 이름 지정해준다

7️⃣ 테스트 또는 활성 설정 → 저장한다

▶️ 데이터 필터는 설정한 시점부터 적용되며 과거 데이터에는 영향을 주지 않는다

▶️ 한 번 필터로 제외된 데이터는 복구할 수 없으므로 신중하게 설정해야 한다

💡 https://youtu.be/Ror4ubtzMq0?si=LL6IcW0FF4lGuemd

온라인 성과를 제대로 평가하려면 비즈니스 목표의 달성 여부를 지속적으로 추적하는 것이 중요하다 ➡️ GA에서 높은 가치의 이벤트를 전환으로 지정하기 !

비즈니스에 가장 중요한 이벤트를 설정해 전환으로 지정하면 웹사이트가 목표를 얼마나 달성하고 있는지 파악할 수 있다❗️

▶︎ 데이터를 사용하여 웹사이트와 마케팅 활동을 최적화화면 전환율을 높이고 궁극적으로 사업 수익을 늘릴 수 있다

☝️ 구매 완료부터 연락처 양식 작성, 뉴스레터 가입

📌 이벤트를 전환으로 설정하는 방법

1️⃣ 관리자 메뉴에서 이벤트를 클릭하면 기존 이벤트가 포함된 표가 표시된다

2️⃣ 표에서 원하는 이벤트 이름 오른쪽에 있는 스위치를 켜면 그 이벤트를 전환으로 설정할 수 있다 새로운 이벤트가 표에 바로 안 보이면 관리 메뉴에서 '전환'으로 들어가 바로 전환으로 설정하면 된다

3️⃣ 새 이벤트를 전환으로 표시하려면 새 전환 이벤트를 선택하고 새 이벤트의 이름을 입력한다 전환으로 표시된 이벤트와 각 이벤트에 대한 데이터를 볼 수 있다

4️⃣ 해당 이벤트에 보내는 정확한 이름인지 확인한다

✔️ 이벤트 페이지에서 전환 표시를 해제할 수 있으며 전환을 꺼도 이미 수집된 데이터는 그대로 유지되고 이후 이벤트는 전환으로 표시되지 않는다 (전환으로 설정한 이벤트는 적용까지 최대 24시간이 걸릴 수 있음)

✔️ 사용자가 전환 이벤트를 트리거하면 실시간 보고서가 더 빨리 업데이트되며 이벤트를 전환으로 표시하려면 편집자 또는 관리자 권한이 필요하다

💡 https://youtu.be/uNKcis-wnro?si=-Q8dHpsf3hn8Gpiy

Google Analytics에서 보고서를 사용하면 트래픽 모니터링, 데이터 분석, 사용자와 그들의 활동을 이해함으로써 비즈니스 성과에 대한 인사이트를 얻을 수 있다

▶︎ 처음에는 실시간 보고서를 통해 지난 30분 동안의 사이트나 앱 방문 상황을 볼 수 있고, 이후에는 데이터가 처리되어 다양한 보고서에서 확인할 수 있다

📂 모든 보고서는 왼쪽 메뉴의 보고서 아이콘을 클릭해 확인할 수 있으며, 기본적으로 보고서 스냅샷과 실시간 보고서가 표시된다

📌 기본으로 제공되는 두 가지 보고서 묶음이 있다

✔️ 라이프사이클 (Lifecycle) : 유입 (acquisition), 행동 (behavior), 수익화 (monetization) ✔️ 사용자 (User) : 기술, 인구 통계 등 사용자 정보 보고서 ▶︎ 설정할 때 제공한 정보에 따라 기본 보고서 묶음이 다를 수 있지만 나중에 커스터마이징 기능으로 추가가 가능하다

📌 Google Analytics에는 두 가지 주요 보고서 형식이 있다

📗 개요 보고서 (Overview report) : 여러 카드 형태로 요약 정보를 제공하며, 각각 다른 목표에 대한 데이터를 보여줌 📙 상세 보고서 (Details report) : 하나 또는 두 개의 차원을 기준으로 테이블 형태로 더 깊이 데이터 탐색 가능

✅ Acquisition (획득) 메뉴를 클릭하면 획득 개요 보고서 (Acquisition Overview)를 볼 수 있다 ▶︎ 유입 데이터를 카드 형태로 요약 보여줌

📌 각 카드 위에는 아이콘이 있다

▪️ 데이터 품질 아이콘 : 카드에 표시된 데이터 비율을 알려줌 ▪️ 필터 아이콘 : 필터가 적용된 경우 표시되며, 마우스를 올리면 정의를 확인할 수 있음

각 카드 하단의 링크를 클릭하면 더 자세한 보고서로 이동한다 ☝️ "Google Ads 캠페인별 세션" 카드 → 'Google Ads 캠페인 보기' 클릭 → 상세 보고서로 이동

✅ Acquisition (획득) 메뉴 → User Acquisition Report (사용자 획득 보고서)도 볼 수 있다 ▶︎ 사용자가 처음 어떤 경로로 유입되었는지 보여줌 ▫️ Campaign : 광고 캠페인 이름 ▫️ Medium : 유입 유형 (CPC = 유료 검색 클릭) ▫️ Source : 유입 출처 (Google)

기본적으로 First Channel (첫 유입 채널) 기준으로 표시되지만 원하면 Campaign, Source, Medium 기준으로 바꿀 수 있다 ➕ First user : 해당 사용자가 처음 유입될 때 기준

보조 차원 (Secondary dimension)도 추가 가능하다 ☝️ 국가를 추가하면 국가별로 데이터가 분류됨

✅ Acquisition (획득) 메뉴 → Traffic Acquisition Report (트래픽 획득 보고서) ▶︎ 세션 기준으로 신규·기존 사용자 구분없이 모든 새 세션의 유입 경로를 보여줌

➕ 세션 : 사용자가 브라우저를 열고 사이트에 접속하는 순간부터 브라우저 탭을 닫을 때까지의 활동을 묶은 것

☑️ 사용자 획득 보고서 (User Acquisition Report)와의 차이점

▪️ User Acquisition → 사용자가 사이트나 앱에 처음 방문했을 때의 유입 경로만 보여줌 ▪️ Traffic Acquisition → 반복해서 방문하는 모든 세션의 유입 경로도 포함해서 보여줌

보고서는 기본적으로 최근 28일 데이터를 보여주며 날짜 범위는 언제든 수정이 가능하다

보고서를 공유하려면 공유 아이콘을 클릭해 링크를 생성하면 되고, 이 링크를 통해 적용된 필터나 날짜 범위를 포함한 동일한 보고서 화면을 다른 사람도 볼 수 있다

💡 https://youtu.be/KiYVhk1w36E?si=NSqLNjW7FzOS14mi

GA에는 비즈니스와 마케팅의 다양한 측면에 대한 통찰력을 얻는 데 도움이 되는 다양한 보고서가 있다 📚

1️⃣ 실시간 보고서 지난 30분 동안 발생한 사용자 활동을 확인할 수 있으며, 사용자 수뿐만 아니라 지리적 위치나 사용 기기와 같은 다양한 인사이트도 제공된다

• 하루 프로모션이 사이트나 앱으로 트래픽을 유도하는지❓
• 블로그나 소셜 네트워크 게시물이 유입 트래픽에 즉각적인 영향을 주는지❓
• 사이트의 새롭거나 업데이트된 콘텐츠가 트래픽에 영향을 주는지❓

만약, 실시간 보고서에 아무런 데이터도 표시되지 않는 경우 활성 사용자가 없는 것❗️

• 휴대폰 배터리를 절약하는 경우
• 사용자의 휴대폰이 오프라인 상태인 경우

2️⃣ Lifecycle report Acquisition(인수), Engagement(참여), Monetization(수익 창출)에 대한 섹션이 있다

✅ 참여 개요 보고서 (Engagement overview report) ▶︎ 다른 4개의 참여 보고서의 참여 데이터를 요약한 개별 카드로 구성 ▫️ 이벤트 보고서 (Events) ▫️ 전환 보고서 (Conversions) ▫️ 페이지 및 화면 보고서 (Pages and screens) ▫️ 랜딩 페이지 보고서 (Landing page)

✔️ 이벤트 보고서 (Events) 각 이벤트가 트리거되는 횟수와 이를 유발한 사용자 수를 확인하고, 이러한 이벤트 분석을 통해 사용자 경험을 개선하고 전환율을 높일 수 있다

✔️ 전환 보고서 (Conversions) 각 전환 이벤트에 대한 정보를 보여준다

✔️ 페이지 및 화면 보고서 (Pages and screens) 웹사이트의 어떤 페이지와 앱의 어떤 화면이 방문자와 참여를 얻었는지 보여준다

이 데이터를 페이지 제목과 화면 이름으로 볼 수도 있고 페이지 경로와 같은 다른 차원을 선택하여 페이지나 화면 참여도를 살펴볼 수도 있다

✔️ 랜딩 페이지 보고서 (Landing page) 방문자가 웹사이트를 방문했을때 첫번째로 방문한 페이지와 각 페이지에 방문한 방문자 수를 보여준다

✅ 수익 창출 보고서 (Monetization overview report) ▶︎ 웹사이트나 앱에서 이루어진 구매 데이터를 제공하며, 광고가 포함된 앱의 경우 각 광고 수익도 확인할 수 있고, 다른 개요 보고서와 유사한 데이터 요약을 보여주는 카드도 포함되어 있다

✔️ 전자상거래 구매 보고서 ▫️ 전자 상거래 매장 운영 → 판매하는 제품이나 서비스에 대한 자세한 정보를 제공

▫️ 전자상거래 사업 → 구매 데이터를 분석하는 데 이 보고서가 중요하며, 보고서에 표시되는 데이터는 전자상거래 추천 이벤트에서 가져오므로 이러한 이벤트를 올바르게 설정해야 한다

➕ 수익 창출에 관한 마지막 두 보고서는 앱에 특화되어 있으므로 Flood-it 데모 속성으로 전환해야 한다

✔️ 앱 내 구매 보고서 앱 내에서 이루어진 구매에 대한 정보를 보여준다

✔️ 게시자 광고 보고서 앱에서 실행되는 광고와 관련된 참여 및 수익 데이터를 제공하는를 보여준다

✅ 유지 개요 보고서 (Retention overview report) ▶︎ 웹사이트나 앱의 사용자 데이터를 요약한 카드로 구성되어 있다 유지 개요 카드에는 신규 사용자와 기존 사용자가 함께 표시된다

✔️ 코호트별 사용자 유지율 사이트나 앱이 코호트별로 사용자를 얼마나 잘 유지하는지 보여준다 (코호트 : 첫 방문 날짜 등의 특정 기준에 따라 그룹화된 사용자 모음)

✔️ 코호트 카드별 사용자 참여도 사용자가 처음 획득된 후 사이트 또는 앱에서 참여한 평균 시간을 보여준다 (코호트 : 사용자를 획득한 날)

✔️ 평생 가치 카드 신규 사용자가 처음 120일 동안 창출한 평균 수익을 보여준다

▶︎ 시간이 지남에 따라 사용자가 창출하는 총 수익을 기준으로 사용자의 가치를 결정하는 데 도움이 될 수 있다

☝️ 사용자가 셔츠를 구매한 후 다음 주에 바지를 구매하는 경우 → 고객 생애 가치(LTV)에는 두 가지 구매가 모두 포함되어 고객 획득의 전반적인 성공을 보여주며, 이러한 사용자를 대상으로 추가 광고나 프로모션을 진행할 수 있다

3️⃣ User User Attributes(사용자 속성), Tech(기술) 섹션이 있다

📌 인구 통계 보고서 사용자를 연령, 위치, 언어, 성별 및 탐색·구매 활동을 기반으로 한 관심사에 따라 분류하며, 사람들이 웹사이트나 앱을 사용할 때 인구 통계 데이터가 보고서에 자동으로 수집된다

➕ Google Signals : 구글 계정에 로그인하고 광고 개인화를 켠 사용자와 구글이 연관시키는 사이트 및 앱의 세션 데이터

▫️ Google Signals를 활성화하면 더욱 전체적인 인구 통계 및 관심 데이터를 얻을 수 있다 ▫️ 로그인한 사용자와 데이터를 연결하면 교차 기기 보고, 교차 기기 마케팅, Google Ads로 교차 기기 전환 내보내기가 가능해진다

☝️ 사용자가 여러 기기에서 제품을 탐색하고 구매하는 활동을 분석할 때, 모바일 앱에서는 Android 광고 ID와 iOS 식별자를 활용해 인구 통계 및 관심 데이터를 수집하며 기기 광고 ID가 없으면 이 데이터는 제공되지 않는다

▶️ 인구 통계 및 관심 데이터는 일부 사용자에 대해서만 제공될 수 있으며 모든 트래픽을 나타내지 않을 수 있다

✅ 사용자 속성 (User Attributes) ▶︎ 귀하의 웹사이트나 앱을 방문하는 사용자의 특성에 대한 통찰력을 제공하는 인구 통계 및 기술 보고서를 찾을 수 있다

✔️ 인구 통계 세부 정보 보고서 분석에 사용할 수 있는 다양한 차원의 인구 통계 데이터를 담은 표 형식의 보고서다

기본적으로 보고서는 국가 차원을 기본 차원으로 설정하여 열리지만 드롭다운 메뉴를 사용하여 이 표에서 살펴볼 여러 기본 차원 중 하나를 선택할 수 있다

✅ 기술 보고서 (Tech report) 장치 또는 운영 체제별 사용자를 나타내는 여러 카드가 표시된다

사람들이 귀하의 웹사이트나 앱에 접속하는 데 사용하는 기술을 식별하는 데 도움이 된다 ☝️ 브라우저, 화면 해상도, 앱 버전, 운영 체제

✔️ 기술 세부 정보 보고서 분석에 사용할 수 있는 다양한 차원의 기술 데이터를 담은 표 형식의 보고서다

기본적으로 보고서는 브라우저 차원이 기본 차원으로 설정된 상태로 열리지만 드롭다운 메뉴를 사용하여 기기 범주, 화면 해상도 등 이 표에서 살펴볼 여러 가지 기본 차원 중에서 선택할 수 있다

➡️ 이러한 보고서들은 사용자를 더 깊이 이해하는 데 도움이 되며, 트렌드를 파악하고 고객에게 다가갈 수 있는 새로운 기회를 발견할 수 있게 해준다

💡 https://youtu.be/PDPkXKGRaZM?si=osGggpxX-j1vab1r

GA의 모든 보고서는 차원과 측정항목(지표)으로 구성된다

✔️ 차원 : 텍스트로 설명된 데이터의 속성 ☝️ 이벤트 이름은 사용자가 웹사이트나 앱에서 트리거한 이벤트(예 : 로그인)의 이름을 보여준다

✔️ 지표 : 수학적 연산을 적용할 수 있는 양적 측정값 (개수, 평균 또는 백분율) ☝️ 이벤트 수는 이벤트가 트리거된 총 횟수를 보여준다

▶️ 각 보고서의 구체적인 차원과 측정항목은 다를 수 있으며, 일부는 GA를 웹사이트나 앱에 설치하면 자동으로 수집되지만 일부는 수집되기 전에 추가 구성이 필요하다

*📌 상세 보고서, 사용자 정의 상세 보고서, 실시간 보고서 및 요약 카드에 필터를 적용할 수 있다 *

보고서 필터를 사용하면 차원 값을 기준으로 데이터를 세분화하여 보고서 하위 집계를 볼 수 있다 ☝️ 웹사이트 트래픽을 필터링하여 보고서에서 특정 트래픽만 보고 나머지는 숨길 수 있다

1️⃣ 트래픽 수집 보고서에 필터를 적용하기 위해 보고서 상단의 필터 추가를 클릭한다

2️⃣ 포함/제외할 데이터를 선택할 수 있으며, 차원을 선택하면 해당 차원 값만 목록에 표시된다 (GA에서는 보고서의 다른 차원과 호환되지 않는 차원은 회색으로 표시됨)

📌 미국과 캐나다 사용자에 대한 데이터만 보고 싶을때

1️⃣ 국가 차원을 선택한 다음 드롭다운에서 미국과 캐나다를 선택한다

2️⃣ 보고서에 필터를 적용하면 미국과 캐나다 사용자에 대한 정보만 표시되며, 보고서 상단에서 활성 필터를 확인할 수 있다

3️⃣ 필터를 클릭하면 편집할 수 있다 ▫️ 원하면 필터당 최대 5개까지 추가 조건을 선택할 수 있다 ▫️ 필터를 완전히 제거하려면 X를 클릭하여 삭제하면 된다 ▫️ 보고서를 종료하면 분석에서 필터가 제거된다

분석을 좀 더 심도 있게 진행하려면 보고서에 비교를 적용할 수 있으며, 이를 통해 데이터 하위 집합을 나란히 평가할 수 있다

☝️ 여러 국가의 데이터 비교 or Android와 IOS 사용자 간의 차이 비교

📌 트래픽 획득 보고서를 그대로 두고 미국과 캐나다만 표시되도록 비교를 추가해보자

1️⃣ 보고서 상단에 있는 비교 추가 아이콘을 클릭한다

2️⃣ 메뉴는 우리가 필터를 만들때 본 것과 비슷해야 한다

3️⃣ 국가 차원을 다시 선택하여 미국과 캐나다를 선택한다

4️⃣ 비교를 적용하면 화면 상단에 두개의 색상으로 구분된 데이터 세트가 표시된다 모든 사용자에는 모든 데이터가 포함되고 새로운 비교에는 미국과 캐나다의 데이터만 포함된다

비교 정의는 보고서 상단에 표시되며 보고서를 전환해도 해당 보고서의 데이터와 호환되지 않는 경우를 제외하고는 그대로 적용된다

☝️ 사용자 획득 보고서로 이동하면 동일한 비교가 이어진다

▪️ 보고 있는 보고서에 해당 조건에 맞는 차원이 포함되어 있지 않으면 해당 비교에 빈 카드가 나타나며, 이 경우 조건에 대해 다른 차원을 선택하거나 모두 제거하면 된다

▪️ 필터와 마찬가지로 비교를 편집하려면 해당 필터를 클릭하면 되고, 삭제하려면 X를 클릭하면 된다

💡 https://youtu.be/MwlRg4B7X0c?si=X_iRIN-oRfaZqglJ

GA의 기본 보고서는 주요 비즈니스 지표를 모니터링 하는데 도움이 되지만 GA에는 Explore라는 더욱 심층적인 분석을 위한 또 다른 훌륭한 도구가 있다

▶︎ Exploration : 표준 보고서를 넘어 고객 행동에 대한 더 많은 통찰력을 발견하고, 퍼널·경로 등 표준 보고서에서 사용할 수 없는 고급 분석 기술과 데이터를 활용할 수 있는 탐색형 보고서

• 심층 데이터 탐색으로 복잡한 질문에 답변 가능
• 임시 쿼리를 빠르게 수행
• 차원과 지표를 구성·전환·정렬·세분화·드릴다운
• 필터를 적용해 핵심 데이터에 집중
• 세그먼트·분류 생성 및 관리
• 세그먼트·대상 고객 정의 및 생성

📌 왼쪽 탐색에서 Explore (탐색)을 클릭하면 처음부터 새 탐색을 시작하거나 템플릿을 사용하거나 기존 보고서를 열 수 있는 옵션이 제공된다 자유형 보고서 템플릿을 열면 왼쪽에서 오른쪽으로 세개의 별도 영역이 표시된다

✅ 변수 창 탐색에서 사용할 차원, 지표, 세그먼트에 접근하고 수정할 수 있으며, 탐색의 시간 프레임과 이름도 지정할 수 있다

✅ 탭 설정 창 캔버스 영역을 구성하고, 기술을 선택해 변수 항목을 추가하거나 옵션을 설정하며 세그먼트 비교·분류 선택·필터 적용도 할 수 있다

✅ 캔버스 영역 (모든 데이터 표시) 캔버스에는 여러 탭이 있어 단일 탐색에서 여러 기술을 사용할 수 있다

📌 기본 탐색 페이지로 돌아가서 사용 가능한 다양한 기술을 검토해보자

☑️ 자유형 탐색 (Free form) 표, 막대형 차트, 원형 차트, 선형 차트, 산점도 및 지리적 지도를 포함한 여러 유형의 시각화 스타일을 사용하여 데이터를 자유롭게 탐색할 수 있다

☑️ 깔때기 탐색 (Funnel exploration) 사용자가 사이트 또는 앱에서 작업을 완료하는데 걸리는 단계를 시각화하고 사용자 경험을 최적화하고 성과가 좋거나 좋지 않은 대상을 식별하는 방법을 확인하는데 도움이 된다

☑️ 경로 탐색 (Path exploration) 사용자가 웹사이트 또는 앱과 상호 작용할때 이동하는 경로를 시각화하는데 도움이 된다

☑️ 세그먼트 중복 보고서 (Segment overlap) 서로 다른 사용자 세그먼트가 어떻게 관련되어 있는지 이 기술을 사용하여 복잡한 기준을 충족하는 새로운 사용자 세그먼트를 식별할 수 있다

☑️ 코호트 탐색 (Cohort exploration) 공통 속성으로 관련된 사용자 그룹의 행동과 성과를 살펴보는데 도움이 된다

☑️ 사용자 수명 기술 (User lifetime) 고객으로서 수명 동안의 사용자 행동과 가치를 탐색할 수 있다

☑️ 빈 템플릿 (Blank) 변수나 탭 설정 창에 아무것도 채워지지 않은 탐색이 열린다

📌 빈 캠퍼스에서 탐색을 만들어 보자

1️⃣ 빈 탐색을 선택하면 모든 항목이 비어있는 상태로 표시된다

2️⃣ 차원 옆에 더하기 아이콘을 클릭하여 변수 창에 일부 차원을 추가한다

3️⃣ Explorer에서 사용할 수 있는 모든 차원의 슬라이드 아웃 목록이 열린다

4️⃣ 화면 클래스에 페이지 경로를 추가하고 세션에 장치 범주를 추가한 후 소스 매체를 클릭하고 가져오기를 선택한다

📌 이번엔 메트릭을 추가해보자

1️⃣ 메트릭 옆에 더하기 아이콘을 클릭하여 변수 창에 다시 추가한다

2️⃣ 탐색에서 사용 가능한 모든 메트릭이 있는 슬라이드 아웃이 열린다

3️⃣ 조회수, 세션 및 활성 사용자를 추가한 다음 다시 가져오기를 클릭한다

보고서를 작성하려면 변수 창에서 메트릭의 차원을 두번 클릭하거나 끌어서 탭 설정 창으로 놓아야 한다 ▶️ 차원으로 페이지 경로와 화면 클래스를 추가하고 메트릭으로 조회수, 세션 및 활성 사용자를 추가하면 캔버스에 간단한 표가 생성된다

📌 범주 차원을 추가하여 보고서를 세분화 해보자

차원 이름을 두번 클릭하면 탭 설정 창의 행 영역에 추가되고 사용된 장치별로 각 행을 세분화한다 ▶︎ 표준 보고서에서 보조 차원을 추가한 것과 동일❗️

⏺️ 보고 UI에서 이 데이터의 다른 보기를 위해 탭 설정 창의 열 섹션에 장치 범주 차원을 추가할 수 있다

⏺️ 장치 범주 타일을 열 섹션으로 끌어서 놓으면 각 장치 범주에 대해 새 열이 생성된다

⏺️ 각 범주에 대한 조회수, 세션 및 활성 사용자의 세부 정보가 표시된다 ➔ 행 섹션에 장치 범주 차원을 추가한 경우보다 이 데이터에 대한 더 통합된 보기 장치 범주와 같이 몇가지 값만 있는 차원의 경우 데이터를 보는 더 나은 방법일 수 있다

📌 필터 기능을 살펴보자

⏺️ 필터를 추가하는 필터 스크롤을 탭 설정 창의 맨 아래로 이동하고 점선 상자를 클릭하여 차원 또는 메트릭을 끌어서 놓거나 선택한다 세션에 대한 필터 - 소스 매체 차원에서 Google organic을 정확히 선택한 후 적용을 클릭하면 보고서가 필터링되어 세션 소스 매체가 Google organic인 데이터만 표시된다

📌 세그먼트 기능을 살펴보자

1️⃣ 새 세그먼트를 만들기 위해 변수 창에서 세그먼트 옆의 더하기 아이콘을 클릭하면 세그먼트 빌더가 열린다

2️⃣ 최근 활동, 구매 가능성 등 다양한 예측 기반 세그먼트 중에서 선택할 수 있다 ☝️ 7일 이내 구매할 가능성이 높은 사용자, 28일 이내 높은 수익을 올릴 것으로 예측되는 사용자

3️⃣ 인구 통계 템플릿을 선택해 국가 ID가 정확히 일치하는 세그먼트를 빠르게 만든다

4️⃣ 세그먼트 이름을 '미국 트래픽'으로 지정하고 저장 및 적용을 클릭한다

5️⃣ 보고서의 데이터가 세분화되어 미국의 국가 ID와 일치하는 데이터만 표시된다

💡 25-07-01

_오늘부터 포트폴리오 시작이다 😎 이번년도 시간 진짜 빠르네... _

Vs code CSS 실습

✅ Type 선택자 : 태그 이름으로 전체 스타일 지정 h2와 p 태그를 type 선택자로 스타일링하면 페이지 내 모든 h2, p 태그에 스타일이 적용된다

✅ Class 선택자 : class 속성으로 여러 요소에 같은 스타일 적용

클래스 선택자는 우리가 직접 원하는 이름으로 지정할 수 있지만 의미에 맞는 이름으로 작성하는 것이 좋다 CSS에서 클래스를 불러올 때는 앞에 점(.)을 붙여서 '.클래스명' 형태로 작성한다

span 태그에 class="blue-text", class="red-text"를 지정하고, CSS에서 .blue-text, .red-text로 스타일을 적용했다 ▶︎ 여러 요소에 같은 class를 반복 사용 가능

✅ ID 선택자 : id 속성으로 특정 요소 하나만 선택하는 방식

#(샵)을 사용해 #아이디명 형태로 ID 선택자를 지정하면 된다

id="title"인 h1 태그에만 특정 스타일을 적용했다 ▶︎ 한 페이지에 고유 id 값은 중복 없이 단 하나만 사용 가능

CSS에서 어떤 요소에 어떤 스타일을 적용할지를 지정하는 가장 기본적인 선택 방법들이고, CSS는 다양한 방식으로 스타일을 적용할 요소를 선택할 수 있다

현재 html 태그에 font-size: 16px;로 기본 폰트 크기가 설정되어 있다

16px이 뿌리가 되는 폰트 사이즈이며, *{} 선택자를 사용하면 페이지 내의 모든 요소에 스타일을 일괄 적용할 수 있다

rem은 전체에서 설정한 전역 폰트 사이즈를 기준으로 하고, em은 부모 요소의 폰트 사이즈를 기준으로 한다 ▶︎ em의 기준이 되는 부모 요소는 div class="article"에 해당

font-size: 2rem;으로 지정하면 전역 기준 폰트 크기인 16px의 2배인 32px로 설정된다

☝️ article에 font-size: 10px;을 설정하면, 그 안에서 em 단위를 사용하는 폰트 크기는 이 10px을 기준으로 계산되어 2em은 20px로 적용된다

⏺️ 폰트를 불러오는 코드 Google Fonts에서 Noto Sans KR을 검색하여 원하는 폰트를 선택한 뒤, 사진처럼 @import 코드를 복사해 HTML의 head 부분에 있는 style 태그 안에 붙여넣으면 해당 폰트를 사용할 수 있다

⏺️ 폰트를 적용하는 스타일 Google Fonts에서 Noto Sans Korean을 선택하면 오른쪽에 CSS class for a variable style 예시 코드가 나오는데, 이 코드를 html{}에 복사해 붙여넣으면 HTML 요소의 전체 폰트를 Noto Sans KR로 설정할 수 있다

▶️ 둘 다 필요하며 서로 역할이 다르기 때문에 함께 써야 폰트가 적용된다

💡 25-06-30 (월)

이번주도 화이팅 🔥

CSS

: 웹 페이지에 디자인과 스타일을 적용할 때, 스타일이 계단식으로 순서 있게 적용된다는 뜻 🟰 Cascading Style Sheets

Cascading : 스타일이 계단식으로 적용되는 순서 Style Sheets : 스타일을 정의해 놓은 문서

HTML만으로는 웹페이지를 완성할 수 없다 (내용만 있을 뿐, 스타일이나 색깔, 크기 같은 디자인 요소 ❌)

▶️ HTML에 스타일을 적용하고 색을 입혀주는 역할을 하는 것이 바로 CSS이다

🔴 h1(선택자)는 HTML에 작성된 h1 태그를 선택해 꾸미겠다는 의미다 ⚫️ color(속성명)는 무엇을 바꿀지 나타낸다 🔴 blue(속성값)는 속성명에 어떤 값을 적용할지를 적어준다

▶︎ h1에 파란색을 적용하겠다 !

