핵심 요약 (한 줄 답변) 카카오톡 메시지는 UTM을 붙이지 않으면 GA4에서 '직접 유입'으로 잡혀 성과가 사라집니다. 그래서 알림톡·친구톡·채널 메시지의 모든 버튼 링크에 UTM을 붙이는 것이 출발점입니다. 그런데 여기서 대부분이 놓치는 함정이 있습니다. utm_medium=kakao처럼 쓰면 GA4 기본 채널 그룹 규칙에 해당하는 값이 없어 '할당되지 않음(Unassigned)'으로 분류됩니다. 그래서 맞춤 채널 그룹을 함께 만들어야 보고서에서 제대로 보입니다. 또 알림톡은 템플릿 승인제라 승인된 내용과 버튼 정보가 다르면 발송되지 않으므로, UTM을 템플릿에 고정으로 넣거나 URL 일부만 변수로 처리해야 합니다. 마지막으로 UTM을 붙였는데도 직접 유입으로 잡히는 경우가 있는데, 카카오 공식 답변..
핵심 요약 (한 줄 답변) 조회는 많은데 안 팔리는 상품을 찾으려면 GA4의 ① 조회된 상품 수 ② 장바구니에 추가한 상품 조회 비율 ③ 구매한 상품 조회 비율, 이 3가지 지표를 함께 봐야 합니다. 위치는 보고서 → 수익 창출 → 전자상거래 구매입니다. 핵심은 두 비율을 비교해 문제가 어디에 있는지 가려내는 것입니다. 장바구니 비율이 낮으면 상세페이지 문제(관심을 못 끈다)이고, 장바구니 비율은 높은데 구매 비율이 낮으면 가격·배송비·결제 과정 문제(담았는데 안 산다)입니다. 조회 수만 보면 "안 팔리네"로 끝나지만, 두 비율을 함께 보면 무엇을 고쳐야 하는지가 나옵니다. 단, 꼭 알아야 할 함정이 있습니다. 두 비율 지표는 '사용자 수' 기준이고 개수 지표는 '횟수' 기준이라서, 구매한 상품 수를 조..
핵심 요약 (한 줄 답변)GA4 동질 집단 탐색 분석(코호트 분석) 은 같은 시기에 같은 행동을 한 고객들을 하나의 묶음으로 묶고, 그 묶음이 시간이 지나면서 얼마나 다시 돌아오는지를 표로 보여주는 기능입니다. "첫 구매 고객의 재구매"를 보려면 탐색 → 동질 집단 탐색 분석에서 포함 기준을 '첫 거래', 재방문 기준을 '거래', 세분화를 '월별', 계산 유형을 '표준' 으로 설정하면 됩니다. 5분이면 만들 수 있습니다. 다만 반드시 알아야 할 치명적인 제약이 있습니다. GA4의 동질 집단은 기기 데이터만 기반으로 하고 User-ID를 고려하지 않습니다. 그래서 모바일로 첫 구매하고 PC로 재구매한 고객은 다른 사람으로 집계되어, 실제 재구매율보다 낮게 나옵니다. 또 최대 60개 집단까지만 표시되고, 데..
핵심 요약 (한 줄 답변)에이전틱 커머스(Agentic Commerce) 는 사람이 직접 검색하고 비교하는 대신 AI 에이전트가 상품을 찾고 비교하고, 때로는 결제까지 대신하는 쇼핑 방식입니다. 2026년의 현실을 한 문장으로 요약하면 "AI에서 발견하고, 쇼핑몰 사이트에서 구매한다" 입니다. ChatGPT 안에서 바로 결제하던 Instant Checkout이 2026년 3월 철회된 반면, AI를 통한 유입은 폭발적으로 늘었기 때문입니다. Adobe 분석에 따르면 2026년 1~3월 미국 리테일 사이트의 AI 유입 트래픽은 전년 대비 393% 증가했고, AI로 유입된 방문자의 전환율은 일반 트래픽보다 42% 높았습니다. 그런데 같은 조사에서 개별 상품 페이지의 기계 판독 가능성은 66%에 불과했습니다. ..
