혹시 광고 성과로 라스트 터치만 보고 계신가요?

김민주
- 데이터리안 그로스 마케터, 데이터 분석가
- 전) B2B 물류 스타트업 스와치온 데이터 분석가, 퍼포먼스 마케터
- 전) 공유주거 스타트업 냅스터 Co-Founder, COO

창업을 하고 마주한 정답이 없는 세계에서 답을 얻기 위해 데이터 분석을 배웠습니다. 데이터 분석가로 일하다 이제 데이터를 기반으로 서비스를 성장시키는 일을 하고 있습니다.

Transcript

1. 혹시 광고 성과로 라스트 터치만 보고 계신가요? 연사: 김민주 19:00 - 19:50
2. 강연 순서 • 유입 채널 데이터 수집하기: UTM 파라미터 • 기여 분석(Attribution Analysis) • 쿠키리스(Cookie-less) 시대의 기여 분석 • 데이터 기반 모델 • 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 • 데이터 기반 모델을 넘어 마케팅 퍼널 해석하기
3. 여러분은 오늘 세미나를 어떻게 듣게 되셨나요? 데이터리안에서 하고 있는 세미나 마케팅(왼쪽부터 인스타그램, 유튜브, 뉴스레터, 웹사이트 배너) 처음 알게 된 채널을 통해 바로 신청하셨나요? 여러 채널을 거쳐오셨다면 어떤 채널의 영향력이 가장 컸나요?
4. 마케팅 목표 지표 회원 가입 상품 구매 다운로드 구독
5. 유입 채널 데이터 수집하기 : UTM 파라미터
6. UTM 파라미터의 종류 • utm_source: 유입 채널 (e.g. youtube) • utm_medium: 유입된 매체 (e.g. social, cpc, email) • utm_campaign: 유입된 캠페인 (e.g. seminar) • utm_term: 검색 유입의 경우 검색하고 들어온 키워드 • utm_content: 콘텐츠 UTM 파라미터 사용 예시 • 원본 URL: https://datarian.io/seminar • UTM 파라미터를 붙인 URL: https://datarian.io/seminar?utm_source=seminar&utm_medium=seminar&utm_campaign=referral 유입 채널 데이터 수집하기
7. UTM 파라미터의 종류 • utm_source: 유입 채널 (e.g. youtube) • utm_medium: 유입된 매체 (e.g. social, cpc, email) • utm_campaign: 유입된 캠페인 (e.g. seminar) • utm_term: 검색 유입의 경우 검색하고 들어온 키워드 • utm_content: 콘텐츠 • utm_id: 캠페인 ID • utm_source_platform: 유입이 발생한 매체 플랫폼 (e.g. Google Ads, Naver Display Ad) • utm_creative_format: 광고 소재 유형 (e.g. 디스플레이, 네이티브, 동영상, 검색) • utm_marketing_tactic: 타겟 (e.g. 리마케팅, 잠재고객 발굴) GA4에서 새로 추가된 UTM 파라미터
8. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
9. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
10. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
11. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
12. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
13. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서 구글 검색
14. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서 유튜브 광고
15. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
16. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서
17. UTM 파라미터를 통해 수집한 데이터 확인하기 GA4 트래픽 획득 보고서 사용자가 연속된 활동을 했는지 확인하기 위해 구분하는 시간 단위로 GA4에서는 30분을 기준으로 함
18. UTM 파라미터를 통해 수집한 데이터 확인하기 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B 트래픽 획득 보고서에서는 무조건 전환 직전에 거친 채널의 성과로 보게 됨
19. 기여 분석 Attribution Analysis
20. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개
21. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 규칙 기반 모델
22. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 규칙 기반 모델
23. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개
24. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 뉴스레터 (0%) (0%) (0%) (100%)
25. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 뉴스레터 (100%) (0%) (0%) (0%)
26. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 뉴스레터 (25%) (25%) (25%) (25%)
27. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 뉴스레터 (40%) (10%) (10%) (40%) 20% 40% 40%
28. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 뉴스레터 (7%) (13%) (27%) (53%)
