1. 구매2. 홈페이지 이름3. 페이지 유형4. 페이지 경로 및 화면 클래스 해설.페이지 경로 및 화면 클래스를 사용해야 합니다.탐색(Explore)에서 구매 유입경로를 만들 때 특정 페이지(예: 홈페이지) 조회를 단계 조건으로 지정하려면, 어떤 페이지가 조회되었는지 식별할 수 있는 측정기준이 필요합니다. '페이지 경로 및 화면 클래스(Page path and screen class)'는 사용자가 조회한 페이지의 경로를 나타내므로, 홈페이지 경로(예: "/")를 조건으로 설정하여 홈페이지 조회 단계를 만들 수 있습니다.나머지 선택지가 적절하지 않은 이유는 다음과 같습니다. '구매'는 페이지가 아니라 전환 이벤트와 관련된 항목입니다. '페이지 유형'과 '홈페이지 이름'은 GA4의 기본 측정기준이 아..
1. 조직2. 데이터 스트림3. 롤업 속성4. 하위 속성 해설.하위 속성이 정답입니다.하위 속성(Subproperty)은 애널리틱스 360에서 제공하는 기능으로, 소스 속성의 데이터를 필터링하여 특정 잠재고객이나 사용 사례에 맞는 새로운 데이터 세트를 만들 수 있게 해줍니다. 예를 들어 특정 지역이나 특정 브랜드 관련 데이터만 포함하는 하위 속성을 만들어 해당 팀이 관련 데이터에만 집중하도록 할 수 있습니다.나머지 선택지가 적절하지 않은 이유는 다음과 같습니다. 롤업 속성(Roll-up Property)은 여러 속성의 데이터를 하나로 합쳐서 통합 조회하는 기능으로, 필터링으로 데이터를 좁히는 하위 속성과는 반대 방향입니다. 데이터 스트림은 웹·앱에서 데이터를 수집하는 소스이고, 조직(Organiz..
1. '세그먼트'를 선택합니다.2. '날짜 선택 도구'를 선택합니다.3. '필터'를 선택합니다.4. '비교'를 선택합니다. 해설.'비교'를 선택합니다.표준 보고서에서 여러 데이터 그룹을 나란히 비교하여 표시하려면 '비교(Comparisons)' 기능을 사용합니다. 예를 들어 데스크톱 사용자와 모바일 사용자, 또는 신규 사용자와 재방문 사용자를 같은 보고서 안에서 동시에 나란히 놓고 비교할 수 있습니다.나머지 선택지가 적절하지 않은 이유는 다음과 같습니다. '필터(Filter)'는 보고서에서 특정 조건의 데이터만 남기고 나머지를 제외하는 기능으로, 여러 그룹을 나란히 보여주지는 않습니다. '세그먼트(Segment)'는 표준 보고서가 아닌 '탐색(Explore)' 분석에서 사용하는 데이터 하위 집합 ..
1. 측정 프로토콜 기능2. Firebase SDK 기능3. Admin API 기능4. Data API 기능 해설.Data API 기능을 사용해야 합니다.대시보드를 개발하여 Google 애널리틱스의 분석 데이터를 조회(query)하고, 이를 다른 비즈니스 애플리케이션에 있는 매장 내 구매 데이터와 결합하려면 Data API를 사용합니다. Data API는 GA4 속성의 보고서 데이터에 프로그래매틱하게 접근하여 측정기준과 측정항목을 가져올 수 있게 해주므로, 맞춤 대시보드나 데이터 시각화 도구에 분석 데이터를 통합하는 데 적합합니다.나머지 선택지가 적절하지 않은 이유는 다음과 같습니다. 측정 프로토콜(Measurement Protocol)은 서버 등에서 GA로 이벤트 데이터를 전송할 때 사용하는 기능으로..
