[Google Analytics] 기여 모델, 성과를 어떻게 배분할 것인가?

어떤 마케팅 활동이 가장 좋은 성과를 내고 있을까?

오늘은 웹분석에서 매우 중요하지만 또 한편으로는 그만큼 어려운 주제인 기여 모델(Contribution model)에 대해 얘기를 해볼까 합니다.

구글 애널리틱스(Google Analytics)를 사용하면서 기여 모델을 고려하지 않고 있거나 이 개념을 정확하게 이해하고 있지 못하다면 GA를 온전히 활용하지 못하고 있다라고 단언해도 될만큼 중요한 주제인데요, 지금부터 그 내용을 하나씩 설명해보도록 하겠습니다.

이미지 출처: https://analytics.googleblog.com/2013/04/introducing-customer-journey-to-online.html

쇼핑몰에서 전환은 고객의 상품 구매입니다. 대체로 고객이 한 상품의 최종 구매에 이르기까지 다양한 의사결정 단계와 채널을 거치게 되는데요, 여기서 고객이 경험한 전 과정을 고객구매여정(customer purchase journey) 또는 고객여정이라 하고, 중간에 거친 각 채널을 터치포인트(touch point)라고도 합니다.

기여 모델은 고객이 구매에 이르는 전환 경로에서 전환에 대한 기여도를 각각의 터치포인트에 어떻게 할당할지를 정하는 규칙을 말합니다. 고객의 구매 행동을 이해하고 가장 효과적인 마케팅 채널을 결정하기 위해서는 기여 모델을 정확하게 이해하는 것이 매우 중요합니다.

쇼핑몰에서 상품을 구매한 두 명의 고객이 각각 위와 같은 채널 경로를 통해 구매에 이르렀다고 가정할 때, 유료검색, 자연검색, 추천, 디스플레이, 소셜, 직접 등의 채널 중 과연 어떤 채널이 구매 전환에 큰/작은 혹은 전적인 기여를 했다고 말할 수 있을까요?

아마도 쉽게 답변하기 어려운 질문일텐데요, 고려해야 할 사항이 많기 때문입니다. 하지만 기여도 배분 문제는 마케팅에서 피해갈 수 없는 과정입니다. 각 채널별 성과를 측정해야 그에 따라 마케팅 예산도 배정하고 구체적인 실행도 할 수 있기 때문입니다.

구글 애널리틱스 기본 기여 모델(Attribution model)

기여도 배분과 관련하여 구글 애널리틱스에서는 아래와 같이 대략 여섯 가지의 기본 모델을 제시하고 있습니다.

1) 마지막 상호작용(Last Interaction)

고객이 구매 또는 전환 이전에 마지막으로 상호작용한 채널이 전환 가치에 100% 기여했다고 간주함

2) 마지막 간접 클릭(Last Non-Direct Click)

이 모델에서는 직접 트래픽을 제외하고 고객이 구매 또는 전환 이전에 마지막으로 클릭한 채널이 전환 가치의 100%를 기여했다고 간주함. 구글 애널리틱스에서는 다중 채널 유입경로 보고서 이외의 보고서에서 기여한 전환 가치를 판단할 때 이 모델을 기본으로 이용함

3) 첫 번째 상호작용(First Interaction)

고객이 상호작용한 첫 번째 채널이 전환 가치에 100% 기여했다고 간주함

4) 선형(Linear)

전환 경로에서 발생한 모든 채널 상호작용의 기여도가 동일하다고 가정함

5) 시간 가치 하락(Time Decay)

기하급수적 가치 하락을 기반으로 하며 전환 직전에 발생한 터치 포인트가 가장 많이 기여했다고 간주함. 시간 가치 하락 모델은 기본 7일의 반감기를 가짐. 즉, 전환 7일 전에 발생한 터치 포인트는 전환이 발생한 날의 터치 포인트에 비해 절반의 기여를 한 것으로 간주함

6) 위치 기반(Position Based)

마지막 상호작용 모델과 첫 번째 상호작용 모델의 혼합 모델. 두 모델 중 하나에 모든 기여도를 몰아주지 않고 두 상호작용에 각각의 기여도를 할당함. 첫 번째 상호작용과 마지막 상호작용이 각각 40% 기여했다고 간주하고, 중간 상호작용이 20% 기여했다고 간주하는 방법이 일반적으로 사용됨

이와 같은 기본 기여 모델을 앞에서 예로든 두 가지 전환경로에 적용해보면 아래와 같습니다.