CSS 적용 방법

✅ 인라인 스타일 (Inline Sytle Sheet)

: HTML 태그 안에 직접 스타일을 작성하는 방법

원래는 'h'으로 열고 '/h1'으로 닫히지만 여기에 style 속성을 추가해 태그 안에서 바로 스타일 값을 지정할 수 있다

코드를 간단하고 빠르게 적용할 수 있다는 장점이 있지만 HTML과 CSS가 한 파일에 섞여 작성되기 때문에 복잡한 스타일을 적용할 때는 비효율적이다

☝️ 특정 요소만 다르게 꾸미거나 테스트용으로 많이 사용된다

✅ 내부 스타일 (Internal Sytle Sheet)

: HTML 안에 style 태그를 작성해 그 안에 CSS 코드를 작성하는 방법

타이틀 밑에 style 태그를 선언하고 그 안에 CSS를 작성해준다 하나의 HTML 파일 안에 스타일을 위쪽에 작성하는 방법이지만 이 방법은 규모가 큰 프로젝트에서는 많이 사용되지 않는다

➕ class로 지정된 이름에 스타일을 적용할 때는 앞에 .을 붙여서 작성해준다

✅ 외부 스타일 (External Style Sheet)

: CSS 파일을 따로 만들어 HTML에 연결하는 방식 (가장 많이 사용!)

HTML 파일을 만들고 CSS 코드를 작성한 별도의 CSS 파일을 생성해 HTML에 스타일시트를 연결해준다

Vs code CSS 실습

1️⃣ 인라인 스타일 (Inline Sytle)

2️⃣ 내부 스타일 (Internal Sytle)

3️⃣ 외부 스타일 (External Style)

div,h2를 'border:1px solid black;'로 영역을 잡았을때 가로영역을 모두 채운다 그게 display 블록요소라는거다 블록요소들은 가로 영역을 모두 채운다

display:none;을 넣어주면 div,h2 태그가 사라진다 영역까지 아예 사라짐

visibility:hidden;을 넣어주면 영역은 존재하지만 내용은 사라진다

inline 요소들은 영역만큼, 콘텐츠 사이즈만큼 딱 잡힌다

width,height 값을 넣어도 사이즈가 변하지 않는다

display inline 요소를 적용했을때 블록요소지만 옆으로 가서 함께 붙어지는 것을 볼 수 있다 또한, inline 요소에서 span inline에는 width, height 값이 적용되지 않았는데 display inline 요소에서는 사이즈가 잘 적용된다

그래서 줄바꿈 없이 나열이 가능하고, 사진이나 아이콘, 버튼들을 정렬할때 쓸 수 있다

인라인 요소와 블록요소가 있는데 레이아웃을 정렬함에 있어서 한계가 있다 왜냐면은 블록요소는 자꾸 밑으로 떨어지고 인라인 요소들은 옆으로 갖다 붙기만 하고 사이즈도 안 먹다보니까 한계가 있다 이러한 한계를 해결해주는것이 display 블록이다 이걸 사용해줌으로써 블록요소들은 옆으로 갖다붙고 인라인 요소는 사이즈가 잘 지정이 돼서 이만큼의 영역값을 가질 수 있게 된다

list-style: none;을 넣어주면 ul,li 썼을때 앞에 점(.)과 a태그라서 밑줄이 있었는데 이런 스타일들이 다 제거가 된다

{} 앞에 별()을 넣어주면 전역에다가 적용을 한다는 것이다

margin:0 8px; 여기서 0은 상하를 뜻하고, 8은 좌우를 뜻한다 margin:0 8px 2px 8px;은 상/우/하/좌를 뜻한다

inline-block에서 li들이 옆으로 가서 붙으면서 메뉴의 모양을 갖춰나가는 것이 핵심이다

display inline-block을 하는 순간 inline의 성격이 들어가면서 옆으로 딱 붙는 모습을 볼 수 있다

float:left; 잡은 곳에 float:left;를 작성하면 이미지가 왼쪽으로 가서 뜨면서 주변에 있는 요소(글자)들이 옆에 갖다 붙는다 (right도 마찬가지!)

clear:both;는 left, right를 그만한다고 흐름을 끊는다

margin:0 auto;에서 상하 margin 0과 좌우 오토를 뜻해서 자동적으로 중앙에 있게 해준다

💡 25-06-27 (금)

요즘 시간이 정말정말 빠르게 지나간다 벌써 7월이라니 😂

목록 태그

: 웹페이지에서 리스트 형태로 정보를 나열할 때 사용하는 태그

☝️ 쇼핑몰 상품 목록, 레시피 순서

▪️ ol (Ordered List) 순서가 있는 목록을 표현할 때 사용한다 ▶︎ type 속성을 이용해 글머리 기호 변경이 가능하다

☝️ 라면 레시피를 작성하면 브라우저에서 자동으로 숫자가 붙은 리스트가 만들어진다

▪️ ul (Unordered Lists) 순서가 없는 목록을 표현할 때 사용하며 앞에는 숫자 대신 글머리 기호가 붙는다

☝️ 투두리스트나 메뉴 리스트처럼 순서와 상관없이 단순히 나열할 때 사용한다

▪️ li (Listed Item) 목록의 하위 항목을 나타내는 태그로 ul 태그나 ol 태그의 하위에 위치한다 ▶︎ 독립적 사용 ❌ / 반드시 ol이나 ul 태그의 하위 요소로 작성 ⭕️

ul 태그의 하위에는 반드시 li 태그가 위치해야 한다 ‼️

▪️ dl (Definition List) 정의 목록을 만드는 태그로 사전처럼 용어를 설명하는 목록을 만들 때 사용한다

☝️ ‘A는 B이다’처럼 Key=Value 형태로 나타낼 때 유용

▶︎ dl 태그는 전체 틀을 만드는 역할을 하며 그 안에 dt와 dd 태그를 감싸야 한다 dl만 단독으로 쓰면 의미가 없고 반드시 dt와 dd가 포함된 구조여야 한다❗️

▪️ dt (Definition Term) 정의 목록에서 용어의 제목을 나타낼 때 사용한다

☝️ 정의 목록의 제목 부분에 해당

▪️ dd (Definition Description) 정의 목록에서 용어(dt)를 설명하는 내용을 작성할 때 사용한다

dl 태그는 하나 이상의 dt-dd 쌍을 반드시 포함해야 하지만 dt와 dd가 꼭 한 쌍으로만 이루어져야 하는 것은 아니다 ‼️

Vs code 목록 태그 실습

Semantic 태그

: 웹페이지의 구조와 내용의 의미를 명확하게 나타낸다 ▶︎ 사람이 보거나 검색 엔진이 읽을 때 어떤 역할을 하는지 쉽게 이해할 수 있도록 도와줌 HTML5에서는 각 태그의 의미를 잘 살려 사용해야 웹페이지의 구조를 더 명확하고 직관적으로 표현할 수 있다

태그는 단순히 모양을 만들기 위한 것이 아니라 각각의 역할과 의미를 담고 있다

▫️ nav : 다른 페이지나 같은 페이지의 다른 부분으로 이동할 수 있는 네비게이션 링크들을 모아 놓은 영역

▫️ main : 문서의 body 요소의 주 콘텐츠를 정의할때 사용한다

▫️ footer : 주로 저작권 정보나 서비스 제공자 정보 등을 나타내며 사이트 하단에 위치한다

▫️ section : 문서나 응용프로그램의 일반적인 섹션을 표현한다 ▫️ article : 여러가지 아이템들을 묶어 재사용 가능하게 그룹화한다

▫️ details : 추가적인 정보를 나타내거나 사용자가 요청하는 정보를 나타낸다 ▫️ summary : 부모요소인 details 요소의 내용에 대한 요약이나 캡션 등을 나타낸다

▫️ figure : 일러스트, 다이어그램, 사진, 코드 등에 주석을 다는 용도로 사용된다 ▫️ figcaption : 부모요소인 figure 요소의 내용들에 대한 캡션 혹은 제목을 나타낸다

▫️ aside : 페이지의 주요 내용과는 직접적인 관련은 없지만 어느 정도 관련된 부가적인 정보나 사이드 콘텐츠를 담는 영역

▫️ mark : 하나의 문서 내에서 다른 문맥과의 관련성을 나타내기 위해서 참조 목적으로 마킹되거나 하이라이트된 텍스트를 표현한다

▫️ time : 24시간에서의 시간 혹은 그레고리력에서의 정밀한 날짜를 나타낸다

💡 Semantic 태그를 잘 정리해놓은 사이트 https://developer.mozilla.org/en-US/docs/Glossary/Semantics

Semantic 태그가 사용되는 영역 중에서 가장 대표적인 예시이다 🟩 header : 웹 페이지의 가장 위쪽에 위치하는 머리말 영역

헤더는 여러 페이지에서 공통적으로 반복되는 부분으로, 페이지 상단에 위치한다

☝️ 사이트의 로고나 타이틀, 상단메뉴, 검색창

🟨 nav : 네비게이션을 의미하며 사이트 내에서 이동할 수 있는 메뉴 목록을 나타낸다

헤더 안이나 아래에 위치해 상단 메뉴바 역할을 하며 검색엔진에서도 이 영역을 메뉴로 인식할 수 있다

🟦 main : 페이지에서 가장 핵심적인 내용을 보여주는 주요 콘텐츠 영역

☝️ 기사, 본문 텍스트, 이미지, 게시글

한 페이지에는 main 태그를 하나만 사용해야 하며, 사용자들이 가장 많이 머무는 핵심적인 내용을 작성할 때 HTML에서 main 태그를 사용한다

🟪 footer : 페이지의 가장 하단에 위치하는 영역

header와 마찬가지로 모든 페이지에서 반복되는 경우가 많다

☝️ 연락처 또는 관련 링크, 저작권 표시

➕ Section으로 나뉘는 Semantic 태그들이 있다는 것도 알아두기!

semantic 태그 실습

header(🔴), nav(🟣) 태그로 메뉴 목록을 배치했으며, 중앙에는 페이지의 핵심 내용을 담는 main(🔵) 영역이 있고, 페이지 가장 아래에는 footer(🟢) 영역이 위치한다

➡️ Semantic 태그를 사용하면 코드가 더 직관적이고 의미가 명확해져서 유지보수나 검색엔진 최적화(SEO)에도 유리하다

❌ none- Semantic style Semantic 태그 대신 div 태그에 class를 붙여서 영역을 구분하고 있다

header, nav, main, footer 같은 의미 있는 태그를 사용하지 않아 코드가 길어지고 각 영역의 의미를 한눈에 파악하기 어렵다.

⭕️ Semantic style Semantic 태그를 사용해 페이지를 구성했다 header, nav, main, footer 같은 의미 있는 태그를 사용해 각 영역의 역할이 명확하게 구분되어 코드가 더 직관적이고 이해하기 쉽다

▶️ 영역의 의미를 명확히 나타내기 위해 Semantic 태그를 사용하는 것이 좋다

Semantic 태그 이점

✅ 검색엔진 최적화

Semantic 태그를 사용하면 검색엔진이 페이지의 중요한 정보를 더 정확하게 파악할 수 있어 사용자가 검색했을 때 페이지가 상위에 노출될 가능성이 높아진다

☝️ 구글은 Semantic 태그로 header를 사용한 웹사이트에서 header 안에 있는 제목을 페이지의 대표 제목으로 인식할 수 있다

✅ 웹 접근성 향상

웹 접근성은 어떤 형태의 사용자라도 웹을 쉽게 사용할 수 있도록 하는 것이다

특히 스크린리더나 보조기기를 사용하는 사용자들이 있을 때, Semantic 태그를 제대로 사용하면 스크린리더가 각 콘텐츠의 역할을 정확하게 전달해주기 때문에 이들이 웹 콘텐츠에 더 쉽게 접근할 수 있게 된다

✅ 가독성 향상

Semantic 태그를 사용한 것과 사용하지 않은 것을 직접 실습해보면 Semantic 태그를 사용하는 것이 더 간단하고 편리하다는 것을 알 수 있다

또한 코드 작성이나 확인 시에도 더 이해하기 쉽기 때문에 코드의 가독성도 높아진다

Form 태그

: 사용자가 입력한 데이터를 서버로 전송하기 위해 사용하는 태그 ▶︎ 이름, 이메일, 비밀번호 등과 같은 입력 필드(Field) 를 담고 있는 데이터 입력의 틀이나 그릇

☝️ 로그인, 회원가입, 게시판 글쓰기

▫️ Form : 입력받는 데이터들의 묶음 -> 사용자의 정보를 입력받을 수 있게 만들어 놓은 형식

▫️ 데이터를 폼 데이터(Form Data) 또는 필드(Field)

사용자가 입력하는 모든 과정에서 쓰이며, 각 입력 필드들을 하나로 묶어 서버로 전송할 수 있게 해준다❗️

☝️ 쿠팡 로그인 페이지 쿠팡 로그인 페이지처럼 전체 화면을 HTML로 작성할 때는 form 태그를 사용하여 로그인 폼을 구성한다 ▶︎ 아이디(이메일) 입력 필드, 비밀번호 입력 필드, 자동 로그인 체크박스, 로그인 버튼 등 다양한 input 요소들

이렇게 기본적인 구조를 form 태그로 만든 뒤 CSS를 이용해 색상, 크기, 간격을 조정하고 아이콘을 추가하면 실제 웹사이트에서 보는 디자인처럼 꾸밀 수 있다

📌 Form 태그 기본 구조 예제 ✔️ form action="/submit" 이라고 작성하면 폼 안에 있는 입력 필드들의 데이터를 /submit 경로로 전송하겠다는 의미❗️ ▶︎ 서버에서 데이터를 받아줄 URL을 지정해주는 역할

▫️ action : 사용자로부터 받은 데이터를 어디로 보낼지 지정하는 속성 ▫️ method : 데이터를 어떤 방식으로 보낼지 지정하는 속성

✔️ for와 id에는 같은 워딩을 써줘야 스크린 리더기가 입력해야 하는 인풋 박스의 내용을 정확히 읽어줘서 웹 접근성을 높일 수 있다

사용자가 어떤 입력란에 무엇을 입력해야 하는지 쉽게 알 수 있게 된다❗️

☝️ 비밀번호 입력란이 ●●●처럼 보이는 이유는 input type을 password로 설정했기 때문에 input 박스의 내용이 비밀번호 형식으로 표시된다

☝️ 아이디 입력란은 input type이 text로 설정되어 있어서 입력한 내용이 그대로 텍스트 형식으로 보인다

Form Vs code 실습

⏺️ Form 01

⏺️ Form 02 ✔️ required 속성을 추가해주면 사용자가 값을 입력하지 않고 제출하려고 할 때 “작성해주세요”라는 경고가 뜬다 필수 입력 필드를 만들 때 자주 사용하는 속성이다

✔️ type="number"에서는 min="5" max="10" 속성을 추가해 입력 가능한 숫자의 범위를 5부터 10까지로 제한할 수 있다

✔️ fieldset은 여러 input 요소를 하나의 그룹으로 묶어주는 태그로, 입력 항목들을 구분하기 쉽게 보여준다.

✔️ legend는 fieldset 그룹의 제목 역할을 하는 태그다 ✔️ multiple는 사용자가 한 번에 여러 개의 파일을 선택할 수 있게 해준다

⏺️ Form 03 사용자가 체크박스를 선택했을 때 서버로 전송되는 데이터는 체크된 항목의 value 값이기 때문에 value 값을 꼭 넣어줘야 한다 ‼️

selected를 넣어주면 해당 옵션을 디폴트값으로 설정할 수 있다 ▶︎ 페이지가 로드될 때 처음부터 선택된 상태로 표시

우리 눈에는 체크박스에 ‘무료’라고 적혀 있어서 무료를 선택했다고 보이지만 실제로 컴퓨터는 데이터를 전송할 때 ‘무료’라는 글자를 보내지 않는다

체크박스의 value 값을 전송하기 때문에 서버에서 올바른 데이터를 받을 수 있도록 value 값을 알맞게 설정해주는 것이 중요하다 ‼️

✏️ HTML form 태그 실습하기

✏️ 데일리 UI하기

💡 25-06-26 (목)

다음주면 포트폴리오라니 😱 완벽함도 중요하지만 하루하루 최선을 다하자 🔥🔥

HTML

Hyper Text Markup Language

✔️ Hyper Text는 기존의 일반적인 문서들보다 더 뛰어난 기능을 담고 있는 텍스트라는 의미다 ↪︎ Hyper : 최고의, 과도한

그 최고의 기능 중 하나가 바로 하이퍼링크이다

하이퍼링크는 텍스트를 클릭하면 다른 페이지로 이동할 수 있게 해주는 기능이다 ▶︎ 페이지에서 다른 페이지로 이동하게 하는 링크 기능 웹이 처음 만들어졌을 때의 핵심은 정보를 서로 연결하는 것❗️

종이책처럼 고정된 문서가 아니라, 어떤 단어를 클릭하면 다른 페이지로 넘어갈 수 있는 웹페이지를 만들자는 아이디어에서 하이퍼링크가 등장하게 되었다 ‼️

그리고 이렇게 하이퍼링크가 포함된 텍스트를 ‘Hyper Text’라고 부르며 이는 단순한 글이 아니라 서로 연결되는 글을 뜻한다

✔️ Markup Language는 내용을 구조화하고 표시하는 언어이다 (디자인으로 비유하자면 레이어에 이름을 붙이고 정렬하는 것과 같은 개념) Markup : 원래 인쇄 원고에서 교정 표시를 뜻하는 단어 ▶︎ 텍스트의 의미나 역할을 태그로 표시해주는 것으로 마크업(표시) 해줌

Language : 컴퓨터가 이해할 수 있는 코드 언어 ▶︎ 단순히 사람이 읽는 문장이 아니라 “이것은 제목이다”, “이것은 중요한 말이다”, “이것은 클릭하면 다른 곳으로 넘어가는 링크다” 라고 컴퓨터에게 알려주는 역할

☑️ 'DOCTYPE html'은 HTML5를 선언한다는 뜻이다 ▶︎ 웹페이지가 어떻게 해석되어야 하는지, 무슨 버전인지 알려줌

☑️ html lang="ko"는 현재 웹 문서가 어떤 언어로 작성되었는지를 나타내는 속서이다 ▶︎ ko는 문서가 한국어로 작성 / en을 쓰면 영어로 작성된 문서

☑️ HTML 문서는 head와 body로 나뉘는데,

▪️ head UTF-8 : 한글 같은 문자가 깨지지 않도록 해주는 설정 viewport : 반응형 웹을 위해 필수로 넣는 설정 title : 탭에 표시되는 웹페이지의 제목

▪️ body 실제 웹페이지에서 사용자에게 보여지는 영역의 내용이 작성된다

HTML 태그는 시작태그 - 내용 - 종료태그 구조로 되어있다 (종료태그는 태그명 앞에 슬래시(/) 를 붙여 닫아줌) h1부터 h6까지는 태그명이고 이 태그 안에는 속성명을 넣어 각 태그의 역할이나 스타일을 지정할 수 있다

또한 속성명에는 속성값을 넣어, 그 속성이 어떤 값을 가지는지를 알려준다

☝️ 시각장애인이 웹페이지를 볼 때 VS Code에서는 한국어로 작성되어 있어도 lang 속성이 en으로 설정되어 있으면 스크린 리더기가 영어 발음으로 읽어 제대로 전달되지 않을 수 있다

☝️ 이미지 태그에 alt 속성을 잘 작성해주면 이미지를 볼 수 없는 사용자들에게도 “여기에 어떤 이미지가 있다”는 설명이 제공된다

▶️ 태그, 구조, 정보들을 올바르게 작성해두면 스크린 리더가 화면의 내용을 정확히 읽어줄 수 있어 모든 사용자에게 정보가 잘 전달될 수 있다

글꼴태그

▪️ h1~h6 (Heading) 웹 페이지의 제목 또는 부제목을 표현할때 사용하며 숫자가 작을수록 큰 제목을 표시하는데 사용한다

▪️ P (Paragraph) 하나의 문단을 표시할때 사용한다

▪️ hr (Horizontal Rule) 가로로 선을 긋는 태그다 (종료태그 ❌)

▪️ br (Break) 줄바꿈 태그로 HTML에서 개행 역할을 한다 (종료태그 ❌) 내용을 시각적으로 구분짓고 싶을때 사용한다

▪️ i (Italic) 텍스트를 이텔릭체로 표시할때 사용한다 ▶︎ 의미적인 강조보다는 디자인적으로 강조하고 싶을 때 주로 사용

▪️ em (Emphasis) 텍스트를 이텔릭체로 강조할때 사용한다 ▶︎ 단순히 스타일을 주는 것을 넘어 해당 단어의 중요성을 나타냄

▪️ b (Bold) 텍스트를 진하게 표시할때 사용한다 ▶︎ 의미를 강조하기보다는 텍스트를 눈에 띄게 하고 시각적 효과를 주고 싶을 때 사용

▪️ Strong 텍스트를 진하게 강조할때 사용한다 ▶︎ em 태그보다 더 강한 의미 전달이 필요할 때 사용

시각적 vs 의미 강조

태그들의 사용 용도는 크게 다르다❗️

✔️ b 태그와 i 태그는 단순히 텍스트를 진하게 하거나 이탤릭체로 표시하는 역할만 하며 시각적, 디자인 효과를 위한 태그다

✔️ strong 태그와 em 태그는 페이지 내에서 실제로 중요한 부분을 강조하고 싶을 때 사용되며 각 태그의 용도에 맞게 사용하면 웹 접근성 향상에 큰 기여를 한다

☝️ 브라우저에서 스크린 리더를 사용할 때 음성 합성 도구가 strong 태그를 만나면 실제 말처럼 거센 억양으로 읽어 강조를 표현해준다

Vs code 실습

1️⃣ CLASS TEST라는 폴더를 만들어서 VS Code에서 해당 폴더를 열어준다

2️⃣ index.html이라는 새 파일을 하나 만들어준다

3️⃣ 느낌표(!)를 입력하고 Tab 키를 누르면 HTML 기본 구조가 자동으로 생성된다

4️⃣ 파일에서 오른쪽 마우스를 클릭한 후 ‘Open with Live Server’를 선택하면 웹 화면이 나타난다

⏺️ VS Code에서 작성한 코드들이 웹 화면에서 어떻게 표시되는지 직접 확인할 수 있다

왼쪽 코드 창에서 작성한 HTML 태그와 내용들이 오른쪽 웹 화면에 실제 디자인과 구조 그대로 출력되는 것을 볼 수 있다

Vs code 실습

✔️ div와 span 태그는 영역을 지정하는 태그다

HTML에서는 각 태그가 용도에 맞는 속성값을 가지고 있는데 대표적으로 블록 요소와 인라인 요소가 있다 ▪️ div는 블록 요소에 해당한다 ▶︎ 레이아웃처럼 구역을 나눌 때 많이 사용

블록 요소는 한 줄 전체를 차지하며 div도 마찬가지로 영역이 한 줄 끝까지 확장된다 div는 한 줄 전체를 차지하기 때문에 뒤에 오는 요소가 자동으로 줄바꿈되어 아래에 배치된다

☝️ h1~h6, ul, li 모두 블록 요소다

▪️ span은 인라인 요소에 해당한다 ▶︎ 작은 부분을 강조하거나 문장 내 특정 부분을 감쌀 때 사용

필요한 만큼만 공간을 차지하므로 줄바꿈 없이 옆에 있는 요소들과 같은 줄에 나란히 배치된다 인라인 요소는 필요한 만큼의 영역만 차지하며 span도 마찬가지로 글자나 내용만큼만 영역이 생긴다 ▶️ div와 span은 각각 블록 요소와 인라인 요소라는 고유한 속성값을 가지고 이러한 특성에 맞게 화면에 표시된다

별표(*)와 슬래시(/)를 조합해 코드에 주석을 달 수 있다

오디오 태그를 사용할 때도 오디오 파일의 경로를 정확히 지정해줘야 한다 images 폴더와 같은 레벨에 assets 폴더를 만들어 오디오 파일을 넣어준다

✔️ audio 태그는 웹페이지에서 오디오 파일을 재생할 수 있게 해준다 ▶︎ 'controls' 속성을 반드시 넣어줘야 컨트롤바가 표시됨

✔️ video 태그는 웹페이지에서 동영상을 재생할 수 있게 해준다 ▶️ 이미지 태그를 사용하는 것과 같은 형식으로 작성하면 된다

✔️ a 태그는 웹페이지에서 다른 페이지나 사이트로 이동할 수 있는 하이퍼링크를 만들어준다

▪️ a 태그를 사용해 링크를 걸 수 있다

target="_blank"를 쓰지 않으면 같은 탭에서 네이버로 넘어간다❗️

▪️ 타겟을 걸어놓고 이동도 할 수 있다

'타겟으로 이동'을 누르면, target 속성에 적힌 해당 아이디 위치로 이동하라는 뜻이다

✔️ table 태그는 웹페이지에서 표를 만들 때 사용한다 ▶︎ tr, th, td 태그로 구성

전체로 감싸주고 그 안에 caption 태그를 입력한다 ↪︎ 테이블에 대해서 설명해주는 태그

✔️ th와 td는 표에서 각 셀을 만들 때 사용하는 태그다

▪️ th : 표의 헤더(제목 셀) ▪️ td : 표의 일반 데이터 셀

border-collapse를 사용해야 표의 선이 겹치지 않고 하나로 보인다 스타일은 body가 아닌 head 안에 작성❗️

✏️ 오늘 HTML 같은 내용 다시 실습하기

요즘 다이어트를 하고 있어서 주제를 다이어트로 정했고 내용은 챗GPT에게 부탁해서 작성했다❗️ 링크를 누르면 유튜브 영상이 열리도록 바꿨다 표도 챗지피티한테 ㅎㅎ 😁