핵심 요약 (한 줄 답변) GA4 데이터를 AI로 분석하는 가장 쉬운 방법은 GA4에서 CSV로 내보내 ChatGPT나 Claude에 올리고 질문하는 것입니다. GA4 보고서는 공유 및 내보내기 → 파일 다운로드에서 CSV·구글 시트·PDF로 받을 수 있고, CSV와 구글 시트는 최대 10만 행까지 담깁니다. 업로드 한도는 서비스마다 달라, Claude는 대화당 파일 20개·파일당 500MB(프로젝트는 30MB), ChatGPT는 파일당 512MB 한도에 스프레드시트는 약 50MB입니다. 다만 내보낸 CSV 자체가 이미 왜곡돼 있을 수 있다는 점이 가장 중요합니다. GA4에는 (other) 행, 샘플링, 기준 적용(thresholding)이라는 세 가지 제약이 있어서, 이를 확인하지 않고 AI에게 넘기면..
핵심 요약 (한 줄 답변) 세 플랫폼의 전환 수가 다른 것은 오류가 아니라 정상입니다. 각각 세는 기준이 다르기 때문입니다. 구글애즈와 메타는 전환을 광고를 클릭한 날짜에 기록하지만 GA4는 실제 전환이 일어난 날짜에 기록합니다. 또 메타는 조회 전환·참여 전환까지 세는 반면 GA4는 클릭으로 들어온 세션만 봅니다. 여기에 어트리뷰션 모델, 추적 창 길이, 동의·추적 제한, 모델링 전환까지 더해지면 10~30% 차이는 흔하게 발생합니다. 광고주에게는 "어느 숫자가 맞느냐"가 아니라 "각 숫자를 어디에 쓰는지" 를 기준으로 설명해야 하며, 매체 최적화는 각 매체 수치, 전체 성과 판단은 GA4, 최종 매출 판단은 내부 데이터(CRM·주문 DB) 라는 3단 구조가 가장 설득력 있습니다. 이 글에서 알 수 있..
핵심 요약 (한 줄 답변) Ask Advisor(애스크 어드바이저) 는 구글 애널리틱스 안에 들어온 Gemini 기반 대화형 AI 분석 기능입니다. 보고서를 직접 만들지 않고 "지난달 대비 신규 사용자가 왜 15% 줄었어?"처럼 평소 말투로 질문하면 수치, 시각화, 관련 보고서 링크를 함께 돌려줍니다. 사용법은 GA4 속성 오른쪽 상단의 Ask Advisor 아이콘(또는 검색창 → Ask Advisor)을 클릭하고 질문을 입력하는 것이 전부입니다. 단, 현재 베타이며 속성 언어가 영어로 설정된 자격 요건 충족 계정에서만 쓸 수 있고, 보고서를 보고 있을 때만 아이콘이 나타납니다. 답변은 해당 속성 안의 데이터만 사용하며, 입력한 질문과 답변은 AI 모델 학습에 사용되지 않습니다. 이 글에서 알 수 있는 ..
핵심 요약 (한 줄 답변) GA4 대시보드는 스코어카드, 차트, 표를 하나의 캔버스에 배치해 보고서 사이를 오가지 않고 핵심 지표를 한 화면에서 보는 기능입니다. 만드는 순서는 보고서 → 만들기 → 대시보드 → 지표를 끌어다 놓기 → 차트별 필터 적용 → 제목 변경 → 저장 후 컬렉션에 게시입니다. 만들 때는 편집자 또는 관리자 권한이 필요하고, 게시하면 속성 전체에 공개됩니다. 가장 주의할 점은 '세션 주요 이벤트 발생률'에 이벤트 필터를 걸면 100%로 표시되는 문제입니다. 이는 필터가 세션이 아닌 이벤트 단위로 작동하기 때문이며, 필터 값에 session_start를 함께 넣으면 해결됩니다. 이 글에서 알 수 있는 것GA4 대시보드가 무엇이고 기존 보고서·루커 스튜디오와 어떻게 다른지리드(Lead)..