	유료검색	추천	자연검색	디스플레이
마지막 상호작용				100%
마지막 간접 클릭				100%
첫 번째 상호작용	100%
선형	25%	25%	25%	25%
시간 가치 하락	6.7%	13.3%	26.7%	53.3%
위치 기반	40%	10%	10%	40%

*시간 가치 하락 모델에서 7일 반감기 적용에 7일 간격으로 방문한 것으로 가정

	소셜	추천	유료검색	직접
마지마 상호작용				100%
마지막 간접 클릭			100%
첫 번째 상호작용	100%
선형	25%	25%	25%	25%
시간 가치 하락	6.7%	13.3%	26.7%	53.3%
위치 기반	40%	10%	10%	40%

*시간 가치 하락 모델에서 7일 반감기 적용에 7일 간격으로 방문한 것으로 가정

이제 기여 모델에 따라 각 채널에 어떻게 기여도가 배분되는지 대략적으로 감을 잡으셨을텐데요, 여기서 좀 더 유의 깊게 살펴봐야 할 부분이 바로 ‘마지막 간접 클릭’이라는 모델입니다. 구글 애널리틱스에서 다채널 유입경로 보고서 이외의 모든 표준 보고서에서 이 기여 모델을 적용하고 있기 때문입니다.

마지막 간접 클릭 모델 적용시 사례 1에서는 마지막에 해당하는 ‘디스플레이’ 채널이 기여도 100%를 가져갑니다. 하지만 사례 2에서와 같이 마지막 채널이 ‘직접’에 해당하는 경우 ‘직접’이 아닌 그 직전 채널인 ‘유료검색’이 기여도 100%를 가져가게 됩니다.

(통상적으로 직접 유입은 ‘사용자가 북마크를 이용하거나 직접 URL을 입력하여 방문한 세션'(참조: 직접 유입(Direct traffic) 이해하기)을 말합니다. 즉, 방문자가 우리 웹사이트를 이미 알고 있다라고 볼 수 있습니다. 마지막 간접 클릭 모델에서 마지막 ‘직접’ 유입 이전에 채널/캠페인이 존재할 경우 이전 채널에 기여를 주는 이유를 추정해보면 방문자가 원래부터 우리 웹사이트를 알고 있지는 않을테고, 해당 채널이 우리 웹사이트를 알게 되거나 구매의사를 결정하는 계기를 제공했다고 간주하기 때문이 아닌가 생각합니다. )

그럼 이제 ‘마지막 간접 클릭’ 기여 모델이 실제로 적용된 구글 애널리틱스 보고서를 살펴보도록 하겠습니다.

위 화면은 한 쇼핑몰의 ‘획득 > 전체 트래픽 > 채널’ 보고서입니다. 우측 전환수(거래수) 항목에 박스 표시를 해놓았는데요, 바로 ‘마지막 간접 클릭’ 모델이 적용되어 얻은 전환수입니다. 따라서 이들 전환 수치는 (여러 채널을 거쳐 전환에 이른 경우) 다른 채널들의 기여를 전혀 반영하지 못하는 문제점을 갖습니다.

예를 들어 위 수치에 앞에서 언급한 사례2와 같은 방문자 경로(소셜->추천->유료검색->직접)를 갖는 구매전환 100건이 포함되었다고 가정한다면 이들 100건의 전환에 대해서는 유료검색(Paid Search)이 모든 기여를 가져갑니다. 달리 말해 100건의 모든 구매에서 소셜, 추천 및 직접 유입이 있었음에도 이들 유입은 단 1%의 기여도 없는 것으로 간주된다는 뜻입니다. 적절한 기여도 배분으로 보기는 어려울 듯합니다.