✏️ 데일리 UI 하기

💡 25-06-25 (수)

HTML / CSS / JS

유튜브, 쿠팡, 네이버 같은 웹사이트를 볼 때, "이건 어떻게 만들어졌을까?" 라고 생각해본 적 있나요❓ 웹사이트들을 만드는데 꼭 필요한 3가지 기술이 있다

✅ HTML : 웹 페이지의 뼈대/구조

웹사이트는 제목, 버튼, 문장 등으로 구성되어 있는데, 이러한 뼈대는 HTML 코드를 사용해 구조를 만드는 것부터 시작된다

✅ CSS : HTML로 만든 뼈대를 예쁘게 꾸며주는 역할

"사람들에게 어떻게 보여줄까?"를 결정하는 단계로, 디자인, 색상, 글씨 크기, 배치 등을 조절해 웹사이트의 시각적인 스타일을 완성한다

✅ JS : 웹페이지에 움직임과 동작을 더해주는 역할

사용자가 클릭하거나 입력했을 때 웹사이트가 어떻게 반응할지를 결정하는 기능을 담당한다 ☝️ 글자를 자동으로 변환 / 버튼을 누르면 창이 뜨거나 움직임

☝️ Google fn + F12를 눌러 개발자 도구를 열면, 웹사이트에 사용된 HTML, CSS 코드들을 직접 확인할 수 있다 ▶︎ 우리가 평소에 보는 웹사이트들도 이러한 코드들로 만들어진 것

개발환경 셋팅

1️⃣ 크롬 브라우저를 설치한다

2️⃣ Visual Studio code 설치한다 💡 https://code.visualstudio.com/docs/?dv=osx

3️⃣ 실습할 프로젝트 폴더를 생성한다

4️⃣ Vs code에 만든 폴더를 열어준다

5️⃣ Vs code에 확장 프로그램들을 설치한다

확장프로그램

▪️ korean language pack for vsco : Vs code를 한국어로 볼 수 있게 해주는 프로그램

▪️ bracket pair colorizer

▪️ indent-rainbow

▪️ auto rename tag

▪️ css peek

▪️ html to css autocompletion

▪️ live server

▪️ prettier - code formatter

VS Code

✏️ HTML 태그 사용해서 '내가좋아하는 것' 주제로 작성해보기

HTML에서는 자주 사용하는 코드들의 의미와 사용 방법을 아는 것이 핵심이다 ‼️

경로를 정확하게 맞추기 위해 먼저 폴더를 생성한 뒤 그 폴더를 VS Code에서 열어준다

새 파일 아이콘을 클릭하면 입력창 (Input)이 활성화되고 원하는 파일명을 입력한 뒤 확장자를 '.html'로 작성하면 HTML 파일이 생성된다

그다음 !를 입력하고 Tab 키를 누르면 HTML 파일 안에 기본 구조 코드가 자동으로 생성된다

HTML 문서는 head와 body로 구성되어 있다

'en'은 문서가 영어로 작성되었다는 것을 선언하는 뜻이다 ▶︎ 'ko'로 치면은 코드 내용이 한국어로 작성

✔️ h1부터 h6까지는 제목을 나타내며, 숫자가 커질수록 제목의 중요도는 낮아지고 기본 크기도 줄어든다

h1은 단순히 글자를 크게 만들기 위해 쓰는 것이 아니라 웹사이트를 제작할 때 해당 글이 제목이라는 의미를 담아 사용하는 것이다

Open with live server 눌러서 웹 화면을 띄워준다 ▶︎ 웹 화면에서 해당 코드가 어떻게 표시되는지 확인 가능

코드창에 내용을 입력한 후 cmd + S를 누르면 화면에 작성한 내용이 라이브로 반영되어 나타난다

Document는 크롬에서 보이는 탭의 이름 (타이틀)을 나타낸다

✔️ hr 태그를 입력하면 구분선이 생성된다 ▶︎ h1~h6처럼 닫는 태그가 필요한 태그와 달리, 구분선을 만드는 hr 태그는 닫는 태그가 없다

✔️ p 태그는 문단을 뜻한다 ▶︎ VS Code에서는 엔터를 쳐서 문단을 줄바꿈했지만, 웹 페이지에서는 단순한 엔터로는 문단이 분리되지 않는다

✔️ br은 줄 바꿈을 위한 태그다 (닫는 태그 ❌) ▶︎ 문장 뒤에 br을 넣어주면 웹 페이지에서 문단이 줄 바꿈되어 표시된다

✔️ 'cmd + /'를 입력하면 주석 태그가 생성된다 ▶︎ 주석 태그 안에 내용을 입력하면, 그 내용은 웹 페이지에는 표시되지 않는다

주석 태그는 코드를 공유하는 사람끼리 또는 나만의 메모를 할때 사용한다

✔️ i 태그와 em 태그는 특정 단어를 강조해준다 ▶︎ 특정 단어의 앞뒤에 태그를 넣어주면, 해당 단어가 이탤릭체로 변한다

✔️ strong 태그와 b 태그도 특정 단어를 강조해준다 특정 단어의 앞뒤에 태그를 넣어주면, 글씨가 볼드체로 변해 진하게 표시된다

태그를 올바르게 작성해 웹 표준을 지켜야 하는 이유는 시각장애인이나 불편함을 가진 사람들이 스크린 리더기를 사용할 때도 콘텐츠를 정확하게 전달받을 수 있어야 하기 때문❗️

스크린 리더기는 태그 구조에 따라 내용을 읽어주는데 강조 태그가 들어가면 해당 부분을 강조해서 읽어주는 등 사용자에게 올바른 정보를 전달해 준다

따라서 누구에게나 접근성과 이해도가 높은 웹을 만들기 위해 태그를 정확하고 적절하게 작성하는 것이 중요하다 ⭐️

✔️ ol은 순서가 있는 목록을 작성할 때 사용하는 태그다 ▶︎ 항목들에 순서가 자동으로 매겨짐

✔️ ul은 순서가 없는 목록을 작성할 때 사용하는 태그다 ▶︎ 번호 대신 점(•)으로 표시

▶️ ol과 ul 안에 li 태그를 넣어 작성하면 된다 (규칙에 맞는 세트)

img 태그에서, ▪️ src = 폴더명 / 불러올 이미지의 파일명과 확장자 ▪️ alt = 이미지에 대한 설명 ▪️ 크기 조정 = width(너비)와 height(높이)

▶️ 시각장애인들이 이미지를 볼 수 없을 때 스크린 리더가 alt에 있는 내용을 읽어줘서 이미지의 의미를 전달하기 때문에 alt를 넣어준다

workspace → class-wed → learning-html.html 파일과 images 폴더가 있고, images 폴더 안에는 -.jpeg 이미지 파일이 들어있다

HTML에서 이미지를 불러올 때는 HTML 파일과 images 폴더가 같은 계층에 있어야만 경로를 정확하게 지정해 이미지를 불러올 수 있다 ‼️

✔️ dl (Definition List)은 정의 목록을 만들 때 사용하는 태그다 (전체를 dl로 묶는거 잊지말기❗️) ▶︎ 어떤 용어를 적고 그에 대한 설명을 덧붙일 때 사용됨

✔️ dt (Definition Term)은 정의 목록에서 용어나 항목의 이름을 나타낼 때 사용하는 태그다 ▶︎ dl로 전체 정의 목록을 감싸주고 dt 태그를 사용해 용어나 항목의 이름을 작성

✔️ dd (Definition Description)은 dt에서 작성한 용어나 항목에 대한 설명이나 정의 내용을 적을 때 사용하는 태그다 ▶︎ dt 아래에 넣어주며 2개 이상 들어가도 되고 반드시 1개만 들어가야 한다는 규칙은 없다

💡 25-06-24 (화)

🐜.......🐜..🐜...🐜..................🐜

바이블코딩

: 단순히 코딩의 도구를 뜻하는게 아니라, 디자이너랑 개발자 사이를 허물고 아이디어를 빠르게 실제로 구현할 수 있게 하는 방법으로 UI 디자인의 새로운 접근법 ▶︎ 디자이너가 개발자처럼 직접 구현할 수 있음❗️

☑️ 전통적인 UI 및 개발 프로세스 디자이너가 Figma 등 디자인 툴을 활용해 UI를 설계하고 개발자는 이를 바탕으로 다양한 프로그래밍 언어를 사용해 실제로 구현한다

실제로 작동하는 화면을 확인하려면 개발에 시간이 소요되며, 완성된 결과물은 디자이너가 의도한 디자인과 개발자가 구현한 화면 사이에 차이가 발생하는 경우가 종종 있습다 ▶︎ 시간이 오래 걸릴 뿐만 아니라, 서로 간 오해도 쉽게 생김

☑️ 디자인 업계에 바이블 코딩이 도입 된 후 이제는 AI가 자연어를 이해해서 디자이너도 코딩 없이 웹 프로토타입을 만들 수 있게 되었다

AI가 내가 원하는 내용을 입력하면 HTML, CSS 코드를 자동으로 생성해주기 때문에 실제 작동하는 웹사이트 형태로 바로 확인할 수 있고, 배포 도구와 연동해 실제 사용자에게 테스트까지 해볼 수 있다 (간단한 경우, 하루 만에 모든 과정을 끝낼 수도 있음 !)

▶️ 이제 디자인과 개발의 경계가 사라지고, 디자이너가 직접 사이트를 구현하는 시대가 열리고 있다

전통적 워터폴

: 단계별로 순차적으로 진행되는 전통적인 프로젝트 개발 방법 ▶︎ 요구사항 분석 → 설계 → 디자인 → 개발 → 테스트 → 출시 → 운영

✔️ 과거에는 앱이나 웹을 만들 때 모든 단계를 순서대로 꼼꼼히 거치는 고립된 방식으로 진행되어 계획을 쉽게 바꾸기 어렵고 출시 직전에 중요한 문제가 발견되더라도 되돌아가기 힘든 구조였다

✔️ 전체 계획을 꼼꼼히 세울 수 있다는 점은 장점이었지만, 중간에 피드백을 받을 수 없어 제품이 어느 정도 완성된 후에야 의견을 반영할 수 있다는 한계가 있었다

➡️ 시장의 변화 속도가 빠른 시대에는 전통적인 워터폴 방식으로는 변화에 유연하게 대응하기 어려워 결국 도태될 수밖에 없다

애자일 (Agile) 방법론

: 빠르게 만들고, 빠르게 피드백 받고, 계속해서 개선해 나가는 유연한 개발 방식 ▶︎ 처음부터 완벽하지 않더라도 사용자 피드백을 바로 반영하며 점차 개선해 나감

✔️ 핵심은 짧은 주기를 반복하며 피드백을 실시간으로 받아 개선해 나가는 것이며, 작업을 작은 단위로 나눠 바로 테스트하고 수정할 수 있어 협업 중심의 진행이 가능하다

✔️ 결과적으로 서비스 출시 시점에는 사용자 중심의 핵심 기능들이 반영된 완성도 높은 제품이 만들어지며, 더 빠르게 결과를 확인하고 기능 결정이나 협업 또한 효율적으로 이루어진다

☝️ 로그인 기능만 먼저 만들고 테스트한다

린 UX (Lean UX) 방법론

: 빠르게 가설을 세우고, 최소한의 디자인으로 테스트하면서 사용자 피드백을 바탕으로 반복 개선하는 UX 디자인 방법론 ▶︎ 완벽한 결과물 보다는 빠른 실험이 중요함

MVP 수준의 결과물을 빠르게 만들어 사용자 반응을 확인하고 그 데이터를 기반으로 지속적으로 개선해 나간다

➕ MVP : 가벼운 시제품 느낌 ✔️ 피드백을 기반으로 UI를 수정하고 짧은 주기로 테스트를 반복함으로써 사용자 반응을 빠르게 반영할 수 있어 결과적으로 더욱 사용자 친화적인 앱을 만들 수 있다

✔️ 최소한의 노력으로 최대한의 인사이트를 얻을 수 있어 시간 낭비를 줄이고 효율적인 방식으로 많은 사람들이 활용하고 있다

➡️ 애자일과 린 UX 방법론은 작은 사이클을 반복하며 지속적으로 개선해 나간다

디자이너-개발자 경계의 변화

바이블 코딩이 등장하면서 디자이너와 개발자의 경계가 서서히 허물어지고 있다

바이블 코딩이 가능한 앱들 ⤵︎ 🌑 과거 - 디자이너는 화면 설계, 개발자는 그것을 실제로 작동하게 만드는 역할로 분리 🌕 요즘 - AI 도구의 등장으로 디자이너도 코드를 다룰 수 있고, 개발자도 디자인을 쉽게 테스트할 수 있음

▶️ 두 역할 간의 경계가 점점 허물어지면서 소통이 쉬워지고 시간도 더욱 효율적으로 절약할 수 있게 되었다

향상된 워크플로우

✅ 빠른 출시 요즘의 트렌드는 모든 걸 완벽하게 만들기보다, 빠르게 만들어 사용해보고 개선하거나 아니라면 과감히 버리는 방식으로 변화하고 있다

▶︎ 이러한 흐름은 바이블 코딩의 등장으로 더욱 가속화되고 있다

✅ 원할한 소통 바이블 코딩을 통해 디자이너가 직접 구현해보며 "이런 식으로 하면 된다"는 방향을 명확히 제시할 수 있어, 개발자와의 소통이 훨씬 더 빠르고 원활해진다

✅ 사용자 피드백 반영 바이블 코딩을 활용하면 결과물이 바로 나오기 때문에 즉각적인 피드백이 가능하고, 회사 내부에서도 곧바로 테스트할 수 있다

프로토타입이 아닌 실제 구현된 화면이기 때문에 바로 실사용 테스트가 가능하다

기업 사례

☑️ 코스모폴리탄 디자인 업계에서 AI를 처음 도입해 활용하면서, AI도 창작이 가능하다는 사실을 알리는 시작점이 되었다

☑️ 새벽의 자리아 AI 기반의 그래픽 노블로, 인물 표현 등 시각 요소는 미드저니를 활용해 생성했지만 스토리는 작가가 직접 구성한 창작물이다

➕ 그래픽 노블 : 스토리가 있는 책 형태의 만화 + 문학성과 예술성을 갖춘 시각적 콘텐츠

☑️ 하인즈 케찹 마케팅 AI를 마케팅 전략에 효과적으로 접목한 사례 AI에게 "케찹을 그려줘"라고 했더니, AI는 하인즈 케찹과 유사한 병을 만들어냈다

이를 하인즈는 재치 있게 마케팅에 활용했는데, AI조차 ‘케찹 하면 하인즈’라고 인식할 만큼 브랜드가 시장에서 강력한 포지셔닝을 하고 있다는 것을 보여줬다

☑️ 11번가 AI를 활용해 제작한 이미지로, 디자인 시안 단계에서 빠른 컨셉 도출은 물론 다양한 소재 실험과 비용 절감까지 가능하다고 발표했다

☑️ 코카콜라 캔바랑 협력해서 이미지를 만들었다

☑️ 삼성생명 AI를 활용해 제작한 광고 사례 AI를 활용해 비용을 절감하고 제작 속도를 획기적으로 높였으며, 결과물의 다양성도 크게 향상되었다고 밝혔다

또한 하루 이틀 만에 작업을 마무리할 수 있었을 만큼 효율적인 제작이 가능했다고 발표했다

☑️ 디자이너 김지현 AI는 이제 단순한 도구를 넘어 창작의 파트너로 자리 잡고 있다

패션, 예술, 광고 등 다양한 분야에서 AI와 인간의 협업을 통해 새로운 미적 가능성이 실현되고 있다

☑️ 롯데 백화점 롯데백화점은 네덜란드 AI 아티스트 노엘 반다이크와 협업해 미드저니를 활용한 ‘도심 속 봄’ 테마 비주얼을 공개했다

현실과 상상의 경계에서 탄생한 시각적 경험은 AI를 활용한 비주얼 콘텐츠 제작의 새 장을 열었다는 평가를 받는다

☑️ 랜드로버 💡 https://youtu.be/KnV-OJbi0nQ?si=rKJMBJQAbXcDW9eP 랜드로버 차량은 실제 촬영된 장면이고 이후 등장하는 자연 배경은 AI를 통해 제작되었다

실사와 AI 그래픽을 자연스럽게 결합해 현실과 상상을 넘나드는 몰입감 있는 비주얼을 완성한 사례다

☑️ CJ 영화 AI를 활용해 기획부터 제작까지 진행한 단편영화 한 달 이내라는 짧은 제작 기간에도 불구하고 배경과 캐릭터의 감정선을 섬세하게 담아냈다는 평가를 받으며 AI 기반 창작의 새로운 가능성을 보여준 사례로 주목받았다

Infinite Loop

: 인간과 AI가 각자의 강점을 살려 디자인 프로세스를 반복적으로 발전시키는 순환 구조

▶︎ AI와 인간이 함께 협업할 수 있으며, AI 또한 인간과 유사한 방식으로 디자인 프로세스 전반에 참여할 수 있음을 보여준다

1️⃣ Perceive (인지)

AI는 방대한 빅데이터를 빠르게 분석해 시장 상황과 사용자 요구를 신속하게 파악할 수 있다

☝️ 이케아는 과거 카탈로그 데이터를 AI에 학습시켜, AI가 새로운 가구 디자인에 대한 인사이트를 제안할 수 있도록 활용하고 있다

2️⃣ Think (사고)

🤖 AI는 방대한 데이터를 바탕으로 깊이 있는 사고와 폭넓은 아이디어 도출이 가능하며, 스스로 학습하며 창의적인 결과물을 제시할 수 있다

👩🏻‍💻 디자이너는 이러한 AI의 제안을 기반으로 지속적으로 창의적인 실험과 확장을 이어갈 수 있다

3️⃣ Express (표현)

미드저니와 같은 생성형 AI를 활용하면 아이디어를 빠르게 시각화할 수 있어, 초기 컨셉 구상과 커뮤니케이션이 훨씬 효율적이다

4️⃣ Collaborate / Build

실제 구현 단계에서는 AI가 시뮬레이션, 최적화, 프로토타이핑을 통해 수백 가지 디자인을 빠르게 생성하며, 다양한 가능성을 실험하고 검증할 수 있게 해준다

☝️ 기아자동차는 컨셉 디자인 과정에서 발생했던 병목구간을 AI를 활용해 해소하고, 고품질의 결과물을 더욱 빠르고 효율적으로 도출하고 있다고 밝혔다 이를 통해 디자인 프로세스의 생산성과 완성도 🆙

☝️ 토스 역시 반복적이고 단순한 작업들을 AI로 자동화함으로써 업무 효율성을 높이고 디자이너가 보다 창의적인 작업에 집중할 수 있는 환경을 만들고 있다

5️⃣ Test (검증) AI는 다양한 프로덕트 시나리오를 시뮬레이션하고 분석하며 검증하는 역할을 수행해 시간과 비용, 시행착오를 크게 줄일 수 있다

✏️ 오늘 강의내용 간략하게 정리하기

SK텔레콤이 발표한 AI 전략을 담은 기사를 보며, 앞으로 내가 어떤 마음가짐으로 공부하고 성장해 나가야 할지 다시금 생각하게 되었다

SKT는 "AI 전문가가 없다면 직접 육성하자"는 철학 아래, 전 구성원이 AI 전환의 주체가 될 수 있도록 다양한 교육 프로그램을 운영하고 있다 다양한 기업들의 사례를 보며, 많은 조직들이 AI를 적극 도입해 비즈니스 혁신을 이끌고 있다는 걸 실감했다

하지만 정작 AI를 전문적으로 다룰 수 있는 인재는 여전히 부족한 상황...

수요는 넘치지만 공급은 부족한 지금, 나는 단순히 프로덕트 디자이너에 머무르지 않고 AI를 능숙하게 활용할 수 있는 디자이너로 성장해야만 경쟁력 있는 디자이너로 살아남을 수 있다고 느꼈다 🔥🔥

✏️ Google Essential AI 수강 완료 뱃지 올리기

💡 25-06-23 (월)

이번 주도 화이팅 🔥

더블 다이아몬드

: 문제를 넓게 보고 → 핵심 문제 정의 → 해결 아이디어 넓게 생각 → 최적 솔루션 선택하는 디자인 프로세스

이런 디자인 프로세스 흐름을 늘 기억하고 실무에 꾸준히 적용하는 게 중요하다 ‼️

각 단계에 특화된 AI를 활용하면 업무를 더 빠르고 효율적으로 진행할 수 있다 🤖

1️⃣ DISCOVER (문제 발견) : 사용자 또는 시장을 이해하고 문제를 탐색한다

▶︎ AI를 통해서 사용자 조사 결과를 요약해서 인사이트를 도출할 수 있다

2️⃣ DEFINE (문제 정의) : 발견한 문제들을 토대로 핵심 문제를 정의한다

▶︎ AI를 통해 페르소나, 유저 저니 맵을 자동화해서 시각적으로 정리 또는 공유할 수 있다

3️⃣ DEVELOPE (아이디어 제안) : 정의한 문제를 바탕으로 다양한 아이디어와 해결 방안을 도출한다

▶︎ AI가 다양한 개발 아이디어를 줄 수 있다

4️⃣ DELIVER (해결책 도출) : 솔루션을 구현하고 실제 사용성 테스트를 통해서 검증한다

▶︎ AI를 통해 사용자 반응을 예측해서 A/B 테스트 진행할 수 있고, 프로토타입도 신속하게 만들어 볼 수 있다

➡️ 생성형 AI 덕분에 모든 디자인 단계에서 작업이 더 빠르고 효율적으로 진행되어, 강력한 도구로 자리잡고 있다

DISCOVER 단계와 AI

▶️ 사용자들이 어떤 문제를 겪고 왜 이런 문제가 발생하는지 알아보는 단계로, 이때 사용자 조사나 경쟁사 조사 등을 진행할 때 AI를 활용할 수 있다

▪️ ChatGPT : 명확한 프롬프트로 인사이트 정리 가능 (사용자 인터뷰 분석, 서베이 요약, 아이디어 브레인스토밍)

▪️ Claude : 긴 문서 요약 및 정보 구조화에 강점 (UX 리서치 계획 수립, 인터뷰 질문 설게 등 지원)

▪️ Perplexity : 실시간 검색 + 정보 요약 기능 (UX 트렌드/경쟁사/업계 동향 파악)

▪️ Consenusu : UX 관련 논문 및 연구 기반 정보 요약 (근거 자료 확보에 적합)

▪️ Storm AI : 자동화된 브레인스토밍 및 아이디어 시각화 툴 (팀 아이디어 회의에 활용)

▪️ Synthetics Users : AI 기반 가상 사용자 인터뷰 생성 (초기 아이디어 테스트, 다양한 사용자 반응 시뮬레이션)

▪️ Notably : 인터뷰/음성 기록 자동 분석 (UX 인사이트 문서화, 회의 기록 정리에 적합)

▪️ Wondering : 자동화된 글로벌 사용자 리서치 플랫폼 (개념 검증, 문맥 분석에 활용)

☝️ 일본 사용자가 자주 사용하는 음식 배달앱의 UX 특징을 알려준다 ☝️ '일본의 20대 여성은 쇼핑앱에서 어떤 경험을 중요하게 여겨?'라고 물어보면, 그와 관련된 문맥을 분석해 사용 패턴을 정리해준다

DEFINE 단계와 AI

▶️ 수집한 정보를 바탕으로 핵심 문제와 목표를 명확히 정의하는 단계로, 이때 AI를 활용해 조사 데이터 분석, 인터뷰 요약, 패턴 도출 등을 빠르고 효율적으로 수행할 수 있다

▫️ Persona Gen : 사용자의 페르소나를 자동으로 생성하는 도구 (사용자 특성, 목표, 행동 패턴 등 시각화)

▫️ UXpressia : 사용자 여정 맵을 시각적으로 구성할 수 있는 도구 (감정 곡선, 행동, 접점 등 구조화)

▫️ GitMind : 마인드맵 형태로 사고 흐름과 아이디어 정리 (문제 도출 및 정보 구조화에 유용)

▫️ Whimsical : 플로우 차트, 맵, UX 다이어그램을 생성할 수 있는 시각 도구 (사용자 흐름 및 서비스 구조 정리에 적합)

▫️ Boards : 사용자 조사 및 인터뷰 데이터를 시각화하고 페르소나로 전환

▫️ Story Boarder AI : 사용자 시나리오를 스토리보드 형태로 자동 시각화 (문제 상황, 경험 흐름을 이미지 중심으로 정리)

DEVELOP → DELIVER 단계와 AI

▶️ 아이디어를 시각화하고 테스트하며 최적의 솔루션을 선정한 뒤 실제 구현으로 넘어가는 과정에서, AI를 활용해 프로토타입 검증, 시각적 피드백 분석, 웹 구현 등을 빠르고 효율적으로 수행할 수 있다

▪️ Maze : 사용자 행동 분석과 설문 인사이트를 도출 + 프로토타입을 연결해 실사용자 피드백 자동 수집 (반복 테스트로 사용성 개선에 탁월)

▪️ VisualEyes : 시각적 관심 예측과 시선 추적 분석을 통해 A/B 테스트 전에 사용자 반응 사전 예측 (시각적 인사이트 제공 )

▪️ Clueify : 시각적 반응을 정량화하여 어떤 디자인 요소가 주목받는지 평가 (디자인 결정에 객관적 근거 제공)

▪️ Webflow : 시각적 코딩 없이 웹 디자인부터 퍼블리싱까지 원스톱으로 구현 (디자이너 주도 웹 구축 가능)

▪️ Framer : 고해상도 웹사이트를 텍스트 기반으로 설계 + 빠르게 프로토타입을 제작하여 실제 배포 (초보자도 고품질 결과물 구현 가능)

▪️ Bubble : 노코드로 앱을 제작하고 인터랙션 구현 + AI 프롬프트를 활용해 앱 로직 생성 (기획부터 앱 구현까지 빠르게 가능)

▪️ Frontly : 이미지나 디자인을 HTML, CSS 코드로 자동 변환해 디자이너가 만든 UI를 개발 코드로 전환 (디자인-개발간 협업 강화)

▪️ Quest : 피그마 디자인을 React 코드로 자동 변환 (개발 없이 디자인을 코드로 전환할 수 있어 비개발자도 구현 능력을 확보할 수 있음)