1. 이 보고서를 보려면 '광고'로 이동합니다.2. 이 보고서를 보려면 '탐색'으로 이동합니다.3. 이 보고서를 보려면 '보고서'로 이동합니다.4. 이 보고서를 보려면 '관리'로 이동합니다. 해설.이 보고서를 보려면 '광고'로 이동합니다.기여 분석 경로 보고서(전환 경로, Conversion paths)는 GA4의 '광고(Advertising)' 섹션에 있습니다. 왼쪽 탐색 메뉴에서 '광고'로 이동한 뒤 '기여 분석(Attribution)' 영역에서 전환 경로 보고서를 확인할 수 있습니다.이 보고서에서는 사용자가 전환에 이르기까지 거친 여러 광고 및 마케팅 채널의 경로를 확인하고, 각 접점이 전환에 어떻게 기여했는지 분석할 수 있습니다.나머지 선택지가 적절하지 않은 이유는 다음과 같습니다. '보고서..
1. 사이트에서 동영상이 포함된 페이지를 연 사용자의 수2. 사이트에서 동영상을 본 사용자의 수3. 사이트에서 시청한 동영상의 이름4. 사용자가 사이트의 동영상을 볼 때 사용한 기기 해설.사이트에서 시청한 동영상의 이름이 이벤트 매개변수입니다.이벤트 매개변수(Event Parameter)는 특정 이벤트가 발생했을 때 그 이벤트에 대한 추가적인 세부 정보를 담는 값입니다. 동영상 시청 이벤트가 트리거될 때 "어떤 동영상을 봤는지"를 나타내는 동영상 이름은 해당 이벤트를 구체적으로 설명하는 정보이므로 이벤트 매개변수에 해당합니다.나머지 선택지가 이벤트 매개변수가 아닌 이유는 다음과 같습니다. "동영상이 포함된 페이지를 연 사용자의 수"와 "동영상을 본 사용자의 수"는 모두 숫자로 집계되는 값이므로 측정..
1. '기술 세부정보' 템플릿을 사용해야 합니다.2. '인구통계 세부정보' 템플릿을 사용해야 합니다.3. '트래픽 획득 보고서' 템플릿을 사용해야 합니다.4. '방문 페이지' 템플릿을 사용해야 합니다. 해설.'트래픽 획득 보고서' 템플릿을 사용해야 합니다.보고서의 핵심 측정기준이 '소스/매체(Source/Medium)'이기 때문입니다. 소스/매체는 사용자가 어떤 경로로 사이트에 유입되었는지를 보여주는 트래픽 획득 관련 측정기준이므로, 이를 기본으로 다루는 '트래픽 획득 보고서' 템플릿이 적합합니다.이 템플릿으로 보고서를 만든 뒤, 필터를 추가하여 기기 카테고리를 '데스크톱'으로 한정하면 데스크톱 사용자로만 필터링된 소스/매체 보고서를 완성할 수 있습니다.나머지 선택지가 적절하지 않은 이유는 다음과 같..
1. 세션으로2. 뷰로3. 이벤트로4. 조회로 해설.이벤트로 측정하고 보고합니다.Google 애널리틱스 4(GA4)는 사용자의 모든 고유한 상호작용을 이벤트(Event) 기반으로 측정합니다. 페이지 조회, 스크롤, 클릭, 동영상 재생, 구매 등 사용자가 웹사이트나 앱에서 하는 모든 행동이 이벤트로 수집되고 보고됩니다.이는 페이지뷰와 세션을 중심으로 측정하던 이전 버전(유니버설 애널리틱스)과의 핵심적인 차이점입니다. GA4에서는 이벤트 기반 모델을 사용하기 때문에 웹사이트와 모바일 앱처럼 서로 다른 플랫폼의 사용자 상호작용도 동일한 방식으로 일관되게 측정하고 통합 분석할 수 있습니다.
