velog벨로그

이벤트 트래킹 부실로 첫 결제 놓친 썰

by DD
2주 전
조회수 0

바이브코딩으로 개발한 서비스에서 첫 결제가 발생했지만, 부실한 이벤트 트래킹으로 인해 상세 데이터 분석(Detailed Data Analysis)에 실패함

UTM 파라미터링(UTM Parametering)을 활용하여 유입 채널을 분석하고, 이벤트 트래킹(Event Tracking) 개선을 통해 사용자 행동 패턴 파악

페이월(Paywall) 단계에서 92.3%의 이탈, Direct 유입의 높은 결제 시도율 등 데이터 기반(Data-driven) 가설 검증을 통해 서비스 개선 방향 모색

이벤트 트래킹 부실이 초래한 문제점

본문에서는 이벤트 트래킹(Event Tracking) 부실로 인해 결제 완료까지 이어지지 않은 사용자의 행동 패턴을 파악하는 데 어려움을 겪었다고 설명한다.

페이월(Paywall) 단계에서의 이탈 원인 분석 실패: 결제 직전 단계에서 92.3%의 사용자가 이탈했으나, 그 원인을 파악할 수 있는 데이터 부재

데이터 미수집으로 인한 가설 검증 지연: 무료 서비스 만족, 유료 서비스 이해 부족, 결제 과정의 불편함 등 가설 검증을 위한 근거 부족

이벤트 트래킹의 중요성 재인식: 결제, 전공 입력, 페이월 노출, 결제 버튼 클릭 등 세분화된 이벤트(Detailed Events) 기록의 필요성 강조

UTM 파라미터링(Parametering)을 활용한 유입 채널 분석

글에서는 UTM 파라미터링(UTM Parametering)을 통해 유입 채널별 결제 시도율을 분석하고, 채널 신뢰도와 전환율 간의 상관관계를 파악했다.

Direct 유입의 높은 결제 시도율: 광고나 SNS 노출보다 지인 공유 또는 검색을 통한 Direct 유입의 결제 시도율이 7배 가까이 높음

채널 신뢰도와 전환율의 관계: 신뢰할 수 있는 채널을 통한 유입이 높은 전환율(Conversion Rate)로 이어진다는 점을 시사

향후 마케팅 전략 개선 방향 제시: 단순 도달(Reach)보다는 신뢰 매개체를 활용한 마케팅 전략의 필요성을 강조하며, 광고 효율(Advertising Efficiency) 개선을 위한 시사점을 제공

GA4와 자체 DB를 활용한 데이터 분석

저자는 GA4와 자체 DB를 함께 사용하여 데이터 분석의 깊이를 더하고, 서비스 개선을 위한 인사이트를 도출했다.

GA4를 활용한 표준 퍼널 분석: 도달, 이탈 등 정형화된 지표 분석에 활용

자체 DB를 활용한 비정형 데이터 분석: 16유형, 전공 등 자유 입력값과 관련된 비정형 질문에 대한 답을 얻기 위해 활용

분석 도구 선택의 기준: 무엇을 잴 수 있느냐가 아니라 어떤 질문을 던지고 싶은가에 따라 분석 도구를 선택해야 함을 강조하며, 데이터 분석(Data Analysis) 역량 강화의 중요성을 시사

[회고록] 바이브코딩으로 만든 서비스로 첫 수익을 만들었습니다 — 1편: 이벤트 트래킹
원문 읽기