안녕하세요, 빅 쿼리 쿼리문 실습한 내용을 정리해보도록 하겠습니다. 틀린 부분이 있어도 양해부탁드리고 잘 알려주시면 감사하겠습니다.
쿼리문을 이용하여 아이템 id, 아이템 이름, 아이템 브랜드, 아이템 옵션, 아이템 카테고리, 가격, 해당 아이템이 팔린 총 개수, 해당 아이템으로 얻은 총 수익을 구해보겠습니다. 해당 실습에서 사용한 테이블은 구글에서 제공하는 실습용 더미 테이블입니다.
해당하는 쿼리문은 이것인데요, 쿼리를 하나씩 살펴보겠습니다.
우선 select 문에 결과 테이블에서 확인하고 싶은 정보를 가진 필드 이름을 넣습니다. 여기서 입력한 필드 이름은 각각 앞서 말한 우리가 구하고자 하는 정보의 컬럼명입니다. 각 필드 이름이 무슨 요소를 나타내는지는 빅쿼리 스키마 구조 도움말에서 확인할 수 있습니다. (링크 참조)
https://support.google.com/analytics/answer/7029846?hl=ko&ref_topic=9359001&sjid=2127074285611473672-AP#zippy=%2Citems
또한 집계함수 sum을 사용하였는데요, 해당 함수는 필드의 총합을 구해서 나타내는 함수입니다. 위의 쿼리에서는 quantity와 item_revenue의 총합을 나타내고 있습니다.
다음은 from 문입니다. 무슨 테이블에서 이 요소들을 select 하여 보일것인지 명시하는것인데요. 여기서 사용한 unnest() 함수는
ARRAY
를 일련의 행으로 변환하는 함수입니다. 이를 평면화라고 부릅니다. 평면화를 통해 배열화 되어있는 필드에 접근할수 있게 됩니다.
그 다음은 where 문입니다. 조건을 걸어 해당 조건에 맞는 결과만 볼수 있도록 하는 역할입니다. and / or 을 사용할수 있습니다. 한가지 유의하여야 하는 것은 'null일 경우', 혹은 'null이 아닐 경우'를 조건으로 사용하고 싶다면 =, != 연산자가 아니라 is null, is not null을 사용하여야 한다는 것입니다. 위의 쿼리에서는 이벤트 이름이 'purchase'이고 아이템 id가 null 과 not set이 아닐 경우의 결과를 보려하고 있습니다.
다음은 group by 절입니다. select 문에서 집계함수 sum을 사용하였는데요, 집계함수를 사용하려면 반드시 group by 절을 사용해주어야합니다. 집계함수를 무엇을 기준으로 사용하는지 명시해주는 역할을 하기 때문입니다. 따라서 위의 쿼리에서는 아이템 id, 아이템 이름, 아이템 브랜드, 아이템 옵션, 아이템 카테고리, 가격을 기준으로 (즉, 이 모든 항목들의 값이 같은 로우들) quantity와 item_revenue의 총합을 보이고 있는것입니다.
마지막으로 order by 절입니다. 이는 결과 테이블을 정렬하는 역할을 합니다. 아이템 id의 오름차순으로 결과 테이블을 정렬해줍니다.
해당 쿼리의 실행결과입니다.
감사합니다.
[빅쿼리] BigQuery커뮤니티입니다. BigQuery관련 정보를 공유 해 주세요! 안녕하세요. 이번 글에서는 지난번에 이어서 session_traffic_source_last_click에 어떠한 값들이 있는지 확인을 해볼건데요. session_traffic_source_last_click에는 크게 2가지의 지표가 있다고 보시면됩니다. manual_campaign과 google_ads_campaign 이죠. google_ads_campaign에 대해서 먼저 설명하자면 지난 번 글에서 설명드린 것처럼 구글애즈에서 오토태깅한 값에 대해서 확인할 수 있는 컬럼 값들이에요. 한번 어떤 값들이 있는지 확인해볼까요? 위 사진에서 보이는 것처럼 customer_id와 account_name 그리고 campaign, ad_group에 관한 전반적인 값들을 확인할 수 있죠. 조금 더 활용을 하게된다면 여기서 추출한 데이터를 통해서 Google Ads API를 통해 구글애즈에 관한 더 자세한 데이터까지 확인을 할 수 있겠죠? 하지만 이번 시리즈에서는 GA4에 관한 글이므로 Google Ads에 대해서는 크게 다루지 않고 이정도까지만 말씀드리고 넘어가도록 하겠습니다. 여기서 저희가 확인할 값은 campaign_name 인데요. 이 값은 이전 글에서 봤던 "Session campaign" , 즉 utm에 입력한 campaign값이 아닌 내가 실제로 구글애즈에서 실행했던 camapign 값을 확인할 수 있습니다. 광고성과를 확인하고 싶을 때 좋겠죠? 이번 글에서는 session_traffic_source_last_click의 google_ads_camapign에 대해서 확인해봤습니다. 다음 글에서는 manual_campaign에 대해서 확인해보도록 하겠습니다.