1. '보조 측정기준'이 심도 높은 데이터 분류 및 분석에 도움이 됩니다.2. '비교'가 심도 높은 데이터 분류와 분석에 도움이 됩니다.3. '필터'가 심도 높은 데이터 분류와 분석에 도움이 됩니다.4. '분류'가 더 심도 높은 데이터 분류 및 분석에 도움이 됩니다. 해설.'보조 측정기준'이 심도 높은 데이터 분류 및 분석에 도움이 됩니다. 가 정답입니다.표준 테이블 보고서에는 기본적으로 하나의 측정기준(기본 측정기준)이 표시됩니다. 여기에 보조 측정기준(Secondary Dimension)을 추가하면 데이터를 한 단계 더 세분화하여 볼 수 있습니다.예를 들어 '국가'별 사용자 수를 보는 보고서에 '기기 유형'을 보조 측정기준으로 추가하면, 각 국가의 사용자를 다시 데스크톱·모바일·태블릿으로 나누어 분..
1. '주요 이벤트로 표시'를 선택합니다.2. '이벤트 수정'을 선택합니다.3. '이벤트 가져오기'를 선택합니다.4. '이벤트 만들기'를 선택합니다. 해설.'이벤트 만들기'를 선택합니다. 가 정답입니다.기존 이벤트(예: page_view)를 기반으로 특정 조건(예: 페이지 위치가 홈페이지일 때)을 충족할 때 트리거되는 새로운 이벤트를 생성하려면, GA4의 '이벤트' 메뉴에서 '이벤트 만들기(Create event)'를 선택합니다. 여기서 새 이벤트 이름을 정하고, 어떤 기존 이벤트와 매개변수 조건에서 새 이벤트가 발생할지 설정할 수 있습니다.나머지 선택지가 적절하지 않은 이유는 다음과 같습니다. '이벤트 수정(Modify event)'은 새 이벤트를 만드는 것이 아니라 기존에 들어오는 이벤트의 이름..
1. 웹사이트용 웹 데이터 스트림 1개와 앱 데이터 스트림 2개(iOS용 1개, Android용 1개)를 포함하는 속성 1개2. 웹사이트용 웹 데이터 스트림 1개와 앱용 앱 데이터 스트림 1개를 포함하는 속성 1개3. 웹사이트용 웹 데이터 스트림 1개를 포함하는 속성 1개, 앱 데이터 스트림 2개(iOS용 1개, Android용 1개)를 포함하는 속성 1개4. 웹사이트용 웹 데이터 스트림 1개를 포함하는 속성 1개, 앱용 앱 데이터 스트림 1개를 포함하는 속성 1개 해설.웹사이트용 웹 데이터 스트림 1개와 앱 데이터 스트림 2개(iOS용 1개, Android용 1개)를 포함하는 속성 1개가 정답입니다.세 가지 플랫폼의 이벤트와 사용자를 통합하여 분석하려면, 데이터를 한곳에 모아야 합니다. GA4에서는 ..
1. 맞춤 이벤트2. 자동 이벤트3. 주요 이벤트4. 추천 이벤트 해설.주요 이벤트(Key Events)로 표시해야 합니다.상품 구매나 뉴스레터 가입처럼 비즈니스에 특히 중요한 이벤트는 GA4에서 주요 이벤트로 표시합니다. 이렇게 표시하면 해당 이벤트를 중요한 전환 지점으로 추적하고 보고서에서 별도로 분석할 수 있습니다.참고로 주요 이벤트는 이전에 '전환(Conversion)'이라고 불리던 개념으로, 2024년에 명칭이 변경되었습니다.나머지 선택지는 이벤트의 중요도를 표시하는 기능이 아니라 이벤트의 수집 방식이나 종류를 가리킵니다. 자동 이벤트(자동으로 수집되는 이벤트), 추천 이벤트(Google이 권장하는 이름의 이벤트), 맞춤 이벤트(직접 정의한 이벤트)는 모두 이벤트가 어떻게 만들어지는지에 관..
