디지털 서비스를 기획하고 마케팅하는 환경에서 GA4는 매우 유용한 도구입니다.

하지만 분석 요건이 구체화될수록 UI 에서 제공하는 표준 기능만으로는 대응하기 어려운 지점들이 생기곤 합니다.

로우 데이터 기준으로는 수집되고 있는 항목이지만, 비즈니스 목적에 맞게 가공하여 보고 싶을 때 UI 상의 설정만으로는 한계가 있기 때문입니다.

저희는 이러한 한계를 해결하고자 GA4 로우 데이터를 빅쿼리(BigQuery)로 추출하여 직접 가공하는 방식을 선택했습니다.

이번 콘텐츠에서는 GA4 탐색 보고서에서 구현하기 까다로웠던 분석 요건들을 기술적으로 어떻게 해결했는지, 그 과정과 결과물을 공유하고자 합니다.

1. GA4 탐색 보고서에서 구현이 어려웠던 분석 요건들

유저의 행동 흐름을 분석하며 마주한 주요 제약 사항들은 다음과 같았습니다.

사후 데이터 정제의 제약

과거 수집 당시에 페이지 이름이 누락되었거나 URL 패턴이 복잡한 경우, 보고서 내에서는 이를 사후에 보정하여 퍼널을 구성하기 어렵습니다.

복잡한 세션 필터 조건

"세션 도중 특정 광고 매체로 유입된 기록이 한 번이라도 존재하는 세션 전체 제외"하는 등의 조건은 탐색 보고서의 필터링 로직으로는 구현이 불가능에 가깝습니다.

사용자 중심의 유연한 시간 설계 필요

GA4의 탐색 분석은 대개 세션 단위에 의존합니다. 첫 진입 후 세션 종료 여부와 관계없이 '특정 시간 이내'의 모든 행동을 하나의 여정으로 묶어 분석하고자 하는 요건을 반영하기에는 무리가 있습니다.

2. 빅쿼리(BigQuery)를 통한 데이터 재구성

저희는 이러한 제약들을 빅쿼리 SQL을 활용한 데이터 전처리로 해결했습니다. 툴이 제공하는 고정된 기능이 아니라, 분석 목적에 맞게 데이터를 다시 설계하는 작업이었습니다.

① URL 패턴 기반의 페이지 명명

페이지 이름이 정의되지 않은 구간들을 URL 패턴에 따라 '회원가입 1단계', '신청서 작성 1단계' 등 실무적으로 의미 있는 단계로 재분류했습니다.

② 매체 기여도 정밀 필터링

리타겟팅 매체를 통한 재유입은 초기 유입 채널의 순수한 성과를 파악하는 데 노이즈가 될 수 있습니다.

이에 데이터 노이즈를 제거하고자 세션 내 크리테오 유입 기록이 포함된 모든 세션을 분석에서 제외했습니다. 결과적으로 외부 매체에 의한 수치 왜곡을 방지하여, 유저들이 보여준 실질적인 전환 효율을 보다 객관적으로 확인할 수 있었습니다.

③ 이탈 맥락 분석과 가상 이벤트 생성

유저가 여정 도중 이탈했을 때, 마지막으로 머물렀던 페이지와 총 체류 시간을 계산했습니다.

   GA4 로그에는 존재하지 않는 '서비스 이탈'이라는 가상의 이벤트를 생성해 퍼널 끝단에 배치함으로써, 유저가 어디서 여정을 멈췄는지 명확히 시각화했습니다.

3. 루커(Looker)를 활용한 시각화: Sankey Chart

이렇게 빅쿼리로 가공된 데이터는 루커의 생키 차트(Sankey Chart)를 통해 최종 구현되었습니다. GA4 탐색 보고서의 경로 탐색과 비교했을 때 다음과 같은 실무적 장점이 있었습니다.

① 데이터 정제를 통한 직관적인 노드 구성

   로그 데이터가 가공 없이 나열되는 GA4와 달리, 빅쿼리에서 미리 정의한 페이지명과 순서를 차트에 매핑했습니다.

덕분에 각 이벤트의 의미를 파악하기 위해 파라미터를 일일이 대조할 필요 없이, 기획된 동선에 따른 유저의 이동 패턴을 즉각 확인할 수 있습니다.

② 규모와 흐름의 동시 파악  

   연결선의 두께로 데이터의 규모를 표현하여, 어느 단계에서 이탈이 집중되는지 시각적으로 체감할 수 있게 설계했습니다. 이는 수치 중심의 보고서가 전달하기 어려운 유저 퍼널의 볼륨감을 명확히 보여줍니다.

③ 이탈 직전 '마지막 페이지'의 가시화 

   유저가 특정 단계에서 사라졌다는 사실만 보여주는 GA4 퍼널 분석의 한계를 보완했습니다. 이탈 직전 유저가 머물렀던 마지막 페이지를 차트의 마지막 노드로 배치하여, 유저가 어떤 화면을 끝으로 여정을 멈췄는지 그 실질적인 근거를 확인할 수 있습니다.

4. 데이터 분석, 툴의 활용을 넘어 '설계'의 영역으로

데이터 분석은 도구가 제공하는 기본 설계를 넘어, 비즈니스 특성에 맞춰 로직을 고도화할 때 더 구체적인 답을 제시할 수 있습니다.

이번 프로젝트는 GA4 탐색 보고서의 제약을 빅쿼리를 통해 로우 데이터 레벨에서 보완하여, 서비스 개선의 실제 근거가 되는 정밀한 행동 패턴을 도출한 사례였습니다.

특히 화면 기획과 연계해 유저가 헤매는 지점을 특정하고, 이를 페이지 개선 프로젝트의 근거로 활용하여 고객사에 최적화 방안을 제안하고 있습니다.

기존 보고서만으로는 해결되지 않는 분석적인 고민이 있다면, 이제는 툴이 정해둔 틀에서 벗어나 서비스에 최적화된 데이터 로직을 직접 설계해 보시길 제안합니다.

DXE 데이터컨설팅팀은 복잡한 로그 데이터를 분석 목적에 맞게 정교하게 정제하여, 현업에서 즉시 활용할 수 있는 객관적인 데이터 결과물을 만드는 데 주력하고 있습니다. 데이터 기반의 더 깊은 분석 설계가 필요하다면 DXE와 함께 고민해 보시는 건 어떨까요?"