[빅쿼리] BigQuery커뮤니티입니다. BigQuery관련 정보를 공유 해 주세요! Google Analytics4는 BigQuery에 2024년 7월17일부터 빅쿼리에 새로운 컬럼을 추가했습니다. session_traffic_source_last_click 인데요. 이번 글에서는 해당 값을 사용하게되면 어떤 부분에서 좋은 변화가 있었는지 알아보려고합니다. 이 업데이트로 인해 기존에는 세션 범위의 트래픽 소스 정보를 기존보다 더 쉽고 정확하게 추출 할 수 있게되었습니다. 해당 값들을 보기 전에 ga4에 있는 세션범위 트래픽정보부터 확인해보겠습니다. GA4 탐색 분석에 가서 확인을 해보면 아래처럼 "manual" 이라는 것이 포함된 트래픽 디멘션과 포함되지 않은 디멘션, 2개의 종류로 구분됩니다. 해당 디멘션을 쉽게 설명하자면 manual이 포함된 디멘션은 사용자가 유입될 때 들어온 페이지의 url에 있는 utm값들을 확인할 수 있는 값 이고, manual이 포함되지 않은 디멘션은 utm이 붙어 있어도 광고플랫폼에서 오토태깅된 값들을 우선적으로 확인할 수 있습니다. 예를 들어 utm에 있는 소스 / 매체 값은 "youtube / display" 이였지만, 실제로 구글애즈에서 오토태깅된 소스 / 매체 값은 "google / cpc" 일 경우 위 사진처럼 보일 수 있는 것이죠. 이것에 대해서 설명을 드리는 이유는 기존 빅쿼리에서는 구글애즈에서 오토태깅된 캠페인이름 같은 값을 빅쿼리에서는 확인할 수 없고 오로지 utm에서 수집된 값만 확인할 수 있었는데요. 이제는 session_traffic_source_last_click에 구글애즈에 관한 값들이 추가가 되면서 ga4와 동일하게 값을 확인할 수 있습니다. 이번 글에서는 session_traffic_source_last_click을 사용하게되면서 좋아진 부분들에 대해 알아보았는데, 다음 글에서는 session_traffic_source_last_click에는 무슨 값들이 있는지 살펴보도록 하겠습니다. 감사합니다.
최근 GA4 빅쿼리에 신규 세션 컬럼이 생겼습니다. [session_traffic_source_last_click] 컬럼인데요 기존 존재하던 [collected_traffic_source]와의 차이를 알아보겠습니다. 기존 collected_traffic_source는 현재 접속한 세션의 source(소스)와 medium(매체)정보를 보유하고 있었습니다. 그러다보니 GA4 리포트와 같이 Last Click Source / Medium은 확인을 할 수 없어 직접 복잡한 쿼리를 이용해 데이터를 추출하고 있었는데요 기존 collected_traffic_source와 신규 session_traffic_source_last_click 이번에 새로 생긴 [session_traffic_source_last_click] 컬럼에서 Last Click Source / Medium에 대한 정보를 제공하게 됐습니다. 더 흥미로운 부분은 UA에서도 제공하지 않았던 Google Ads(구글 애즈)데이터를 함께 제공한다는 것 입니다. 따라서 GA4 빅쿼리를 이용해서 구글 애즈 데이터를 분석하거나 대시보드를 제작 혹은 애즈 API를 통한 확장을 고민할 수 있게 됐습니다. 하지만 주의할점은 최근 패치된 기능인 만큼 7월 중순부터의 데이터만 확인이 가능하다는 것 입니다. 따라서 그 전 데이터는 쿼리를 통해 직접 추출해야하는 불편함이 있습니다. 만약 7월 중순 이전 데이터가 필요하다면 플러스제로에 문의해주세요 :)