▪️ Builder : 드래그앤드롭과 콘텐츠 자동 생성을 통해 마케팅·커머스용 랜딩페이지 쉽게 구축 (빠른 수정, 테스트에 강력)

결국 중요한 핵심은 도구보다 사용자의 문제를 제대로 이해하고 해결하려는 디자이너의 태도와 질문력이다

디자이너 역할 재정의

✅ GUI 디자이너

그래픽 인터페이스, 버튼, 폰트, 레이아웃 등 시각 요소를 중심으로 웹사이트를 미적으로 일관되게 디자인하는 역할을 한다

색감과 레이아웃 감각이 핵심 역량❗️

✅ UIUX 디자이너

UI 뿐만 아니라 UX도 부상하기 시작했다 ⬆️

사용자와 시스템 사이의 경험과 흐름이 중요해지면서 사용자들이 어떤 목적과 불편을 가지고 제품을 사용하는지를 고려해 전체적인 구조와 과정을 설계하는 일이 핵심이 되었다

✅ Product 디자이너

UI/UX는 비즈니스 전략과 통합되어 하나의 흐름으로 이어지기 시작했다 🧑‍🧑‍🧒

제품 전체의 가치와 방향성은 물론 시장성과 수익성까지 고려해 디자인을 의사결정의 도구로 활용하며 전환율을 최적화하는 능력을 핵심 역량으로 재정의하고 있다

✅ Experience 디자이너

과거에는 고객 경험을 단일 화면 중심으로 생각했다면, 이제는 어떤 접점에서든 일관되게 연결되는 경험을 설계해야 한다

터치포인트가 다양해지면서 디자이너는 더 이상 하나의 디바이스만 디자인하는 것이 아니라, 확장된 접점 전반에서 브랜드 경험을 유기적으로 연결하는 역량이 요구된다

☝️ 온라인 쇼핑과 오프라인 매장 통합

✅ Future 디자이너

미래에는 AI가 사회 전반에 진입함에 따라 기존 역량뿐 아니라 AI 활용 능력, AI 윤리, 그리고 UX 전략을 AI 관점에서 거시적으로 설계하는 역량이 핵심이 된다

AI를 활용한 서비스 설계부터 홈버튼 제작까지의 역량 또한 디자이너의 중요한 능력으로 여겨진다❗️

AI와 디자인의 융합

AI 시대에는 디자이너가 단순히 디자인을 넘어서 의사결정, 미학적·심리적 이해, 비즈니스 전문성까지 아우르며 역할이 통합되고 이에 따라 디자이너의 새로운 역할 정의가 생겨나고 있다

☑️ Emerging Role

: 단순한 인터페이스 디자인을 넘어 AI 기반의 서비스를 설계하고 브랜드와 기술을 유기적으로 연결하는 역할

▶︎ AI 시대에서 비즈니스 가치를 이해하고 어떤 경험을 만들 것인가를 설계하는 것이 디자이너의 역할이다

☑️ Professional Skills

역할을 수행하기 위해서 구체적인 기술을 익혀야 한다

✔️ Prompt Engineering : AI와 효과적으로 협업하기 위해 원하는 결과를 이끌어내는 정확하고 명확한 지시어를 설계하는 능력

▶︎ AI의 잠재력을 극대화하고 창의적인 작업을 보다 효율적으로 수행할 수 있다

✔️ Flow Engineering : 유저 인터렉션 흐름뿐만 아니라 데이터 흐름, 전체 시스템에서 작동하는 시나리오를 설계하는 능력

☝️ 챗봇과 결제 시스템, 마이페이지를 유기적으로 연결하는 기능 흐름을 설계

✔️ Comfy Engineering : 사람 중심의 관점에서 사용자가 편리하고 익숙하게 느낄 수 있도록 불편함 없이 자연스러운 경험을 설계하는 것

▶︎ 데이터, 이성, 논리적인 관점도 중요하지만 감성적인 요소 역시 간과해서는 안 된다

우리 서비스에 AI를 넣었는데 너무 튀지 않고 사용자 경험 속에 자연스럽게 녹여내는 것도 디자이너의 중요한 역량 중 하나❗️

✔️ Model Training : 도메인 데이터를 깊이 이해하고 이를 바탕으로 사용자 피드백 데이터를 어떻게 해석하고 활용할지 판단하는 것

☝️ 반도체 분야에서 사용자의 행동을 고려해 어떻게 하면 더 편리한 경험을 제공할 수 있을까?

✔️ Design System Building : 대규모 제품이나 플랫폼에서는 UI 구성 요소의 일관성을 위해 디자인 시스템을 구축할 수 있는 역량이 필요하다

✔️ Brand Definition : 디자이너가 브랜드를 통해 사람들에게 어떤 인상과 감정을 전달할지를 정의하고, 일관된 이미지와 메시지를 설계하는 것

☑️ Core Competencies

: 모든 실무 역량을 기반으로, AI 엔지니어와 시스템 디자이너가 반드시 갖추어야 할 세 가지 핵심 능력

✔️ Technology KNow-how AI 기술을 단순히 소비하는 데 그치지 않고 그 작동 원리와 한계를 이해하며 활용하는 것이 중요하다

✔️ Engineering Expertise 기본적인 개발 도구의 사용법을 익혀 누구나 협업이 가능하며 실제 구현까지 고려한 디자인을 제안하고 프론트엔드 연동 방식까지 이해해야 한다

✔️ Branding Awareness 브랜드에 맞는 톤, 인터렉션 등을 잘 알고 있어야 한다

💡 Chat GPT가 자동화할 수 있는 11가지 고급 UX 작업 https://www.thefountaininstitute.com/blog/chat-gpt-ux-design

AI의 도입으로 UX 분야에서 정성적 데이터를 분석하고 통합하며 작성하는 것이 가능해졌고 이는 큰 발전이자 효율성을 높이는 중요한 요소다‼️

텍스트 프롬프트 엔지니어링의 4가지 유형

▪️ 페르소나 기법 유형 - 생성 AI를 가상의 인물로 정의해서 보다 좋은 답변을 생성하는 방법

▪️ 예시 기법 유형 - 생성 AI에게 특정 예시들을 함께 전달해서 보다 좋은 답변을 생성하는 방법

▪️ 형식 기법 유형 - 생성 AI에게 내가 원하는 결과의 형식을 요청해서 보다 정확한 답변을 생성하는 방법

▪️ 사고 기법 유형 - 생성 AI에게 다양한 사고 방식을 제시해서 답변을 추론해서 얻도록 하는 방법

ChatGPT Promopt Frameworks

📌 ChatGPT에 활용할 수 있는 텍스트 프롬프트 형식에 대한 유형 5가지

▫️ R-T-F (Role, Task, Format) 가장 기본적이면서도 강력한 프레임워크로, 역할과 과업, 형식을 명확히 지정해주면 혼란 없이 일관된 답변을 도출해낸다

▫️ T-A-G (Task, Action, Goal) 프롬프트는 액션 중심으로 구성해야 하며, 특히 ‘왜❓’에 집중해 의도를 명확히 전달하는 것이 중요하다

▫️ B-A-B (Before, After, Bridge) 감정을 자극해야 하는 메시지를 디자인이나 마케팅에 담을 때 효과적이다

사용자의 현재 문제 상황(Before)과 개선된 이상적인 상태(After)를 제시한 뒤, 그 둘을 연결하는 해결책(Bridge)을 통해 감성적으로 설득하는 데 효과적이다

▫️ C-A-R-E (Context, Action, Result, Example) 현재 직면한 비즈니스 상황(Context)에서 어떤 행동을 취했는지(Action), 그 결과는 어땠는지(Result), 그리고 유사한 사례나 추가로 취한 행동이 있는지(Example)를 구조적으로 정리하는 방식이며 비즈니스 상황에서 유용하다

▫️ R-I-S-E (Role, Input, Steps, Expectation) AI가 엄청 복잡한 단계를 단계적으로 처리하게 하는 구조다

어떤 역할을 부여할 것인지(Role), 참고할 입력 데이터는 무엇인지(Input), 작업을 어떤 순서로 진행할지(Steps), 그리고 기대하는 결과는 무엇인지(Expectation)를 명확히 설정하는 데 중점을 둔다

▶️ 단순히 대화하듯 요청하기보다는 논리적으로 접근해야 하며, 아무 생각 없이 '~해줘'라고 하기보다 어느 정도 방향과 의도를 고민한 뒤 프롬프트를 작성하는 것이 중요하다

AI, 디자인에서 인간 수준에 얼마나 근접했는가?

이 지표는 디자인 영역에서 AI가 인간 수준에 얼마나 근접하고 있는지를 보여준다 🟦 Y축은 AI가 인간과 얼마나 차이가 나는지를 나타낸다 🟥 빨간선에 가까울수록 AI가 인간 수준에 근접하고 있다는 것을 의미한다

➡️ AI의 퀄리티는 높아졌지만 여전히 사람 없이 모든 것을 완벽히 수행할 수는 없기에 이를 효과적으로 구현할 수 있는 포지셔닝을 갖추는 것이 중요하다

✏️ Relume 체험해보기

: 웹사이트 구조를 자동으로 제안해주는 도구

💡 https://www.relume.io/dashboard

✏️ Galileo ai 통해서 내 기존 앱서비스 만들었던 것에 대해서 프롬프트 작성해보기

UI/UX랑 웹사이트 빌더에 최적화된 AI

루틴 앱과 내 브랜드인 Heeppy를 합쳐서 프롬프트를 작성해봤다

💡 25-06-20 (금)

벌써 금요일이다 하루하루 후딱 가는거 같ㅇ...ㅏ.. 오늘 최대한 할거 끝내놓고 주말에는 푹 쉬자 (그랬으면 😮‍💨)

EDA (Exploratory Data Analysis)

: 데이터를 분석하기 전에 잘 이해하기 위해 다양한 관점에서 쪼개보고, 돌려보고, 비교해보는 과정 (탐색적 데이터 분석) ▶︎ 문제의 본질을 파악하는 과정

▪️ 컬럼마다 무슨 뜻인지 이해하기 ▪️ 결측치나 이상치가 있는지 확인하기 ▪️ 변수 간 관계 (상관관계)를 살펴보기 ▪️ 그래프 (히스토그램, 박스플롯 등)로 분포 보기 ▪️ 데이터의 단위, 범위, 의미를 체크하기

☝️ 맛있는 요리를 만들기 위해 가장 먼저 해야 할 일은 좋은 식재료 (EDA를 잘 수행한 고품질의 데이터)를 준비한다 ➡️ 식재료가 신선하고 좋으면 조리법 (분석 방법)이 복잡하지 않아도 맛있는 요리가 완성된다

▶️ 의미 있는 데이터가 있으면 복잡한 기법 없이도 좋은 분석 결과를 얻을 수 있다는 뜻이다

EDA를 충분히 수행하면 데이터의 구조와 패턴을 잘 파악할 수 있어 복잡한 알고리즘 없이도 단순한 모델로 안정적이고 유의미한 분석 결과를 얻을 수 있다 ✨

☝️ 사용자의 설문조사 데이터를 분석한다고 가정해보자 만족도 컬럼이 대부분 1, 2라는 숫자로 기록되어 있어서 단순히 숫자로 인식하고 평균을 내 만족도를 분석했는데 알고 보니 이 숫자들은 범주형 데이터였다

▶️ 데이터를 충분히 이해하지 못한 채 분석을 시작하면 올바른 결과를 얻기 어렵다

데이터를 제대로 파악하면 분석의 방향이 명확해지고 불필요한 시행착오를 줄일 수 있으며 보다 유의미한 인사이트를 도출할 수 있다 🧠

EDA를 잘하는 방법

1️⃣ raw data의 description, dictionary를 통해 데이터의 각 column들과 row의 의미를 이해하는 기술 분석을 시작하기 전에 각 column과 row의 의미를 먼저 파악하지 않으면 분석의 방향을 제대로 설정하기 어렵다 🤯

✔️ 데이터를 잘 이해하기 위해서는 보통 데이터와 함께 제공되는 description(데이터 설명 문서)에서 해당 데이터의 목적과 내용을 확인하는 것이 큰 도움이 된다

✔️ 각 컬럼이 어떤 정보를 나타내는지 정리한 데이터 dictionary가 함께 제공되는 경우가 많으며 이를 참고하면 데이터의 구조와 의미를 더 명확하게 이해할 수 있다

2️⃣ 결측치 처리 및 데이터 필터링 기술 결측치가 있는 상태에서 분석을 진행하면 평균을 계산할 때 오류가 발생하거나 시각화 과정에서 데이터가 누락되어 왜곡될 수 있고 모델 학습 시 정확도가 떨어질 수 있다

➡️ 분석 전에 결측치를 최대한 적절하게 처리해줘야 한다

➕ 결측치 : 값이 비어 있는 상태

☝️ 타이타닉 데이터에서는 Age 컬럼에 나이 정보가 비어 있는 경우가 종종 있다 그런데 나이 값은 생존률과 관련이 있을 가능성이 높기 때문에

✔️ 단순히 결측치를 삭제하기보다는 평균값이나 중앙값으로 채워 보완하는 방법이 적절하다

✔️ 데이터 타입도 반드시 확인해야 하는데 숫자처럼 보이지만 문자열(Object) 타입으로 잘못 인식된 경우에는 수치형으로 변환해줘야 분석 함수가 제대로 작동한다

분석을 시작하기 전에 반드시 결측치 처리와 데이터 타입 정리를 먼저 해두는 것이 안정적인 분석 결과를 얻는 데 도움이 된다 ‼️

3️⃣ 누구나 이해하기 쉬운 시각화를 하는 기술 사람들은 종종 화려하고 멋있어 보이는 그래프를 만들고 싶어한다

하지만 그래프는 누구나 쉽게 의미를 이해할 수 있어야 하며 전달하고자 하는 메시지를 직관적으로 보여줄 수 있어야 한다

겉보기에는 단순해 보여도 명확하게 정보를 전달하는 그래프가 오히려 더 효과적이고 시각적으로 우수하다 👍

객관적 데이터 해석

요즘처럼 변화가 빠른 시대에는 끊임없이 쏟아지는 새로운 정보를 고정관념 없이 있는 그대로 받아들이는 태도가 중요한데 이는 데이터 분석에서도 마찬가지다

데이터가 우리에게 무엇을 말해주는지 있는 그대로 바라보고 혼자 추론하거나 예상하기보다는 편향을 내려놓고 데이터 자체에 집중해야 숨겨진 의미와 패턴을 정확히 파악해야 효과적인 분석이 가능하다

☝️ '주말에 사람들이 카페에 많이 가니까 주말에 매출이 높을 것이다' 라고 미리 추론하고 데이터를 보면 주말 매출이 높은 걸 확인하고 "내 생각이 맞았네!"라고 쉽게 결론을 내리게 된다 (이것만 보고 전략을 세우면 충분 ❌)

평일 오전에는 직장인들이 커피를 사 먹고, 브런치를 즐기는 주부 고객도 있을 수 있으며 평일 저녁에는 손님이 거의 없을 수도 있다 (한가지만 보고 분석하면 중요한 부분 놓칠 수 있음❗️)

▶️ 처음부터 결론을 정해놓기보다 여러 관점에서 다양하게 살펴보며 편향 없이 열린 자세로 데이터를 바라봐야한다

EDA

데이터 분석은 수집 직후 바로 진행되는 것이 아니라 먼저 전처리 단계에서 데이터를 정리하며 분석을 위한 준비 과정을 거친다 🟰 탐색적 데이터 분석

☝️ 요리하기전에 냉장고 열어서 재료 보는 것와 같다

💡 https://www.kaggle.com/ 원하는 데이터를 검색해 무료로 찾아볼 수 있으며, 일부 기업 데이터를 임시로 확인할 수 있지만 사기업 데이터는 상대적으로 적다

EDA를 하는 이유

✔️ 데이터 이해 이 데이터가 어떤 구조인지, 숫자인지 문자값인지, 뭘 의미하는지 파악할 수 있다

✔️ 문제 미리 발견 누란된 값, 이상치 (너무 큰 값)같은 문제를 조기에 발견할 수 있다

✔️ 분석 방향 설정 어떤 컬럼이 중요할지, 어떤 분석이나 모델이 필요할지 힌트를 얻을 수 있다

✔️ 데이터의 숨은 패턴 발견 시각화를 통해 관계나 경향을 발견할 수 있다

CRISP-DM 6단계

: 국제적으로 많이 쓰이는 데이터 분석 표준 프로세스

1️⃣ 비즈니스 이해 무엇을 위해 분석하는지, 목적과 가치를 정의한다 (목적이 없으면 길을 잃음❗️)

2️⃣ 데이터 이해 데이터를 불러와서 어떤 모습인지 구조와 통계를 파악한다

3️⃣ 데이터 준비 이상치, 누락값 처리하고 머신러닝에 맞게 잘 다듬어 정리한다

4️⃣ 모델링 데이터를 바탕으로 예측 모델을 만들고 학습시키며, 이를 통해 예측을 위한 규칙을 생성한다 (앞 단계 준비가 잘 되어 있어야 잘 작동됨❗️)

5️⃣ 평가 모델 얼마나 잘 작동하는지 확인한다

6️⃣ 배포 분석 결과를 정리하고 공유하거나 적용시킨다

머신러닝

: AI가 가지고 있는 학습기술 중 하나로, 사람이 가르쳐주지 않아도 데이터가 스스로 배워서 똑똑해지는 것 ↪︎ 머신러닝은 AI의 하위 개념으로 AI를 구현하는 방법 중 하나다

☝️ 예전에는 사람이 스팸 메일 여부를 직접 분류하는 코드를 만들어야 했다면, 요즘은 머신러닝이 데이터를 학습해 스팸 패턴을 스스로 인식하고 자동으로 처리해준다

☝️ 유튜브도 사용자의 시청 데이터를 바탕으로 스스로 학습해, 이 사람이 어떤 영상을 좋아할지 예측하고 추천 알고리즘에 반영한다

컴퓨터도 데이터를 많이 학습할수록 점점 더 정확하게 예측할 수 있게 된다 ‼️

ChatGPT를 통해 EDA 하는 방법

⏺️ CSV 파일을 GPT에 업로드한다 Kaggle에서 데이터를 받으면 보통 CSV 형식으로 제공되는데, 이 값을 살펴보고 어느 정도 데이터를 정리하고 다듬는 전처리 작업이 필요하다

1️⃣ 비즈니스 이해 (Business Understanding)

누가 이 데이터를 활용할지, 어떤 가치를 줄 수 있을지 고민하며 분석의 목적을 명확히 설정한다

🤖 이 데이터셋의 분석 목적을 설정해줘 / ~목표로 누구에게 어떤 가치를 줄 수 있는지 정리해줘

2️⃣ 데이터 이해 (Data Understanding)

데이터의 구조를 확인하고, 히스토그램이나 상관관계 분석 등으로 분포를 시각화한다

🤖 데이터 구조와 통계를 보여줘 / 누락값, 이상치 여부도 알려줘 🤖 주요 변수들의 분포도 시각화해줘

3️⃣ 데이터 준비 (Data Preparation)

▫️ 이상값 처리 (IQR 하한/상한 제한) ▫️ 범주형 변수 인코딩 (0/1, 원핫 인코딩) ▫️ 필요 없는 열 제거, 스케일링

🤖 이상값을 IQR 방식으로 처리해줘 (= 너무 크거나 작은 튀는 숫자들을 빼줘)

🤖 범주형 변수는 인코딩해줘 (= 글자로 되어있는 것을 숫자로 바꿔줘) ▶︎ 데이터는 글자를 분석하지 못함❗️

🤖 분석에 불필요한 컬럼은 제거해줘

4️⃣ 모델링 (Modeling)

▫️ 훈련 데이터와 테스트 데이터 분리 ▫️ 선형회귀, 트리 등 다양한 모델 학습 ▫️ 예측 결과 확인

🤖 선형 회귀, 랜덤포레스트, 그레디언트 부스팅 모델을 학습시켜줘 / RMSE로 성능 비교해줘

5️⃣ 평가 (Evaluation)

▫️ 모델 성능 평가 (RMSE, MAE) ▫️ 예측 결과 시각화 ▫️ 오차 분석

🤖 기존 모델들과 비교해, 성능이 좋은지 평가해줘 / 시각화로 예측값과 살제값 비교해줘

6️⃣ 배포 (Deployment)

결과를 요약하고 추천 사항을 제시하며, 모델과 도출된 인사이트를 문서화한다

🤖 이 분석 결과를 기반으로 한 보고서나 발표자료를 요약해줘

핵심은 EDA를 GPT에서도 할 수 있다는 점 ‼️

✏️ EDA 실습 가볍게 해보기

✏️ 데일리 UI 하기

💡 25-06-19 (목)

의외로 이렇게 생각하면 괜찮아짐 👍

CO-STAR 프레임워크

AI에게 프롬프트를 작성하는 것은 대본을 써주는 작업과 같으며 대본이 탄탄할수록 AI는 더 정확하고 높은 품질의 결과물을 만들어낸다

▫️ Context (맥락) : AI에게 지금 누가 어떤 상황에 있는지를 알려준다

▫️ Objective (목표) : AI가 이번 작업에서 구체적으로 무엇을 달성해야 하는지 명확히 전달한다 🤖 그래서 AI가 뭘 해야 하는데?

▫️ Sytle (스타일) : AI가 어떤 방식으로 답변을 구성할지 지정한다 ☝️ 설명식, 친근한 조언, 전문가 분석

▫️ Tone (톤/어조) : 전체적인 분위기와 말투를 설정한다 ☝️ 부드럽게, 전문적으로, 캐주얼하게

▫️ Audience (대상/청중) : AI의 답변이 어떤 독자를 대상으로 하는지 지정한다

▫️ Response (답변 형식) : AI의 결과물이 어떤 형태로 제공되어야 하는지를 정한다 (스타일과 비슷하지만 좀 더 결과물의 구조나 형태에 초점을 맞춤) ☝️ 표로, 리스트로, 한 문장으로, 스크립트 형식

6가지에 맞춰서 작성해줘야 원하는 결과물을 얻을 수 있다❗️

생각의 사슬 CoT 프롬프팅

: 생성형 AI가 추론 과정을 단계별로 설명하도록 유도하여 문제 해결 능력을 향상시키는 방법

"Let’s Think Step by Step" ▶︎ 차근차근 생각해보자

이 지시어를 통해 AI에게 단계별로 추론을 전개해야 한다는 신호를 준다

▶️ 복잡한 문제일수록 AI에게 이렇게 단계별로 생각하라고 지시하면 정확도가 높아진다

생각의 나무 ToT 프롬프팅

: AI가 한 번에 답을 내기보단 여러 가지 생각 경로(가지)를 펼쳐서 스스로 사고 과정을 보여주며 문제를 풀어가는 방식

AI에게 질문을 던질 때 대부분 무의식적으로 하나의 정답만을 기대하며 질문하는 경우가 많다

단순한 질문에서는 이런 방식이 크게 문제가 되지 않지만 복잡한 문제를 해결할 때는 단순한 질문만으로는 충분하지 않다 🙅🏻‍♀️

그래서 등장한 것이 바로 생각의 나무 프롬프팅 (Tree of Thought Prompting) 이다 🌳

핵심은 생각 과정을 구조화하여 문제를 해결하는 것이다 ☝️ "A를 해볼까? 하지만 실패할 수도 있겠지... 그럼 B는 허들이 낮아서 가능성이 높겠네"

이처럼 사람이 여러 가능성을 고민하는 사고 과정을 AI도 따라갈 수 있다❗️

📌 AI가 생각하고 답을 만들어내는 여러 가지 방식을 보여준다 1️⃣ (a) Input-Output Prompting (IO) : 기존의 단순한 프롬프팅 방식

사용자의 질문에 AI가 곧바로 답을 제공한다 ☝️ 한국의 수도가 어디야? → 서울

2️⃣ (b) Chain of Thought Prompting (CoT) : AI가 생각의 흐름을 따라가며 답을 유도하는 방식

☝️ "A는 사과 2개, B는 사과 3개가 있는데 총 몇 개야?" 라고 묻는다면 AI는 "A에 2개, B에 3개, 그래서 총 5개다"처럼 단계별로 생각 과정을 설명하면서 답을 만든다

3️⃣ (c) Self-Consistency with CoT (CoT-SC) : AI가 여러 경로로 다양한 풀이를 시도한 뒤 그 중에서 가장 많이 나오는 결과를 다수결로 선택하는 방식

▶︎ 다양한 풀이를 시도해보고 가장 일관된 답을 최종 답으로 낸다

4️⃣ (d) Tree of Thoughts (ToT) : 복잡한 문제를 단계적으로 깊이 있게 해결할 수 있는 AI 사고 방식 🟰 생각의 나무 프롬프팅

한 가지 문제에 대해 여러 방향으로 생각을 확장하고 중간중간 가지치기를 통해 가장 유망한 경로를 선택하며 최종 답을 도출한다 🌴

💡 https://www.ibm.com/kr-ko/think/topics/tree-of-thoughts

☝️ 우리 앱의 온보딩 화면에서 사용자가 많이 이탈해요 이유가 뭘까요?

1단계 - 가능한 원인들을 최소 3가지 이상 제시하고 각 원인의 가능성과 중요도 비교 2단계 - 각 원인에 대한 해결책을 다양하게 제시해주고 각 해결책의 장단점 비교 3단계 - 그중 가장 효과적인 해결책에 대한 UX 개선 방향을 선택하고 그 이유와 실제 적용 제시

☝️ 생각의 나무를 자동화로 할 수도 있다

이 문제에 대해 생각의 나무 방식으로 단계적으로 분석해줘 (➕ AI에게 프롬프트를 줄 때 지금부터 생각의 나무 프레임워크를 사용할 거라고 미리 알려줘야함)

▫️ 가능한 원인들을 최소 3가지 이상 제시하고 비교해줘 ▫️ 각 원인에 대한 UX 개선 아이디어를 다양하게 제시하고 장단점을 비교해줘 ▫️ 그중 가장 좋은 해결책을 선택해서 이유와 적용 예시를 알려줘

각 단계를 번호를 붙여서 나눠서 작성해줘

▶️ 단계별로 사고 과정을 나누어가면 AI도 더 깊이 있는 답을 도출할 수 있다

구조화 없이 질문하면 AI가 얕은 결론을 빠르게 내리기 때문에 사용자는 AI가 다양한 생각을 펼칠 수 있도록 사고 과정을 유도해줘야 한다 🔥

ReAct 프롬프팅

: AI가 Reasoning(추론)과 행동(action)을 번갈아 반복하면서 문제를 해결하는 방식 ▶︎ 자기 스스로 생각하게 하고 동시에 필요한 행동을 할 수 있게한다

사용자가 "서울에서 가장 인기 있는 맛집을 찾아줘" 라고 요청했을 때 기존의 LLM은 스스로 행동하지 않고 단순히 학습된 지식만으로 추론하기 때문에 오래되거나 부정확한 정보를 줄 수 있다

▶️ 이 한계를 극복하기 위해 등장한 방식이 바로 ReAct 프롬프팅이다❗️

📌 ReAct 프롬프팅의 구조와 개념을 보여준다 ▶︎ 추론 ↔ 행동 ↔ 관측을 반복하는 순환 구조 LLM (대형 언어 모델)은 추론(생각)을 하고 필요한 경우 도구(기능)를 활용해 행동하며 그 결과를 관측하고 분석해 새로운 생각을 이어간다

☝️ "요즘 인기 앱이 뭐야?" ➡️ AI가 스스로 검색 (행동) > 검색 결과를 확인 (관측) > 여러 후보를 비교해본 뒤 최종적으로 가장 적절한 앱을 추천 (추론)

AI가 학습된 정보만으로 답하는 것이 아니라 실시간으로 외부 환경과 상호작용하며 최신 정보를 확보하고 더 정확한 답을 도출하는 것 ‼️

AI와 데스크 리서치

ChatGPT 탐색으로 들어가면 Scholar AI는 시장조사에 특화된 AI로 논문까지 확인할 수 있다

➕ 가끔 검색 결과가 부족할 땐 영어로 검색하면 더 잘 나온다 !