그럼 어떻게 하면 기여를 효과적으로 배분할 수 있을까요? 위 표준보고서에 적용된 ‘마지막 간접 클릭’ 모델이 아닌 다른 모델을 적용하면 좀 더 나은 기여도 배분이 이뤄질까요?

결고 간단하지 않은 문제인데요, 우선 적절한 기여 모델을 선택하기 위해서는 각 기여모델의 특정을 이해할 필요가 있습니다. 이를 위해 각 기여 모델에 대한 아비나쉬 카우식의 의견을 요약해 봤습니다.

참조: www.kaushik.net/avinash/multi-channel-attribution-modeling-good-bad-ugly-models/

1) 마지막 상호작용(Last Interaction)

구글 애널리틱스를 제외한 대다수 웹분석 툴에 적용되는 표준 기여 모델. 하지만 위 예에서 보듯 모든 767건의 전환에 대한 모든 기여를 ‘직접’ 채널이 독차지하는 이 마지막 상호작용 모델은 한 마디로 웃긴(silly) 모델임. 소셜, 자연검색, 추천 채널도 전환 프로세스에 관여했기 때문에 이들 채널의 기여를 인정해 줄 방법을 모색할 필요가 있음

전통적으로 모든 웹분석 툴은 마지막 상호작용 모델을 사용함. 전환을 발생시킨 확실한 채널이라는 점, (비슷한 맥락에서) 사용자 중심의 기술 분석 역량이 부족했다는 점을 그 이유로 들 수 있는데, 이러한 문제가 해소된 현 시점에서 이 모델을 고집할 필요는 없음

2) 마지막 간접 클릭 모델 (Last Non-Direct Click)

구글 애널리틱스에서 적용되는 기여 모델로 전환 이전에 마지막으로 클릭한 캠페인(소셜, 자연검색, 유료검색, 이메일, 디스플레이 등 직접을 제외한 모든 유입 채널을 의미함)에 기여도 100%를 부여함. 전환으로 이어진 ‘직접’ 방문의 가치를 의도적으로 평가절하함. 위 예시에서 모든 전환에 대한 기여를 ‘추천’ 채널이 차지함

쉽게 말해 부정확하다고 할 수 있음. 전환에 도달하기 위해 추가적인 방문(직접)이 필요함에도 불구하고 왜 이전 캠페인이 기여를 가져가는가? 브랜드 인지도와 가치를 창출하려는 마케터의 노력을 왜 과소평가하는가? 분명히 문제가 있으며, 고쳐져야 함

3) 첫 번째 상호작용(First Interaction)

마지막 상호작용 모델과 반대로 첫 번째 상호작용에 기여도 100%를 부여함. 말도 안되는 모델임(gigantic mistake). 현재 와이프와 결혼한 것에 대한 공로의 100%를 첫 번째 여자친구에게 돌리는 것과 같음

기술적으로도 마지막 상호작용의 경우 해당 캠페인에서 전환으로 이어졌다는 어느 정도의 확신이 있지만, 첫 번째 상호작용의 경우 단순히 바람에 불과할 수도 있음

4) 선형(Linear)

말 그대로 덜 잘못된(less wrong) 모델임. 초등학교 운동회에서 참여자 모두에게 참가상을 주는 것과 다를바 없음. 현실에서 시합이 있으면 누군가는 금메달을, 누군가는 은메달을 또 누군가는 동메달을 받아야 함

5) 시간 가치 하락(Time Decay)

(다른 모델 대비) 훨씬 뛰어난 모델임. 시간 가치 하락 모델의 핵심 전제는 전환에 가까운 터치 포인트일수록 더 높은 기여도를 부여하는 것임. 여기서 가중치로 7일 간의 반감기를 적용함