안녕하세요, 빅 쿼리 쿼리문 실습한 내용을 정리해보도록 하겠습니다. 틀린 부분이 있어도 양해부탁드리고 잘 알려주시면 감사하겠습니다. 쿼리문을 이용하여 아이템 id, 아이템 이름, 아이템 브랜드, 아이템 옵션, 아이템 카테고리, 가격, 해당 아이템이 팔린 총 개수, 해당 아이템으로 얻은 총 수익을 구해보겠습니다. 해당 실습에서 사용한 테이블은 구글에서 제공하는 실습용 더미 테이블입니다. 해당하는 쿼리문은 이것인데요, 쿼리를 하나씩 살펴보겠습니다. 우선 select 문에 결과 테이블에서 확인하고 싶은 정보를 가진 필드 이름을 넣습니다. 여기서 입력한 필드 이름은 각각 앞서 말한 우리가 구하고자 하는 정보의 컬럼명입니다. 각 필드 이름이 무슨 요소를 나타내는지는 빅쿼리 스키마 구조 도움말에서 확인할 수 있습니다. (링크 참조) https://support.google.com/analytics/answer/7029846?hl=ko&ref_topic=9359001&sjid=2127074285611473672-AP#zippy=%2Citems 또한 집계함수 sum을 사용하였는데요, 해당 함수는 필드의 총합을 구해서 나타내는 함수입니다. 위의 쿼리에서는 quantity와 item_revenue의 총합을 나타내고 있습니다. 다음은 from 문입니다. 무슨 테이블에서 이 요소들을 select 하여 보일것인지 명시하는것인데요. 여기서 사용한 unnest() 함수는 ARRAY 를 일련의 행으로 변환하는 함수입니다. 이를 평면화라고 부릅니다. 평면화를 통해 배열화 되어있는 필드에 접근할수 있게 됩니다. 그 다음은 where 문입니다. 조건을 걸어 해당 조건에 맞는 결과만 볼수 있도록 하는 역할입니다. and / or 을 사용할수 있습니다. 한가지 유의하여야 하는 것은 'null일 경우', 혹은 'null이 아닐 경우'를 조건으로 사용하고 싶다면 =, != 연산자가 아니라 is null, is not null을 사용하여야 한다는 것입니다. 위의 쿼리에서는 이벤트 이름이 'purchase'이고 아이템 id가 null 과 not set이 아닐 경우의 결과를 보려하고 있습니다. 다음은 group by 절입니다. select 문에서 집계함수 sum을 사용하였는데요, 집계함수를 사용하려면 반드시 group by 절을 사용해주어야합니다. 집계함수를 무엇을 기준으로 사용하는지 명시해주는 역할을 하기 때문입니다. 따라서 위의 쿼리에서는 아이템 id, 아이템 이름, 아이템 브랜드, 아이템 옵션, 아이템 카테고리, 가격을 기준으로 (즉, 이 모든 항목들의 값이 같은 로우들) quantity와 item_revenue의 총합을 보이고 있는것입니다. 마지막으로 order by 절입니다. 이는 결과 테이블을 정렬하는 역할을 합니다. 아이템 id의 오름차순으로 결과 테이블을 정렬해줍니다. 해당 쿼리의 실행결과입니다. 감사합니다.
