2024.05.20 - 32일차 [데이터 분석 기반 디지털 마케팅 과정 특강]

오늘은 무엇을 배웠는가

 

- 구글 애널리틱스(Google analytics)

• 머신 러닝(Machine Learning): 자동화된 잠재고객 타겟팅. 구글 시그널즈, 이벤트 추적, 전환 모델링.

• 개인정보 보호(User Privacy)
  • 2024년 구글, 제3자 쿠키(Cookie) 단계적 지원 중단.
  • 구글 애널리틱스가 UA(Universal Analytics) 23년 7월 1일 사용 중단, GA4로 진화할 수밖에 없는 가장 큰 요인.
  • "고객 데이터" 또는 "Google 애널리틱스 데이터"는 사용자가 서비스를 사용하여 수집, 처리 또는 보관하는 사용자의 특성 및 행동에 대한 데이터를 의미. 이를 구글에서 수집하고, 분석하는 것을 완전히 중단하겠다는 것. 쿠키에는 PC, Mobile 사용자의 검색 내역, 로그인 정보, 상품 구매 내역, 가입 ID와 비밀번호, 핸드폰, 카드 정보 같은 개인정보가 저장되어 이를 악용하는 문제가 발생되어 애플, 모질라 등은 이미 제3자 쿠키수집을 차단하고 있음.
    • : 이런 이유로 고객 DB 획득과 더불어 gtag.js, Tag-manager, Pixel cod와 같은 행동기반의 태그 추적이 매우 중요해짐(이벤트, 전환, 잠재고객에 대한 추적)
  • 앱 추적금지 정책 시행-전환 모델링의 중요성
    • Apple: 앱의 데이터 추적에 대한 거부권을 사용자에게 미리 공지, 22년 5월 실시 이후 유저 90%가 추적 금지 선택.
    • Google: Apple의 영향으로 앱의 데이터 접근 현황을 파악할 수 있는 기능 지난해 추가. 사용자가 데이터 추적을 거부할 수는 있지만, 직접 설정해야 함.
    • Meta: 자체 플랫폼 없이 Google과 Apple에 사용자 데이터 의존도가 높음. 애플 개인정보정책 변화로 지난해 처음으로 분기별 매출 하락.
    • First Party에서 Zero Party의 데이터 수집으로 빠르게 진화 중(머신러닝 기반의 전환 모델링 중요성 대두)
• 데이터 3법 통과(데이터 3법 개정안은 2020년 1월 9일 국회 본 회의를 통과. 국내 규정.)

	개념	활용가능 범위	개정안
개인 정보	특정 개인에 관한 정보, 개인을 알아볼 수 있게 하는 정보	사전적이고 구체적인 동의를 받은 범위 내 활용 가능	<개인정보보호법개정안> 동의없이 처리할 수 있는 개인정보의 합리화 - 수집 목적과 합리적으로 관련된 범위 내에서 대통령령이 정하는 바에 따라 개인정보의 추가적인 이용/제공 허용
가명 정보	추가정보의 사용 없이는 특정 개인을 알아볼 수 없게 조치한 정보	다음 목적에 동의 없이 활용 가능(GDPR 반영)  1) 통계작성 (상업적 목적 포함)  2) 연구 (산업적 연구 포함)  3) 공익적 기록보존 목적 등	<정보통신망법 개정안> - 온라인상의 개인정보 보호와 관련된 규제와 감독의 주체를 방송통신위원회에서 '개인정보보호위원회'로 변경
익명 정보	더 이상 개인을 알아볼 수 없게 (복원 불가능할 정도로) 조치한 정보	개인정보가 아니기 때문에 제한없이 자유롭게 활용	<신용정보법개정안> -'가명정보'는 통계작성(상업적 목적 포함), 연구(산업적 목적 포함), 공익적 기록보존 목적으로 동의 없이 활용 가능