마지막, 중간 그리고 첫 번째 터치 포인트에 얼마만큼의 기여를 인정할 것인지 논쟁이 있을 수는 있으나 대체로 상식에 부합하는 모델이라고 할 수 있음. 또한 이 모델의 장점 중 하나는 반감기 기간을 변경(맞춤화)할 수 있다는 것임. 기여 모델을 실무적으로 적용함에 있어 시간 가치 하락 모델은 좋은 출발점이 될 수 있음

6) 위치 기반(Position Based)

선호하는 모델. 약간의 변형을 가한다면 가장 좋은 모델에 해당함. 위치 기반 모델은 기본적으로 첫 번째와 마지막 상호작용에 각각 40%의 기여도를 배분하며 나머지 20% 기여도를 중간에 속한 채널(들)에 배분함

요약하자면, 여섯 개 기본 모델 중 가장 좋은 모델은 ‘시간 가치 하락’ 모델(별다른 생각 없이 사용하고도 나름 가치를 지니는 모델)이며, 그 다음으로 뛰어나지는 않더라도 또 크게 문제될 것도 없는 모델이 ‘위치 기반’ 모델임. 나머지는 추천하지 않음

(실제로 아비나쉬 카우식이 추천하는 모델은 위치 기반 모델을 변형한 ‘맞춤 기여 모델((Customized Attribution Model)’입니다만 자세한 내용은 추후 기회가 되면 소개하도록 하겠습니다.)

적절한 기여 모델을 선택함에 있어 업종이나 상품 등 업체별 특성 또한 고려할 필요가 있습니다. 손쉽게 구매가 가능한 저관여 제품을 판매하는 웹사이트의 경우 ‘마지막 상호작용’ 및 ‘마지막 간접 클릭’ 모델이 상대적으로 그리 나쁘지 않을 수도 있습니다. 물론 구매 여정이 복잡하고 구매에 이르는 데 많은 시간이 소요되는 고관여 제품의 경우 기여 모델은 전 채널의 상호작용을 반영할 수 있어야 합니다.

구글 애널리틱스 다채널 유입경로 보고서

대다수 표준보고서에서 ‘마지막 간접 클릭’ 모델을 기본 기여 모델로 삼고 있는 구글 애널리틱스는 기여도 할당에 있어 확실히 문제가 있습니다. 하지만 전환 메뉴 내 ‘다채널 유입경로’ 보고서를 통해 상당 부분 보완이 가능합니다. 다채널 유입경로 보고서는 여러 마케팅 채널이 전환에 어떻게 기여했는지를 보여줍니다.

다채널 유입경로 내 ‘개요’ 보고서입니다. 벤다이어그램을 통해 다양한 채널 조합이 포함된 전환 경로를 보여줍니다.

다채널 유입경로 내 ‘인기 전환 경로’ 보고서입니다. 이 보고서는 목표 및 전자상거래 전환을 유도한 모든 순 전환 경로를 포함합니다. 위 화면에서 박스로 표시된 총 8개 전환 경로에 속하는 모든 전환이 표준 보고서(채널 보고서)에서는 ‘유료검색’ 채널로 집계됩니다만, 이렇게 전환 경로를 보면 다양한 채널이 어떠한 상호작용을 거쳐 전환에 도달하는지를 알 수 있습니다.

다채널 유입경로 내 ‘지원 전환수’ 보고서 또한 전환 경로에 포함된 각 채널의 역할과 기여도를 보여줍니다. 가장 우측의 지표는 지원 상호작용 전환수를 마지막 클릭 또는 직접 상호작용 전환수로 나눈 비율로서 이 값이 1보다 작으면 직접 매출 채널로서, 1보다 크면 지원 채널로서의 역할이 크다는 것을 의미합니다. (참고로 GA 표준보고서는 ‘마지막 간접 클릭’ 모델을, 다채널 유입경로 보고서는 ‘마지막 상호작용’ 모델을 적용함에 따라 전환수치가 서로 다르게 표시됩니다. 위 채널보고서에서는 유료검색 및 직접 전환수가 각각 2,361과 1,175였으나, 지원 전환 보고서에서는 각각 1,480과 2,372로 표시됨을 확인할 수 있습니다.)