1. 사이트에서 동영상을 시청하는 사용자의 언어 환경설정2. 사용자가 사이트에서 볼 수 있는 동영상의 이름3. 사이트에서 동영상이 포함된 페이지를 연 사용자의 수4. 사이트에서 동영상을 본 사용자의 수 해설.사이트에서 동영상을 시청하는 사용자의 언어 환경설정이 정답입니다.사용자 속성(User Property)은 사용자 개개인을 설명하는 특성으로, 언어 환경설정, 연령, 관심분야 같은 사용자 자체에 관한 정보입니다. "언어 환경설정"은 사용자가 어떤 언어를 사용하는지를 나타내는 사용자의 속성이므로 여기에 해당합니다. 나머지 선택지가 사용자 속성이 아닌 이유는 다음과 같습니다. "동영상의 이름"은 사용자가 아니라 콘텐츠(이벤트)를 설명하는 속성입니다. "동영상이 포함된 페이지를 연 사용자의 수"와 "..
1. 맞춤표2. 맞춤 측정기준3. 맞춤 측정항목4. 맞춤 사용자 매개변수 해설.맞춤 측정기준(Custom Dimension)을 사용합니다.작성자 이름은 "홍길동", "김철수"와 같은 텍스트 값으로, 데이터를 분류하고 설명하는 속성입니다. 이러한 텍스트 기반 속성은 측정기준에 해당하므로, 기본 제공되지 않는 작성자 이름을 보고하려면 맞춤 측정기준을 만들어야 합니다.구체적으로는 작성자 이름을 이벤트 매개변수로 수집한 뒤, 이를 이벤트 범위의 맞춤 측정기준으로 등록하면 각 기사 페이지별 작성자 이름을 보고서에서 확인할 수 있습니다.나머지 선택지가 적합하지 않은 이유는 다음과 같습니다. 맞춤 측정항목은 숫자로 측정되는 값(예: 점수, 금액)에 사용하므로 텍스트인 작성자 이름에는 맞지 않습니다. 맞춤 사용자 ..
1. 지난 30일 동안의 기간 설정2. 휴대전화를 사용한 사용자 수3. 기기 유형, 데스크톱, 휴대전화4. 내 사이트에 도달하기 전 사용자의 위치 해설.휴대전화를 사용한 사용자 수가 정답입니다.측정항목(Metric)은 숫자로 측정되는 정량적인 값입니다. "휴대전화를 사용한 사용자 수"는 셀 수 있는 수치이므로 측정항목에 해당합니다.나머지 선택지가 측정항목이 아닌 이유는 다음과 같습니다. "기기 유형, 데스크톱, 휴대전화"는 데이터를 분류하는 속성이므로 측정기준(Dimension)이고, "내 사이트에 도달하기 전 사용자의 위치" 역시 사용자를 분류하는 속성이므로 측정기준입니다. "지난 30일 동안의 기간 설정"은 보고서의 기간 범위를 지정하는 설정일 뿐 측정항목이 아닙니다.
1. 구매 위시리스트에 상품을 추가한 사용자로 구성된 잠재고객 생성2. 지난 30일 내에 구매한 이력이 있는 사용자로 구성된 잠재고객 생성3. 앞으로 7일 이내에 구매할 가능성이 높은 사용자로 구성된 잠재고객 생성4. 결제를 시작했지만 구매를 완료하지 않은 사용자로 구성된 잠재고객 생성 해설.앞으로 7일 이내에 구매할 가능성이 높은 사용자로 구성된 잠재고객 생성이 정답입니다.예측 잠재고객(Predictive Audience)은 머신러닝이 과거 데이터를 학습하여 사용자의 미래 행동을 예측하는 예측 측정항목을 기반으로 만들어집니다. 대표적인 예측 측정항목으로는 구매 가능성(purchase probability), 이탈 가능성(churn probability), 예상 수익 등이 있습니다."앞으로 7일 이내에..