마케팅 애널리틱스 — 에이전트 대시보드 | 신규 브랜드 마케팅 전략

GA4/Search Console 통합 분석, 어트리뷰션 모델 비교, 코호트/LTV 분석

핵심 요약

GA4·Search Console·광고 플랫폼·CRM 데이터를 통합해 인지→관심→전환→수익 퍼널을 측정하고 액션을 권장합니다.
어트리뷰션은 Last/First Click, Linear, Time Decay, Position-based, Data-driven 중 선택하며, GA4 DDA는 월 전환 300건 이상에서 정확도가 향상됩니다.
코호트 분석은 M0~M12 리텐션으로 온보딩과 재방문 동기를 진단하고(M1<20%면 온보딩 실패), 채널·시즌·프로모션별로 나눠 봅니다.
LTV는 ARPU×(1/월간 이탈률)로, 장기·구독 모델은 할인율을 반영한 Discounted LTV를 사용합니다.
LTV:CAC 3:1~5:1이 건강한 비율이며, 1:1 미만은 즉시 저효율 채널 중단, 5:1 초과는 과소 투자로 예산 확대를 검토합니다.

GA4 핵심 설정

이 장에는 마케팅 성과 분석 관점의 요약만 담았습니다. 계정, 속성, 웹 데이터 스트림, 이벤트 사전, custom definitions, key events, BigQuery Export까지 다루는 GA4 고급 설계는 별도 핸드북으로 떼어 냈습니다.

GA4 고급 애널리틱스 설계

Google Analytics 4 공식 문서 기반으로 계정·속성·스트림·이벤트·BigQuery 분석 체계를 설계합니다.

마케팅 질문	GA4 설계 포인트	상세 위치
어떤 채널이 좋은 리드를 만드는가?	`generate_lead`, source/medium/campaign, lead type	GA4 고급 핸드북 Ch6~Ch7
어떤 CTA가 전환에 기여하는가?	`cta_click`, `cta_id`, `cta_location`, `cta_intent`	GA4 고급 핸드북 Ch5, Ch7
가입 후 activation까지 이어지는가?	`sign_up`, `onboarding_step_complete`, `activation_complete`	GA4 고급 핸드북 Ch7
결제/매출 이벤트가 정확한가?	`begin_checkout`, `purchase`, `transaction_id`, `value`, `currency`	GA4 고급 핸드북 Ch8
보고서와 원시 데이터가 왜 다른가?	GA4 UI 처리, attribution, BigQuery Export timing	GA4 고급 핸드북 Ch11

Search Console 활용

핵심 모니터링 지표

지표	설명	활용
총 클릭	검색 결과에서 클릭 수	트래픽 추세
총 노출	검색 결과에 표시된 횟수	가시성
평균 CTR	클릭/노출	제목/설명 최적화 지표
평균 순위	검색 결과 내 위치	SEO 성과

Search Console + GA4 통합 분석

검색 유입 분석:
1. 어떤 키워드로 유입되는가? (Search Console)
2. 유입 후 어떤 행동을 하는가? (GA4)
3. 전환까지 이어지는가? (GA4 전환 이벤트)
4. 키워드별 전환 가치는? (GA4 × Search Console 교차)

개인정보 보호와 동의 관리

마케팅 데이터 수집은 개인정보 보호 규정과 플랫폼 정책을 준수해야 합니다.

서드파티 쿠키 의존도를 줄이고, 사용자 동의를 받아 데이터를 수집하세요.

항목	설명
GA4 동의 모드	`consent` 파라미터로 동의 상태 전달. 동의 없어도 쿠키 없는 집계(모델링) 제공
CMP 도구	CookieYes, OneTrust, Cookie Script 등으로 동의 배너 구현
서드파티 쿠키 폐지 대응	GA4 기본 보고서는 퍼스트파티 데이터 기반으로 작동하므로 영향 최소화

iOS ATT와 마케팅 측정

Apple의 App Tracking Transparency(ATT) 도입 이후:

iOS 사용자의 광고 추적 옵트인율은 약 25~35% 수준
Meta, Google 등 광고 플랫폼의 전환 데이터 정확도 하락
대응: 서버 사이드 전환 추적(CAPI), SKAdNetwork 활용, 자체 퍼스트파티 데이터 강화

🇰🇷 한국 시장

한국은 iOS 점유율이 약 25~30%로 글로벌보다 낮지만, 프리미엄 고객층에서 iOS 비중이 높아 고가 상품/서비스의 광고 측정에 영향이 큽니다. 네이버/카카오 광고 플랫폼도 자체 전환 추적 체계를 운영하니 플랫폼마다 따로 대응해야 합니다.