Tailor는 경쟁사 분석에 활용할 수 있고 포트폴리오 제작이나 회사 업무에서 필요할 때 유용하게 사용할 수 있다

✏️ 생각의 나무 프롬프트 실습 해보기

✏️ google essential AI 수강하기

💡 https://www.coursera.org/learn/google-introduction-to-ai?specialization=ai-essentials-google

수강 완료 😆

💡 25-06-18 (수)

수면 패턴 다시 맞추자 😪

생성형 AI와 LLM

생성형 AI : 새로운 것을 만들어내는 인공지능

▶︎ 단순히 기존 데이터를 분류·분석하는 것을 넘어 다양한 데이터를 학습하며 스스로 발전하고 상상과 발명을 통해 창의적이고 다양한 결과물을 만들어낸다

☝️ 이미지 생성 AI는 수많은 사진 데이터를 학습한 뒤 세상에 없던 이미지를 새롭게 만들어낸다

LLM (Large Language Model) : 사람의 말을 매우 잘 이해하고 다룰 수 있는 인공지능 🟰 거대 언어 모델

▪️ 대량의 텍스트 데이터를 학습하며 다음 단어를 예측하는 방식으로 글쓰기, 맥락 이해, 대화 생성을 수행한다 ▪️ LLM은 생성형 AI의 한 분야로 포함되어 있으며 특히 '언어'를 다루는 데 특화되어 있다

☝️ ChatGPT, Gemini, Claude

프롬프트 엔지니어링

: 대규모 언어모델 (LLM)에서 사용자가 원하는 최적의 결과물을 얻기 위해 AI 프롬프트를 설계하고 구성하는 프로세스 ▶︎ AI의 능력을 최대한 끌어내며 잘못된 답변을 줄임

➕ 프롬프트 : 생성형 AI가 어떤 행동을 해야하는지 알려주는 명령어

AI가 사용자의 의도를 올바르게 파악하고 원하는 방향으로 결과를 생성하도록 전략적으로 프롬프트를 설계하는 것이 핵심이다 ‼️

원하는 것을 정확히 말하지 않으면 AI는 엉뚱한 결과를 만들 수 있으며 우리가 얼마나 명확하고 구체적으로 명령을 내리느냐에 따라 생성형 AI의 결과물 품질이 달라진다

LLM과 상호작용할 때 프롬프트의 중요성은 더욱 커짐 ⬆️

좋은 결과물을 위한 프롬프트 엔지니어링

✅ 지시사항을 최대한 명확하고 디테일하게 쓰기

LLM은 방대한 데이터를 학습했지만 사용자의 의도를 100% 정확히 파악하지는 못한다

질문이 모호하면 정확한 답변을 얻기 어렵고 우리가 제공하는 정보가 명확하고 구체적일수록 더 올바른 답을 도출할 수 있다❗️

☝️ 대통령이 누구인가요? ➡︎ 2021년 대한민국의 대통령은 누구였으며, 선거는 얼마나 자주 열리나요?

☝️ Excel에서 숫자를 어떻게 더하나요? ➡︎ Excel에서 숫자가 있는 행을 자동으로 합산하는 방법을 알고 싶습니다 이를 전체 시트의 모든 행에 적용하여 최종 합계를 "Total"이라는 오른쪽 열에 표시하고 싶어요

☝️ 회의 내용을 요약해줘 ➡︎ 회의 내용을 500자 내외의 문단으로 요약해줘 그리고 각 참가자의 주요 언급 내용을 리스트로 정리해줘 마지막으로 연사들이 제안한 다음에 해야할 일이나 실행 항목이 있다면 이것도 리스트로 정리해줘

✅ 부정확한 말은 피하기

AI는 부정어를 잘 처리하지 못하는 경우가 있어 "하지 마", "아니야" 같은 표현이 오히려 혼란을 줄 수 있다

따라서 부정어보다는 긍정적인 표현을 사용하는 것이 더 정확한 결과를 얻는 데 도움이 된다❗️

☝️ 프롬프트 엔지니어링에 대해 알려줘 설명은 간단히하고 자세히 알려주진 말아줘 ➡︎ 프롬프트 엔지니어링에 대해 초등학생이 알 수 있는 수준으로 2~3개의 문장으로 설명해줘

✅ 생성형 AI에게 역할주기

새로운 관점과 톤을 설정해주면 그 역할에 맞는 전문성을 바탕으로 답변하며 이런 설정이 없으면 다소 평범하고 특색 없는 결과가 나올 수 있다

AI에게 성격, 페르소나, 역할을 명확히 부여하면 작업의 방향성과 목적이 뚜렷해져 더 좋은 결과를 얻을 수 있다❗️

☝️ FGD 방법론에 대한 설명자료를 만들어 주세요 ➡︎ 당신은 UX 리서치 수업을 준비하는 코치입니다 학생들을 위해 FGD 방법론을 설명하는 자료를 만들어 주세요

☝️ OZ에서 새로 출시한 민트 초코맛 아이스크림을 홍보하는 SNS 콘텐츠 글을 작성해 주세요 ➡︎ 당신은 OZ라는 기업에서 SNS 마케팅을 담당하고 있는 마케터입니다 당신은 평소에 트렌디한 밈과 유머를 좋아하며, 통통 튀는 아이디어로 SNS 마케팅용 콘텐츠를 작성하고 있습니다

✅ 구분기호를 잘 사용하기

정보처리의 효율성을 높여 오해를 줄일 수 있다

강조하고 싶은 부분은 “ ” 를 활용해 표시하고 구분선 (——)을 사용해 내용을 나누면 더 효과적으로 전달할 수 있다❗️

✅ Step by Step으로 절차 세분화하기

☝️ UX 리서치의 다양한 방법론에 대한 보고서를 작성해줘 ➡︎

▫️ 다양한 UX리서치 방법론에 대해 알려주는 아티클 자료를 20개 검색하여 수집해서 링크를 제공해줘 ▫️ 방금 수집한 20개의 아티클들의 내용을 취합하고 정리하여 다양한 UX리서치 방법론에 대해 설명하는 보고서 초안을 작성해줘 ▫️ 정리한 내용을 바탕으로 하여 대학교 과제로 제출 가능한 수준의 A4 2장 분량 보고서를 작성해줘

내가 어떻게 할지 그 순서를 AI에게 알려준다 🤖

✅ Don't 대신 Do에 집중하기

☝️ 당신은 고객에게 영화를 추천하는 상담원입니다 아래 내용에 따라 영화를 추천해 주세요

▫️ 관심사를 묻지 마세요 ▫️ 이름을 묻지 마세요 ▫️ 나이를 묻지 마세요 ▫️ 그 외 개인 정보를 묻지 마세요

▶️ AI는 '묻지 마세요'라는 표현보다는 그 뒤에 나온 '관심사, 이름, 나이' 같은 단어에 더 집중한다

단어의 연결을 예측하는 방식으로 작동하기 때문에 부정어를 사용하면 오히려 부정어 자체보다는 그 뒤에 오는 단어에 집중하게 되어 의도한 결과를 얻기 어려울 수 있다

➡︎ 당신은 고객에게 영화를 추천하는 상담원입니다 아래 조건에 따라 고객에게 우선 3가지를 질문한 뒤 답변을 듣고 영화를 추천해주세요

▫️ 2024년에 한국에서 개봉한 영화 중에서 추천해 주세요 ▫️ 관객 수가 500만명 이상이었던 영화 중에서 추천해 주세요 ▫️ 관심사나 개인정보는 묻지말고 영화를 추천해 주세요

▶️ AI에게는 원하는 결과물을 구체적으로 말해줘야 한다

하지 말아야 할 것을 강조하기보다는 해야 할 것을 분명히 알려주는 것이 효과적이다 ‼️

✅ 친절하게 예시 알려주기

☝️ '오즈코딩'으로 4행시 지어줘 ➡︎

예시를 알려주면 일을 더 잘한다 ㅋㅋ

✏️ 4가지 원칙으로 AI 프롬프트 실습해보기

✔️ 요청은 구체적으로 하기

✔️ 체계적으로 작성하기

✔️ AI는 단어 단위로 이해하고 유추하기 때문에 명확한 맥락을 작성하기 프롬프트를 입력했더니 이러한 와이어프레임을 만들어줬는데...😐

✔️ 이미지나 글 등의 예시도 함께 첨부하기

✏️ Sam Altman의 블로그 내용을 직접 확인하며 떠오른 생각을 2~3줄로 요약 정리하기

💡 https://blog.samaltman.com/

📌 Sam Altman의 The Gentle Singularity

‘Singularity’라는 말은 보통 영화에서 AI가 갑자기 등장해 세상이 순식간에 바뀌고 무섭지만 신기한 미래를 상상할 때 자주 쓰인다

그런데 샘 알트만은 그 특이점이 이미 시작되었지만 우리가 이를 체감하지 못하고 있을 뿐이라고 말한다

거대한 변화가 갑자기 폭발적으로 일어나는 것이 아니라 이미 챗GPT처럼 사람들이 일상적으로 AI를 사용하기 시작하면서 어느 순간부터는 AI 없이는 불편할 정도로 자연스럽게 우리 삶 속에 자리 잡아가고 있다

이처럼 AI가 천천히 우리의 능력을 확장시키고 과제를 더 빠르게 처리하도록 도와주는 시대가 이미 시작되었다는 것 ‼️

나아가 샘 알트만은 AI 사용 비용도 전기처럼 저렴해질 것이라고 예상한다

또한 그는 AI가 앞으로 이렇게 발전할 것이라고 전망한다

▫️ 2025년에는 복잡한 업무 대신함 ▫️ 2026년에는 통찰력 제공하 ▫️ 2027년에는 신체적인 일까지 적극적으로 도와줌

AI로 인해 사람들이 일자리를 걱정하는 것은 사실이지만 샘 알트만은 이를 인정하면서도 AI가 새로운 풍요와 지금은 상상할 수 없는 해결책을 가져올 가능성도 강조한다

📌 글을 읽으며 떠오른 나의 생각

전에는 AI가 발전할수록 인간에게 부정적이고 일자리를 빼앗을 것이라 단순하게 생각했지만 이 글을 읽고 나서 내가 너무 1차원적으로만 바라보고 있었다는 생각이 들었다

오히려 AI의 발전이 새로운 풍요와 일자리를 만들어낼 수 있다는 점을 새롭게 알게 되었다 (물론 그게 지금 당장은 어떤 모습일지 잘 감이 오진 않지만...)

며칠 전에는 ChatGPT를 사용하다가 오류가 나서 몇 시간 동안 사용하지 못한 적이 있었다 그때 아무것도 못 하고 있는 나 자신을 보면서 ‘지금 내가 AI 하나 오류났다고 이렇게 아무것도 못 하는 게 맞나?’라는 생각이 들었다

내가 어느새 AI에 꽤 많이 의존하고 있었음을 실감했고 그 경험이 약간은 무섭게 느껴지기도 했다

앞으로 AI가 더 발전하면 지금보다 더 많이 의존하게 될 텐데 그렇게 되면 인간은 오히려 점점 퇴화하는 것은 아닐까 하는 생각도 들었다 😨

✏️ Stitch 사용해보기

💡 https://stitch.withgoogle.com/?pli=1

ChatGPT에 작성한 프롬프트를 Stitch에 넣을 수 있도록 영어로 바꿔달라고 부탁했다 🙂

▪️ 모바일 앱 프랜차이즈 카페 대시보드 리디자인을 위한 가이드 라인 작성해줘 ▪️ 타겟 20대~40대 직장인 미리 주문을 할 수 있는 신속한 서비스처리가 목표 ▪️ 메인 대시보드에 음료 메뉴, 결제버튼, 최근거래, 자사 제품 광고 포함 ▪️ 색상 노랑색 (#FFD400) ▪️ 올드 하지 않은 트렌드한 느낌 iOS 디자인 가이드라인 따라서 작성해줘

▪️ 현재 카페 앱을 리디자인중인데 타겟 사용자는 10대~40대야 ▪️ 올드한 컨셉을 지우고 트렌드한 디자인을 바꾸는 것과 미리 주문 기능을 더 직관적이고 간편하게 만드는것이 목표야 ▪️ 경쟁사는 컴포즈커피 ▪️ 우리는 차별화를 메인보드에 날씨에 따라 메뉴추천과 결제 탭에 굳이 가지 않아도 바로 결제할 수 있는 시스템을 도입할거야 ▪️ 화면 첫 진입할때 개인 맞춤형 음료 추천과 결제 바코드를 바로 보여주는 와이어프레임 그려줘

💡 25-06-17 (화)

요즘 내 표정 🫥

퍼널 분석

: 사용자가 어떤 목표에 달성하기까지 거치는 여러 단계를 시각화하고 각 단계에서 얼마나 많은 사용자가 이탈하는지를 분석하는 방법

어떤 회사든 각자의 비즈니스 목표를 가지고 있다 📚

사용자를 어떤 목표 지점까지 이끄는 것이 핵심이며 그 지점은 서비스의 특성에 따라 달라진다

☝️ 유튜브는 사용자가 더 많이 더 오래 동영상을 시청하도록 유도하는 것이 목표 ☝️ 쿠팡이라면 이윤이 많이 남는 상품을 더 자주 구매하게 만드는 것이 핵심 목표

셰어하우스의 비즈니스 목표는 사람들이 입주 계약을 체결하는 것이다

이는 무한정 판매할 수 있는 상품이 아니기 때문에 정해진 시기에 모든 객실이 재고 없이 소진되도록 만드는 것이 핵심 목표❗️

사용자가 최종 목표에 도달하기까지 거쳐야 하는 일련의 단계 = 퍼널 각 단계에서 다음 단계로 얼마나 많은 사용자가 넘어가는지를 나타내는 비율은 = 전환율

▶️ 사용자가 목표까지 얼마나 잘 도달하고 있는지를 파악하고 이탈이 발생하는 지점을 찾아 각 단계를 효과적으로 개선하는 데 유용하다

1️⃣ 현상 분석하기

사용자를 목표지점에 더 많이 도달하게 하기 위해서는 가장 먼저 현상 분석이 필요하다 사용자가 원하는 최종 목표에 도달하지 못하는 데는 반드시 이유가 있다

이를 파악하려면 현상 분석을 통해 어떤 일이 실제로 일어났는지를 정확히 이해해야 한다

왜 이탈이 발생했는지❓ 어떤 단계에서 문제가 발생했는지❓ 그 이유는 무엇이며 어떻게 개선할 수 있는지❓

2️⃣ 단계를 나누어보기

전체 전환율만으로는 사용자의 이탈 지점을 정확히 파악하기 어렵기 때문에 현상 분석 단계 이후에는 프로세스를 더 작은 단계로 나누어 세부적으로 분석한다

이때는 단순히 전환율 같은 숫자만 보기보다 각 단계의 역할과 사용자 심리 상태를 함께 고려해 맥락 속에서 분석하는 것이 중요하다

3️⃣ 문제가 되는 구간 찾기

수치가 눈에 띄게 낮기 때문에 우선적으로 개선하는 것이 좋지만 단순히 이 수치가 낮다고 해서 반드시 나쁘다고 단정할 수는 없다

웹사이트 접속은 누구나 쉽게 시도할 수 있기 때문에 해당 단계에서의 낮은 수치는 자연스러운 현상일 수도 있다

수치만 보고 성급하게 판단하기보다는 전체 맥락을 함께 고려하는 것이 중요하다 ‼️

이 단계는 누구나 쉽게 도달할 수 있는 곳이 아니며 단순히 궁금해서 웹사이트를 방문하는 것과 달리 직접 약속을 잡고 찾아오는 것은 훨씬 더 높은 진입 장벽을 넘는 행동이다

그만큼 실제로 구매 의사가 있는 사용자일 가능성이 높은데 그에 비해 전환율이 낮다면 오히려 이 단계가 더 큰 문제일 수 있다 😮

퍼널 개선하기

전환율 개선은 물론 중요하지만 각 단계마다 현실적인 한계가 존재하기 때문에 달성 가능한 목표치를 설정하는 것이 핵심이다❗️

☝️ 입주 계약 단계의 전환율을 높이고 싶다고 해도 셰어하우스처럼 쉽게 구매할 수 없는 상품의 경우에는 더 이상 개선이 어려운 한계점이 존재할 수 있으므로 목표 수치를 현실적으로 달성 가능한 수준으로 설정하는 것이 중요하다

퍼널을 분석할 때는 여러 가지 변수가 작용하기 때문에 데이터를 단순 수치로만 보지 않고 맥락과 조건을 함께 고려해 판단해야 한다 ‼️

1️⃣ 스타트 지점에 있는 사람 수 늘려서 전환율 높이기

전환율을 높이고 싶다면 우선 방문자 수를 늘리는 것이 중요하다 👥

웹사이트에 더 많은 사용자가 유입되면 전체 퍼널 흐름에 따라 입주 계약 수치도 자연스럽게 상승하는 경향이 있다 ▶︎ 상위 단계의 유입이 충분히 확보되면 하위 단계의 전환율이 일정 수준만 유지돼도 전체 성과는 크게 향상

2️⃣ 코호트로 나누어 보기

사용자마다 특정 단계를 건너뛰거나 다른 루트를 통해 전환되는 경우도 있기 때문에 퍼널 하나만으로는 모든 사용자의 행동을 설명하기 어렵다

유입 채널과 사용자 특성에 따라 퍼널 구조 자체가 달라질 수 있으며 이런 복잡한 흐름을 이해하기 위해서는 퍼널 분석뿐만 아니라 코호트 분석이라는 또 다른 시각이 필요하다 👀

코호트 분석은 동일한 시기나 조건에서 유입된 사용자 그룹을 나누어 그들의 행동 변화를 시간에 따라 비교하는 분석 방법이다

예전에는 모든 사용자가 하나의 동일한 흐름 (같은 퍼널)으로 따라간다고 가정했지만 최근에는 실제로 유입 경로와 행동 흐름이 다양해지면서 코호트 관점에서 분석하는 방식이 중요해졌다 🔥

실행 기반 분석

"데이터를 보았을 때 전환율이 5%라고 해서 그것만으로 나쁜 수치라고 단정할 수는 없다" ➡️ 이러한 배경지식과 맥락을 이해하고 있어야 분석 결과가 정말 의미 있는지 없는지를 올바르게 판단할 수 있는 분별력이 생긴다

데이터가 아무리 많아도 그중에서 유의미한 데이터를 보고 실제로 액션을 취하지 않으면 아무리 분석을 잘했더라도 그 의미는 크게 줄어든다 📉

가장 좋은 분석은 실행으로 이어지는 분석이며 데이터에 기반한 인사이트가 실제 행동과 개선으로 연결될 때 비로소 분석의 가치가 완성된다 🔥🔥

GA4와 AARRR

GA4의 메뉴 구조는 고객 여정과 행동 분석에 널리 활용되는 AARRR 프레임워크 (획득 → 활성화 → 유지 → 수익 → 추천) 를 기반으로 설계되어 있으며 실무자들에게 익숙한 분석 흐름을 반영해 사용자 친화성을 높였다 🌿

프레임워크를 따름으로써 신규 사용자에서 충성 고객으로 이어지는 전환 흐름을 단계별로 쉽게 파악할 수 있고 어느 단계에서 이탈이 많이 발생했는지도 직관적으로 분석할 수 있다 ✔️ 획득 (Acquisition)은 사용자의 유입 경로와 관련된 데이터를 보여주는 메뉴 ▶︎ 유입이 있어야만 전체 사용자 행동을 추적하고 분석할 수 있기 때문에 메뉴 상 가장 먼저 배치

GA4는 단순히 방문자 수를 확인하는 도구가 아니라 사용자의 행동 흐름과 문제 지점을 식별하고 그에 맞는 액션을 도출하기 위한 분석 도구라는거 잊지말기❗️

✔️ 활성화 (Activation)은 사용자가 서비스에 얼마나 활성화되었는지를 보여주는 단계 ▶︎ 사용자가 처음으로 서비스를 제대로 사용해본 순간 (어? 이 서비스 괜찮은데 🤔)

▫️ 사용자가 우리 앱 또는 웹 서비스를 얼마나 적극적으로 사용했는지 어떤 행동을 했는지 볼 수 있다

▫️ 사용자가 회사의 주요 목표 지점에 도달했는지를 기준으로 활성화 여부를 판단하며 클릭·스크롤 등 구체적인 상호작용 기록과 이벤트 전환 발생 횟수를 기반으로 확인할 수 있다

✔️ 재방문율 (Retention)은 한 번 방문했던 사용자가 다시 우리 서비스를 찾아오는지를 확인하는 지표 ▶︎ 사용자가 서비스에 만족했는지, 다시 사용할 만큼의 가치가 있다고 느꼈는지

사용자가 우리 서비스에 얼마나 다시 방문했는지를 보고서를 통해 확인할 수 있다 ↪︎ 서비스의 품질, 사용자 경험이 얼마나 만족스러웠는지를 판단할 수 있는 중요한 기준이 됨 ✔️ 추천 (Referral)은 외부 채널을 통해 사용자가 유입되는 경로 ▶︎ 유입은 블로그, 커뮤니티, 인플루언서 콘텐츠 등 외부에서 발생함

☝️ 뷰티 블로거가 브랜드 링크를 더보기란에 첨부해 방문을 유도하는 경우 ↪︎ 인플루언서의 영향력이나 마케팅 캠페인의 효과 분석

☝️ 드롭박스의 그로스해킹 사례 ↪︎ 사용자가 친구에게 초대 링크를 보내고 그 친구가 가입하면 추천인과 가입자 모두에게 용량을 추가로 제공했던 구조

로그 수집 툴

로그를 수집하는 툴은 여러 가지가 있으며 겉보기에는 비슷해 보이지만 각자 고유한 성격과 강점이 있다

☝️ Amplitude는 사용자 행동 흐름을 분석하고 특정 행동을 많이 한 사용자 그룹을 식별하는 데 특화된 툴이다

세 가지 툴이 모두 로그를 수집한다는 공통점은 있지만 각자 분석 방식과 특화된 기능에는 차이가 있다 📄 로그 수집 툴은 웹사이트나 앱에서 발생하는 사용자 행동을 기록하는 도구다 ▶︎ 어떤 페이지를 클릭했는지, 어디서 유입됐는지 등의 행동 데이터 수집

수집된 로그는 데이터 기반 의사결정에 활용할 수 있도록 도와주지만 툴이 자동으로 분석해주는 것은 아니며 같은 데이터를 기반으로 하더라도 어떻게 활용하느냐에 따라 전혀 다른 인사이트와 시각화 결과를 얻을 수 있다

의미 있는 데이터 분석

💡 https://support.google.com/analytics/answer/9267735 데이터를 단순히 보는 데서 그치지 않고 ‘왜 이걸 수집했고 어떻게 활용할 건지❓’ 를 명확히 이해하는 것이 중요하다

데이터가 많다고 해서 반드시 의미가 있는 것은 아니며 실제로 활용 가능한 데이터만이 회사의 자산이 된다

GA에서 제공하는 맞춤형, 추천형, 이벤트형 데이터의 성격을 정확히 이해하고 분석 목적에 따라 적절히 활용하는 것이 중요하다 ‼️

🧠 이벤트는 사용자가 어떤 행동을 했는지를 추적하는 태그다 예를 들어 어떤 화면을 보고, 어떤 버튼을 눌렀고, 결제까지 이어졌는지 등 행동 흐름 전체를 파악하는 데 핵심적인 역할을 한다 ↪︎ 배경지식을 알고 있어야 GA 데이터를 보다 효과적으로 해석하고 사용할 수 있음

아마존 플라이휠 (Flywheel)

: 한 번 돌기 시작하면 점점 더 가속도가 붙는 선순환 구조 ▶︎ 아마존의 성장하는 방식

아마존의 모토는 단순한 판매가 아니라 시스템 기반의 성장 구조를 만드는 데 있다

고객 경험이 향상되면 만족한 고객이 다시 찾아오고 이로 인해 트래픽이 증가하면 판매자들도 몰려들어 공급이 자연스럽게 늘어난다

공급이 많아지면 경쟁이 치열해지고 소비자는 더 많은 선택지와 낮은 가격을 얻게 되며 이는 고객 만족과 구매율 상승으로 이어진다

▶️ 한 번 돌아가기 시작한 플라이휠은 지속적인 성장 동력이 된다

☝️ GA를 통해 결제 직전 단계에서 많은 사용자가 이탈하고 있다는 사실을 발견했다면 결제 과정을 간소화하거나 배송비를 무료로 바꾸는 등의 실제 개선 조치로 이어질 수 있다 ↪︎ 고객 경험이 좋아지는 순간 플라이휠은 본격적으로 돌기 시작 !