핵심 요약 (한 줄 답변) 좋은 전략도 데이터가 흩어져 있으면 성과로 이어지지 않습니다. 2026년 디지털 마케팅 운영의 핵심은 ① 광고·분석·CRM 데이터를 한곳에 모으고 → ② 대상별 대시보드와 이상 알림을 만들고 → ③ 매출과 연결된 지표로 소재·입찰·예산을 계속 조정하고 → ④ 마케팅과 영업이 같은 데이터를 보는 것입니다. 캠페인 판단은 30-60-90일 검토 주기로 내리고, 완벽한 데이터를 기다리기보다 80%의 확신으로 움직이는 팀이 앞서갑니다. 이 글은 7단계 로드맵 중 실행·운영 편(4~7단계) 이며, 전략 설계 편(1~3단계)은 1편에서 다뤘습니다. 이 글에서 알 수 있는 것마케팅 데이터를 한곳에 모아야 하는 이유와 통합 방식 4가지 비교데이터 인프라 점검 체크리스트 (이런 증상이 있다면 ..
핵심 요약 (한 줄 답변) 2026년 디지털 마케팅 전략은 "어떤 채널을 할까"보다 "성과를 어떻게 측정할까"를 먼저 설계해야 성공합니다. 구글 검색의 약 68%가 클릭 없이 끝나고, GA4의 기여 모델은 데이터 기반과 마지막 클릭 2가지만 남았으며, 플랫폼마다 전환을 세는 기준이 다르기 때문입니다. 전략 수립은 ① 기준값·목표값·기한이 있는 목표 3개 설정 → ② 오디언스 세그먼트 정의 → ③ 70-20-10 예산 배분 → ④ 유료·소유·획득 미디어 채널 믹스 구성 → ⑤ UTM과 기여 분석 설계 순서로 진행합니다. 이 글은 7단계 로드맵 중 전략 설계 편(1~3단계) 이며, 실행·운영 편(4~7단계)은 2편에서 다룹니다. 이 글에서 알 수 있는 것2026년 디지털 마케팅이 어려워진 이유 (데이터로 확..
핵심 요약 (한 줄 답변) 2026년 5월 Google Marketing Live에서 구글이 오픈소스 마케팅 믹스 모델(MMM)인 'Meridian'을 구글 애널리틱스 360에 통합한다고 발표했습니다. 쿠키 소멸, 동의(Consent) 규제, 앱 추적 제한으로 개인 단위 어트리뷰션이 흔들리면서, 집계 데이터로 채널별 기여도를 추정하는 MMM이 다시 주목받고 있습니다. 핵심은 MMM이 "분기에 한 번 하는 특별 프로젝트"에서 일상 분석 워크플로 안의 기능으로 내려왔다는 점입니다. 다만 MMM의 품질은 결국 데이터의 일관성에 좌우되며, 그 출발점이 바로 UTM 관리입니다. UTM은 이제 태깅 실무가 아니라 측정 인프라입니다. 이 글에서 알 수 있는 것구글이 2026년 5월에 발표한 Meridian 통합의 의..
핵심 요약 (한 줄 답변) 2026년 GA4의 핵심 변화는 "AI 유입 측정"과 "예산·성과 판단을 GA4 안에서 끝내는 것" 입니다. 주요 업데이트는 ① AI Assistant 채널(5월), ② 교차 채널 예산 계획(베타, 1월), ③ 전환 관리 개선과 전환 기여 분석 보고서(베타, 1월), ④ 소스 그룹 필드(6월), ⑤ 구글 비즈니스 프로필 연동(6월), ⑥ 대시보드(9월), ⑦ 비용 데이터 관리 강화(7~8월) 7가지입니다. 이 중 AI Assistant 채널은 별도 설정 없이 ChatGPT 같은 AI 챗봇 유입을 자동으로 분리해 주지만, AI 유입 전체가 아니라 "식별 가능한 일부"만 보여준다는 점을 꼭 기억해야 합니다. 이 글에서 알 수 있는 것2026년 GA4에 추가된 주요 기능 7가지와 발..