⚖️ 법률·컴플라이언스

개인정보보호법(PIPA) 준수 포인트: - 마케팅 목적 개인정보 수집 시 별도 동의 필요 (포괄 동의 불가) - 행태 정보(쿠키, 광고 ID) 수집 시 온라인 행태 정보 처리 방침 고지 의무 - 제3자 광고 플랫폼에 개인정보 전송 시 제3자 제공 동의 또는 위탁 계약 필요 - GDPR 대상(EU 고객 포함 시) 별도 대응 필요

어트리뷰션 모델 비교

attribution-analyzer 에이전트

고객은 전환에 이르기까지 여러 채널을 거칩니다. 어트리뷰션 모델은 각 채널에 전환 기여도를 나눠 주는 방법입니다.

모델	설명	장점	단점
Last Click	마지막 터치포인트에 100%	단순, 직관적	인지/관심 채널 과소평가
First Click	첫 터치포인트에 100%	인지 채널 평가	전환 채널 과소평가
Linear	모든 터치포인트에 균등 배분	공정한 분배	차별화 없음
Time Decay	전환에 가까울수록 높은 비중	전환 기여 반영	인지 채널 과소평가
Position-based	첫/마지막 40%, 나머지 20%	균형적	임의적 가중치
Data-driven	머신러닝 기반 기여도	가장 정확	데이터 요구량 높음

모델 선택 가이드

GA4는 현재 Data-driven 어트리뷰션을 기본값으로 씁니다. 전환 데이터가 적어도 모델은 돌아가지만, 월 전환이 300건을 넘으면 정확도가 크게 올라갑니다. 이 수치는 "필수 요건"이라기보다 품질 가이드라인입니다. 데이터가 적은 초기 단계라면 Position-based 모델과 견줘 검증하길 권합니다.

어트리뷰션 모델 선택 의사결정 트리

코호트 분석

코호트란?

특정 기간에 특정 행동을 한 고객 그룹입니다.

코호트 예시:
- 2026년 1월 첫 구매 고객
- 인스타그램 광고로 유입된 고객
- 무료 체험 후 유료 전환한 고객

리텐션 코호트

아래 표의 **M0, M1, M2, …**는 가입(또는 첫 구매) 후 지난 개월 수입니다. M0은 가입 당월, M1은 가입 후 1개월, M6은 6개월 후를 가리킵니다.

코호트	M0 (당월)	M1 (1개월)	M2 (2개월)	M3 (3개월)	M6 (6개월)	M12 (12개월)
2026-01	100%	42%	35%	30%	22%	15%
2026-02	100%	45%	38%	33%	-	-
2026-03	100%	48%	40%	-	-	-

🇰🇷 한국 시장

한국에서는 네이버 애널리틱스, 카카오 픽셀 같은 로컬 플랫폼 데이터와 GA4를 함께 수집하는 경우가 많습니다. 코호트 분석 때 네이버 쇼핑/스마트스토어 유입 고객을 별도 코호트로 떼어 놓으면 채널별 리텐션 차이가 더 또렷하게 보입니다.

코호트 분석 해석 가이드

리텐션 변화	의미	권장 액션
M1 리텐션 < 20%	온보딩 실패	환영 이메일 시퀀스 개선, 첫 구매 인센티브
M1→M2 드롭 > 50%	재방문 동기 부족	리타겟팅 캠페인, 두 번째 구매 할인
M3 이후 안정 (±5%)	충성 고객 형성	VIP 프로그램, 크로스셀 캠페인
M6 리텐션 < 5%	심각한 이탈	제품/서비스 근본 개선 필요
특정 코호트만 높음	캠페인 효과	해당 캠페인 채널·메시지 분석 후 확대

코호트 분석 활용

분석	질문	액션
채널별 코호트	어떤 채널 고객이 오래 남는가?	고LTV 채널에 예산 집중
시즌별 코호트	특정 시즌 고객이 더 충성적인가?	시즌 마케팅 강화
프로모션별 코호트	할인 유입 고객 vs 정가 고객	프로모션 전략 조정

LTV (Life-Time Value) 분석

LTV 산출 공식

\text{LTV} = \text{ARPU} \times \text{평균 고객 수명}

\text{ARPU} = \frac{\text{총 매출}}{\text{활성 고객 수}}, \quad \text{평균 고객 수명} = \frac{1}{\text{월간 이탈률}}

할인된 LTV (Discounted LTV)

위 공식은 단순 LTV라 시간 가치를 반영하지 않습니다. 장기 고객 가치를 더 정밀하게 따지려면 할인된 LTV를 씁니다:

\text{Discounted LTV} = \sum_{t=1}^{n} \frac{ARPU_t \times R_t}{(1+d)^t}

여기서 $R_t$ 는 $t$ 개월 시점의 리텐션율, $d$ 는 할인율(보통 월 1~~2%, 연 10~~20%)입니다.