29. 기여 분석 Attribution Analysis 사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법 • 마지막 클릭 (Last Click) • 첫 번째 클릭 (First Click) • 선형 (Linear) • 위치 기반 (Position Based) • 시간 가치 하락 (Time Decay) • 데이터 기반 (Data Driven) 기여 분석 소개 뉴스레터 (?%) (?%) (?%) (?%)
30. 쿠키리스(Cookie-less) 시대의 기여 분석
31. 쿠키 Cookie 사용자가 웹사이트에 재방문했을 때 웹사이트를 빠르고 편리하게 사용할 수 있도록 저장하는 작은 데이터 조각 e.g. 장바구니에 담아놓은 상품, 로그인 정보, 방문한 웹사이트 정보, 검색어 정보 등 쿠키리스 시대가 온 이유 온라인 상에서 개인 정보 노출에 대한 우려로 개인 정보 보호 정책이 강화되면서 서드 파티 데이터 활용이 불가능해짐 쿠키와 쿠키리스(Cookie-less) 시대
32. 퍼스트 파티 데이터 (First-Party Data) 회사가 내 고객에게 수집한 데이터 세컨드 파티 데이터 (Second-Party Data) 다른 회사의 퍼스트 파티 데이터 서드 파티 데이터 (Third-Party Data) 메타나 구글 같은 제 3자를 통해 얻을 수 있는 데이터 데이터의 종류
33. 퍼스트 파티 데이터 (First-Party Data) 회사가 내 고객에게 수집한 데이터 세컨드 파티 데이터 (Second-Party Data) 다른 회사의 퍼스트 파티 데이터 서드 파티 데이터 (Third-Party Data) 메타나 구글 같은 제 3자를 통해 얻을 수 있는 데이터 데이터의 종류
34. 퍼스트 파티 데이터 (First-Party Data) 회사가 내 고객에게 수집한 데이터 세컨드 파티 데이터 (Second-Party Data) 다른 회사의 퍼스트 파티 데이터 서드 파티 데이터 (Third-Party Data) 메타나 구글 같은 제 3자를 통해 얻을 수 있는 데이터 데이터의 종류
35. 쿠키리스 시대를 맞아 기여 분석이 마주한 변화 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 쿠키에서 사용자의 유입경로를 계속 저장하고 있지 않아 전환까지 오래 걸리는 경우 전체 경로를 파악하기 어려워짐
36. 데이터 기반 모델
37. 규칙 기반 모델과 데이터 기반 모델의 차이점 규칙 기반 모델 각각의 경로 데이터를 확인해 개별 전환의 기여도를 직접 배분 데이터 기반 모델 전체 데이터를 통해 각 채널이 전환 가능성에 미치는 영향을 예측하여 채널별 기여도를 판단
38. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 사용자가 거치는 경로 데이터를 가지고 전환 확률을 계산하는 모델을 개발
39. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% +50% 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 A
40. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 유튜브 C 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 유튜브 D 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 인스타그램 광고 유튜브 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 B 유튜브 유튜브
41. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 유튜브 C 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 유튜브 D 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 인스타그램 광고 유튜브 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 B 유튜브 유튜브
42. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 유튜브 C 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 유튜브 D 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 인스타그램 광고 유튜브 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 B 유튜브 유튜브
43. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 유튜브 C 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 유튜브 D 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 인스타그램 광고 유튜브 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 B 유튜브 유튜브
44. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 유튜브 C 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 유튜브 D 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 인스타그램 광고 유튜브 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 B 유튜브 유튜브
45. 데이터 기반 모델의 작동 방식 뉴스레터 (?%) (?%) (?%) (?%) A B 3% 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 유튜브 C 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 유튜브 D 2% 뉴스레터 (?%) (?%) (?%) (?%) 인스타그램 광고 뉴스레터 인스타그램 광고 유튜브 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 유튜브 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 뉴스레터 인스타그램 광고 A 인스타그램 광고 A 인스타그램 광고 B 뉴스레터 인스타그램 광고 B 유튜브 유튜브