▶️ GA는 이 성장 구조를 만드는 데 있어 사용자를 이해하고 경험을 개선하는 출발점이 된다

성장은 우연히 이루어지는 것이 아니라 데이터 분석을 기반으로 한 철저한 설계와 시스템적인 접근에서 비롯된다

📌 퍼널 분석

Google Merch Shop > 탐색 > 유입 경로 탐색 분석으로 이동한 뒤 기본으로 설정되어 있던 값들을 모두 삭제하고 원하는 조건으로 새롭게 설정하면 내가 원하는 방식으로 퍼널을 구성해볼 수 있다

퍼널은 단계별로 구성되어 있으며 GA에서는 이 단계를 직접 맞춤 설정하여 시각화할 수 있다

✏️ 구글 애널리틱스 수강하기

✏️ 데일리 UI 하기

💡 25-06-16 (월)

멘탈 다시 잡기 ‼️‼️‼️ 넌 할 수 있어

고객 데이터 분석

: 고객과 관련된 다양한 데이터를 수집하고 이를 분석하여 의미 있는 정보를 도출하고 인사이트를 얻는 과정

▫️ 인구 통계 정보 : 성별, 나이, 거주 지역, 학력 ▫️ 행동 정보 : 어떤 페이지를 봤는지, 어디를 클릭했는지, 얼마나 스크롤 했는지 ▫️ 구매 정보 : 어떤 상품을 얼마나 자주, 얼마나 많이 구매했는지

☝️ 데이터 분석 시에는 다양한 시각화 방법을 활용하여 인사이트를 도출할 수 있으며 대표적으로 세그먼트 분석, 코호트 분석, 퍼널 분석, 사용자 여정 분석 등이 있다

세그먼트 분석

: 사용자를 비슷한 특징에 따라 그룹으로 묶고 그 차이를 분석하는 방법 ↪️ 세그먼트 (Segment) : 나누다, 분할하다, 부분

☑️ 인구통계학적 세분화 (성별, 나이, 지역, 학력)

회원가입 시 수집 가능한 기본 정보 덕분에 데이터 수집은 용이하지만 같은 그룹 내에서도 관심사가 다양할 수 있어 과도한 일반화는 주의해야 한다

☝️ 10대는 SNS에, 30대는 뉴스레터에 더 반응한다는 결과 도출 가능

☑️ 위치 기반 세분화 (거주 지역, 아이피 접속 위치)

위치 정보만으로 고객 니즈를 정확히 파악하기는 어렵다

☝️ 서울과 제주도의 관심 제품, 날씨, 배송 가능 여부가 다를 수 있음

☑️ 심리적 세분화 (관심사, 태도, 라이프스타일)

고객의 마음과 니즈를 파악하는 데 효과적이지만 이를 위해선 인터뷰와 같은 정성적 리서치가 필요하다

☝️ 친환경에 관심 있는 고객에게는 친환경 제품을, 여행을 좋아하는 고객에겐 여행 굿즈나 콘텐츠를 노출

☑️ 행동 기반 세분화 (웹사이트/앱 내 사용자의 행동 기준)

실시간으로 고객의 니즈를 빠르게 파악하고 대응이 가능하다

☝️ 특정 상품을 자주 본 고객에게 비슷한 상품을 추천 ☝️ 장바구니에 상품을 담고 결제를 완료하지 않은 사용자에게 알림 제공

다양한 기준으로 고객을 분류하고 그 안에서 차이를 분석함으로써 더 효과적인 마케팅 전략과 맞춤형 서비스를 설계할 수 있게 해준다 📚

고객 행동 데이터를 활용한 세그먼트 분석

1️⃣ 방문 구분 세그먼트 분석

사용자를 신규 방문자와 재방문자로 구분하고 방문 시점, 경로, 방식까지 함께 분석하면 고객 충성도와 유입 경로에 대한 핵심 인사이트를 도출할 수 있다 👥 신규 방문자는 보통 광고, 검색, 바이럴을 통해 유입된다

신규 방문 비율🔽 > 브랜드 인지도, 광고 부족 의심

신규 방문 비율🔼 / 재방문 비율🔽 = 고객의 충성도가 낮음 > 리타겟팅 마케팅 전략을 통해 재유입 유도

👤 재방문자는 이전에 긍정적인 경험을 했거나 브랜드에 대한 관심이 높은 경우가 많다

재방문 비율🔼 = 브랜드에 대한 충성도와 만족도가 높음 > 쿠폰이나 혜택 같은 보상 제공

비회원 비율🔼 > ‘첫 구매 5% 할인’ 같은 회원 가입 혜택을 강조해 전환 유도

☝️ 모바일 방문 비율이 70%인데도 UI가 PC 중심이라면모바일 최적화가 필요하다

이러한 분석을 위해서는 회사가 보유한 다양한 사용자 데이터가 충분히 축적되어 있어야 하며 그 데이터를 기반으로 전략을 세우는 것이 핵심이다

2️⃣ 유입채널 세그먼트 분석

사용자가 우리 사이트에 어떻게 유입되었는지를 기준으로 분류한 뒤 각 경로가 실제로 어떤 성과를 냈는지 비교해 효율을 판단한다 🔵 무료 검색을 통해 유입된 사용자는 이미 우리 브랜드에 관심이 있는 잠재 고객일 가능성이 높아 구매 전환 가능성이 크다

🟠 유료 검색은 광고비를 투입한 결과이기 때문에 실제 전환으로 이어졌는지를 확인해 파워링크 광고의 효율성을 평가해야 한다

🟢 접근 채널 중 감성적 요소가 강한 썸네일 기반 콘텐츠는 브랜드 이미지 제고에는 효과적일 수 있지만 구매로 이어지는 전환율은 따로 확인할 필요가 있다

데이터 분석의 목적은 결국 한정된 예산을 어디에 투자해야 가장 효과적인지 판단하기 위한 것이다

3️⃣ 회원 세그먼트 분석

사이트에 가입한 회원들을 성별이나 등급 등의 기준으로 나누어 분석하는 방법으로 일정 수준 이상의 회원 수가 확보된 상태에서 활용하면 효과적이다 ☝️ 쇼핑몰에서 남성 회원과 여성 회원을 나누어 분석했을 때,

남성 회원은 방문율은 낮지만 구매 전환율이 높고 여성 회원은 방문 빈도는 높지만 전환율이 낮은 경우 전환율이 높은 남성 회원을 대상으로 맞춤형 이벤트를 집중 운영하는 전략을 세울 수 있다 !

회원 기준으로 세그먼트를 나누면 누가 실제로 구매를 이끌고 있는지를 파악해 보다 정교한 마케팅 전략 수립이 가능해진다

4️⃣ 전환 세그먼트 분석

사용자가 사이트에서 어떤 행동을 했는지를 기준으로 분석한다 회원가입 완료와 예·적금 가입을 비교했을 때,

회원가입 전환율(🔵)은 높지만 예·적금 가입 전환율(🟠)이 낮다면 "회원가입 이후 플로우가 복잡한가?", "프로모션이 충분히 매력적인가?" 등 다양한 원인을 고민해볼 수 있다

각 전환 단계별로 세그먼트를 나눠 분석하면 어디까지 사용자가 잘 도달하고 어디서 이탈하는지를 파악할 수 있고 사용자 여정을 더 매끄럽고 자연스럽게 개선하는 데 도움이 된다

5️⃣ 기타 세그먼트 분석

GA 외의 분석 툴을 사용할 때 기본적으로 제공되는 템플릿 외에 자체적으로 커스텀한 세그먼트를 설정해 우리에게 더 유의미한 인사이트를 얻을 수 있다

▶︎ 신규/재방문이나 성별처럼 정해진 항목이 아닌 성별 + 연령대와 같이 조합하여 특정 세그먼트를 정의할 수 있다 (40대 이상 + PC 접속자) A 쇼핑몰에서 20~30대 여성 사용자가 이벤트에 얼마나 민감하게 반응하는지를 확인하고 싶다면 연령과 성별을 조합한 세그먼트를 직접 만들어 전환율이나 구매율 등을 분석할 수 있다

미리 정해진 항목을 넘어 우리 비즈니스에 적합한 방식으로 데이터를 분류하고 분석할 수 있는 유연한 방법이다

세그먼트를 코호트로 나눠보기

세그먼트 + 시간 축 = 코호트

세그먼트와 코호트는 모두 사용자를 집단으로 분류하는 방법이지만 세그먼트에 시간 요소를 추가하면 코호트 분석으로 확장할 수 있다

☝️ 세그먼트 기준이 ‘구매 전환에 성공한 신규 가입자 수’라고 가정해보자 여기에 ‘기간’이라는 시간 조건을 추가하면 다음과 같은 형태로 코호트 분석이 가능해진다

👤 지난 1주간 5회 이상 상품을 구매한 유저 👤 지난 2주간 5회 이상 상품을 구매한 유저 👤 지난 3주간 5회 이상 상품을 구매한 유저

세그먼트 분석은 반드시 세그먼트 방식으로만 해석할 필요는 없으며 코호트 분석과 결합하거나 목적에 맞게 커스텀하여 유연하게 활용할 수 있다 (코호트 분석도 마찬가지!)

코호트 분석

: 특정 시점에 동일한 특성을 가진 사용자 집단의 행동을 추적하고 분석하는 방법

▶︎ 그들의 행동 변화를 시간의 흐름에 따라 살펴보며 사용자를 더욱 깊이 이해할 수 있다

단순히 비슷한 특성을 가진 사람들을 묶는 것이 아니라 같은 시점과 같은 특성이라는 두 가지 조건을 모두 만족해야 한다 ‼️

✔️ 전체 사용자 데이터를 단순히 보기보다 언제 어떤 경로로 유입된 사용자가 어떻게 다르게 행동하는지를 파악해 문제점이나 효과적인 요소를 구체적으로 확인하고 개선할 수 있다

✔️ 마케팅, UX, 제품 개선 등 다양한 분야에서 활용되며 대표적인 툴로는 Google Analytics (GA)가 있다

☝️ 어떤 쇼핑 앱에서 6월 첫째 주에 가입한 사용자를 A코호트, 둘째 주 가입자를 B코호트라고 했을때, A코호트는 일주일 후에도 50% 이상이 앱을 사용하고 있는데 B코호트는 20%만 사용한다

전환율이 왜 떨어졌는지, 기능이 변경됐는지, 광고 메시지가 바뀌었는지 등을 파악할 수 있고 A코호트의 긍정적인 요소를 B코호트에 적용해볼 수도 있다

⭕ 올바른 예 : ○○ 대학교 25학번 신입생 ❌ 잘못된 예 : ○○ 대학교 신입생

➡️ 같은 신입생이라도 ‘입학 연도’라는 시점 조건이 포함되어야 코호트로 간주할 수 있다

차트는 코호트 분석 그래프로 Google Analytics (GA)에서도 확인이 가능하다

📌 코호트 분석은 모든 데이터를 다룰 수 있는 건 아니며 특정한 성격을 지닌 지표들만 분석할 수 있다

▪️ 전환율 (Conversion rates) : 사용자가 다음 행동 단계로 얼마나 많이 이동했는지 ▪️ 이용자당 전환률 (Transactions per user) : 사용자 1명당 평균 거래 횟수

▪️ 이용자당 수익률 (Revenue per user) : 사용자 1명이 만들어낸 평균 수익 ▪️ 이용자당 페이지 뷰 수 (Page views per user) : 사용자들이 평균적으로 몇 개의 페이지를 봤는지

▪️ 리텐션률 (Retention rates) : 한 번 방문한 사용자가 며칠 후에도 다시 돌아오는지 ▪️ 이용자의 목표 달성률 (Goal completions per user) : 사용자 1명당 설정된 목표를 얼마나 달성했는지

▪️ 이용자당 세션 수 (Sessions per user) : 사용자 1명이 앱이나 웹사이트를 얼마나 자주 열었는지

▪️ 이용자당 세션 기간 (Session duration per user) : 한 번 방문했을 때 얼마나 오래 머물렀는지

코호트 분석은 시간 흐름에 따른 사용자 행동의 변화를 파악해 UX 개선이나 마케팅 전략에 필요한 인사이트를 제공한다 🧠

왼쪽부터 앱 최초 사용 날짜, 해당 날짜의 유입 사용자 수, 설치 후 방문률을 순서대로 나타내며 All users는 전체 사용자 기준의 평균값을 의미한다 ⤵️ 유저 가입 수는 10일 동안 증가하고 있지만 신규 유저의 10일간 앱 활성률은 오히려 낮아지고 있는 것으로 나타난다 📉

앱 활성률 하락의 원인으로는 다음과 같은 점들을 고려해볼 수 있다

• 온보딩 과정이 복잡하거나 이해하기 어려움
• 서비스 자체의 품질 문제나 사용성 저하
• 사용자의 니즈와 기대를 충분히 충족시키지 못했을 가능성

▶️ 감소하는 비율을 보면 사용자가 어느 시점에서 이탈하는지 명확히 파악할 수 있다❗

⬇️ 리텐션이 낮은 경우 온보딩 과정에 문제가 있는지, UI가 불편한지, 푸시 알림의 효과가 부족한지 등 다양한 원인을 고려해볼 수 있다

⬆️ 리텐션이 높은 상황에서도 이를 유지하거나 더욱 향상시키기 위한 캠페인이나 이벤트 기획이 필요할 수 있다

코호트 분석 시 고려해야 할 점

특정 이용자를 분류할 때 단순히 나이, 지역, 구매 횟수, 서비스 버전 등으로 집단을 나누는 것은 코호트 분석의 기준이 될 수 없다

집단을 나눌 땐 반드시 기간과 유형(특성)에 대한 명확한 정의가 선행되어야 한다 ‼️

🛍️ 최근 7일간 3회 이상 상품 구매를 한 집단 (파워 유저) 💰 최근 30일간 요금제를 업그레이드 한 집단 (요금제 업그레이드 한 유저) 📉 최근 14일간 서비스에 접속하지 않은 집단 (비활성화된 유저)

코호트를 나눌 때는 반드시 언제와 어떤 특성인지 이 두 가지 기준을 꼭 기억해야 한다 ⭐

코호트와 세그먼트의 차이점

그로스 해킹의 핵심은 데이터 기반의 빠른 실험과 검증이며 이 과정에서 세그먼트와 코호트는 전략의 효과를 정확히 측정하고 성과와 개선점을 명확히 보여주는 핵심 도구이다

둘 중 하나만으로는 완전한 분석이 어려우므로 효과적인 전략 설계와 정확한 데이터 해석을 위해 함께 활용하는 것이 중요하다 ‼️

✅ 세그먼트 (누구인가?) : 현재 사용자의 특성에 초점을 맞춰 전체 고객을 특정 기준으로 나눈 그룹 ▶︎ 현재 고객의 특징을 파악하고 그에 맞는 맞춤형 마케팅이나 푸시 알림 전략을 실행할 수 있다

나이, 성별, 지역, 관심사, 구매 이력 등의 기준에 따라 유사한 특성을 가진 사용자들을 그룹으로 나눈다

☝️ 스마트폰 회사에서 사용자의 니즈에 따라 그룹을 나누고 각 그룹에 맞는 제품이나 마케팅 전략을 설정할 수 있다

(A) 최신 기능이나 카메라 성능을 중시하는 고객 (B) 배터리 지속 시간과 쉬운 사용법을 원하는 고객 (C) 통화와 문자만 되면 충분한 가성비 중시 고객

☝️ ‘장바구니에 물건을 담아둔 유저들’처럼 현재의 행동이나 특성을 기준으로 분류하며 이때 사용자가 물건을 언제 담았는지는 중요한 요소로 고려되지 않는다

✅ 코호트 (언제부터 함께했는가?) : 특정 시점에 동일한 행동이나 경험을 시작한 사용자들을 시간과 특성을 기준으로 나눈 집단

▶︎ 시간의 흐름에 따라 사용자 행동의 변화를 살펴보고 그에 따른 전략의 효과를 정밀하게 평가할 수 있게 해준다

☝️ 6월 1주차에 앱에 가입한 유저들과 2주차에 가입한 유저들을 구분해 각 그룹의 리텐션이나 전환율이 어떻게 달라지는지 추적해볼 수 있다

☝️ “이번 달에 가입한 유저 중 최근 7일간 장바구니에 물건을 담아둔 유저들”처럼 동일한 기간에 동일한 특성을 보인 사용자 그룹을 기준으로 나눈다

세그먼트는 현재 특성 기반으로, 코호트는 시작 시점 기반이다

세그먼트와 코호트는 상호 보완적인 개념으로 그로스 해킹 전략에서는 이 둘을 유기적으로 결합해 활용할 때 가장 강력한 인사이트를 얻을 수 있다 🔥

📌 자유형식 탐색 분석

GA에서는 특정 기능을 제공하며 이는 사용자가 보유한 데이터를 미리 만들어진 템플릿 스타일에 맞춰 시각화해 보여준다 Google Merch Shop > 탐색 > 자유 형식을 선택한 뒤 기본으로 설정되어 있던 값들을 모두 삭제하고 화면처럼 설정해준다

오른쪽 패널에는 아직 시각화된 데이터가 없어 ‘사용 가능한 데이터 없음’으로 표시되고 있다 왼쪽 패널(변수)에서 선택한 측정기준과 측정항목들을 중앙 설정 영역으로 드래그해 넣어준다

어떤 데이터를 행으로, 어떤 데이터를 열로 볼 것인지에 따라 넣어주면 오른쪽 영역에 자유 형식 기반의 데이터 시각화 테이블이 생성된다

📌 코호트 분석

코호트 분석을 진행하려면 상단의 설정 패널에서 ‘기법’을 ‘동질 집단 탐색 분석’으로 변경해야 한다

그 후 자유 형식 분석과 마찬가지로 기본 세팅값을 지우고 보고자 하는 데이터를 선택해 원하는 기준에 맞게 설정해주면 된다

✏️ 구글 애널리틱스 수강하기

💡 https://youtu.be/BkvRu5-Cuz4?si=ve4IdRPGnSvXghYk

Google Analytics는 수집된 데이터를 먼저 실시간 보고서에 표시하고 이후 다른 보고서에도 반영되며 이를 통해 데이터가 정상적으로 수집되고 있는지 확인할 수 있다

먼저 Analytics 속성의 보고서 > 실시간 메뉴로 이동하여 웹사이트의 사용자 트래픽이 Google Analytics에 나타나는지 확인한다

▶︎ 만약 아무 데이터도 보이지 않는다면 직접 웹사이트나 앱을 열어 활성 사용자가 되어 블로그에 방문하고 이벤트를 발생시켜야 한다

실시간 보고서는 지난 30분간의 사용자 활동과 함께 사용자 수, 사용 중인 기기 정보까지 확인할 수 있다

⭕ 데이터가 수집되고 있다면 실시간 보고서에서 거의 즉각적인 실시간 활동을 볼 수 있다

❌ 예상한 페이지가 나타나지 않는다면 구현 설정을 다시 확인해야 하며 여전히 데이터가 보이지 않는다면 웹사이트 태그에 문제가 있을 수 있다

📌 데이터가 제대로 수집되고 있는지 확인하기 위해 두 가지 주요 항목에 집중해야 한다

✅ 지난 30분 동안 어떤 활동이 표시되고 있는지? ✅ 예상한 데이터가 Analytics로 들어오고 있는지? (이벤트 이름별, 이벤트 수 카드 확인)

태그가 삽입된 사이트에서 수집되는 모든 이벤트를 확인할 수 있으며 이 카드는 상호작용이 가능하다

이벤트 이름을 클릭하면 해당 이벤트에 연결된 파라미터 목록이 나타나고 파라미터 이름을 클릭하면 그에 대한 수집된 값도 확인할 수 있다 ↪︎ 지난 30분 동안 사용자가 방문한 페이지들의 URL

데이터 수집을 디버깅하거나 어떤 데이터를 수집 중인지 파악하는 데 매우 유용하다 ‼️

💡 https://youtu.be/jKDykqKDMLI?si=Plgkp_8KP-eDm0yr

Admin 메뉴 : Google Analytics 계정과 속성 설정을 관리할 수 있는 핵심 도구

▶︎ 사용자, 계정, 속성, 데이터 스트림 관리 / 사용자 정의 차원과 지표 등 고급 기능 설정 가능

✅ 사용자 추가 및 권한 설정 직원이나 팀원이 보고서와 데이터를 열람하도록 하려면 계정에 사용자를 추가하거나 삭제할 수 있다 ▶︎ 누가 접근 권한을 가지고 있는지 각 사용자에게 어떤 권한이 부여되어 있는지도 확인 가능

사용자를 추가하려면 이메일 주소를 입력하고 해당 사용자가 가질 권한 수준을 선택하면 된다

✔️ 관리자 (Administrator) 👤 계정을 처음 만든 사람은 기본적으로 관리자 권한을 갖게 됨

▪️ Analytics 계정에 대한 전체 권한을 가지고 있음 ▪️ 사용자 관리와 권한 설정은 물론 다른 사용자 추가/삭제 가능 ▪️ 비용 및 수익과 같은 민감한 데이터는 체크박스를 통해 볼 수 없도록 제한 가능

✔️ 편집자 (Editor) 속성 및 계정의 설정을 자유롭게 변경 가능 (사용자 관리 ❌)

✔️ 마케터 (Marketer) 오디언스, 전환, 어트리뷰션 모델, 이벤트 등 생성/수정/삭제 가능

✔️ 분석가 (Analyst) 특정 자산을 생성/수정/삭제할 수 있고 공유된 자산에 협업 가능 계정/데이터 설정이나 사용자 권한은 수정 불가 ❌

✔️ 뷰어 (Viewer) 데이터 및 설정 보기, 보고서에서 비교 항목 추가, 보조 차원 추가 가능 ↪︎ 보고서 탐색은 가능하지만 내비게이션 수정 ❌

✔️ 없음 (None) 해당 계정이나 속성에는 역할이 없지만 다른 관련 계정이나 속성에서는 역할을 가질 수 있음

상위 역할일수록 하위 역할의 기능을 포함한다 ⭐

✅ 속성과 데이터 스트림 관리 데이터 스트림 설정에서는 측정 기능 수정과 주요 태그 설정 등을 할 수 있고 그 외 설정에서는 데이터 수집 기능을 켜거나 끌 수 있다 (데이터 보관 기간 설정 등)

이 데이터 보관 설정은 일반 보고서에는 영향을 주지 않지만 Explore와 같은 고급 분석 도구에 사용되는 데이터에는 영향을 줄 수 있다

✅ 데이터 삭제 및 복원 삭제하면 35일 동안 휴지통에 보관되며 그 안에 복원도 가능하다

✅ 변경 이력 확인 누가 어떤 변경을 했는지도 계정 변경 기록에서 확인할 수 있다

원하는 설정을 못 찾겠다면 화면 상단의 검색창을 활용하기 😇

📊 데이터 제한사항 ▫️ 광고/마케팅 투자와 관련된 비용 데이터는 볼 수 없음 ▫️ 고객 구매와 관련된 수익 데이터는 볼 수 없음

🧠 역할 상속 역할은 기본적으로 상속되기 때문에 계정 레벨에서 부여하면 해당 계정의 모든 속성에 동일한 권한이 적용되며 필요에 따라 특정 속성에만 역할을 부여할 수도 있다

💡 https://youtu.be/BlKDZgH8Qqw?si=K5p9HKDdtI4OEY7c

파라미터 : 이벤트에 맥락(상황)을 더해주는 역할 이벤트 : 사용자가 앱을 처음 열거나 동영상을 시청하거나 웹사이트에서 페이지를 보는 등의 행동

웹사이트나 앱에서 사용자의 상호작용이 발생하면 해당 이벤트는 관련 정보를 담은 이벤트 파라미터와 함께 Analytics로 전송된다

☝️ 누군가 웹사이트에서 동영상을 시청할 때 사용자가 재생 버튼을 클릭하는 순간 이벤트가 발생하고 이벤트 파라미터로는 동영상 이름, 시청 시간 등이 함께 전송된다

이벤트 및 파라미터 외에도 사용자에 대한 정보도 함께 전송되는데 (사용자의 지리적 위치, 사용 중인 기기 종류) 🟰 사용자 속성 (user properties)

Google Analytics는 이벤트, 이벤트 파라미터, 사용자 속성을 바탕으로 데이터를 수집하고 이를 보고서에 집계해서 보여준다

보고서에서 이 데이터를 시각적으로 표현할 때는 차원(dimensions)과 지표(metrics)를 사용한다

✔️ 차원 (Dimension) : 데이터의 속성 또는 특성으로 보통 텍스트 형태 (이벤트 이름 - click) 🗣️ “누가, 무엇을, 어디서?”

✔️ 지표 (Metric) : 수치로 표현되는 양적인 측정값으로 평균, 비율, 퍼센트 등 숫자 형태 (이벤트 발생 횟수) 🗣️ “얼마나 많이?”

☝️ “멕시코에서 내 웹사이트에 방문한 사용자는 몇 명일까?”를 알고 싶다면 차원은 국가이고 값은 멕시코(Mexico) / 지표는 몇명이 된다

▶️ GA를 처음 설정하면 기본 데이터는 자동으로 수집되지만 웹사이트나 앱에 특화된 맞춤형 이벤트를 직접 설정해야 보다 유의미하고 비즈니스에 적합한 데이터 분석이 가능하다 ‼️

✏️ 데일리 UI 하기

💡 25-06-13 (금)

정해진 패턴대로 하루 일상을 마무리하니 마음이 편안 😇

Google Analytics

관리자 화면에서 Google Analytics가 제공하는 다양한 기능을 활용해 웹사이트 상황에 맞게 설정할 수 있다 관리자 화면은 데이터 수집 기준을 설정하는 공간이고 왼쪽에 보이는 메뉴들은 각각의 설정 항목들이다

➡️ 관리자 화면에서 어떤 데이터를 어떻게 수집할지 설정하면 보고서 영역에서는 이 설정에 따라 수집된 데이터를 시각적으로 보여준다

홈 화면에서는 웹사이트에서 현재 어떤 일이 일어나고 있는지를 보여준다

데이터는 일정 기간 이상 누적되어야 패턴이나 흐름을 파악할 수 있고 분석의 신뢰도도 높아진다

그래서 실시간 데이터 자체는 분석 목적으로는 큰 의미가 없다❗

GA 태그가 잘 작동하는지, 데이터가 정상적으로 유입되고 있는지를 확인하는 용도로 활용하는 것이 적절하다 ▶︎ 디버깅, 데이터 모니터링을 위한 창

트래픽 곡선이 낙타 등처럼 보이는 이유는 중간중간 꺾이는 지점이 있기 때문이다

이러한 하락 구간은 주말에 발생하며 대부분의 분야에서 주말에는 트래픽이 감소하는 경향이 있다

획득 카테고리는 사용자가 어떤 경로를 통해 웹사이트에 유입되었는지를 보여주는 지표다

✏️ 하트버튼 클릭 생성하기

사용자가 서비스에 방문해 어떤 행동을 했는지 추적하는 과정에서 ‘좋아요’와 같은 특정 행동을 GA에 연결하는 방법을 배웠다 ❗ (태그는 한번 만들면 삭제가 안됨 😭)

구글 태그 관리자에 접속해 새로운 태그를 생성한다

화면처럼 입력하면 코드가 생성된다

티스토리 블로그에 접속한 후 fn + F12를 눌러 개발자 도구를 열고 필요한 코드를 삽입한다

크롬 확장 프로그램 Tag Assistant를 설치하고 활성화했을 때 화면에 정상적으로 표시된다면 설정이 완료된 것 !