GA360적용/가격/활용사례 공유. GA360 리셀러 플러스제로 Google Analytics 유료버전인 GA360을 이해하기 위해선, GA360이 무엇인지, 가격은 얼마인지, 타 업체는 어떻게 활용하고 있는지 알아야 합니다. 이번 글에선 GA360도입을 고려중이거나, GA360의 특징을 잘 모르시는분들이 GA360을 이해하고 사용할 수 있도록 GA360 적용방법, 가격, 실제 활용사례를 공유드릴 예정입니다. 글의 목차는 아래와 같습니다. 1. Google Analytics 360 Reseller 플러스제로 소개. 2. GA Standard vs GA360 특징, 가격/비용 및 적용방법 3. GA360을 써야하는 고객 + 활용사례 1. Google Analytics 360 Reseller 플러스제로 소개. 플러스제로(PLUS ZERO)는 Google Analytics 360을 제공할 수 있는 권한을 가진 GA360 Reseller이자, - GA구축: 기업 맞춤 Google Analytics 및 A/B Test, 데이터 시각화 대시보드 구축 지원 - GA Training: 구축 된 GA와 A/B Test, 대시보드를 잘 활용할 수 있도록 기업 맞춤 교육 지원 - Performance Ads: 광고+GA 데이터 기반, 광고비용 절감 및 ROAS 최적화 환경 구축 - SEO(Search Engine Optimization검색엔진최적화): 핵심 키워드의 검색결과 상위노출 가이드 - CRO(Conversion Rate Optimization구매전환율 최적화): 고객이탈 최소화 및 고객경험 최적화 - CRM 솔루션: 데이터레이크(ADs+Behavior+CRM) 구축 및 개인화메세지(popup, sms, push..) 제공 등 구축/컨설팅/솔루션을 제공하는 데이터 마케팅 에이전시입니다. 즉, 데이터를 활용하여 할 수 있는 성과높은 마케팅활동만을 중심으로 구축/컨설팅 서비스를 제공합니다. 기본 베이스가 컨설팅이다 보니, GA360고객에겐 추가 비용 없이 GA구축과 함께, Training, Q&A, SEO, Ads, CRM솔루션을 제공하고 있으며, 이 데이터마케팅 서비스와 CRM솔루션이 플러스제로의 차별화가 되었습니다. 2. GA Standard vs GA360 특징 및 적용방법 GA standard와 GA360의 가장 큰 특징은 데이터 소유권과 비용이다. 데이터 소유권에 대해 이야기 하기 전, 알아야 할 GA 기본개념이 있습니다. GA Standard는 '구글서버에 쌓인 내 사이트데이터'를 GA를 통해 view 하는 개념이고, GA 360은 구글이 'GA360 고객에게 고유한 서버를 열어주고, 거기에 내 사이트 데이터를 쌓는것' 입니다. 이것을 이해 하면, 데이터 소유권을 이해하기 쉽습니다. GA360은 rawdata를 다운받을 수 있기 때문에, GA와 Ads, CRM 등 다른 소스의 데이터와 맵핑할 수 있게 되고, 이것은 흔히 말하는 데이터웨어하우스, 데이터 레이크 등으로 사용할 수 있습니다. 궁극적으론 이 행동데이터와 고객데이터를 매칭하여 개인화 마케팅에 사용할 수 있게 되는 것 입니다. 고유 서버가 할당되기 때문에, 매우빠른 속도와 샘플링 이슈가 사라지는 것 도 큰 장점입니다. (GA 로딩.. 속터지죠... GA360 한번 사용하면 다시 Standard로 못돌아갑니다 ㅎㅎ) GA360은 보통 연간 1억 5000만원정도의 비용이 발생하는데, 그 비용만큼 GA360데이터를 잘 활용하는 업체는 드물기 때문에, 플러스제로가 데이터 기반 마케팅 최적화와 GA행동데이터+CRM데이터를 통합하여 개인화된 메세지를 보낼 수 있는 솔루션을 제공하고 있습니다. 불과 1~2년 전 까지만 해도, 샘플링 없는데이터, 빠른 데이터, User ID 데이터를 추출하는데 만족했던 고객들이, 데이터 마케팅이 성숙기에 접어들은 것인지, 데이터 '수집'이 아닌, '활용'에 집중을 하는 모습을 보이고 있습니다. 점진적으로 쿠키데이터가 사라짐에 따라, 1st Party 데이터를 활용하여 CDP(Customer Data Platform)를 구축하고 활용하는 고객이 늘어나는 것 을 채감하고 있습니다. 2014년부터 활동 해온, GA리셀러로서 이러한 성장. 변화는 너무나 긍정적이고 기쁜 현상입니다. GA360리셀러로서, 가장 많이 접하는 질문Top3는, GA360 가격, 기능, 사용방법이다. 