구글 애널리틱스(google analyrtics) 기본 보고서 이해하기 (잠재고객)

혼자 여러 채널과 온라인 서칭을 통해 GA(google analtics)를 공부하면서 스스로 이해하고 공부한 부분을 쉬운 말로 정리해보려고 해요. GA보고서는 크게 실시간, 잠재고객, 획득, 행동, 전환 4가지 카테고리로 분류되어 있어요. 첫 번째로 정리할 보고서는 잠재고객 보고서입니다~!

 

우선 잠재고객 보고서가 의미하는 바를 살펴보면,  

잠재고객: 우리 사이트를 방문하는 사용자의 데이터를 의미한다. (실시간 보고서에서 집계된 데이터가 일정 시간이 지나면 잠재고객 데이터에서 확인할 수 있다.)

잠재 고객은 우리 사이트를 방문하는 사용자의 데이터를 의미해요. 즉 사용자가 사이트에서 발생시키는 페이지뷰 수부터 평균 세션 시간, 지역, 운영체제 등 가장 기본적인 데이터를 확인할 수 있죠.

 

잠재고객>개요

1. 앞으로의 확인하는 모든 데이터는 스스로 설정한 특정 기간 동안의 데이터를 의미해요!
2. 사용되는 사진은 구글에서 기본적으로 제공해주는 데모 계정의 캡처 본입니다.

사용자: 특정 기간 동안 우리 사이트를 방문한 사용자 (같은 IP로 접속해도 브라우저가 다르면 브라우저에 기반하여 사용자를 카운팅 해요))

신규 방문자: 보고서를 분석하기 위해 설정한 기간 동안 기존 사용자를 제거한 신규 방문자 수

세션(session): 방문자가 총 몇 번 방문했는지 알 수 있어요. 특정 기간 동안 한 번 방문할 수도 있지만 2번 3번 그 이상을 방문할 수도 있죠.  

 

사용자당 세션수: 방문자가 한 번와서 발생시키는 세션 수를 의미해요. 세션은 기본적으로 30분 동안 아무런 작동이 없으면 초기화되는 특징이 있다고 합니다.  

페이지뷰 수: 사용자가 와서 발생시키는 페이지 뷰수(한 명이 하나의 세션 동안 10개의 페이지 뷰수를 기록할 수도 있어요!)

세션당 페이지수: 세션 내에서 발생시키는 페이지 뷰수. 사용자가 해당 사이트를 방문해서 몇 개의 페이지를 보고 나가는지를 보여주는 데이터라고 생각하면 될 것 같아요.

평균 세션 시간: 말 그대로 사용자가 사이트에 들어와서 머무는 평균 세션 시간

 

이탈률: 주로 GA와 상호작용이 1회인 세션은 이탈률로 간주한다고 합니다!

 

잠재고객>활성사용자
:내가 선택한 날짜를 기준으로 1일, 7일, 14일, 28일 이전 날짜 동안의 사용자 수를 카운팅한 것

 

1일 활성 사용자, 7일 활성 사용자, 14일 활성 사용자, 28일 활성 사용자

특정 날짜를 기준으로 '7일 활성 사용자'가 의미하는 것은 지정한 날짜를 포함해서 7일 전까지 사용자 데이터. 즉 내가 선택한 날짜를 기준으로 1일, 7일, 14일, 28일 이전 날짜 동안의 사용자 수를 카운팅한 것(누적된 값이니, 28일 활성 사용자 그래프가 가장 상단에 위치하겠죠!?)

잠재고객>동질집단분석

:동일한 특성으로 고객을 묶어 놓은 것을 의미합니다.

첫 방문일 기준으로 사람들을 동일한 특성으로 묶어둔 데이터입니다. 우리사이트를 처음 방문한 사람이 다음날 얼마나 재방문을 했는지와 같은 것들을 알 수 있어요.

잠재고객>사용자탐색기 

(슬프게도 데모 계정에서는 볼 수 없는 데이터입니다...)
:어떤 사용자가 우리 페이지를 많이 방문하는지 확인할 수 있어요.
이 보고서를 통해서 자주 방문하는 사용자를 파악할 수 있고, 그들이 어떤 페이지를 클릭하는지와 같은 데이터를 알 수 있죠.

 

잠재고객>인구통계

:구글이 추정해서 제공해주는 데이터라고 해요. 그래서 100% 정확하지는 않다고 합니다.

 

잠재고객>언어, 위치
:브라우저에 있는 언어 세팅값을 가져간다고 하네요. 
>위치: ip데이터를 기반으로 측정해요.

 

잠재고객>행동>방문빈도 및 최근 구매일

세션 수 1 의미:처음 방문
세순 수 5 의미:이전에 4번 방문하고 5번째 방문하면 카운트 1을 추가!

 

제가 공부한 내용은 여기까지 입니다. 부족한 부분은 열심히 공부해서 다음 포스팅에 반영하도록 할게요!

 

cf_ GA(google analytics)를 공부하면서 느끼는 건 신기하면서도 조금은 무서운(?) 분석 툴이라는 점입니다:-) 그만큼 필요한 데이터를 선별해서 활용한다면 분명 유용한 인사이트를 추출할 수 있을 것 같아요.