새로 만들기를 클릭한 뒤 태그 구성 > Google 애널리틱스 > Google 애널리틱스: GA4 이벤트로 이동해 측정 ID를 입력하면 된다

구글 애널리틱스 관리자 화면에서 데이터 스트림에 들어가면 측정 ID를 확인할 수 있다

측정 ID를 입력하면 "Google 태그가 없습니다"라는 메시지가 뜨는데 옆에 있는 ‘태그 만들기’ 버튼을 클릭해준다

이름 변경 후(GA4이벤트전송) 저장을 눌러준다

Google 태그가 정상적으로 감지되었다는 문구가 뜨면 바로 저장하지 말고 변경사항 삭제 후 제출 > 게시를 통해 중간 저장을 해준다 (설정 중 오류를 방지하기 위함)

이후 다시 ‘새로 만들기’로 태그를 설정하고 측정 ID를 입력하면 Google 태그가 자동으로 감지된다

이어서 이벤트 이름(click_heart)을 작성한 뒤 바로 저장하지 말고 아래의 트리거 설정 단계로 이동한다

➕ 버튼을 눌러 트리거를 새로 추가하고 '모든 요소'를 선택한 뒤 화면처럼 설정해준다

단 '모든 클릭'으로 설정하면 페이지 내 모든 클릭이 수집되므로 '일부 클릭'으로 설정해줘야 한다

내 블로그에 들어가 개발자 도구를 열고 하트 아이콘을 확인해보면 ico_like라는 고유 클래스명을 가지고 있는 걸 확인할 수 있다

이를 바탕으로 클릭에 관련된 변수를 지정해주고 트리거 이름은 '하트버튼클릭’으로 변경해준다

모든 설정을 완료한 뒤 태그 이름을 ‘GA4좋아요버튼클릭’으로 변경하고 저장하면 된다

제출 > 게시 하면 끝 !

이렇게 뜨면 잘 설정한 것 👏

Tag Assistant에 들어가 내 도메인 주소를 입력한 뒤 블로그에 접속해 좋아요 버튼을 클릭해 테스트해보면 화면처럼 정상적으로 표시된다면 설정이 모두 잘 완료된 것이다 👏👏

이제 정말 마지막으로 Debug View에 들어가서 click_heart 이벤트가 정상적으로 뜨는지 확인하면 완료 👏👏👏

✏️ 구글 애널리틱스 수강하기

💡 https://youtu.be/PeTA6aCXV0E?si=W_wFU6upt6oRyTwa

📌 앱용 데이터 스트림을 설정하는 방법

Google Analytics는 웹사이트, 앱 또는 이 둘을 동일한 속성내에서 측정할 수 있다

앱 데이터 스트림은 Firebase 소프트웨어 개발 키트(SDK)를 기반으로 작동한다 ▶︎ 이미 Firebase를 사용 중이라면 Firebase 콘솔에서 Analytics 기능을 활성화하면 된다

하지만 Firebase를 사용하고 있지 않다면 Google Analytics가 자동으로 Firebase 프로젝트를 생성해줄 수 있다 관리 메뉴로 이동해 데이터 스트림을 클릭한 후 iOS 또는 Android 중 해당 플랫폼에 맞춰 새 데이터 스트림을 추가한다 Android의 경우 패키지 이름 / iOS의 경우 번들 ID가 필요하다

앱이 두 플랫폼 모두에 있다면 각각에 대해 별도의 데이터 스트림을 생성해야 한다

▶️ 앱에 대한 정보를 입력하고 다음을 클릭하면 Google Analytics가 Firebase 프로젝트를 생성하고 앱용 데이터 스트림을 설정한다

앱에서 사용자 활동을 측정하려면 반드시 앱 내에 Firebase SDK를 구현해야 한다❗

▪️ Firebase가 구성되면 앱 최초 실행, 인앱 구매, 화면 조회 등 공통 이벤트가 자동으로 수집되며 여기에 비즈니스에 맞는 추천 이벤트나 커스텀 이벤트도 추가로 수집할 수 있다

▪️ log Event 메서드를 사용해 최대 500개까지 이벤트 이름을 정의하고 수집할 수 있으며 총 이벤트 수량에는 제한이 없다

➡️ 웹과 앱의 데이터 수집 방식은 다르지만 Google Analytics에서는 모든 데이터를 하나의 속성에서 통합 분석하여 사용자가 다양한 기기에서 웹이나 앱을 통해 회원가입, 로그인, 구매 등 어떤 행동을 했는지 파악할 수 있다

✏️ 데일리 UI 하기

💡 25-06-12 (목)

오늘 하루도 열심히 🫠

GA4 이벤트

: 사용자가 웹사이트나 앱에서 어떤 행동을 했는지를 측정하는 단위 ▶︎ 요청하면 반응이 오는 구조 - 이벤트 핵심 원리

• 방문자가 어떤 버튼을 눌렀는지 🟡
• 영상을 끝까지 봤는지 📱
• 몇 명이 클릭했는지 👥

실제 행동 데이터를 파악하는 핵심 수단이다

▶️ 버튼 클릭, 동영상 재생, 기사 읽기 완료, 구매 완료, PDF 다운로드 등 모든 상호작용이 이벤트 트래픽으로 기록된다

📍 GA4에서는 이벤트가 기본이자 중심이다

☝️ 과거 Universal Analytics는 페이지뷰 중심이었다면 GA4에서는 페이지를 본 것조차도 하나의 이벤트로 간주된다 ↪︎ 모든 사용자 행동이 이벤트로 기록되기 때문에 그 양도 방대하고 핵심적인 분석 요소가 된다

이벤트 데이터를 활용하면 사용자가 어떤 콘텐츠에 관심이 있는지를 정확히 파악할 수 있고 이를 기반으로 마케팅 전략이나 UX 디자인 개선 방향을 도출할 수 있다

GA4 4가지 이벤트

💡 https://support.google.com/analytics/answer/9322688?hl=ko#zippy=%2C실시간-보고서,debugview-보고서

✅ 자동 수집 이벤트 (Automatically Collected Events)

: GA4가 웹사이트/앱을 연결하기만 해도 자동으로 수집해주는 이벤트 ▶︎ 기본적인 유저 활동을 별도 설정 없이 자동으로 추적해주기 때문에 기본적인 데이터 분석에 유용함

• session_start : 사용자가 사이트나 앱을 처음 방문하여 세션이 시작될 때
• page_view : 사용자가 페이지를 열 때마다 발생
• first_open : 앱을 처음 설치하고 실행했을 때
• first_visit : 웹사이트에 처음 방문한 경우
• user_engagement : 사용자가 일정 시간 이상 페이지나 앱에 머물렀을 때

✅ 향상된 측정 이벤트 (Enhanced Measurement Events)

: GA4 설정 화면에서 토글 버튼 하나만 켜면 추가적인 사용자 행동을 코드 수정 없이 자동으로 추적해주는 이벤트 ▶︎ 자동 수집 이벤트보다 더 깊이 있고 구체적인 사용자 행동을 파악할 수 있음

• scroll : 사용자가 페이지를 일정 비율 이상 스크롤했을 때
• click : 사용자가 외부 링크나 특정 요소를 클릭했을 때
• file_download : PDF나 문서 파일 등을 다운로드했을 때
• view_search_results : 사이트 내부 검색창에 어떤 키워드를 입력하고 결과를 조회할때

✅ 추천 이벤트 (Recommended Events)

: GA4에서 미리 정해둔 이벤트 명칭들 ▶︎ 직접 코드를 설정해야 하지만 구글이 권장하는 형식대로 작성하면 보고서에서도 깔끔하고 정제된 형태로 데이터가 수집됨

• sign_up (회원가입)
• search (검색)

이벤트 이름과 파라미터 형식을 임의로 지정하면 자동 분류가 되지 않아 분석이 어려울 수 있으므로 정해진 형식을 따르는 것이 중요하다

✅ 맞춤 이벤트 (Custom Events)

: 구글이 미리 정의한 이벤트 이름에 해당하지 않을 경우 우리가 직접 이름과 구조를 정해 설정하는 이벤트 ▶︎ 서비스에 맞는 구체적인 사용자 행동을 추적할 수 있도록 자유롭게 정의할 수 있음

• 사용자가 동영상을 끝까지 시청했는지 추적하고 싶다면 → video_complete
• 뉴스레터를 구독했는지 여부를 알고 싶다면 → newsletter_subscribe

정확한 추적을 위한 설정

1️⃣ 일반 도메인 링크로 접속하면 블로그 메인 화면이 첫 번째 Page_view로 기록된다 이때 Page_location에는 해당 페이지의 도메인 주소가 찍힌다

2️⃣ 이후 블로그의 첫 번째 게시물을 클릭하면 두 번째 Page_view가 발생하며 도메인 주소 뒤에 게시물 고유 번호가 붙은 새로운 URL이 기록된다

▶️ 모든 방문이 단순히 ‘Page_view’로만 기록되면 사용자가 어떤 페이지에서 어떤 행동을 했는지 파악하기 어려울 수 있다 따라서 이벤트로 지정해주면 더 정확하게 사용자의 행동을 분석할 수 있다 ❗

➕ DebugView 보고서에서는 사용자가 어떤 행동을 했는지, 어떤 페이지를 봤는지 등 모든 이벤트가 실시간으로 표시된다 ▶︎ 이벤트와 이벤트 매개변수가 올바르게 설정되었는지 확인하는 데 매우 유용

디버그 확장자 (On) 기능이 켜져 있으면 정상적인 데이터 수집이 안 될 수 있으므로 꼭 꺼두는 것을 잊지 말기 ‼️

✏️ GA 이벤트 실습하기

Google Analytics에서는 별도의 코드 없이 자동으로 수집되는 기본 이벤트들을 제공하여 사용자 행동 데이터를 빠르게 확인할 수 있다

page_view라는 하나의 이벤트로만 모든 이벤트가 표시되면 나중에 보고서를 분석할 때 어떤 행동이 어떤 이벤트였는지 구분하기 어려워진다

따라서 자동 수집된 이벤트라 하더라도 의미를 명확히 알 수 있도록 이벤트 이름을 구체적으로 지정해주는 것이 중요하다 ‼️

event_name이 page_view인 기본 이벤트에서 page_location의 값이 특정 URL과 일치할 때 새로운 맞춤 이벤트 view_log5로 설정하는 과정이다

▶️ 특정 페이지(URL)를 사용자가 조회했을 때 그 행동을 view_log5라는 이름의 이벤트로 별도 수집하겠다는 의미❗

이벤트를 설정한 뒤 Debug View에서 확인해보면 내가 설정한 이벤트 (view_log5)가 정상적으로 기록되고 있는 것을 시간 순으로 확인할 수 있다 ↪︎ 잘 적용됐다아 ㅎㅎ 😁

✏️ 구글 애널리틱스 수강하기

📌 데이터 스트림 생성 및 비즈니스 데이터 수집

💡 https://youtu.be/THb5SassY1k?si=iX5-nzcj9bvT_TTh 1️⃣ 웹사이트가 있다면 데이터 스트림 생성 화면에서 'Web'을 선택해 웹 데이터 스트림을 만들어야 한다 2️⃣ 웹사이트 URL을 입력하면 해당 사이트에 맞는 측정 ID와 태그가 생성된다 #️⃣ 웹사이트 빌더나 CMS(콘텐츠 관리 시스템)를 사용하고 있다면 측정 ID를 복사해서 웹사이트 빌더 계정에 붙여 넣으면 된다 #️⃣ 만약 웹사이트 빌더를 사용하지 않는다면 Google 태그를 웹사이트에 직접 설치해야 한다

✔️ Google Tag Manager 사용하기 : 웹사이트의 코드에 직접 들어가지 않고도 계정 인터페이스에서 태그를 추가하거나 수정할 수 있다 ▶︎ 태그를 한곳에서 관리하고 업데이트도 가능함❗

CMS나 웹사이트 빌더를 사용할 경우 측정 ID를 직접 입력하는 대신 Tag Manager에서 태그를 생성해 연결할 수 있다

✔️ 직접 태그 설치하기 : 화면에 표시된 새로운 웹사이트 태그를 모든 페이지의 태그 바로 뒤에 직접 삽입해야 한다

Analytics 태그를 설치하면 여러 가지 사용자 데이터를 자동으로 수집할 수 있다

✏️ 데일리 UI 하기

💡 25-06-11 (수)

요즘 컨디션이 좋아서 기분이 조오타 🎶

Direct / none

: 사용자가 URL을 직접 입력하거나 북마크를 통해 사이트에 접속한 경우

❌ 하지만 이 비율이 너무 높을 경우엔 문제가 된다

▫️ 출처가 명확하지 않아 트래픽 분석이 어려움 ‼️ ▫️ 효과적인 마케팅 전략 수립이 힘듦 ‼️

⭕ UTM 매개변수를 활용해 출처를 명확히 구분하고 추적하는 것이 중요하다 (참여율 / 머문 시간 / 이벤트 수 등을 함께 비교하면 어떤 유입 채널이 더 효과적인지 분석할 수 있음)

▪️ 트래픽 획득 : 방문자가 어디서, 어떻게 내 사이트에 유입되었는지를 보여주는 지표 ▪️ 세션/소스 매체 : 방문자의 유입 출처와 방식

UTM 매개변수

: 웹사이트에 방문한 사람들의 행동과 유입 경로를 추적할 수 있게 도와주는 도구 ▶︎ 사용자들이 어떤 식으로 들어왔는지 확인할 수 있음

✔️ 채널 - 사용자가 어떤 경로로 웹사이트에 들어왔는지를 보여줌 ☝️ 자연 검색(Organic Search)으로 들어왔어요

✔️ 소스/매체 - 사용자가 어떤 플랫폼을 타고 어떤 방식으로 들어왔는지를 나타냄 ☝️ 네이버 자연 검색(Naver / organic)으로 들어왔어요

✔️ 캠페인(광고나 마케팅 활동의 이름) - 어떤 캠페인이 유효했는지 추적할 수 있음 ☝️ 여름 프로모션 캠페인을 통해 들어왔어요 -> 프로젝트나 광고 활동의 ‘이름표'라고 생각하기

✔️ 키워드(검색 광고에서 사용자가 검색한 단어) - 인기 키워드 분석에 활용됨 ☝️ ‘강남역 맛집’을 검색해서 들어왔어요 -> UTM 매개변수에 해당 키워드를 함께 설정해두면 해당 단어가 실제 유입에 도움이 되었는지 추적할 수 있음

Campaign URL Builder

💡 https://ga-dev-tools.google/campaign-url-builder/

이 태그들(UTM parameter)을 활용하면 사용자가 어떤 경로로 방문했는지 정확히 추적할 수 있다 ☝️ 동일한 링크라도 블로그에서 클릭했는지 / 이메일에서 클릭했는지 구분 가능 ❇︎ 웹사이트 URL : 사용자가 방문하게 될 최종 목적지 URL

❇︎ 캠페인 소스 (utm_source) : 트래픽의 출처 ☝️ google, newsletter, instagram

❇︎ 캠페인 미디엄 (utm_medium) : 어떤 방식(매체)으로 유입되었는지 ☝️ banner, cpc, email, social

➕ CPC : 광고 클릭 한 번에 광고주가 지불하는 비용 단위

❇︎ 캠페인 네임 (utm_campaign) : 광고가 여러 개일 경우 어떤 광고에서 유입된 것인지 구체적으로 구분하기 위해 사용 ☝️ summer_sale, launch_event

▪️ 캠페인 텀 (utm_term) : 유료 광고일 경우 입찰한 키워드 ☝️ 검색광고 키워드 강남역 맛집

▪️ 캠페인 컨텐츠 (utm_content) : 동일한 캠페인 내 A/B 테스트용으로 콘텐츠를 구분할 때 사용 ☝️ cta_button_a, cta_button_b

사용자가 입력한 웹사이트 주소에 캠페인 소스, 미디엄, 캠페인 이름 등을 추가하면 URL 빌더가 자동으로 추적 가능한 URL을 생성해준다

Shorten Link 버튼을 누르면 bit.ly 형식의 짧은 링크로도 변환할 수 있다 페이스북에서 유입 (🔴), 디스플레이 광고를 통해 들어왔으며 (🔵), 캠페인 이름은 spring_sale (🟢), 다양한 콘텐츠 중에서도 '이미지 A'를 통해 접속한 경우다 (🟡)

➡️ UTM 태그가 포함된 링크만 봐도 어떤 경로와 콘텐츠를 통해 유입되었는지 쉽게 파악할 수 있다

변수

: 정보를 저장할 수 있는 공간이며 그 공간에 담긴 값

쉽게 말해서 우리가 관심 있는 숫자나 정보를 표현하고 저장하는 이름표 ❗

☝️ 우리가 알고 싶은 데이터 (방문자 수, 클릭 수 등)를 변수로 설정하면 그에 대한 실제 수치(100명, 56번 등)는 변수의 값이 된다

☝️ 윤소가 가진 돈이 변수라면 2000원은 변수의 값이다

윤소가 1000원짜리 아이스크림을 사먹으면 변수 : 윤소가 가진 돈 값 : 2000원 → 1000원으로 변경

▶️ 변수는 그대로고 변수의 값만 바뀌었다

변수는 우리가 관찰하거나 분석하고 싶은 정보를 수치나 분류로 나타낸 것 ‼️

utm_source는 방문자의 유입 출처 ➡️ 변수의 값은 facebook utm_medium은 유입된 매체 ➡️ 변수의 값은 display

매개변수

사람들이 어떻게 내 서비스에 방문했는지, 그 출처와 결과를 추적하는 것이 바로 UTM의 역할이다

이때 네이버나 페이스북 같은 플랫폼이 출처(Source)로 매개변수에 사용된다

☝️ 네이버에서 유입된 방문자가 많을수록 해당 막대그래프가 높게 표시되어 검색 결과나 광고를 통한 유입이 많았음을 의미한다

☝️ 페이스북 광고를 통해 들어온 사용자가 많을 경우, 페이스북 관련 그래프가 올라가고 클릭 수나 전환율까지 확인할 수 있다

🚅 친구들이 파티에 오는 경로처럼 누군가는 지하철(네이버), 누군가는 버스(페이스북)를 타고 오듯 이 데이터를 통해 어떤 유입 경로가 더 효과적인지 시각적으로 판단할 수 있다

▶️ 이처럼 외부에 노출되는 웹사이트 주소에 추가 정보를 담은 UTM 태그를 붙이면 Google Analytics를 통해 정확한 방문자 출처와 행동 데이터를 분석할 수 있다

특정 광고를 클릭한 사용자를 추적하고 싶다면 URL에 UTM 매개변수를 추가해 분석하는 것이 필수다 ❗

Debug view

: 앱이나 웹사이트에서 실시간으로 사용자 이벤트나 동작이 잘 수집되고 있는지 확인할 수 있는 화면 ▶︎ 데이터 연결 여부를 확인하기 위한 테스트용 기능

✔️ 디버깅 상태에서 다른 사람의 웹사이트에 접속해도 내 행동 데이터는 해당 사이트의 실제 사용자 데이터에 포함되지 않는다 내 블로그에 방문한 사용자들이 어떤 행동을 하는지 궁금하다면 시간대별로 어떤 페이지를 봤는지 추적할 수 있다

이벤트를 따로 설정하지 않으면 모든 방문이 단순히 page_view로만 기록되어 사용자가 어떤 게시물을 봤는지 알 수 없다 ▶︎ 정확한 사용자 행동을 파악하려면 각 게시물에 이벤트를 설정해줘야 함

✏️ GA 디버깅 실습하기

Google Analytics Debugger 확장 프로그램을 설치해준다

💡 https://ga-dev-tools.google/campaign-url-builder/

UTM 매개변수는 웹사이트 방문자의 트래픽 출처를 정확히 추적하기 위한 파라미터다 ▶︎ 출처가 불분명한 다이렉트 유입을 식별하는 데 유용

이를 쉽게 설정하기 위해 URL Builder라는 도구를 사용한다 📏

사용자가 인스타그램 스토리를 통해 내 블로그에 유입됐는지 정확히 추적하기 위해 UTM 매개변수가 포함된 URL을 생성했다 ‼️

입력할 때는 띄어쓰기 대신 언더바 (_) 사용하기 !

✅ Website URL : https://mystory1496hee-jung02.tistory.com/ (내 블로그 주소)

✅ Campaign Source : instagram (유입된 플랫폼)

✅ Campaign Medium : instagram_story (유입 경로)

✅ Campaign Name : june_blog_promo (캠페인 이름)

➕ 캠페인 : 마케팅을 진행했을 때 얼마나 효과가 있었는지를 측정하기 위한 활동 단위 입력이 완료되면 URL 하단에 ? 로 시작되는 UTM 파라미터가 붙은 추적용 링크가 생성된다 ➕ ?는 이 URL에 다음 정보를 덧붙인다

SHORTEN LINK는 긴 링크를 짧게 만들어준다

▶️ https://mystory1496hee-jung02.tistory.com/?utm_source=instagram&utm_medium=instagram_story&utm_campaign=june_blog_promo

디버그 모드를 켜놓으면 트래픽 데이터에 집계되지 않으므로 디버그를 꺼준 뒤 URL 빌더로 다시 접속해야 실제 데이터가 수집된다 ⭐⭐

✏️ 구글 애널리틱스 수강하기

💡 https://youtu.be/pNfD4jDF8TE?si=e3FJn1iYtOncPU1c

📌 Google Analytics 계정 구조의 각 단계 ➿ 계정 (Account) : 단일 기업이나 조직이 소유한 여러 속성(Property)을 포함하는 단위

➿ 속성 (Property) : 웹사이트나 앱처럼 사용자의 데이터를 수집하는 단위 ▶︎ GA 데이터가 실제로 처리되고 Google Ads 같은 다른 서비스와 연동이 가능한 지점이다

➿ 데이터 스트림 (Data Stream) : 웹사이트나 앱에서 속성으로 데이터를 보내는 흐름 ▶︎ 수집할 데이터를 설정하고 조정하는 단계

🖥️ 웹사이트는 웹 데이터 스트림 📱 모바일 앱은 앱 데이터 스트림

☝️ 한 기업이 웹사이트와 iOS, Android 앱을 모두 운영하고 있다면, 각각 웹사이트용, iOS / Android 앱용 데이터 스트림 1개로 총 3개의 데이터 스트림을 갖게 된다

☑️ 웹 사이트 사용자 여정 (User Journey)을 일관되게 추적하려면 단일 웹 데이터 스트림을 사용하는 것이 좋다 ▶︎ 만약에 여러 도메인을 넘나드는 경우에는 '단일 웹 데이터 스트림 + 도메인 간 측정'

☑️ Google Analytics 계정과 속성을 만들 때는 자신의 비즈니스 구조에 맞춰 설정해야 한다 ▶︎ 회사당 하나의 계정, 브랜드나 사업부 단위로 하나의 속성

📌 사례별 계정 구조 예시

☝️ 패션 블로그 (웹사이트 1개만 운영)

☝️ 모바일 게임 회사 (Android/iOS용 레이싱 게임 앱 운영)

☝️ 푸드 딜리버리 서비스 (사용자 앱 + 배달기사 앱 모두 운영)

▶️ GA 계정 구조를 효과적으로 설정하는 예시일 뿐이며 사업 특성에 따라 유연하게 조정할 수 있다

💡 https://youtu.be/ybK-VUAxZ_8?si=u1vzhwAWxNQ4IB94

📌 새 계정과 속성을 만드는 과정

1️⃣ Google Analytics 계정 만들기 Analytics.google.com에 접속해서 측정 시작(Start measuring)을 선택한다

2️⃣ 계정 이름 지정 & 데이터 공유 설정 / 속성 생성 계정 이름을 설정하고 데이터 공유 관련 설정을 선택한다 하나의 Analytics 계정 아래에 여러 개의 속성을 만들 수 있다

3️⃣ 속성 이름, 시간대, 통화 설정 / 비즈니스 정보 입력 보고서에 사용할 속성 이름, 시간대, 통화 단위를 설정한 후 몇 가지 기본적인 비즈니스 정보를 입력한다

4️⃣ 비즈니스 목표 선택 선택한 비즈니스 목표에 따라 맞춤형 리포트가 자동으로 생성되기 때문에 매우 중요하다

정확히 모르겠다면 일단 "기본 보고서 받기" 옵션을 선택해도 되며 이후 언제든지 보고서를 수정하고 맞춤화할 수 있다

5️⃣ 서비스 약관 동의 마지막으로 약관에 동의하면 Google Analytics 계정과 속성이 생성된다

✏️ 데일리 UI 하기

💡 https://youtu.be/n74DI--g-yY

💡 25-06-10 (화)

자도자도 피곤한 오늘 하루 🥱

Google Analytics

💡 https://analytics.google.com/analytics/web/?utm_source=demoaccount&utm_medium=demoaccount&utm_campaign=demoaccount#/p213025502/reports/intelligenthome

GA를 통해 수집된 Google Merchandise Store의 실제 데이터 Google Merchandise Store은 구글에서 운영하는 공식 굿즈 쇼핑몰이다

이 웹사이트에는 Google Analytics(GA)가 설치되어 있어 어떤 방식으로 데이터를 수집하고 분석하는지 직접 확인할 수 있다 ▪️ 활성 사용자 수 : 일정 기간 동안 웹사이트에 접속한 전체 사용자 수 ▪️ 새 사용자 수 : 웹사이트에 처음 방문한 신규 사용자 수

▪️ 참여 세션 수 : 사용자가 사이트에서 클릭하거나 머무르는 등 실질적으로 상호작용한 횟수 ▪️ 참여율 : 전체 세션 중에서 사용자가 실제로 상호작용한 세션의 비율

▪️ 활성 사용자당 참여 세션 수 : 한 명의 사용자가 평균적으로 몇 번 참여했는지를 나타냄 ▪️ 활성 사용자당 평균 참여 시간 : 한 명의 사용자가 평균적으로 사이트에 머문 시간

▪️ 이벤트 수 : 사용자가 쇼핑, 장바구니 담기 등과 같은 행동을 수행한 전체 횟수 ▪️ 주요 이벤트 : 비즈니스에 중요한 핵심 행동이 발생한 횟수

➕ 세션

: 일정한 시간 동안 웹사이트나 앱에서 사용자가 상호작용한 활동의 묶음 ▶︎ 사용자가 앱을 열거나 페이지를 볼때 기존 세션이 종료된 경우 새 세션이 시작된다

✔️ 기본적으로 사용자의 활동이 30분 이상 없으면 세션이 종료되지만 이 시간은 조정 가능하며 세션의 총 지속 시간에는 제한이 없다

✔️ 자정(밤 12시)이 지나면 시간과 상관없이 자동으로 새로운 세션이 시작된다 ☝️ 밤 11시 58분부터 자정 12시 1분까지 머물렀다면 2개의 세션으로 기록된다

☝️ 점심시간에 사이트에 들어와서 글을 읽고 제품을 클릭했다 (1세션) / 저녁에 다시 방문해서 다른 제품을 봤다 (또 다른 1세션)

▫️ 사용자(User) : 사람 1명 ▫️ 세션(Session) : 그 사용자가 웹사이트에 방문한 횟수 ▶︎ 한 사용자가 하루에 두 번 방문하면 → 1 사용자, 2 세션 GA를 통해 어느 나라의 사용자가 많이 방문하고 어떤 행동을 많이 하는지 파악할 수 있다

☝️ 국가별 사용 기기 비율을 기반으로 모바일 사용률이 높은 국가는 모바일 친화적인 디자인을, PC 중심 국가는 넓은 화면을 고려한 UX를 설계할 수 있다