생각보다 매우 간단하다. 1. GA360 가격 - Hit기준이며, 보통 연간 1억 5천만원정도이며, 매달 1250만원정도 청구가 된다. 2. GA360 주요기능 - 샘플링, 빠른속도, GA데이터 BigQuery연동, DFP 등이 있다. - 샘플링이 없기때문에, raw data 기반 레포팅, 데이터 추출, 쉬운 레포팅 가능. - 일반 GA대비 빠른 속도로, 원하는데이터를 빠르게 추출하고 분석 가능. - UserID(CRM과 Key값)를 포함안 raw data를 BigQuery와 연동가능하기때문에, CRM과 매칭하여 사용가능. (물론, CRM과 BigQuery 데이터 1:1로 매칭, Segment, Batch, Message등 활용개발은 별도이다) - DFA, DFP, SA360, DV360 등 다양한 솔루션과 함께 사용 가능. 3. 사용방법 - GA리셀러(플러스제로)에 GA360 사용요청 메일을 보내면, GA리셀러(플러스제로)에서 회신 한 견적서와 제공 서비스 확인 한 후, GA360계약 진행 - 플러스제로는 1주일 내 Google에게 계약한 고객의 계정을 GA Standard에서 GA360으로 업그레이드 요청 - 고객은 계약완료 1주일 이내 GA360을 사용 가능하며, 플러스제로로 매월 사용요금 지불 자세한 GA Standard vs GA360 차이점은 아래를 참조바랍니다. https://blog.naver.com/pluszeroinc/222213934187 3. GA360을 써야하는 고객+ 활용사례 GA360 전환 요청이 오는 고객의 니즈는 크게 2가지로 나뉩니다. 1. 자사 행동데이터 수집: GA 행동데이터를 자사 데이터와 통합하여 고객행동패턴 분석 2. 개인화 마케팅: 유저가 특정 행동을 한 경우, 문자, 메일, 푸시, 광고를 보내기 위한 데이터 소스 플러스제로는 아래 이미지와 같이 이 1,2번 니즈에 대한 정형화된 솔루션을 제공합니다. 1. 자사 행동데이터 수집:행동데이터+고객정보(GA360+CRM) 뿐 아니라, 광고데이터+행동데이터(Ads+GA360)솔루션을 제공하고있습니다. 아래 이미지처럼 별도 개발작업 없이, Ads 계정 공유만으로 가능한 Ads+GA 데이터 매칭을 할 수 있고, 데이터를 시각화 할 수 있습니다. 아래 이미지처럼, 데이터스튜디오에서 광고비용대비 매출 성과를 본다는것 은, 매일 반복되는 엑셀 레포팅과 분석시간을 획기적으로 줄일 수 있다는 것입니다. GA360_플러스제로 2. 개인화 마케팅: 플러스제로는 기존 Salesforce와 같은 대규모 개발작업과 비용이 발생하는 것 을 부담스러워 하는 고객을 위해 GA360 고객에게는 아래 이미지와 같이, 특정 조건을 달성한 고객(Target Audience)에게 일정 시간(Batch)마다 이메일, 문자, 카카오, 푸시 등 개인화 된 메세지를 전달하는 솔루션 Live Insight를 함께 제공하고 있습니다. GA360 데이터가 담긴 BigQuery를 Live Insight에 연동하고, 고객정보데이터를 엑셀형태로 업로드하면 자동으로 행동데이터와 고객정보가 매칭됩니다 :) BigQuery데이터, Ads, CRM 데이터가 매칭되어, 유저를 식별하고, 메세지를 보낼 수 있는 LIVE Insight(GA360고객만 사용가능, 별도 CRM 매칭을 위한 개발작업 없이 엑셀 형태로 CRM 데이터 업로드&매칭) 추가적으로, BigQuery활용을 어려워 하는 고객을 위한 Query Generator와, 만들어진 Query(Target Audience)에게 일정시간마다 메세지를 보내는 Queried (이미지 클릭하시면 크게보실 수 있습니다)를 함께 제공합니다. GA360_플러스제로 GA360_플러스제로 쓰다보니 3시간이 지났네요, 최대한 간단히 쓴다고 썼는데, 길어져버렸습니다. 이 글이 GA360 특징과 활용에 대한 이해를 높이고, GA360도입에 도움이 되었으면 좋겠네요! :) GA360이 나온지 벌써 8년이 넘었고, 이제서야 고객들이 GA행동데이터를 Ads와 CRM과 통합하여 개인화 마케팅에 활용하고자 하는 니즈를 느끼고, 실행하는 단계에 온 것 같아 기분이 매우 좋습니다. 만약 GA360을 사용하여 개인화 된 마케팅활동을 할 생각이 있다면, 이미 솔루션이 구현 된 플러스제로로 연락주세요 :) GA360 활용사례, 가격, 솔루션에 대한 내용을 공유드리겠습니다. 감사합니다. 플러스제로
