디지털 분석의 정확성: 마케터가 알아야 할 사항

디지털 분석 보고서가 정확하지 않다는 오해가 있습니다. 실제로 그들은 나름대로 매우 정확하지만 정확하지는 않습니다. 문제는 분석 데이터의 의미와 수집 방법을 모르는 사용자에게 있습니다. 설상가상으로, 서로 다른 도구는 사물을 다르게 측정하지만 같은 이름으로 부릅니다.

이 기사에서는 데이터 측정의 미묘한 차이와 다양한 분석 소프트웨어가 어떻게 작동하는지 자세히 살펴보겠습니다.

데이터 측정의 뉘앙스 살펴보기

디지털 분석 도구는 회계 시스템이나 판매 등록부로 사용하기 위한 것이 아닙니다. 상호 작용 사용자 데이터를 수집하고 쉽게 사용할 수 있는 통찰력과 보고서로 정량화하기 위해 만들어졌습니다. 수년에 걸쳐 이러한 도구의 데이터 수집 방법이 발전했습니다. 차례로 특정 데이터 포인트를 측정하는 방식도 변경되었습니다.

줄자를 영국식(인치 단위)에서 미터법(센티미터 단위)으로 변경했다고 가정해 보겠습니다. 책상의 길이는 하나는 39.4, 다른 하나는 100으로 보고될 수 있습니다. 책상의 길이는 변하지 않았지만 측정 방법은 변했습니다.

다른 분석 도구 간에 전환해 보십시오. 종종 숫자가 다를 수 있지만 추세선은 유사하게 유지되는 것을 볼 수 있습니다. 각 도구는 사물을 약간 다르게 계산합니다. 소프트웨어를 업그레이드할 때도 같은 문제가 자주 발생합니다.

한때 고유 사용자는 특정 기간 동안 웹 사이트에 액세스한 고유 IP 주소의 총 수를 합하여 계산했습니다. 결국 조직은 방화벽/프록시 서버를 사용하기 시작하여 모든 내부 사용자가 단일 IP 주소로 인터넷에 액세스해야 했습니다. 고유 IP 주소를 계산하는 방법은 변경되지 않았지만 고유 사용자 수는 크게 떨어졌습니다.

고유 사용자 수 계산은 IP 주소, OS 및 브라우저(유형 및 버전)의 조합을 사용한 다음 고유 사용자를 더 잘 추정하기 위해 영구 쿠키를 추가하는 방식으로 발전했습니다. 다시 한 번 말하지만, 사용자가 쿠키와 캐시를 지우거나 컴퓨터를 바꾼 경우(사무실 대 집 대 전화) 고유 사용자 수를 계산하는 방법에 관계없이 정확한 수치를 제공하는 분석 도구는 없습니다. 오늘날 도구는 순 사용자를 계산할 때 다른 요소를 고려합니다.

심층 분석: 데이터 분석: 스택의 과거와 한계

분석 데이터를 생각하는 방법

귀하의 분석 소프트웨어는 제어할 수 없는 많은 요인으로 인해 불완전합니다. 사용자가 쿠키 또는 기타 추적 방법을 차단하고 있을 수 있습니다. 인터넷 블립으로 인해 데이터가 데이터 수집 서버에 도달하지 못할 수 있습니다. 분석 데이터를 생각하는 가장 좋은 방법은 데이터를 사용자 활동의 투표로 보는 것입니다.

누구나 선거 때 여론 조사에 익숙합니다. 일반적인 미국 대통령 선거 여론 조사는 1억 5천만 명 이상의 유자격 유권자(유권자의 0.006%) 중 약 10,000명(또는 그 미만)을 대상으로 합니다. 뉴스 방송에서 여론 조사 결과를 보도할 때 “이 데이터는 5번 중 4번 4% 포인트 내에서 정확합니다.”라는 말을 듣는 이유입니다. 이것은 시간의 20%에서 4% 포인트 이상 떨어져 있는 것과 같습니다.

디지털 분석 도구와 관련하여 대부분의 분석 전문가는 데이터 손실이 10%를 넘지 않고 약 5%일 것으로 추정합니다. 이것이 데이터 정확도로 어떻게 변환됩니까?

사이트에서 보고 기간 동안 10,000개의 세션을 받았지만 여러 가지 이유로 9,000개의 세션에 대한 데이터만 캡처할 수 있는 경우 데이터는 1% 미만의 오차 범위 내에서 정확하며 100번 중 99번입니다.