☝️ 미국 사용자는 방문 수가 많고 머무는 시간과 참여도 역시 높은 반면 중국 사용자는 사이트에 접속은 하지만 머무는 시간이 짧은 편이다

이처럼 중국 사용자의 이탈이 빠른 이유는 무엇일까? 🤔

• 언어 장벽
• UI가 복잡해서 이해하기 어려움
• 로딩 속도가 느림

이러한 다양한 가능성을 고려해 문제점을 사용자의 입장에서 분석하고 개선하는 것이 중요하다

➡️ 사용자 행동 데이터를 기반으로 어떤 콘텐츠를, 어느 나라에, 어떤 방식으로 제공할지 결정할 수 있으며 이는 디자인을 더욱 최적화하는 데 큰 도움이 된다 ▫️ Direct : 사용자가 직접 URL을 입력하거나 북마크를 통해 사이트에 접속한 경우

▫️ Organic Search : 자연검색 결과를 통해 사이트에 접속한 경우 ▫️ Organic Social : 페이스북, 인스타그램 등 SNS에서 광고가 아닌 일반 게시물이나 링크를 통해 자연스럽게 유입된 트래픽 ▫️ Organic Shopping : 쇼핑 플랫폼에서 광고가 아닌 자연 노출을 통해 유입된 트래픽

▫️ Paid Search : 검색 엔진의 유료 광고를 통해 사이트에 접속한 경우 ▫️ Paid Other : 검색, 소셜, 쇼핑, 비디오 등으로 명확하게 분류되지 않은 유료 광고를 통해 유입된 트래픽

▫️ Referral : 다른 웹사이트의 링크를 클릭하여 사이트에 접속한 경우 ▫️ Email : 이메일에 포함된 링크를 클릭하여 사이트에 접속한 경우

▫️ Unassigned : 정의된 채널 기준에 맞지 않아 어느 채널에도 자동으로 분류되지 않은 트래픽 ▶︎ Google Analytics(GA)가 유입 경로를 인식하지 못해 채널을 할당하지 못한 경우

▫️ Cross-network : 여러 광고 네트워크(검색,디스플레이 광고)를 혼합한 캠페인을 통해 사이트에 유입된 경우 ☝️ Google 검색광고 + YouTube 배너 광고

▶️ 이러한 데이터를 통해 사용자가 주로 어디에서 유입되는지 파악할 수 있다

📌 사용자 유입 경로에 따른 UX 전략

Google Analytics(GA)를 활용하면 유입 경로에 따른 사용자 기대를 파악하고 이에 맞춘 UX 설계를 할 수 있다

✅ Direct 유입 사용자 이미 사이트를 알고 있는 사용자로 빠르게 원하는 정보를 찾고자 한다 ▶︎ 검색창을 명확히 배치하고 필요한 콘텐츠로의 접근성을 높이기

✅ Organic Search 유입 사용자 특정 검색 키워드에 대한 기대를 갖고 유입된 사용자다 ▶︎ 해당 키워드와 관련된 콘텐츠를 첫 화면에서 바로 노출하기

✅ Paid Search 유입 사용자 광고 문구에 이끌려 들어온 경우로 광고와 일치하는 혜택이나 콘텐츠를 기대한다 ▶︎ 광고 문구와 실제 페이지 내용이 일관성 있게 연결하기

📌 데이터 기반 UX 인사이트

어떤 유입 채널의 사용자가 오래 머물고 많이 클릭하는지 파악하면 그들이 접한 페이지의 UX가 우수할 가능성이 높다

☑️ 방문자 수가 높다는 것은 사이트에 대한 신뢰도와 만족도가 높다는 신호다 -> 사이트가 유용하고 긍정적인 인상을 준다는 의미 😊

☑️ 재방문이 거의 없는 경우 콘텐츠에 실망하거나 기대와 맞지 않아 이탈했을 가능성이 크다

☑️ 이벤트 수가 낮다는 건 사용자가 원하는 콘텐츠를 찾지 못하고 이탈했다는 신호일 수 있다

📌 GA4를 활용한 UX 개선

GA4 데이터를 통해 사용자가

• 왜 이 채널을 통해 유입됐는지
• 어떤 콘텐츠를 기대했는지
• 어떤 요소가 직관적이었는지

사용자의 기대를 추론하고 해석할 수 있을 뿐만 아니라 A/B 테스트와 행동 분석을 통해 실제 반응을 확인하고 UX를 지속적으로 개선할 수 있다

GA4 데이터 읽기의 기초

▫️ Dimensions : 각기 다른 고객들이 가진 속성이나 특성을 의미하며 데이터를 분류하거나 해석할 때 기준이 되는 항목 ☝️ 브라우저, 종료 페이지, 세션 기간

▫️ Metrics : 디멘션에 대한 수치형 데이터 ☝️ 스크린 뷰 수, 페이지/세션 수, 평균 세션 시간

▫️ Sessions : 일정 기간 동안 웹사이트, 앱에서사용자가 활동한 횟수 ▶︎ 전체 사용자 행동 데이터를 포괄함

▫️ Users : 선택한 날짜 범위 내에서 최소 1회 이상의 세션이 있는 방문자 ▶︎ 신규 및 재방문자 모두 포함

▫️ Pageviews : 페이지 조회수의 총합 ▶︎ 단일 페이지를 반복해서 본 횟수 포함

▫️ Pages/Sessions : 한 세션 동안 사용자가 본 페이지 수의 평균 ▶︎ 단일 페이지에 대한 반복 조회 포함

데이터의 진짜 가치는 일정 기간 축적된 후 드러나는 패턴에서 나타나며 이를 통해 이상치를 파악하고 흐름을 읽는 것이 중요하다

➡️ 실시간 데이터보다는 시간을 두고 데이터를 축적하고 분석하는 과정이 더 중요하다

사용자 행동을 이해하는 GA 지표

▪️ New Sessions (신규 세션 비율) : 웹사이트를 처음 방문한 사용자의 비율 ▪️ Bounce Rate (Entrance Page) : 사용자가 단일 페이지에서 아무런 상호작용 없이 이탈한 비율

▫️ Avg, Session Duration (평균 세션 시간) : 사용자가 사이트에 머문 평균 시간 ▶︎ 한 세션 동안 사용자가 얼마나 오래 사이트에 머물렀는지 측정

▫️ Acquisition (획득) : 사용자가 어떤 경로를 통해 웹사이트에 유입되었는지 ▶︎ 검색, 광고, 소셜미디어, 이메일 등 다양한 유입 채널의 효과를 분석하고 사용자 확보 전략을 수립하는데 도움을 준다

▫️ Behavior (행동) : 사용자가 웹사이트에 방문한 이후 어떤 행동을 했는지 ▶︎ 페이지 조회, 클릭, 스크롤 등 다양한 행동 데이터를 통해 방문자의 관심사와 패턴을 파악하고 이를 콘텐츠 마케팅 전략 개선에 활용할 수 있다

▫️ Goals (목표) : 웹사이트에서 사용자가 얼마나 자주 특정 행동을 완료했는지 측정한 값 ▶︎ 사전에 정의한 목표 달성 여부를 기반으로 하여 성과 분석에 중요한 역할

▫️ Conversions (전환) : 사용자가 웹사이트에서 목표 행동을 완료한 총 횟수 ▶︎ 매출,핵심 성과 지표와 직접적으로 연결되며 비즈니스 성과 측정에서 가장 중요한 지표 중 하나

▫️ Campaigns (사용자 정의 캠페인) : 웹사이트로 유입되는 URL에 매개변수(Parameters)를 추가하여 사용자 유입 경로를 추적할 수 있다 ▶︎ 마케팅 성과를 정밀하게 분석하는데 유용

☝️ 광고 링크나 이메일 뉴스레터에 매개변수 태그를 붙여둬서 사용자가 해당 링크를 클릭했을때 어떤 캠페인을 통해 유입되었는지 확인한다

✏️ 블로그에 GA 설치하기

1️⃣ tistory 블로그를 만든다 💡 http://mystory1496hee-jung02.tistory.com/

2️⃣ 애널리틱스 하단의 관리 > + 만들기를 통해 새 계정을 만든다 3️⃣ 계정생성까지 완료 했으면 tistory 블로그 링크를 넣어준다 4️⃣ 태그가 생성되면 이를 복사한 후 https://mystory1496heejung02.tistory.com/manage에 접속해 꾸미기 > 스킨 편집 > HTML 편집으로 이동한다 5️⃣ head 아래에 붙여 넣어주면 끄읏 - 🩷

✏️ 구글 애널리틱스 수강하기

💡 https://youtu.be/-1e5CS_v0vY?si=v_7PLbmpufNs2TIP

태그는 웹사이트의 각 페이지에 삽입되는 작은 코드 조각 ▶︎ 사용자의 행동이나 광고 기능 등을 측정하는 데 사용

✔️ 웹사이트를 Google Analytics에 연결하려면 사이트에 태그(tag)를 삽입해야 한다

• 직접 코드에 삽입
• Google Tag Manager 같은 태그 관리 시스템을 통해 삽입

GA 태그가 웹사이트에 설치되면 사용자와의 다양한 상호작용 정보가 자동으로 이벤트로 수집되어 GA에 전송된다

▫️ 사용자가 처음 방문하면 ➝ first_visit 이벤트 ▫️ 외부 링크 클릭 ➝ outbound_link_click 이벤트

☝️ Google Merchandise Store

▪️ 의류 페이지와 주방용품 페이지 방문자 수 비교 ▪️ 사용자가 Android 인형을 구매했는지 추적 (구매 확인 페이지 도달 여부로 확인)

✔️ 앱에서는 Firebase SDK를 앱에 추가해야 한다 (웹사이트에서 GA 태그가 하는 것과 유사한 역할)

☝️ Flood-It 게임 앱

▪️ 몇 명의 사용자가 특정 레벨에 도달했는지 ▪️ 인앱 결제 유저 수 및 구매 항목 확인

비즈니스에 중요한 고유한 행동을 추적하고 싶다면 커스텀 이벤트도 설정할 수 있다 -> 뉴스레터 구독, 구매 완료, 게임에서 새 레벨 달성

▶️ 이렇게 수집된 이벤트들은 GA에 의해 처리되어 보고서에서 확인 가능한 의미 있는 정보로 변환된다

⚠️ GA에서 데이터가 수집, 처리된 이후에는 변경할 수 없다 따라서 설정할 때 나중에라도 분석하고 싶은 데이터를 실수로 제외하지 않도록 주의해야 한다 ‼️

✏️ 데일리 UI하기

💡 25-06-09 (월)

5월달은 힘들었는데 6월달 되니까 신기하게 모든게 잘 풀림 😲

그로스해킹

: 제품, 서비스의 빠른 성장을 위해 비효율을 제거하고 기술과 데이터 및 창의성 있는 아이디어를 활용해 성장을 극대화하는 전략

그로스해킹 = Growth (성장) + Hacking (해킹)

▶︎ 여기서 해킹은 비공식적이고 창의적인 방법으로 문제를 해결하거나 성과를 빠르게 만들어내는 의미를 뜻한다

✈️ how to sneak snacks into plane 비행기에 간식 몰래 들고 들어가는 방법

➕ nobody: = 안 물어봤고 안 궁금하다

🧠 here's a little life hack 여기 꿀팁 하나 알려줄게

📞 start every phone call with "my battery is almost dead" that way you can hang up on them at anytime 모든 전화 통화를 시작할 때 "나 배터리 거의 다 됐어" 라고 말하면 언제든지 끊어도 아무도 뭐라 못 해

" 나는 단순한 마케터가 아니라 성장에 집착하는 그로스 해커다 " — Sean Ellis의 그로스 해킹 철학을 요약한 표현

2010년 Sean Ellias라는 사람이 처음 만들어 낸 단어로 그로스 해킹은 핵심 지표에 기반해 가설을 수립하고 실험을 반복함으로써 비즈니스 성장을 이끄는 방법론이다

✔️ 무작정 실험하는 것이 아니라 키우고 싶은 핵심 지표를 설정하고 이에 맞는 가설을 세워 작은 실험을 반복하는 것이 핵심

✔️ 비즈니스 성장 구조 자체를 제품(서비스) 안에 녹여내는 전략이기도 하다 서비스를 사용하는 사용자 데이터를 분석하고 성장을 막는 요인을 제거하며 지속적인 개선과 최적화 작업을 통해 실질적인 성과를 만들어낸다

➕ 핵심지표 : 우리가 진짜로 키우고 싶은 숫자 (핵심지표가 올라갈수록 비즈니스도 함께 성장중 📈)

UX 디자이너와 그로스 해커는 함께 움직인다

사용자의 행동과 흥미를 정밀하게 파악하는 것이 핵심이다

✅ 그로스 해킹 자체가 비즈니스의 중심이 되는 경우로 제품·서비스 기획 단계에서 마케터와 긴밀히 협의하며 전략을 세운다

✅ 마케터와 그로스 해커의 역할이 일부 겹치는 경우로 같은 데이터를 기반으로 유입, 전환, 이탈 방지를 함께 고민하고 실행한다

그로스해킹 사례

그로스 해킹은 광고에 의존하지 않고 제품이나 서비스 자체 안에 성장 요인을 심어두어 자연스럽게 사용자 유입과 확장을 이끄는 전략이다

☝️ 드롭박스의 유저 확보 전략 드롭박스가 처음 등장했을 당시 ‘클라우드’라는 개념은 대중에게 생소했고 제품은 훌륭했지만 설명도 부족했으며 광고비를 투입할 여유도 없었다 🔽 드롭박스는 친구 초대 시 500MB의 추가 저장 공간을 제공하는 보상 시스템을 도입했고 최대 16GB까지 무료로 확장 가능하게 하여 사용자 유입을 폭발적으로 끌어냈다

📈 드롭박스는 광고비를 많이 들이지 않고도 사용자 유입을 유도하기 위해 제품 내부에 보상 구조를 설계하고 핵심 지표(예: 초대율, 설치율)를 기반으로 성장을 이끌어냈다

☝️ 링크드인 초기에 “정말 필요한 서비스일까?”라는 의문을 받았던 비즈니스용 SNS 링크드인은 세 가지 전략적 요소를 효과적으로 활용해 빠른 사용자 성장을 이끌어냈다

▫️ 링크드인은 사용자가 만든 프로필이 구글 검색 결과에 자동 노출되도록 설정했고 잘 꾸밀수록 검색 결과 상단에 노출되었기 때문에 사용자들은 더 정성스럽게 프로필을 작성하게 되었다 ▶︎ 프로필 자체가 콘텐츠이자 마케팅 수단이 되었음

▫️ ‘누가 내 프로필을 봤는지’ 알려주는 기능을 통해 사용자들의 호기심과 관심을 자극했고 이는 재방문을 유도하는 강력한 동기로 이어졌다

☝️ 에어비앤비의 Craiglist 트래픽 활용 사례 Airbnb는 초창기 사용자 유입을 늘리기 위해 미국 내에서 널리 사용되던 중고 거래 및 지역 광고 플랫폼인 Craigslist를 활용했다 🔽 에어비앤비는 사용자가 방을 등록하면 게시글이 자동으로 Craigslist에도 올라가도록 연동했고, Craigslist 게시글에는 “_더 예쁜 사진과 자세한 정보를 보려면 Airbnb에서 확인하세요_” 라는 식의 링크를 첨부해 에어비앤비로 유도했다

📈 Craigslist에 방문한 사람들이 자연스럽게 에어비앤비 플랫폼으로 이동하게 되었고 광고비 없이도 효율적인 사용자 유입 경로를 만들어냈다

☝️ 에어비앤비의 예약 개선 사례 에어비앤비는 ‘예약자 수 증가’와 ‘예약 전환율 향상’을 핵심 지표로 삼아 호스트에게 무료로 전문 사진작가를 보내 숙소 사진의 퀄리티를 높였다

▶︎ 예약 전환율 2~3배 상승📈

☝️ 핫메일 이메일이 대중화되지 않았던 시절 이메일은 주로 회사나 학교에서만 사용하는 것이 일반적이었고 일반 사용자에게는 생소한 개념이었다 🔽 핫메일은 누구나 쉽게 무료 이메일을 사용할 수 있도록 진입장벽을 낮추고 메일 하단에 “무료 이메일은 Hotmail에서 만들어보세요”라는 문구를 자동으로 삽입해 자연스럽게 사용자 유입을 유도했다

그로스해킹의 필요성

👎 과거의 제품 개발 방식은 기획 → 생산 → 출시로 한 번 만들고 끝나는 구조였으며 반복과 실험이 없다는 것이 가장 큰 문제였다

시장 반응이 좋지 않아도 대응이 느렸고 실험 없이 완성된 제품을 바로 출시했기 때문에 시간과 자원이 낭비되고 실패 확률도 높았다 👍 현재 제품 개발 방식은 출시 이전부터 사용자 반응을 빠르게 실험하고 즉각 반영하는 방식으로 작은 실험을 반복하며 지속적으로 개선해 나가는 순환 구조를 갖는다

데이터를 기반으로 기획을 반복 수정하며 완벽한 제품보다 빠르게 테스트 가능한 제품을 먼저 만든 뒤 시장 반응을 확인하고 판매 후에도 실시간 사용자 피드백을 바탕으로 지속적으로 개선한다

💡 https://youtu.be/Wmh606tua1U?si=Q_V3UvS3yKHR1KVG

“나는 마케터가 아니라 오직 성장을 위해 움직이는 사람이다”

그로스해킹은 데이터 기반으로 실험하고 개선을 반복하며 성장을 이끈다

기존 마케터들이 광고에 집중했다면 그로스 해커는 제품 자체의 빠른 성장에 집중하며 이러한 방식은 많은 스타트업의 빠른 성장에 핵심적인 역할을 했다

가설 수립 시에는 "A 상태를 B로 개선하면, 결과적으로 N% 만큼 성과가 향상될 것이다" 처럼 명확한 방향성과 수치 기반 목표를 설정해 실험과 검증을 진행한다

그로스해킹의 Framework - AARRR

▶︎ 2007년 Dave McClure가 처음 제안한 이 프레임워크는 사용자가 서비스나 제품과 상호작용하는 전체 과정을 단계별로 보여준다

📌 그로스해킹의 핵심 4단계 순환 구조 1️⃣ 문제정의 데이터를 기반으로 고객이 어디서 이탈하고 있는지, 어떤 지표가 하락하고 있는지를 파악한다

☝️ 서비스 방문자는 많은데 구매 전환율이 낮은 경우 -> 장바구니에 담고도 결제하지 않는 사용자 비율(이탈률)이나 클릭률, 활성화율 등 다양한 지표를 통해 문제를 구체화한다

2️⃣ 가설수립 문제를 해결할 수 있는 방법을 추측하고 핵심 지표를 개선할 수 있을 만한 아이디어를 구체화한다

3️⃣ 실험 가설을 검증하기 위해 소규모로 빠르고 효율적인 실험을 설계하고 실행한다

4️⃣ 검증 실험 결과를 데이터로 분석해 가설을 검증하고 성과가 있다면 적용하며, 없을 경우 문제 정의 단계부터 다시 반복한다

📌 단계별로 핵심지표가 존재한다 !

▪️ 획득 (Acquistion) 🤷‍♀️ 사용자가 우리 서비스를 어떻게 알게 되었는가?

제품이나 서비스를 더 많은 사람들에게 알리고 유입시키는 단계로 DAU / MAU / 방문자 수 / CAC / LTV 등의 지표를 활용한다

▪️ 활성화 (Activation) 🤷‍♀️ 사용자가 처음 서비스를 접했을 때 어떤 방식으로 가치를 느꼈는가?

"이 서비스 괜찮네!"라는 느낌을 주는 초기 경험을 만드는 것이 핵심이며 이탈률 / 페이지뷰(PV) / 체류 시간 / 가입자 수 / 아하 모먼트 등이 주요 지표다

▪️ 유지 (Retention) 🤷‍♀️ 사용자가 서비스를 꾸준히 이용하고 있는가?

한 번 사용하고 이탈하지 않도록 만드는 것이 중요하며 재방문율, 리텐션 곡선 등을 통해 확인할 수 있다

▪️ 매출 (Revenue) 🤷‍♀️ 서비스가 실제로 매출로 이어지는가?

사용자당 평균 매출(ARPU), 결제 전환율, 객단가 등이 포함된다

▪️ 추천 (Referral) 🤷‍♀️기존 사용자가 다른 사람들에게 서비스를 자발적으로 추천하는가?

바이럴 루프 형성이 핵심이며 추천율, 초대 전환율 등을 확인한다

KPI

🟰 핵심 성과 지표 (Key Performance Indicator)

: 프로덕트의 목표 달성에 얼마나 기여하고 있는지를 숫자로 측정하는 지표 ▶︎ "우리 잘하고 있는 걸까?" 를 수치로 보여주는 기준

KPI가 있어야 무엇을 고쳐야 할지, 어떻게 더 성장할 수 있을지 정확히 파악할 수 있다

☝️ 클릭 수, 가입자 수 등 구체적인 데이터를 통해 세부적인 성과 확인

북극성 지표

: 우리 회사가 궁극적으로 나아가야 할 방향을 명확히 보여주는 하나의 핵심 지표 ▶︎ 북극성이 항해의 기준이 되듯 모든 팀원들이 같은 방향으로 나아갈 수 있게 해주는 나침반 같은 역할을 함

☝️ 넷플릭스의 사용자 1인당 시청 시간 ☝️ 에어비앤비의 예약 완료 건수

✔️ 그로스 해킹에서는 수많은 데이터 속에서 방향을 잃기 쉬운데 북극성 지표를 설정하면 “이 숫자를 키우기 위해 움직인다”는 명확한 목표 아래 팀 전체가 같은 방향으로 효율적으로 움직일 수 있다

✔️ KPI는 이 북극성 지표를 보조하거나 세분화한 지표들로 북극성 지표를 달성하기 위해 함께 관리해야 하는 하위 성과 지표로 볼 수 있다

✏️ 그로스해킹 개념/용어 익히기

▫️ DAU (Daily Active Users) : 일별로 우리 서비스에 활성화 된 유저 수 ▫️ MAU (Monthly Active Users) : 월별로 우리 서비스에 활성화 된 유저 수 ▫️ DAU/MAU (Stickness) : 서비스의 활성도와 매력도를 보여줄 수 있는 지표

▫️ PV (Page View) : 유저가 페이지를 들어와서 본 페이지 뷰의 수 ▫️ LTV : 사용자가 우리 서비스를 이용하는 전체 기간 동안 발생시킨 총 매출 ▫️ 체류시간 :서비스에 접속한 사용자가 특정 페이지나 콘텐츠에 머무른 시간

▫️ 공유수 : 사용자가 콘텐츠를 다른 사람에게 공유한 횟수 ▫️ 공유 클릭 수 : 공유된 링크를 실제로 클릭한 횟수 ▫️ 추천 가입 수 : 추천을 통해 유입된 사용자의 수와 그 중 실제 가입한 수

▫️ CAC (Customer Acquisition Cost) : 고객 1명을 새롭게 확보하기 위해 소요되는 마케팅, 영업 등 모든 비용의 총합 ▫️ 아하모먼트 : 사용자가 서비스의 핵심 가치를 처음으로 체감한 순간 (“이거 진짜 유용하다!”)

▫️ 전환 (Conversion) : 사용자가 구매와 같은 목표 행동을 완료하는 것 ▫️ 전환율 (Conversion Rate) : 전체 사용자 중 목표한 행동을 완료한 사용자 비율 ▶︎ (전환된 사용자 수 / 전체 사용자 수) * 100 = %로 기입

▫️ 이탈율 : 사용자가 사이트에 접속한 직후 아무 상호작용 없이 바로 이탈한 비율 ▫️ 재방문율 (Retention) : 사용자의 재방문 빈도를 보여주는 지표 ▶︎ (특정 기간동안 재방문한 사용자 수 / 특정 기간 동안 전체 방문 사용자수) * 100

▫️ CTA (Call To Action) : 사용자가 특정 행동을 취하도록 유도하는 요소 -> 버튼이나 링크 등을 통해 클릭, 가입, 구매 등의 액션을 이끌어낸다 ▶︎ (전환된 사용자 수 / 전체 사용자 수) * 100 = %로 기입

▫️ CTR (Click Through Rate) : 사용자의 클릭 빈도를 보여주는 지표 ▶︎ (클릭수/노출수) * 100

✏️ 구글 애널리틱스 수강하기

https://support.google.com/analytics/answer/15068052?sjid=1873279726209689836-NC

💡 https://youtu.be/3faSiEX0jSg?si=ojEB4gGPf6kC9bTQ

디지털 분석은 웹사이트나 모바일 앱 같은 디지털 환경에서 수집되는 데이터를 측정하고 분석하는 과정이다

▶︎ 사용자가 디지털 플랫폼과 상호작용 하는 방식을 이해하고 마케팅 및 비즈니스 의사 결정을 개선하는데 사용된다

Google Analytics와 같은 디지털 분석 도구를 사용하면

• 사용자가 어떤 콘텐츠에 가장 많이 반응하는지❓
• 마케팅 캠페인의 효과는 어떠한지❓
• 어떤 행동이 매출로 연결되는지❓
• 사용자가 웹사이트나 앱을 어떻게 찾는지❓

이런 질문에 대해 구체적인 답을 줄 수 있다

디지털 분석은 데이터를 사용하여 이 퍼널을 비즈니스 목표에 맞춘다

▪️ 획득 (Acquisition) - 제품이나 서비스에 대한 인지도를 높이고 사용자 유입을 유도하는 단계 ▶️ 어떤 마케팅 채널이 내 사이트나 앱에 방문자를 끌어오는지 확인 가능

▪️ 관여 (Engagement) - 사용자가 내 플랫폼에서 실제로 어떤 행동을 하는지 파악 ▶️ 어떤 콘텐츠에 머무르고 공유하고 클릭하는지 알 수 있음

▪️ 수익화 & 재방문 (Monetization and retention) ▶️ 사용자가 실제 고객이 되어 결제를 했는지, 얼마나 자주 다시 방문하는지를 측정

🙌 이런 분석을 통해 브랜드 성과를 최적화하고 데이터 기반으로 더 나은 의사결정을 할 수 있다

☝️ Google Merchandise Store (구글 브랜드 굿즈를 판매하는 온라인 스토어) ▫️ Acquisition - 어떤 경로로 사용자가 유입되었는지 ▫️ Engagement - 어떤 상품을 보고 장바구니에 담았는지 ▫️ Monetization and retention - 실제로 어떤 상품을 얼마나 구매했는지

☝️ 모바일 게임 Flood-It ▫️ Acquisition - 유저가 앱을 어떻게 찾고 다운로드했는지 ▫️ Engagement - 앱 내 어떤 화면에서 주로 머무르거나 막히는지 ▫️ Monetization and retention - 인앱 구매 전환율은 어떤지 확인 가능

✏️ 데일리 UI 진행하기