회원가입 전환율을 12%나 올린 분석 방법

💡 이 글에서는 다음 내용을 확인할 수 있어요.

가입 흐름은 분석했는데 왜 이탈하는 걸까?
분석이 깊어질수록 늘어나는 질문들
회원가입 전환율을 12% 높이다
고객행동 분석 언어로 SQL 추천

가입 흐름은 분석했는데, 왜 이탈하는 걸까?

웹서비스를 운영하면서 가입 전환율을 올리는 건 가장 기본적인 목표 중 하나 입니다.

GA4(Google Analytics 4)는 이 목표를 달성하기 위한 유용한 도구이고 대부분 쉽게 아래 내용을 확인할 수 있어요.

유입 채널은 어디인지
어떤 페이지에서 이탈했는지
버튼 클릭 수는 얼마나 되는지

GA4에서 제공하는 ‘트래픽 획득’, ‘이벤트 수’, ‘경로 탐색’ 리포트를 보면 사용자의 이동 경로를 빠르게 확인할 수 있고, 이 정보만으로도 많은 인사이트를 얻을 수 있습니다. 웹사이트나 앱을 운영하는 조직이라면 대부분 GA4(Google Analytics 4)를 기본적인 분석 도구로 사용하고 있습니다.

그런데 분석이 조금 더 구체적으로 들어가기 시작하면 곧바로 한계를 마주하게 됩니다. 가장 큰 원인은 다양하게 꼬리를 무는 질문에 답을 찾기 위한 분석 자유도가 낮은 거에요.

분석이 깊어질수록 늘어나는 질문들

GA4에서 기본 리포트를 통해 얻은 전환 데이터. 그런데 회원가입 전 중도 이탈을 줄이고 싶다면, 좀 더 정밀한 질문이 필요해 집니다.

가입 버튼을 누른 사용자들은 이전에 어떤 행동을 했을까?
소셜 로그인과 이메일 가입 중, 이탈율이 높은 쪽은 어느 그룹일까?
가입에 1분 걸린 사용자와 10초 걸린 사용자, 전환율이 다를까?
전환 성공/실패 사용자군의 차이는 무엇일까?

이런 질문에는 단순한 클릭 수나 경로 시각화만으로는 답하기 어렵습니다.

GA4는 구조화된 리포트를 제공하는 데 최적화되어 있지만, 데이터를 원하는 방식으로 조합하거나 사용자 행동의 세밀한 흐름을 파악하기에는 한계가 있습니다.

회원가입 전환율을 12% 높이다

텀타 아카데미의 데이터 분석 전문 강사 헨리(@growthfit_henry)가 데이터분석을 통해 회원 가입 전환을 12% 늘렸던 사례를 소개할께요.

헨리가 근무했던 전 직장에서는 서비스 초기 임에도 유입이 잘 되고 있었어요. GA4 (당시에는 UA) 리포트로 회원이 들어왔네, 가입이 얼마 되었네 정도는 확인할 수 있었지만 정확히 어디서, 왜 이탈이 일어나는지 파악할 수가 없었어요. 결국 GA4로는 깊이 있는 인사이트를 얻을 수 없다고 판단해, 빅쿼리를 연동하여 원천 데이터를 SQL 쿼리로 확인하면서 원인을 찾아냈어요.

분석 설계는 다음과 같았습니다.

가입 버튼 클릭 후 가입 완료까지 세부 단계별로 이탈이 어디서 일어나는지 확인하자
가입 수단(이메일/비번 vs 소셜 로그인)이 다르면 전환율 차이가 나는지 확인하자
가입에 걸리는 시간에 따라 전환율이 달라지는지 확인하자
회원 가입 완료한 전환 성공 유저와 이탈 유저가 사전에 회원 가입 전 어떤 행동을 하는지 보자

분석 결과로 다음과 같은 인사이트를 얻을 수 있었습니다.

[주의] 특정 시점의 해당 서비스를 분석한 결과이기 때문에 보편적인 벤치마킹 기준으로 삼으시는 건 추천하지 않습니다.