• *GDPR(유럽연합 or 유럽경제지역에 속해있는 사람들의 사생활 및 개인정보 보호법)
  • 쿠키 동의 배너 표시: 방문자가 사이트 쿠키 사용에 동의하거나 거부할 수 있도록 동의 배너를 표시.
  • 개인정보 처리방침 설정: 신뢰성 및 투명한 사이트 운영을 위하여 사이트 하단에 '개인정보 취급방침'을 추가.
  • *: GDPR은 기업이 재화나 서비스를 유로화로 유통하거나 프랑스어, 독일어 등으로 홈페이지를 구성할 경우 명백한 타겟팅의 근거가 되지만, 영어 및 달러화만을 활용할 경우 GDPR의 규제대상이 되지 않을 수 있음(KISA 홈페이지 - GDPR 적용대상 및 범위)
• CCPA(캘리포니아 소비자 프라이버시법)
  • 개인정보 판매 거부(Do Not Sell My Personal Information): "데이터 판매 거부" 링크를 표기.
• Google에서 개인 식별 정보로 간주하는 정보
  • 이메일 주소, 주소, 전화번호, GPS 좌표, 이름 및 사용자 아이디: GA 데이터로 활용 및 저장 불가.
• Google에서는 다음과 같은 정보가 개인 식별 정보에서 제외
  • 가명처리된 쿠키 ID(1st party cookies), 가명처리된 광고 ID, IP 주소, 기타 가명처리된 최종 사용자 식별자: GA 데이터로 활용 및 저장 가능.

- 가트너 보고서 Hype Cycle for Digital Marketing (고객 여정 분석, 이벤트-트리거 마케팅)

 

- 구글 애널리틱스

• 전자상거래(자사몰 - Web/App): 구매하기, 제품 페이지 분석, 장바구니 담기, 주문서 획득, 리뷰 작성 등.
• 리드 생성(Lead Generation 콘텐츠, 교육, 게임, 커뮤니티 등): 페이지 방문수, 문의, 신청, 로그인, 다운로드 등.
• 온 오프 MIX(매장, 무인점포): 회원가입, 결제, 체류시간 측정, 문의, 통화, 프로모션 등.
• 구글 애널리틱스란?
  • 전 세계적으로 가장 많이 활용이 되는 마케팅 데이터 통합 도구.
  • 웹사이트 및 모바일 앱 데이터를 수집, 측정, 분석하여 다양한 리포트 형태로 제공함으로써 웹사이트/앱을 최적화하거나, 온라인 광고 캠페인 최적화를 지원.
  • 구글 애널리틱스 4 속성은 미래의 측정 방식에 대비해 설계된 새로운 속성.
    • 웹 사이트/앱 데이터를 모두 동시에 수집이 가능해 고객 여정을 더욱 자세히 파악.
    • 세션 기반: UA(이전 버전)에서 이벤트(GA4) 기반 데이터 사용.
    • 쿠키 없는 측정, 행동 및 전환 모델링과 같은 개인 정보 보호 설정 포함(1st Party에서 Zero Party)
    • 예측 기능으로 복잡한 모델이 없는 가이드 제공.
    • 미디어 플랫폼에 직접 통합하여 웹사이트 또는 앱에서 더 편리하게 작업.
  • 구글 애널리틱스를 배우는 이유: 고객을 이해하고, 고객의 가치(의미)있는 데이터를 수집하고, 찾고, 활용하기 위함.

획득은 알아가는 단계, 행동은 전환 유도 단계, 전환은 방문자가 고객이 되는 시점.

 

- GA4 Demo UI&데이터 스트림 생성

  ※제품 판매는 미국, 캐나다만 가능. GA 구매 데이터도 해당 지역만 가능. 개인정보 보호로 인해 민감성 정보(성별, 연령대, 인스턴스ID 등)의 정보 데이터 비공개.