즉, 100번 중 99번은 데이터가 정확하고 100번 중 1번은 1% 이상 차이가 납니다. 간단히 말해 데이터는 정확하지만 완벽하지(정확하지) 않으며 판매 기록과 일치하지 않습니다.

이러한 데이터는 어떤 마케팅 노력(SEO, 유료 광고, 후원 게시물, 소셜 미디어 마케팅, 이메일 마케팅 등)이 효과가 있는지, 심지어 트래픽을 유도하는 것과 판매를 유도하는 것이 무엇인지 판단하기에 충분히 정확합니다.

심층 분석: 데이터에 희망사항을 적용하지 마세요.

실제 분석

분석 데이터가 정확할 수 있지만 정확도가 약간만 떨어져도 분석에 의문이 생길 수 있습니다. 특히 두 데이터 원본 간의 차이가 변경될 때 그렇습니다.

핵심은 데이터를 모니터링하고 가능한 경우 데이터를 비교하는 것입니다. 정확도에 급격한 변화가 있으면 조사해야 합니다. 예를 들어 웹사이트가 최근에 변경되었나요? 데이터를 캡처하기 위해 이 변경 사항에 태그가 올바르게 지정되었습니까?

고객이 주문 후 감사 페이지가 생성되기 전에 Shopify 계정에 팝업을 추가한 적이 있습니다. 그들의 분석 도구는 사용자가 감사 페이지를 받을 때만 판매를 기록합니다.

팝업이 표시된 상태에서 주문은 계속 진행되었지만 많은 사용자가 메시지를 클릭하지 않았습니다. 그 결과 감사 페이지가 생성되지 않아 매출의 상당 부분이 갑자기 캡처되지 않았습니다. 감사 페이지 이후에 팝업이 뜨면 문제가 없었을 것입니다.

다음은 Shopify와 Google Analytics 4(GA4) 간의 판매 및 주문 모니터링 예입니다. 다양한 요인으로 인해 얼마나 많은 데이터가 손실되는지 확인할 수 있습니다. Shopify의 분석을 실제 판매 기록으로 사용하고 이를 GA4를 통해 수집된 데이터와 비교하면 다음과 같은 사실을 알 수 있습니다.

총 수익 및 주문의 일일 변동은 거의 0%에서 거의 13%까지 다양했습니다. 전반적으로 이 24일 동안 GA4는 수익이 5.6% 감소하고 주문이 5.7% 감소했다고 보고했습니다. 이 데이터는 특히 무엇이 사용자를 사이트로 유도하여 구매를 했는지 확인하기 위한 마케팅 활동에 적용될 때 정확합니다.

이 회사는 GA4를 사용하여 매출을 보고해야 합니까? 100% 아니요! 이것이 회계 소프트웨어의 목적입니다.

조직에서 훨씬 더 정확한 데이터를 요구하는 경우 데이터를 대부분의 분석 도구(서버측)에 직접 푸시하는 방법이 있습니다. 이렇게 하면 사용자 브라우저 및 쿠키 관련 문제를 피할 수 있습니다.

판매 데이터가 더 정확할 수 있지만 사용자 상호 작용의 다른 소프트 측정 측면(예: 스크롤 추적)이 떨어질 수 있습니다. 이것은 대부분의 조직에서 구현하는 데 복잡하고 시간이 많이 걸리는 방법입니다.

"내 분석 보고서에서 판매 수익의 2~5%를 추가로 확보하기 위해 이러한 추가 노력이 필요한가?"라고 자문해 보아야 합니다.

분석 데이터 이해

누구나 자신의 분석 데이터를 믿어야 합니다. 핵심은 분석 소프트웨어가 올바르게 설치 및 구성되었는지 확인하는 것입니다. 모든 것을 캡처할 수 없다는 점을 이해하십시오.

귀하의 분석 소프트웨어는 단순히 90% 이상의 샘플 크기로 설문 조사를 수행합니다. 이렇게 하면 결과가 100% 정확하지는 않지만(실제 수치) 매우 정확합니다(목표에 대해).

마테크를 잡아라! 일일. 무료. 받은편지함에서

비즈니스 이메일 주소

구독하다 처리 중...

용어를 참조하십시오.