깔때기 분석

퍼널 분석은 사용자가 구매, 가입, 구독과 같은 특정 목표를 향해 정해진 일련의 단계를 거치는 방식을 분석하여, 목표 달성 전에 가장 많은 사용자가 이탈하는 지점을 파악하는 방법입니다. 퍼널은 일반적으로 랜딩 페이지 방문, 제품 조회, 장바구니 추가, 결제 시작, 구매와 같은 일련의 단계로 시각화되며, 각 단계에 남아있는 사용자 수 또는 비율이 표시됩니다. 이를 통해 보고서를 검토하는 사람은 원시 이벤트 테이블을 직접 해석하거나 각 단계에 대해 별도의 쿼리를 실행할 필요 없이, 연속된 두 단계 사이의 이탈률을 즉시 확인할 수 있습니다. 퍼널은 사용자가 각 단계를 엄격한 순서대로 완료해야만 집계되는 폐쇄형 퍼널과 사용자가 어느 지점에서든 진입할 수 있는 개방형 퍼널로 구축할 수 있으며, 두 유형 중 어느 것을 선택하느냐에 따라 이탈률 해석 방식이 크게 달라집니다.

이 방법이 중요한 이유는 단일 집계 전환율을 실제 진단 도구로 재구성하기 때문입니다. 웹사이트의 전체 전환율이 2%라는 사실만으로는 구체적으로 무엇을 수정해야 할지 알기 어렵지만, 배송비 확인부터 결제 완료까지 특정 단계에서 60%의 사용자가 이탈한다는 것을 알게 되면 팀의 다음 스프린트에서 구체적이고 검증 가능한 목표를 설정할 수 있습니다. 따라서 퍼널 분석은 전환 문제가 존재한다는 사실을 인지하는 것에서 나아가 사용자 여정의 어느 단계에서 문제가 발생하는지 정확히 파악하는 데 사용되는 핵심 기법입니다. 이는 디자인이나 콘텐츠 변경을 다른 아이디어보다 우선시하기 위한 필수적인 첫 단계입니다. 또한, 동일한 퍼널을 여러 기간에 걸쳐 검토하면 이전의 수정 사항이 실제로 효과가 있었는지 여부를 확인할 수 있습니다. 한 번의 릴리스 후 개선되었던 부분이 몇 달 후 페이지의 다른 부분에 관련 없는 변경 사항이 적용되면서 조용히 퇴보할 수도 있기 때문입니다.

퍼널은 일반적으로 Google Analytics 4의 퍼널 탐색 보고서, Mixpanel, Amplitude와 같은 도구를 사용하여 구축 및 분석됩니다. 이러한 도구들을 사용하려면 각 단계를 추적 이벤트로 미리 정의해야 하므로, 정확한 이벤트 추적은 신뢰할 수 있는 퍼널 분석을 위한 필수 조건입니다. 분석가들은 일반적으로 전체 퍼널과 여러 세분화된 버전을 구축합니다. 예를 들어 트래픽 소스, 기기 유형, 신규 방문자와 재방문자별로 퍼널을 구분합니다. 이는 전체적으로는 적절하게 작동하는 것처럼 보이는 단계라도 특정 세그먼트(예: 모바일 사용자)에서는 심각한 문제를 숨기고 있을 수 있으며, 반대로 브랜드 검색을 통해 유입되어 구매 의도가 높은 데스크톱 사용자처럼 다른 세그먼트에서는 완벽하게 작동하는 것처럼 보일 수 있기 때문입니다.

흔히 발생하는 오류 중 하나는 퍼널 단계를 너무 광범위하게 정의하거나 실제 사용자 인터페이스와 연결하지 않는 것입니다. 예를 들어, 여러 입력란으로 구성된 전체 결제 과정을 배송 정보, 결제 정보, 주문 검토 등으로 세분화하지 않고 하나의 단계로 처리하는 경우가 있는데, 이는 분석의 본래 목적이었던 이탈 지점을 제대로 파악하지 못하게 합니다. 또 다른 일반적인 함정은 실제 사용자 행동이 비선형적인 경우가 많은데도 불구하고 선형적이고 순차적인 논리만을 사용하여 퍼널을 분석하는 것입니다. 방문자는 제품을 비교하기 위해 이전 페이지로 이동하거나, 여러 탭을 열거나, 여러 세션과 기기를 거쳐 최종적으로 구매로 이어지는 등 다양한 패턴을 보입니다. 이러한 패턴을 엄격한 단계별 퍼널 모델로만 표현하면 분석 및 보고 설정에서 의도적으로 고려하지 않았을 때 심각한 오류를 초래할 수 있습니다.

In CRO 컨설팅에서 퍼널 분석은 일반적으로 이벤트 추적 감사에 이어 두 번째 단계로 진행되며, 어떤 단계를 먼저 테스트할지 우선순위를 정하는 데 직접적인 도움이 됩니다. 일반적으로 수익 측면에서 회복 가능한 가치 대비 이탈률이 가장 높은 단계를 우선적으로 테스트합니다. 컨설턴트는 정량적 퍼널 데이터와 정성적 연구(예: 특정 단계에서 이탈한 사용자의 세션 녹화 또는 방문자가 다음 단계로 진행하지 않은 이유를 묻는 페이지 내 설문조사)를 결합하여 사용자가 어디에서 이탈하는지 파악하는 것에서 이탈 이유를 이해하는 것으로 나아가고, 궁극적으로 테스트 리소스를 투자할 가치가 있는 증거 기반 가설을 수립합니다. 이탈률만 제시하는 대신 특정 격차를 해소함으로써 얻을 수 있는 예상 수익 가치와 함께 퍼널 분석 결과를 제시하면 비기술적 이해관계자와의 우선순위 설정 논의가 훨씬 더 구체적이고 설득력 있게 이루어집니다.