언제 할인된 LTV를 쓸까?

빠른 의사결정에는 단순 LTV로 충분합니다. 고객 수명이 길고(12개월+) 구독 모델처럼 장기 현금흐름이 중요할 때는 할인된 LTV를 쓰세요. 초기 스타트업이라면 단순 LTV로 시작해도 됩니다.

CAC (Customer Acquisition Cost)

\text{CAC} = \frac{\text{Total Marketing Cost} + \text{Total Sales Cost}}{\text{New Customers}}

LTV:CAC 비율 가이드

LTV:CAC 비율	해석	액션
< 1:1	적자 — 고객 확보할수록 손해	즉시 채널별 CAC 분석, 저효율 채널 중단
1:1 ~ 3:1	보합~저수익	CAC 절감 또는 객단가/리텐션 개선
3:1 ~ 5:1	건강한 비율	현재 전략 유지, 점진적 스케일업
> 5:1	과소 투자 가능성	마케팅 예산 확대 검토, 성장 기회 탐색

LTV 기반 의사결정

항목	공식	기준
CAC 한도	$\text{CAC} \leq \text{LTV} / 3$	$\text{LTV}:\text{CAC} \geq 3:1$
채널 투자	$\text{채널 LTV} > \text{채널 CAC}$	ROAS 3+
할인 한도	$\text{LTV} \times P(\text{이탈 방지})$	기대 가치 양수

marketing-report-agent — 주간 리포트 자동화

당신은 마케팅 주간 리포트 에이전트입니다.

## 데이터 소스
- GA4: 주간 트래픽, 전환, 매출
- Search Console: 키워드 순위 변동
- 광고 플랫폼: 주간 지출, ROAS
- CRM: 신규 리드, 전환 고객

## 작업
1. 주간 핵심 지표 요약 (전주 대비 변화율 포함)
2. 상위 5개 인사이트 도출
3. 즉시 조치 필요 사항 (빨간 깃발)
4. 다음 주 권장 액션 3가지
5. Slack 포맷으로 출력

리포트 구조

📊 마케팅 주간 리포트 (1/27 ~ 2/2)

▸ 핵심 지표
  방문자: 12,450 (+8.2% ↑)
  전환율: 2.3% (-0.2% ↓)
  ROAS: 3.8 (+0.5 ↑)
  신규 리드: 85건 (+12% ↑)

▸ 인사이트
  1. 블로그 트래픽 급증 — "키워드A" 1페이지 진입
  2. Meta 광고 CTR 하락 — 소재 피로도 의심
  3. 이메일 오픈률 상승 — 제목 A/B 테스트 효과

▸ 조치 필요
  ⚠️ Meta 광고 소재 교체 필요 (CTR 1.2% → 0.8%)

▸ 다음 주 권장
  1. 새 광고 소재 3종 테스트
  2. "키워드A" Cluster 콘텐츠 추가 발행
  3. 윈백 이메일 시퀀스 발송 시작

다음 단계

마케팅 데이터 분석 체계를 갖췄으니, 다음 A/B 테스트와 실험 설계 챕터에서는 데이터로 실험을 설계하고 유의성을 검정하는 방법을 다룹니다.

핵심 요약

GA4·Search Console·광고 플랫폼·CRM 데이터를 통합해 인지→관심→전환→수익 퍼널을 측정하고 액션을 권장합니다.
어트리뷰션은 Last/First Click, Linear, Time Decay, Position-based, Data-driven 중 선택하며, GA4 DDA는 월 전환 300건 이상에서 정확도가 향상됩니다.
코호트 분석은 M0~M12 리텐션으로 온보딩과 재방문 동기를 진단하고(M1<20%면 온보딩 실패), 채널·시즌·프로모션별로 나눠 봅니다.
LTV는 ARPU×(1/월간 이탈률)로, 장기·구독 모델은 할인율을 반영한 Discounted LTV를 사용합니다.
LTV:CAC 3:1~5:1이 건강한 비율이며, 1:1 미만은 즉시 저효율 채널 중단, 5:1 초과는 과소 투자로 예산 확대를 검토합니다.