빅쿼리(BigQuery) 활용 1. CRM+GA360 1st Party data lake 구축 :: Live Insight 데이터 중요도가 늘어남에 따라 빅쿼리를 사용하는 업체들이 많아지고 활용사례를 궁금해 하는분들이 많습니다. 때문에, 이번 글은 기업들이 어떻게 빅쿼리를 활용하고있는지 이야기 할 예정입니다. 목차는 아래와 같습니다. 1. 빅쿼리(BigQuery) 활용 산출물 2. CRM + GA360 데이터 통합 (1st Party Data Lake) 3. 1st Party Data Lake 기반 개인화 메세징 성과 재미있는 내용만 최대한 간단히 써보겠습니다! :) 1. 빅쿼리(BigQuery) 활용 산출물 결과물 먼저 보여드리자면 아래와 같다. 구글애널리틱스360 데이터와 고객정보를 빅쿼리에 모으고 User ID기준으로 맵핑을 하면 아래와 같이 누가 언제 어디서 들어와서 어떤 액션을 했는지 알 수 있다. GA와 고객정보가 맵핑(1st Party Data Lake)되었기 때문에, 이미지 처럼 특정 액션을 한 사람들을 필터링 한 뒤(Segment & Target Audience), 메세지를 보낼 수 있는 환경이 조성된다. (미리 자랑을 하자면, 특정기간 데이터 외에, 실시간으로도 데이터가 업데이트 되고, 메세지를 보낼 수 있다!) BigQuery+GA360=LIVE INSIGHT 빅쿼리+구글애널리틱스 라이브인사이트 2. CRM + GA360 데이터 통합 구글애널리틱스360은 빅쿼리와 연동되기 때문에, CRM 데이터만 빅쿼리에 넣고 맵핑할수 있으면 1st Party Data Lake가 만들어 집니다.(그게 문제긴 하죠.. 넣고 맵핑하는것..) 플러스제로 고객에게만 제공하는 LIVE INSIGHT는 아직은, 아래 이미지처럼 고객정보(CRM)는 아직은 엑셀파일로 업로드해야합니다. 엑셀 업로드의 장단점이 있는데, 장점은 개발작업 없이 GA360데이터와 CRM을 매칭시키고 개인화된 메세지를 보낼 수 있다는 것이고, 단점은 주기적으로 엑셀을 업로드 해야한다는 것입니다.(CRM API는 개발중에 있습니다.) 마케터 입장에선 오히려 엑셀로 올리는 것이 개발인력을 끼지 않고, 보안이슈도 없이, 빠르게 쓸 수 있어서 좋아하기도 합니다 :) BigQuery+GA360=LIVE INSIGHT 빅쿼리+구글애널리틱스 라이브인사이트 아래는 GA와 CRM 맵핑 이해를 돕기 위한 이미지이며, 행동데이터와 CRM이 맵핑되었기 때문에, 특정 액션(상품확인, 구매시도)을 한 고객이 누구인지 알고, 그에게 문자나 카카오톡, 메일을 보낼 수 있습니다. 1st party data lake GA360 + CRM 매칭 개념 이렇게 빅쿼리에 구글애널리틱스360과 CRM을 통합&매칭하면, 한단게 진화된 마케팅활동을 할 수 있게 됩니다. 이것이 1st Party DataLake를 빅쿼리로 활용하는 이유입니다. 물론 GA standard버전이 아닌 구글애널리틱스360을 사용하셔야 GA데이터를 빅쿼리에 가져올 수 있으니, 구글애널리틱스360을 쓰는 고객이라면 CRM과 연동하는것을 강력하게 권장합니다. 3. 1st Party Data Lake 기반 개인화 메세징 전송 실제 개인화메세지 발송 사례를 가지고 왔습니다. 아래 이미지와같이 VVIP만큼 Target Audience(GA타겟팅)의 오픈율/전환율이 높은것 을 확인할 수 있습니다. 큰 비용 없이 높은 전환율을 보이는 고객의 재방문을 유도하고, 장기적으로 VIP를 늘려나가는 효과적 활동 입니다. GA+CRM Target Audience Performance 최근 빅쿼리를 잘 사용하는 기업들은 이렇게 행동데이터와 개인정보를 맵핑하여 개인화된 메세지를 보내는 활동을 하고있고, 이를 자동화 하는 단계에 있습니다. 다음단계는 실시간(Batch Time 30분 이내)으로 메세지를 보내는 단계로 생각됩니다. (개발중에 있습니다 ㅎㅎ) 글을 쉽게 쓰려다보니, 쓰고 지우고 위치를 바꾸는 행동을 열번은 반복한것 같네요! 이 글이 빅쿼리를 이런식으로도 활용할 수 있다는것을 알리는데 도움이 되었으면 합니다! :) GA+CRM에 이어, Ads+GA를 통한 퍼포먼스 마케팅 최적화 및 시각화 대시보드에 대해 이야기 하겠습니다. 감사합니다. 플러스제로.