지금까지의 내용을 중간 정리하자면 아래와 같습니다.

웹사이트 방문자가 구매 전환에 이르기까지 다양한 채널을 거칠 수 있음
이 때 전환에 대한 기여도를 각 채널에 어떻게 할당할 것인지를 정하는 규칙을 기여 모델이라고 함
구글 애널리틱스는 대략 여섯 가지의 기여 모델을 제공함(실제로 ‘마지막 애드워즈 클릭’ 모델을 포함 7가지이지만, 관련도가 적다고 판단되어 생략)
각 기여 모델별 특징에 대한 고려가 필요함(업종, 아이템, 마케팅 활동 등 업체 상황에 따라 적절한 모델 선택 필요)
구글 애널리틱스는 ‘마지막 간접 클릭’을 기본 모델로 적용하고 있으나 다채널 유입경로 내 ‘인기 전환 경로’ 및 ‘지원 전환’ 보고서를 활용하면 이 모델이 갖는 한계를 상당 부분 보완할 수 있음

하지만 기여 모델은 기여를 어떻게 배분할 것인가하는 방법론 이외에도 현실적으로 고려해야 할 사항이 있습니다. 그리고 여기에서의 핵심은 우리는(구글 애널리틱스는) 고객이 거쳐 온 모든 채널을 채널을 알지 못한다는 사실입니다.

# 다양한 기기 및 브라우저를 통한 유입 (cross devices and browsers)

위와 같은 구매 여정을 가정해 보겠습니다. 여기서 구매자는 1) (소셜) 페이스북 광고 클릭 2) (유료검색) 포털에서 키워드 검색광고 클릭 3) (추천) 블로그 후기에서 사이트로 연결되는 링크 클릭 4) (자연검색) 검색엔진에서 업체명 검색 후 사이트 링크 클릭의 총 네 단계 채널 경로를 거쳐 상품을 구매했습니다. 그리고 구매자가 위와 같은 전환 경로를 거쳤다는 사실은 구글 애널리틱스의 다채널 유입경로 > 인기 전환 경로 보고서에서 확인할 수 있습니다.

그러면 GA에서는 구매자가 위와 같은 채널 경로를 거쳤다는 것을 애초에 어떻게 파악했을까요? 바로 쿠키에 저장된 고유 ID 값을 통해서 사용자 정보를 수집했기 때문입니다. (이에 대한 자세한 내용은 쿠키와 사용자 이해하기 참조)

그럼 이제 조금 다른 가정을 해보겠습니다. 여기서 구매자는 위와 동일한 채널을 이용하였으나 아래와 같이 브라우저 혹은 기기를 달리해서 웹사이트에 접속을 했습니다. 즉, 앞의 세 번에 걸친 유입은 모바일을 통해 이뤄졌으며, 마지막 자연검색 채널 유입에서만 데스크탑 PC를 이용했습니다.

이 경우 구글 애널리틱스는 사용자의 유입 채널을 어떻게 인식할까요? 짐작하듯이 GA는 모바일과 PC 유입을 각각 다른 사용자 유입으로 인식합니다. 쿠키 정보가 다르기 때문입니다. 따라서 동일한 사용자임에도 불구하고 GA 인기 전환 경로 보고서에서는 아래와 같이 최종 전환이 발생한 PC유입만이 표시됩니다.

다시 말해, 사용자가 다양한 기기 혹은 브라우저를 통해 웹사이트를 방문하는 경우 그 유입 경로를 온전하게 파악할 수 없습니다. 물론 User-ID 설정을 통해 교차기기 추적(참조: https://support.google.com/analytics/answer/3123662?hl=ko)이 가능하지만 로그인 상태에서만 데이터가 수집되는 등 여전히 한계가 있습니다.

