데이터 마케팅 에이전시 지아이코퍼레이션입니다.

​

아마 많은 마케터 분들이 공감하실 겁니다.

구글애널리틱스 기본 보고서에서 확인하는 데이터는 한정적인데,

맞춤 보고서는 측정기준, 측정항목을 식별해야 하고 미리 이벤트 설계도 알고 있어야 합니다.

​

그래서 원시 데이터를 활용하기 위해 빅쿼리를 쓰자니

인터페이스부터 SQL구문까지(SELECT, FROM...) 막막하기만 합니다.

​

이제는 빅쿼리 SQL을 사용하지 않고도 Gemini(제미나이) 기반의 AI 에이전트를 활용하여

애널리틱스 데이터 분석이 가능해졌습니다.

​

데이터 연동 소스 플로우는 아래와 같습니다.

구글애널리틱스 → 빅쿼리 → 빅쿼리 에이전트 또는 데이터 스튜디오 대화형 분석

​

그럼 AI를 활용한 애널리틱스 데이터 분석에 대해 설명드리겠습니다.

-

1. 빅쿼리, 꼭 알아야 할까?

빅쿼리는 애널리틱스 원시 데이터를 보관하는 저장소입니다.

데이터 웨어 하우스라고 표현하기도 합니다.

즉, 사이트 트래픽 데이터를 누락 없이 보관하고 활용하기 위해 적합한 솔루션입니다.

​

그런데, 모든 브랜드에서 빅쿼리를 사용하면 좋을까? 라는 질문에

이 글을 읽는 많은 마케터 분들께 '굳이' 라고 답하고 싶습니다.

오히려 빅쿼리 결제 프로필 연동 후 인터페이스, SQL을 익히기 보다

애널리틱스 측정 지표를 더 숙지하고 분석을 실제로 해보는 방향이 실무에 더 유익하기 때문입니다.

​

그럼에도 월간 세션수 30만 회(월간 이벤트 100만 회) 이상 트래픽이 발생하는 브랜드라면,

빅쿼리를 연동하여 샘플링 없는 원시 데이터를 분석하는 방향을 권장 드리곤 합니다.

보통 전년 동기 대비 분석(YoY)을 진행하는 경우가 많기 때문에 애널리틱스 데이터 수집 기간

'14개월'이 아쉽지는 않습니다. 그러나 그보다 더 장기간 트래픽 추이를 분석하는 브랜드가 있다면,

빅쿼리 연동을 통해 원시 데이터를 축적해둘 필요는 있겠습니다.

​

-

2. 애널리틱스로 빅쿼리 연동만 해두자

애널리틱스에서는 '유용한 정보(지능형 애널리틱스)'를 통해서

지난주 발생한 세션수는?

사용자가 많은 요일은?

사용자의 인기 이벤트는?

과 같은 특정 질문에 대한 답변을 제공해 주긴 합니다.

그러나, 우리가 원하는 정보 즉 프롬프트를 통해 인사이트를 찾을 수는 없습니다.

​

그래서 AI(구글 제미나이)를 활용한 애널리틱스 분석 에이전트를 만들기 위해

빅쿼리를 반드시 사용해야만 합니다.

정확히는 애널리틱스와 빅쿼리를 연동만 해두면 됩니다.

빅쿼리 플랫폼 내에서 SQL 구문을 짠다거나(심지어 SQL도 AI가 제작해 주지만)

파티션 작업을 따로 할 필요도 없습니다.

​

참고로, 빅쿼리는 유료 플랫폼으로 결제 프로필에서 카드 등록이 되어 있어야 합니다.

다만, 월간 1TB(1,000GB)의 쿼리 용량을 제공하기 때문에

비용이 거의 발생하지 않는다고 보면 됩니다.

-

3. 구글애널리틱스 AI 대화형 분석 예시

애널리틱스와 빅쿼리를 연동한 후에 빅쿼리 내 '에이전트' 탭으로 접속합니다.

그리고 생성된 구글애널리틱스 프로젝트와 소스를 연동해 주시면 에이전트가 생성됩니다.

참고로, 연동 작업한 애널리틱스 외에도 에이전트 카탈로그에서

학습 목적의 샘플 에이전트를 제공하고 있습니다.

에이전트 생성 후에 실제로 애널리틱스 데이터에 대해 분석을 실행시킬 수 있으며,

실행하는 방법은 2가지입니다.

조금 전에 설정했던 빅쿼리 에이전트 탭 내에서 에이전트를 실행시키거나,

데이터스튜디오(구 루커스튜디오) 내 '대화형 분석'을 실행시키는 방법입니다.

​

빅쿼리 그리고 데이터스튜디오에서 실행되는 에이전트 소스는 동일하기 때문에

접근하기 편한 플랫폼에서 에이전트를 실행해 주시면 됩니다.

​

저희는 기본적으로 데이터스튜디오에서 애널리틱스 데이터 추이를 보거나

주차, 월간 지표 분석을 하기 때문에 빅쿼리보다 접속 빈도가 높습니다.

대화형 분석 탭에서 구글 제미나이, 챗GPT에서와 같이

분석하고자 하는 기간, 측정 기준과 항목, 비중 분석 등 프롬프트를 작성해 보았습니다.

(5월 총 세션수 및 기기 카테고리별 비중 분석)

(요일별 평균 세션 시간, 세션당 조회수 분석)

(기간별 유입경로 비중 특이사항 분석)

다음으로 전환 데이터 분석을 진행해 보겠습니다.

(경로별 전환/세션수 비중 '전환율' 분석)

(요일, 기기, 시간대별 전환 발생 요소 분석)