마케팅 질문	GA4 설계 포인트	상세 위치
어떤 채널이 좋은 리드를 만드는가?	`generate_lead`, source/medium/campaign, lead type	GA4 고급 핸드북 Ch6~Ch7
어떤 CTA가 전환에 기여하는가?	`cta_click`, `cta_id`, `cta_location`, `cta_intent`	GA4 고급 핸드북 Ch5, Ch7
가입 후 activation까지 이어지는가?	`sign_up`, `onboarding_step_complete`, `activation_complete`	GA4 고급 핸드북 Ch7
결제/매출 이벤트가 정확한가?	`begin_checkout`, `purchase`, `transaction_id`, `value`, `currency`	GA4 고급 핸드북 Ch8
보고서와 원시 데이터가 왜 다른가?	GA4 UI 처리, attribution, BigQuery Export timing	GA4 고급 핸드북 Ch11

Search Console 활용

핵심 모니터링 지표

지표	설명	활용
총 클릭	검색 결과에서 클릭 수	트래픽 추세
총 노출	검색 결과에 표시된 횟수	가시성
평균 CTR	클릭/노출	제목/설명 최적화 지표
평균 순위	검색 결과 내 위치	SEO 성과

Search Console + GA4 통합 분석

검색 유입 분석:
1. 어떤 키워드로 유입되는가? (Search Console)
2. 유입 후 어떤 행동을 하는가? (GA4)
3. 전환까지 이어지는가? (GA4 전환 이벤트)
4. 키워드별 전환 가치는? (GA4 × Search Console 교차)

개인정보 보호와 동의 관리

마케팅 데이터 수집은 개인정보 보호 규정과 플랫폼 정책을 준수해야 합니다.

서드파티 쿠키 의존도를 줄이고, 사용자 동의를 받아 데이터를 수집하세요.

항목	설명
GA4 동의 모드	`consent` 파라미터로 동의 상태 전달. 동의 없어도 쿠키 없는 집계(모델링) 제공
CMP 도구	CookieYes, OneTrust, Cookie Script 등으로 동의 배너 구현
서드파티 쿠키 폐지 대응	GA4 기본 보고서는 퍼스트파티 데이터 기반으로 작동하므로 영향 최소화

iOS ATT와 마케팅 측정

Apple의 App Tracking Transparency(ATT) 도입 이후:

iOS 사용자의 광고 추적 옵트인율은 약 25~35% 수준
Meta, Google 등 광고 플랫폼의 전환 데이터 정확도 하락
대응: 서버 사이드 전환 추적(CAPI), SKAdNetwork 활용, 자체 퍼스트파티 데이터 강화

🇰🇷 한국 시장

⚖️ 법률·컴플라이언스

어트리뷰션 모델 비교

attribution-analyzer 에이전트

고객은 전환에 이르기까지 여러 채널을 거칩니다. 어트리뷰션 모델은 각 채널에 전환 기여도를 나눠 주는 방법입니다.

모델	설명	장점	단점
Last Click	마지막 터치포인트에 100%	단순, 직관적	인지/관심 채널 과소평가
First Click	첫 터치포인트에 100%	인지 채널 평가	전환 채널 과소평가
Linear	모든 터치포인트에 균등 배분	공정한 분배	차별화 없음
Time Decay	전환에 가까울수록 높은 비중	전환 기여 반영	인지 채널 과소평가
Position-based	첫/마지막 40%, 나머지 20%	균형적	임의적 가중치
Data-driven	머신러닝 기반 기여도	가장 정확	데이터 요구량 높음

모델 선택 가이드

코호트 예시:
- 2026년 1월 첫 구매 고객
- 인스타그램 광고로 유입된 고객
- 무료 체험 후 유료 전환한 고객

리텐션 코호트

아래 표의 **M0, M1, M2, …**는 가입(또는 첫 구매) 후 지난 개월 수입니다. M0은 가입 당월, M1은 가입 후 1개월, M6은 6개월 후를 가리킵니다.

코호트	M0 (당월)	M1 (1개월)	M2 (2개월)	M3 (3개월)	M6 (6개월)	M12 (12개월)
2026-01	100%	42%	35%	30%	22%	15%
2026-02	100%	45%	38%	33%	-	-
2026-03	100%	48%	40%	-	-	-

🇰🇷 한국 시장

코호트 분석 해석 가이드

리텐션 변화	의미	권장 액션
M1 리텐션 < 20%	온보딩 실패	환영 이메일 시퀀스 개선, 첫 구매 인센티브
M1→M2 드롭 > 50%	재방문 동기 부족	리타겟팅 캠페인, 두 번째 구매 할인
M3 이후 안정 (±5%)	충성 고객 형성	VIP 프로그램, 크로스셀 캠페인
M6 리텐션 < 5%	심각한 이탈	제품/서비스 근본 개선 필요
특정 코호트만 높음	캠페인 효과	해당 캠페인 채널·메시지 분석 후 확대