이메일 가입은 소셜 로그인 대비 2배나 높은 이탈율을 보인다
가입 소요 시간이 30초를 넘어가니 전환율이 눈에 띄게 떨어졌다
전환 성공 유저는 가입 전 꼼꼼하게 서비스 페이지를 확인하고 탐색 시간이 길었다
특정 페이지에서 반복적으로 이탈한 유저 활동 패턴을 발견했다

분석 인사이트로 서비스 개편을 성공적으로 이끌었어요.

위 내용을 기반으로 서비스 UI/UX를 개선했습니다.

가입 폼 입력 항목을 줄였어요
이메일 인증 절차를 간소화하고 소셜 로그인 옵션을 강조했어요
가입 시 입력할 내용을 모두 보여주지 않고 짧게 짧게 유저가 단계를 거치게 하고, "거의 다 됐다, 얼마 남았다"는 메세지를 노출했어요.

결과는 이미 말씀 드린대로 회원 가입 버튼 클릭 후, 가입 완료까지 전환율이 무려 12%나 증가했습니다.

데이터 분석을 하면서 가장 보람된 순간은 이렇게 분석 결과가 실제로 프로덕트에 반영되고 예상했던 대로 유저들의 행동이 우리 서비스에 긍정적인 방향으로 바뀌는 것을 보게 될 때 입니다.

고객행동 분석 언어로 SQL 추천

GA4는 무료로 쉽게 고객들의 행동을 수치로 변환하여 빠르게 확인할 수 있는 훌륭한 도구 입니다.

하지만 조금 더 세분화된 유저 그룹의 행동 이유를 이해하고, 제품이나 서비스를 바꾸기 위한 심도있는 분석을 하려면 보다 자유로운 SQL 활용이 필요합니다.

SQL을 활용하면 다음과 같은 분석을 쉽게 할 수 있어요.

이벤트 간 시간 차이를 계산해서 의미있는 서비스 순간을 포학합니다
조건별 사용자 그룹을 나누어 우리 서비스를 좋아하는 고객 페르소나를 발견할 수 있어요
반복적인 이탈 구간, 전환율 변화 구간을 데이터에 기반해서 확인할 수 있어요.

무엇보다 마케터, 기획자, PO도 데이터 분석가에게 의존하지 않고 직접 프로덕트/광고전략을 개선할 수 있는 힘이 생깁니다.

오늘 당장 할 수 있는 건 GA4 데이터를 빅쿼리로 연동해서 분석할 데이터를 쌓기 시작하는 거에요.

GA4 데이터를 BigQuery로 연동하기

구글에서는 하루 1백만 건 이하의 데이터를 무료로 빅쿼리(BigQuery)로 전송하도록 연동 기능을 제공합니다. 빅쿼리에 쌓이는 데이터는 원천 데이터이고, 삭제하지 않는 한 영구 보관이 가능합니다. 한가지 허들은 빅쿼리에서 원하는 데이터를 추출하고 분석하려면 SQL 이라는 데이터베이스 언어를 다룰 수 있어야 한다는 점이에요.

빅쿼리 연동이 완료되면 events_YYYYMMDD 형식의 테이블이 일 단위로 생성되고, 각 테이블에는 사용자 식별자, 이벤트 이름, 발생 시간, 이벤트 매개변수, 사용자 속성 등이 상세하게 기록됩니다. 실제로 데이터를 열어보면 유저 행동의 미세한 흐름까지도 눈으로 보듯 이해할 수 있게 됩니다. 이 점이 GA4를 빅쿼리에 연동할 때 얻는 가장 큰 가치 입니다.

빅쿼리 연동 방법이 궁금하다면 아래 영상을 참고하세요.

텀타 아카데미에서는 비데이터 전문가도 어렵지 않게 데이터를 활용할 수 있도록 간단한 예제와 함께 SQL 강의를 제공하고 있어요. 영문법 공부한다고 영어 잘하는 게 아니듯, SQL 문법을 공부한다고 바로 분석에 적용할 수 있는 건 아니에요. 그래서 실무에서 사수가 업무를 가르쳐 주는 것 처럼, 실제로 쓰는 프로젝트 시나리오를 차근차근 따라하면 어느새 SQL를 쓰고 있는 내 모습을 발견하실 거에요.