핵심 요약 (한 줄 답변) AI가 마케팅 성과를 엉뚱하게 해석하는 가장 큰 이유는 데이터는 있지만 '맥락(Context)'이 없기 때문입니다. 데이터는 "무엇이 변했는지"를 보여주지만, "왜 변했는지"는 캠페인 목표·예산 변경·프로모션·테스트 같은 비즈니스 맥락이 설명합니다. 맥락이 없으면 AI는 추측을 하고, 그 추측이 환각(Hallucination) 으로 이어집니다. 해결책은 맥락을 개인의 기억이나 프롬프트가 아니라, 팀 전체가 공유하고 관리하는 '맥락 레이어' 에 모아두는 것입니다. 이 글에서 알 수 있는 것마케팅 AI가 신뢰받기 위한 3가지 조건같은 "ROAS 하락"도 원인이 전혀 다를 수 있는 이유AI에게 제공해야 할 비즈니스 맥락 12가지 (누락 시 오해 사례 포함)ChatGPT 같은 범용 A..
핵심 요약 (한 줄 답변) "AI 답변에 우리 브랜드가 몇 번 언급됐는가(가시성)" 는 완벽한 점수가 나와도 브랜드가 지고 있는 상황을 숨길 수 있습니다. 업계가 기본값처럼 쓰는 지표(가시성·점유율·언급률·인용수)는 "등장했는가" 만 답할 뿐, "원하는 방식으로 등장했는가" 는 답하지 못하기 때문입니다. Kevin Indig의 Growth Memo 연구(2026년 1~6월, 1,094개 카테고리·5만 개 이상 브랜드·60만 건 이상 인용 분석)에 따르면, AI 검색 카테고리의 53.7%에는 아직 명확한 1위 브랜드가 없으며, 이 미확정 카테고리가 전체 AI 검색 수요의 89.3% 를 차지합니다. 즉 대부분의 브랜드는 "아직 아무도 못 먹은 시장" 에 있다는 뜻입니다. 여기서 카테고리 리더인지 아닌지에 따..
핵심 요약 (한 줄 답변) 1편에서 GA4로 기여도(Attribution) 를 측정해 "디스플레이·소셜이 검색광고에 영향을 준다"는 가설을 세웠다면, 이제는 그 가설을 증명할 차례입니다. 증분(Incrementality) 을 검증하는 방법은 신뢰도·비용 순으로 4단계 사다리로 정리됩니다 - Level 1 관찰(상관, 비용 0) → Level 2 준실험(DID·합성통제, 비용 낮음) → Level 3 진짜 실험(Lift Test, 골드 스탠다드) → Level 4 MMM(전체 그림). 실무 표준은 한 가지 방법만 믿지 않고 GA4(상시)·Lift Test(분기)·MMM(반기)를 삼각측량하는 것입니다. 해외 핵심 연구(Kireyev 외, 2016)는 디스플레이가 검색 전환을 유의미하게 늘리는 동시에 검색 비..
핵심 요약 (한 줄 답변) "디스플레이·소셜이 관심을 만들고, 검색광고가 그 관심을 수확한다"는 가설을 검증하려면 두 가지 다른 질문을 구분해야 합니다. ① 기여도(Attribution) — "전환까지 오는 길에 어떤 매체가 몇 번, 어느 순서로 등장했나?"는 GA4의 전환 경로·기여 모델로 확인하는 상관관계이고, ② 증분(Incrementality) — "그 매체가 없었다면 전환이 안 일어났을까?"는 실험(Lift Test)과 MMM으로 검증하는 인과관계입니다. 이번 1편에서는 ①, 즉 GA4로 기여도를 측정하는 구체적인 방법을 다룹니다. 2026년 8월 기준 GA4에는 데이터 기반(DDA, 권장) · 유료 및 자연 검색 라스트클릭 · Google 유료 채널 라스트클릭, 이 세 가지 모델만 존재하며, ..