# 클릭(clicks) vs 노출(impressions)

구글 애널리틱스는 우리 웹사이트에 방문한 사용자 데이터를 수집해서 분석합니다. 사용자가 광고를 보든, 블로그를 보든 혹은 뉴스레터를 보든 클릭을 해서 우리 웹사이트에 도달해서 페이지가 조회되고 이 과정에서 추적코드(GATC)가 실행되어야 데이터가 수집됩니다. 따라서 사용자가 특정 채널을 단순히 보기만 하고 웹사이트로 연결되는 링크를 클릭하지 않았다면, GA는 사용자가 해당 채널을 접했다는 사실을 알 수 없습니다. 이 점을 염두에 두고 아래 전환 경로를 살펴보도록 하겠습니다.

이 사례에서 고객은 1) (소셜) 페이스북 광고를 통해 특정 제품을 인지(클릭 안함) 2) (유료검색) 포털에서 해당 제품 조회 및 키워드 검색광고 클릭 3) (추천) 블로그에서 제품 후기 조회(클릭 안함) 4) (자연검색) 검색엔진에서 업체명 검색 후 사이트 링크 클릭의 총 네 단계 채널 경로를 거쳐 상품을 구매했습니다. 각 채널 모두 나름의 기여를 했다고 볼 수도 있는 위 시나리오에서 첫 번째 소셜 및 세 번째 추천 채널에서는 클릭(과 이로 인한 사이트 방문)이 없었습니다. 따라서 GA ‘인기 전환 경로’ 보고서에서는 아래와 같이 표시됩니다.

# 모든 디지털 채널과 오프라인 채널

구글 애널리틱스는 웹사이트 방문자 데이터를 수집합니다. 상품을 판매하는 데 있어 웹사이트는 거점이 되는 중요한 채널이지만 전체 디지털 채널의 일부에 해당합니다. 당연하지만 구글 애널리틱스는 웹사이트(와 유입 시점의 채널)를 제외하고 구매 고객이 상품을 접하게 되는 모든 터치 포인트를 알 수 없습니다.

위 사레에서 구매자는 1) TV광고를 통해 특정 제품에 노출 2) 포털에서 해당 제품 조회 및 키워드 검색광고 클릭 3) 오프라인 상점을 방문하여 제품 확인 4) URL 접속으로 웹사이트 방문의 총 네 단계 채널을 거쳐 구매했습니다. 오프라인 상점 직원의 설명/설득이 구매를 하는 데 결정적인 영향을 미쳤습니다. GA에서 이 구매자의 전환 경로는 아래와 같습니다.

지금까지 1) 다양한 기기와 브라우저를 통한 유입 2) 모든 디지털 채널 vs 웹사이트 사용 3) 온라인 채널 vs 오프라인 채널 사용 크게 세 가지 측면에서 구글 애널리틱스의 기여 모델이 갖는 추가적인 문제점을 살펴봤습니다. 기여 모델은 구글 애널리틱스가 아니더라도 어려운 이슈입니다. 계속해서 많은 채널이 생겨나고 고객의 구매여정이 점점 복잡해짐에 따라 각 터치포인트에 기여를 적정하게 배분하는 작업은 점점 더 어려운 과제가 되고 있습니다.

하지만 한편으로는 요즘 대세가 되고 있는 인공지능이 가장 잘 할 수 있는 작업 영역에 해당한다고 볼 수 있습니다.

# 데이터 기반 기여 모델

참조(구글 도움말): https://support.google.com/analytics/answer/3264076?hl=ko&ref_topic=3180362

데이터 기반 기여 모델은 방식이 정해져 있는 기존 모델과 달리 GA 분석 계정에서 실제 데이터를 사용하여 전체 구매 경로에서 마케팅 터치포인트에 전환 기여도를 할당하도록 하는 맞춤 모델을 말하며 인공지능이 사용됩니다. 실제 전환 데이터를 토대를 학습을 통해 기여를 배분한다고 보면 됩니다.

