[구글애널리틱스] 구글 애널리틱스 1회차

2022-2023 겨울방학 [Google] 구글 애널리틱스 공인 자격 과정 수업을 수강하였습니다.

구글 애널리틱스 수업을 위한 계정 생성

구글 계정 새로 만들기

새로 만든 계정으로 시험 보기

티스토리 블로그 만들기

내 블로그에 추적 코드도 심고, 분석을 해보자

티스토리에는 개인이 마음대로 추적코드 심을 수 있음, 다른 사이트는 안 됨

티스토리 주소: https://본인아이디.tistory.com/

꾸미기 항목 스킨 편집 ⇒ html 편집 ⇒ head 밑에 추적 코드 심기

구글 애널리틱스 계정 및 속성 만들기

구글 애널리틱스 데이터 구조

히트

• 가장 작은 데이터 단위
• 웹사이트에서 행하는 모든 개별적 상호작용
• 조회로 변역된다
• 종류 ***
  1. Pageview Hit: 추적코드가 삽입된 웹페이지가 로드 시
  2. Event Hit: 동영상 재생 버튼, 제품 목록 클릭 시 등
  3. Transaction Hit: 구매와 관련된 데이터 발생 시, 구매, 장바구니 등
• Pageview Hit는 자동으로 데이터 수집, but Event Hit, Transaction Hit는 웹사이트의 자바스크립트 소스코드를 수정해야 데이터 수집 ⇒ 비전공자들은 Google Tag Manager를 통해서 소스 수정 가능

세션

• 웹사이트 방문 수를 의미
• 세션이 종료되고 새로운 세션이 발생할 조건
  1. 30분 동안 Hit가 없을 경우
  2. 자정(12시)
  3. 웹사이트 유입경로 변경
  4. 캠페인이 변경될 때
  5. 브라우저가 달라질 때

웹사이트 분석 → GA

• AB Test: 회원가입? 가입? 무료회원가입? 버튼 이름 개선하기 위해 GA 사용

구글 애널리틱스 데모 계정 연결

• 오늘 내가 만든 블로그는 충분한 데이터가 없음
• 구글에서 10년 데이터가 축적된 사이트를 제공해준다

  • 구글 Merchandise Store

    (www.googlemerchandisestore.com)

GA 구조

1. 계정(Account, 회사 ex)숙명여자대학교)
2. 속성(사업분야, ex)IT공학과)
3. 보기
   • 구글 계정 1개당 구글 애널리틱스 계정 100개 만들 수 있음
   • GA 계정 1개당 속성 50개 만들 수 있음 → 하나의 계정에서 50개 사이트 관리할 수 있음
   • 속성 1개당 보기 25개 만들 수 있음

탐색 그래프

잠재고객 개요 사이트로도 많은 분석 가능

• 평균 세션 시간: 머무는 시간
  • 블로그(글, 동영상 등): 세션 시간이 길 수록 좋음
  • 오류가 난 경우도 세션 시간이 길 수도 있음, 안 좋음
    • 결제 정보 입력하는 페이지에서 이탈률이 높다

실습

실습1

• 날짜 작성 형식 2019. 2. 4.

• 날짜 직접 지정

  

• 지난 주

  

• 지난 달

  

실습2

• 비교 일정 선택

  

실습3

• 데이터 탐색기 사용하기
  • 시간 클릭 → 몇시에 사용자가 폭발했는지 알 수 있음

  

• 사용자에서 페이지뷰수로 변경

  

• 사용자수와 페이지뷰 수 비교

  

• 사용자 수와 페이지뷰 수의 경향이 비슷하다.

• 한 사람이 한 페이지만 보는 것이 아니기에 경향이 비슷하다라고 표현할 수 있다.

• 방패 모양
  • 빠른 응답 (샘플 조사)
  • 높은 정확도 (전수 조사)
• View
  • view를 여러개 만드는 이유
  • Raw Data View 원본 데이터 백업본
  • Test View: 필터 테스트
  • Master View: 최종 테스트한 결과 적용
• 쿠키
  • 웹사이트 접속 시 접속자의 개인장치에 다운로드 됨
  • 브라우저에 저장되는 작은 텍스트 파일
  • 쿠키를 통해서(GA의 고유ID를 통해서) 신규 방문자인지, 재방문자인지를 알 수 있음
  • 방문자 수는 고유한 브라우저 쿠키 횟수
  • 신규 방문자
  • 사이트의 특성에 따라서 신규 방문자와 재방문자의 비율, 횟수의 기준을 세우고, 비교해볼 수 있다.

느낀 점

분석 툴이 있어서 내가 파이썬으로 데이터 분석하는 것이 의미가 있을까라는 생각이 초반에 들었었다. 하지만 수업을 들을 수록 분석 툴은 데이터를 요약한 것을 보여주는 것일 뿐 해석을 해주는 것이 아니었다.

그래서 나는 개발하는 전공 특성상 해석도 같이 해주는 프로그램을 만들거나, 통계학 지식이 적은 사람들에 비해 복수전공인 통계학 지식을 통해 요약된 데이터를 효과있게 해석할 수 있다. 이에 더하여 요약된 데이터에서 추가적인 방법을 생각해낼 수 있다. 예를 들어 구글 애널리틱스에서 요약통계량으로 보여준 ‘평균 세션시간’에서 평균이라는 것이 데이터 치우쳐진 분포를 띠면 평균이라는 요약 통계량이 충분히 데이터를 설명하지 못할 수 있다. 그렇기에 다른 요약통계량인 중간값(또는 사분위수), 최빈값을 생각할 수 있으며, 개발도 가능하기에 분석툴에 기능을 추가할 수 있는 장점이 있다.