46. 데이터 기반 모델도 완벽하지 않음 1. 데이터에 기반해 계산해 주는 모델이기 때문에 데이터가 쌓이기 전까지는 부정확함 2. 내부의 로직에 의해 동작하므로 어떤 기준으로 기여도를 배분하는지 알 수 없음 데이터 기반 모델이 다 해주는데 우리는 뭘 하나…
47. 세미나 신청 경로 다시 생각해보기 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B
48. 세미나 신청 경로 다시 생각해보기 GA4 광고 > 전환 경로 외부 커뮤니티 A 외부 커뮤니티 A 외부 커뮤니티 B 외부 커뮤니티 B
49. 세미나 신청 경로 다시 생각해보기 GA4 전환 경로 외부 커뮤니티 A 외부 커뮤니티 A 외부 커뮤니티 B 외부 커뮤니티 B
50. 세미나 신청 경로 다시 생각해보기 GA4 전환 경로 외부 커뮤니티 A 외부 커뮤니티 A 외부 커뮤니티 B 외부 커뮤니티 B
51. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널
52. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 마케팅 퍼널 이미지 (출처: https://www.vennmarketing.com/blog/marketing-101-a-7-minute-introduction/)
53. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 마케팅 퍼널 이미지 (출처: https://www.vennmarketing.com/blog/marketing-101-a-7-minute-introduction/)
54. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 마케팅 퍼널 이미지 (출처: https://www.vennmarketing.com/blog/marketing-101-a-7-minute-introduction/)
55. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 마케팅 퍼널 이미지 (출처: https://www.vennmarketing.com/blog/marketing-101-a-7-minute-introduction/)
56. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B
57. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다
58. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B Awareness 인지 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다
59. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B Consideration 고려 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다
60. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B Conversion 전환 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다
61. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다
62. 사용자가 전환되기까지 거치는 여정: 마케팅 퍼널 같은 광고를 봤더라도 그 전에 거쳐온 경로에 따라 다르게 반응할 수 있다 뉴스레터 유튜브 (?%) (?%) (?%) 인스타그램 광고 B 뉴스레터 인스타그램 광고 A 인스타그램 광고 A A B
63. 데이터 기반 모델을 넘어 마케팅 퍼널 해석하기 마케팅 퍼널 이미지 (출처: https://www.vennmarketing.com/blog/marketing-101-a-7-minute-introduction/)
64. 데이터 기반 모델을 넘어 마케팅 퍼널 해석하기 마케팅 퍼널 이미지 (출처: https://www.vennmarketing.com/blog/marketing-101-a-7-minute-introduction/)
65. Awareness 인지 단계의 성과 확인하기 유튜브 스튜디오 대시보드 각 마케팅 채널에서 제공해주는 통계 (조회수, 팔로우, 댓글, 저장, 공유하기 등) 인스타그램 프로페셔널 대시보드
66. Consideration 고려 단계의 성과 확인하기 GA4 트래픽 획득 보고서 직접 구매 전환이 발생하지 않았다고 하더라도 상품 페이지 조회, 장바구니 담기, 구매 버튼 클릭 같은 액션이 발생했다면 Consideration 고려 단계로 넘어왔다고 판단할 수 있음 유튜브 광고
67. 쿠키리스 시대에 대처하기: 퍼스트 파티 데이터 수집
68. 퍼스트 파티 데이터 수집을 잘(!)하기 1. 사용자 행동 데이터 수집하기 2. 퍼스트 파티 데이터 수집을 고려하여 마케팅 캠페인 설계하기 3. 잠재 고객 확보하기
69. 퍼스트 파티 데이터 수집을 잘(!)하기 GA4 트래픽 획득 보고서 1. 사용자 행동 데이터 수집하기
70. 퍼스트 파티 데이터 수집을 잘(!)하기 웹사이트에서 자료 다운로드 2. 퍼스트 파티 데이터 수집을 고려하여 마케팅 캠페인 설계하기 퍼스트 파티 데이터 수집을 할 수 있는 곳(웹사이트, 정보 입력폼 등)으로 사용자들을 보내기 구글폼에서 사용자 데이터 직접 수집
71. 퍼스트 파티 데이터 수집을 잘(!)하기 로그인 유도 장치 3. 잠재 고객 확보하기 로그인, 뉴스레터 구독, 인스타그램 팔로우 등 유도 뉴스레터 구독 유도 인스타그램 팔로우 유도
72. 마케팅 성과 분석을 위해 필요한 것 • UTM 파라미터를 사용해 유입 채널 데이터 수집하기 • 기여 분석(Attribution Analysis) • 쿠키리스(Cookie-less) 시대가 기여 분석에 미친 영향 이해하기 • 데이터 기반 모델을 넘어 마케팅 퍼널 해석하기 • 퍼스트 파티 데이터 수집을 잘하기 마무리