• GA4 계층 구조 알아보기
  • GA 계층 구조는 조직-계정-속성-데이터 스트림 구조로 되어 있으며, 위로는 1개의 조직, 계정, 속성만을 가질 수 있고, 아래로는 여러 개의 계정, 속성, 데이터 스트림을 가질 수 있음.
  • 조직: 기업의 액세스 계정. GMP(애널리틱스, 태그매니저) 통합과 이동, 이용자 권한, 타사 플랫폼과의 공유(API 접속)이 용이하며 통합 관리가 가능(선택사항)
  • 애널리틱스 계정: 브랜드 단위로 정의 가능. 애널리틱스 내 최상위 수준의 구성요소. 하나의 계정에 여러 개의 속성과 속성 유형을 포함할 수 있지만 각 속성은 단 하나의 애널리틱스 계정에만 속할 수 있음(최대 100개 생성 가능)
  • 속성: 계정의 아래에 위치. 웹/앱에서 수집된 데이터를 기반으로 하는 보고서 컨테이서. 애널리틱스에서는 속성 단위로 데이터를 처리하며 속성을 구글애즈, 서치콘솔 및 다른 제품과 연결(데이터 통합)이 가능(계정 아래 최대 2000개까지 생성 가능.)
  • 데이터 스트림: 속성 내에서 설정. 고객 터치포인트(웹/앱)에서 애널리틱스로의 데이터 흐름. 속성 하나에 여러 개의 데이터 스트림이 포함(속성 아래 최대 30~50개, 앱 스트림 조합 시 최대 30개)
• 애널리틱스 계정 구조(웹사이트&앱 속성)
  • 애널리틱스는 웹 또는 앱 데이터 중 하나에만 단독으로 사용하거나 웹 데이터와 앱 데이터를 모두 합쳐 사용할 수도 있음. 또한 계정당 하나의 속성을 만들거나 여러 개의 속성을 같은 계정에 포함할 수도 있음. 애널리틱스 계정을 비즈니스 니즈에 맞는 방식으로 설정하려면 다양한 옵션을 이해하는 것이 중요.

---

오늘은 무엇을 했는가

 

  첫 번째로 Google Teachable Machine을 사용했다.

각 클래스에 맞는 이미지를 삽입.

당신은 100% 강아지.

  만약 결과값이 반대거나 확률이 낮았을 경우 그 요인은? 학습시킨 데이터가 적어서이다. 100%가 나오는 경우, 왜 100%만 나오는 걸까도 고민할 필요가 있다. 학습시킨 데이터가 꼭 필요한 것인지, 데이터를 정제해야 하는지 아닌지고 고려할 필요가 있다. 여기에 학습시킨 데이터에는 고양이와 강아지가 섞여있고 사람도 일부 포함되어 있었다. 과연 이 데이터가 우리의 비즈니스에서 필요한 건지 어떤 의미를 가지고 있는지, 틀을 벗어난 게 삽입되면 이걸 어떻게 정의할 것인지를 고려하는 게 우리의 일이다.

히히 가위바위보

  머신러닝 기반으로 결과를 예측하는 행위도 가능하다.

 

계정은 브랜드, 속성은 플랫폼

리드: 병원처럼 사용자가 방문하고 예약하는 것

온라인판매: 쇼핑몰, 구독.

브랜드 인지도 향상: 브랜딩. 컨텐츠에 대한 대부분의 것.

사용자 행동 검토: 사용자 추적.

 

Tag Assistant Companion: 구글 관련 태그 확인

WASP: 구글 외에 태그 확인

자연검색 트래픽은 쿼리를 포함함(이미지 등으로 유입된 모든 것)

전환 모델링에는 전환 가치가 중요

 

 

  태그 관리자 버튼 클릭 실습도 진행했다.

1번 페이지로 이동

네이버로 이동

 

  실습 내용은 텍스트 대신 이미지로 대체하겠다.

---

오늘의 느낀 점

 

  세상에는 참 많은 기능이 있구나... 그 이상의 반응도 이하의 반응도 표할 수 없다. 24시간짜리 강의를 7시간 내에 다 듣고 이해하는 건 무리가 있는 것 같다. 더욱이 이게 제대로 작동하지도 않는 상황에서라면.

  분명 좋은 기능이고 다양하게 응용할 수 있다는 건 알겠다. 그러나 이걸 왜, 어디에, 언제 써야하는지에 대한 설명은 모자랐던 것 같아 아쉽다.

---

참고자료

• 데이터 분석 기반 디지털마케팅 과정 - 임한경 강사님