현재는 유료 프리미엄 툴인 구글 애널리틱스 360에서만 사용 가능한 모델이구요, GA 데이터뿐만 아니라 애드워즈, 구글 디스플레이 네트워크, 더블클릭 캠페인 매니저와 같이 애널리틱스와 연결된 모든 구글 제품의 데이터도 함께 분석합니다. 작동 방식 설명에 따르면 협조적 게임 이론의 샤플리 값 솔루션 개념을 사용하여 기본 채널 그룹에 정의된 각 채널에 알고리즘에 의한 기여도를 추천한다고 하네요.

# 구글 어트리뷰션 (Google Attribution)

머신 러닝을 적용한 데이터 기반 기여 모델을 현재는 프리미엄 툴에서만 사용할 수 있지만 조만간 구글에서 무료 버전을 출시한다고 합니다. 바로 구글 어트리뷰션(Google Attribution)이란 툴인데요 지난 3월 구글에서 개최한 구글 마케팅 컨퍼런스(Google Marketing Next 2017)에서 처음 발표되었습니다.

발표 시점에서 베타 테스트 중이며 수개월 내 더 많은 광고주들이 사용할 수 있을 것이다(Google Attribution is now in beta and will roll out to more advertisers over the coming months)라고 했는데 아직 접해보지는 못했습니다. 올해 말이나 내년 초에는 출시될 것으로 예상되고 있습니다.

작동 방식은 구글 애널리틱스가 아닌 별도의 Google Attribution 계정을 만들고 여기에 구글 애널리틱스와 애드워즈, 더블클릭 서치(DoubleClick Search)의 기존 데이터를 불러와서 채널 기여도를 분석하며 별도의 태깅(tagging, 데이터 수집) 작업이 필요 없다고 합니다.

어떤 결과를 보여줄지 꽤 기대가 됩니다만, 다른 한편으로는 고객구매여정에서 구글 매체/채널이 차지하는 비중이 그리 높지 않은 국내 환경을 감안할 때 해외와 비교하여 그 유용성이 많이 떨어지지 않을까 하는 의구심도 있습니다.

참조(구글 공식 블로그): https://analytics.googleblog.com/2017/05/powering-ads-analytics-innovations-with-machine-learning-xp.html

# 전환 추적기간 (Lookback window)

마지막으로 기여 모델과 관련하여 알아야 할 개념 중에 전환 추적기간(Lookback window)이 있습니다. 클릭(세션)이 발생한 후 전환이 기록되는 기간을 말하며 ‘특정 채널로 유입된 사용자가 전환에 이르기까지의 성과를 인정하는 기간’으로 해석할 수 있습니다. 이 전환 추적기간 얼마로 정하는냐에 따라 집계되는 전환수가 달라집니다. 전환 추적 기간이 짧으면 해당 채널에서 전환으로 기록되는 전환수가 줄어들고 기간이 길면 전환수가 늘어나게 됩니다.

구글 애널리틱스의 경우, 다채널 유입경로를 제외한 모든 표준 보고서에서 6개월의 전환 추적기간을 기본 값으로 사용합니다. 이 추적기간은 관리 > 속성 > 추적 정보 > 세션 메뉴 내 ‘캠페인 만료’일 수정을 통해 변경할 수 있습니다. (세션 설정 참조: https://support.google.com/analytics/answer/2795871)

다채널 유입경로 보고서에서는 기본 값으로 30일이 적용되어 있으며 1~90일 사이에서 조정이 가능합니다.

구글 애널리틱스 이외에 네이버, 페이스북, 구글 애드워즈 등 광고 계정 또한 전환 성과 측정을 위해 전환 추적기간을 설정해야 하는데요, 이에 대한 자세한 내용은 아래 글 참조하시기 바랍니다. (GA/네이버/애드워즈/페이스북 성과 차이 해석하는 법: http://www.i-boss.co.kr/ab-6141-29508 )

—————————————————————————

국내 대표적인 온라인마케팅 커뮤니티/매체인 아이보스에서 구글 애널리틱스 4(GA4) 강의를 진행하고 있습니다. 커리큘럼 등 자세한 사항은 아래 링크를 참조하세요.