코호트 분석 활용

분석	질문	액션
채널별 코호트	어떤 채널 고객이 오래 남는가?	고LTV 채널에 예산 집중
시즌별 코호트	특정 시즌 고객이 더 충성적인가?	시즌 마케팅 강화
프로모션별 코호트	할인 유입 고객 vs 정가 고객	프로모션 전략 조정

LTV (Life-Time Value) 분석

LTV 산출 공식

\text{LTV} = \text{ARPU} \times \text{평균 고객 수명}

\text{ARPU} = \frac{\text{총 매출}}{\text{활성 고객 수}}, \quad \text{평균 고객 수명} = \frac{1}{\text{월간 이탈률}}

할인된 LTV (Discounted LTV)

위 공식은 단순 LTV라 시간 가치를 반영하지 않습니다. 장기 고객 가치를 더 정밀하게 따지려면 할인된 LTV를 씁니다:

\text{Discounted LTV} = \sum_{t=1}^{n} \frac{ARPU_t \times R_t}{(1+d)^t}

여기서 $R_t$ 는 $t$ 개월 시점의 리텐션율, $d$ 는 할인율(보통 월 1~~2%, 연 10~~20%)입니다.

언제 할인된 LTV를 쓸까?

CAC (Customer Acquisition Cost)

\text{CAC} = \frac{\text{Total Marketing Cost} + \text{Total Sales Cost}}{\text{New Customers}}

LTV:CAC 비율 가이드

LTV:CAC 비율	해석	액션
< 1:1	적자 — 고객 확보할수록 손해	즉시 채널별 CAC 분석, 저효율 채널 중단
1:1 ~ 3:1	보합~저수익	CAC 절감 또는 객단가/리텐션 개선
3:1 ~ 5:1	건강한 비율	현재 전략 유지, 점진적 스케일업
> 5:1	과소 투자 가능성	마케팅 예산 확대 검토, 성장 기회 탐색

LTV 기반 의사결정

항목	공식	기준
CAC 한도	$\text{CAC} \leq \text{LTV} / 3$	$\text{LTV}:\text{CAC} \geq 3:1$
채널 투자	$\text{채널 LTV} > \text{채널 CAC}$	ROAS 3+
할인 한도	$\text{LTV} \times P(\text{이탈 방지})$	기대 가치 양수

marketing-report-agent — 주간 리포트 자동화

당신은 마케팅 주간 리포트 에이전트입니다.

## 데이터 소스
- GA4: 주간 트래픽, 전환, 매출
- Search Console: 키워드 순위 변동
- 광고 플랫폼: 주간 지출, ROAS
- CRM: 신규 리드, 전환 고객

## 작업
1. 주간 핵심 지표 요약 (전주 대비 변화율 포함)
2. 상위 5개 인사이트 도출
3. 즉시 조치 필요 사항 (빨간 깃발)
4. 다음 주 권장 액션 3가지
5. Slack 포맷으로 출력

리포트 구조

📊 마케팅 주간 리포트 (1/27 ~ 2/2)

▸ 핵심 지표
  방문자: 12,450 (+8.2% ↑)
  전환율: 2.3% (-0.2% ↓)
  ROAS: 3.8 (+0.5 ↑)
  신규 리드: 85건 (+12% ↑)

▸ 인사이트
  1. 블로그 트래픽 급증 — "키워드A" 1페이지 진입
  2. Meta 광고 CTR 하락 — 소재 피로도 의심
  3. 이메일 오픈률 상승 — 제목 A/B 테스트 효과

▸ 조치 필요
  ⚠️ Meta 광고 소재 교체 필요 (CTR 1.2% → 0.8%)

▸ 다음 주 권장
  1. 새 광고 소재 3종 테스트
  2. "키워드A" Cluster 콘텐츠 추가 발행
  3. 윈백 이메일 시퀀스 발송 시작

다음 단계

마케팅 데이터 분석 체계를 갖췄으니, 다음 A/B 테스트와 실험 설계 챕터에서는 데이터로 실험을 설계하고 유의성을 검정하는 방법을 다룹니다.

마케팅 애널리틱스 — 에이전트 대시보드

GA4 고급 애널리틱스 설계

목차

마케팅 애널리틱스 — 에이전트 대시보드

GA4 고급 애널리틱스 설계

목차