[성공사례 3rd Party Data] 한국 광고 데이터와 구글애널리틱스 데이터 병합 프로젝트 플러스제로의 클라이언트를 대상으로 성공적으로 광고 데이터(Naver, Facebook, Kakao, Google Ads)와 Google Analytics 데이터 병합 및 시각화 대시보드를 제공합니다. 과거 광고 따로, GA 따로 엑셀로 받고 합치는 중간과정을 없애고, Ads와 GA가 매칭 된 데이터가 매일 자동 업데이트 되는 대시보드를 통해, 레포팅, 성과분석 및 최적화를 자동화 하였습니다. 간단히 설명드리자면, 네이버, 카카오, 페이스북, 구글 등 대표 광고플랫폼에서 빅쿼리(BigQuery)로 데이터를 매일 자동으로 송출하는 환경을 만든 뒤, 구글 애널리틱스 데이터와 빅쿼리(BigQuery)데이터를 시각화 대시보드 툴인 구글 데이터스튜디오(DataStudio)와 연동하여 시각화 하는 것 입니다. 광고 데이터를 불러오는것 은 크게 어려운 일은 아니지만, 매일 자동으로 불러오고, 구글 애널리틱스의 지표와 매칭시키는 과정은 개발, 서버, 광고, 구글애널리틱스 지식이 있는 인력이 협업을 해야하는것이 문제 였으며, 플러스제로는 이를 해결할 수 있는 솔루션을 구축하였습니다. Project Objective 한국에서 사용되는 대표적인 디지털 광고 플랫폼으로 네이버, 카카오, 페이스북, 구글로 꼽을 수 있습니다. Google Analytics는 Google Ads(Google AdWords)와 같은 GMP이기 때문에 아주 쉽게 연동 되지만, 다른 플랫폼들은 Google Analytics와의 자동 연동이 지원되지 않아 많은 분들이 불편함을 겪고 있습니다. 저희 클라이언트는 당시에 활발하게 다양한 광고를 운영 중에 있었고, 각기 다른 플랫폼에서 매일 데이터를 수동으로 끌어와 한 곳에 모아 데이터를 합쳐야만 했습니다. 또, 심지어 이 광고 데이터들은 Google Analytics와 연동이 되지 않기 때문에 CPC / CTR / 간단한 Conversion 관련 Metric들로만 데이터를 분석하는 상황이었습니다. How PlusZero Handled It? PlusZero는 이 문제를 해결하기 위해 한국의 3대 매체인 네이버 / 페이스북 / 카카오 API를 활용하여 모든 퍼포먼스 데이터를 매일 자동으로 추출하여 BigQuery와 Google Analytics에 업로드하는 솔루션을 개발했습니다. 또한, 닐슨에서 제공하는 TV 시청률과 네이버의 실제 키워드 검색량 데이터 또한 광고 데이터와 병합하여, 트렌드에 따른 자신의 광고 성과를 아주 직관적이게 확인할 수 있도록 만들었습니다. 모든 광고가 “직접 전환”에만 영향을 미치지 않습니다. 대표적인 예시로 Display 광고는 “간접 전환” 데이터를 함께 보는 것이 중요합니다. 그래서 PlusZero는 Assist Conversion 데이터도 Google Analytics Reporting API를 통해 추출하여 광고 성과와 함께 확인하실 수 있도록 했습니다. 병합된 모든 데이터를 Database에 저장해드리는 것뿐만이 아니라, 보기 쉽게 Google DataStudio로 시각화를 하여 회사 모든 구성원들이 한 눈에 퍼포먼스를 파악할 수 있도록 만들었습니다. MAPPED 보러가기 이 광고와 구글애널리틱스 데이터를 시각화하여, 한눈에 광고성과를 파악하여, 성과가 낮은 광고, 캠페인, 키워드를 줄이고, 성과가 높은 광고를 확장하여, 광고비용을 줄이고 매출을 극대화 할 수 있는 환경이 조성되었습니다. Project Outcome PlusZero는 성공적으로 광고 운영과 데이터 분석에 꼭 필요한 데이터를 수집하고 병합할 수 있었습니다. 광고 성과 데이터, Assist Conversion, 산업 Trend 등 수 많은 데이터들이 Google Analytics와 합쳐져 클라이언트에게 쉬우면서 풍부한 데이터 시각화 대시보드를 전달할 수 있었습니다.
HQ 중앙관리를 위한 글로벌 기업 데이터 통합 구축 및 관리 국가 별 구조화 된 데이터 수집 및 HQ 통합관리 환경 조성 Project Objective 다양한 국가에서 진행되고 있는 비즈니스의 현황을 한눈에 파악하고, 국가간 벤치마킹을 할 수 있는 환경 조성 HQ에서 각 채널 별 우수한 KPI를 달성한 국가의 마케팅 전략을 파악하고 정리하여 타국가에 공유 How PlusZero Handled It? PlusZero는 모든 국가의 Google Analytics 셋팅과 KPI를 동일하게 진행하고, DataStudio를 통해 한곳에서 모든 국가의 KPI를 확인할 수 있는 환경을 조성하였습니다. 매달 각 국가별 이슈와 개선점을 정리하여 HQ 담당자에게 전달하고, 개선이 시급한 국가 마케팅 담당자에게 개선 가이드를 제공하여 모든 국가의 마케팅 상향 평준화 달성
UX 최적화를 위한 하이브리드 어플리케이션 A/B Test 환경 구축 App Store 업데이트 및 Publish 없이 자유로운 APP A/B Test 환경구축 Project Objective 어플리케이션은 App Store가 A/B Test 활성화에 큰 걸림돌입니다. Remote Config는 어플리케이션의 특정 부분을 선택하여 그 값을 자유롭게 바꾸는 데 제한이 없었지만, “새로운” 화면 혹은 부분을 선택하게 되면 어플리케이션 업데이트 및 App Store Publish가 필요합니다. 잦은 어플리케이션 업데이트는 유저들에게 불편한 경험으로 이어질 수 있습니다. How PlusZero Handled It? PlusZero는 이 문제를 해결하기 위해 최초 1회 업데이트 이후 별도 퍼블리시 없이, 모든 스크린에 A/B Test가 가능한 PlusZero Remote Config Module를 개발하였습니다. App 고객경험 최적화가 필요한 고객은 최소한의 퍼블리시만으로 제약없는 UX개선 A/B Test를 진행할수 있게 되었습니다.
Google Analytics Ecommerce Data 정확도 99% Measurement Protocol을 통한 실 결제 데이터 기반 결제 데이터 수집 Project Objective 한국은 3rd Party Payment Gateway가 많은 나라입니다. 대표적으로 네이버 페이 / 카카오 페이 / 무통장 입금 등, Offline에서 결제하거나 취소율이 높은 결제수단은 Google Analytics로 정확하게 수집하기가 어렵습니다. 저희 클라이언트는 GMP를 도입함과 동시에 모든 내부 보고를 Google Analytics로 대체하기를 희망했습니다. 때문에 정확한 매출 데이터가 필수적으로 필요했습니다. How PlusZero Handled It? PlusZero는 정확한 매출 데이터 수집을 위해 Measurement Protocol을 사용하기로 했습니다. 저희는 저희 클라이언트 웹사이트에서 사용하는 3rd Party Payment Gateway들의 API를 활용하여, “실결제”와 “환불”이 완료 될 경우 Google Analytics로 매출 데이터를 보내주는 API를 개발하여 99%의 매출 정확도를 기록했습니다.
WEB+APP+CRM 데이터 통합(data warehouse) 및 시각화 대시보드 구축 Project Objective APP은 Google Firebase 기반 데이터를 수집하고, WEB은 Google Tag Manager와 Google Analytics를 사용, 회원정보는 각 CRM 솔루션에서 데이터가 수집됩니다. 우리의 고객은 App, Web, CRM 데이터를 한곳에 통합하고, 이 데이터를 시각화 하고싶었습니다. How PlusZero Handled It? PlusZero는 Firebase와 Google Analytics를 WEB APP Property[GA4]에 연동하여 APP+WEB 데이터를 BigQuery에 보낸 뒤, CRM 역시 BigQuery에 넣어 전처리 및 매칭하는 프로젝트를 진행하였고, 이 APP+WEB+CRM 통합 데이터 기반 비즈니스 현황 시각화 프로젝트를 진행하였습니다.
CaseStudyGA360 & Query생성기& Audience Batch
CaseStudy GA360 & CRM & AdsRe-Targeting
광고, CRM, GA 데이터 레이크 구축 및 시각화 데이터 레이크를 통해 모든 데이터 통합 및 시각화를 통한 데이터 활용 환경구축
전체댓글0