탐색 보고서 — Funnel·Path·Looker Studio

이 글은 GA4 + GTM 마스터 노트 시리즈의 여섯 번째 편입니다. 1~5편이 데이터 수집 도구를 다뤘다면, 이번엔 모은 데이터를 실제 인사이트로 바꾸는 분석 도구입니다.

GA4 표준 보고서가 전부가 아니에요. 탐색(Explore) 보고서가 GA4의 진짜 무기고, Looker Studio로 대시보드를 만들고, BigQuery로 원시 데이터에 직접 접근할 수 있어요. 이 셋이 잡히면 데이터 분석가가 부럽지 않은 분석력이 손에 들어옵니다.

처음 분석 도구가 어렵게 느껴지는 이유

이유는 두 가지예요.

첫째, 표준 보고서와 탐색 보고서의 차이가 안 보입니다. 둘 다 그래프를 보여주는데 어디서 뭘 해야 하는지 헷갈려요. 표준 보고서는 미리 만들어진 진단표, 탐색 보고서는 직접 만드는 분석 도구 — 이 차이가 잡혀야 합니다.

둘째, Funnel·Path·Cohort 같은 영문 분석 용어가 무겁게 들어옵니다. 각각이 뭘 답하는지가 첫 단계에서 안 와요. Funnel = 단계별 이탈, Path = 사용자 경로, Cohort = 시기별 유지율 — 한 줄씩만 외우면 정리됩니다.

해결법은 한 가지예요. 각 보고서를 "이 보고서가 답하는 한 줄짜리 질문" 으로 줄이세요. Funnel = "어디서 이탈하나?", Path = "어떻게 들어와서 어디로 가나?", Cohort = "이 달 가입자들이 다음 달에 다시 오나?". 이 질문 카드 6개만 외워도 어떤 분석 요청에든 답이 나옵니다.

표준 보고서 (Standard Reports) — 5가지

미리 구성된 GA4 진단표.

보고서 스냅샷

GA4 → Reports → Home (Reports Snapshot)

주요 KPI 카드 — 신규 사용자, 총 수익, 세션 참여율, 이벤트 수.

실시간 보고서

GA4 → Reports → Real-time

최근 30분 활성 사용자·이벤트 발생·상위 페이지.

획득 보고서

GA4 → Reports → Acquisition
  → User Acquisition  (처음 유입 채널)
  → Traffic Acquisition  (각 세션의 유입 채널)

여기서 시험 함정이 하나 있어요. User Acquisition vs Traffic Acquisition 차이가 헷갈립니다. User Acquisition은 사용자가 처음 사이트를 알게 된 채널, Traffic Acquisition은 매 세션의 유입 채널. 같은 사용자가 첫 방문은 자연 검색 → 재방문은 직접 입력이면 User=Organic, Traffic 세션에 따라 다르게 카운트됩니다.

참여 보고서

GA4 → Reports → Engagement
  → Overview / Events / Conversions / Pages and screens / Landing page

수익화 보고서

GA4 → Reports → Monetization
  → Ecommerce purchases / In-app purchases / Promotions

이커머스 주요 지표:

• Item views, Items added to cart, Items purchased
• Cart-to-view rate (장바구니 추가율)
• Purchase-to-view rate (구매 전환율)

탐색 보고서 (Explore) — 6가지

자유로운 커스텀 분석 도구. GA4의 진짜 무기.

GA4 → Explore → Create new exploration

유형	답하는 질문
Free form	자유형 피벗 테이블 — "어떤 차원·측정항목 조합으로 보고 싶나?"
Funnel exploration	"어디서 이탈하나?"
Path exploration	"사용자가 어떻게 들어와서 어디로 가나?"
Segment overlap	"두 그룹이 얼마나 겹치나?"
Cohort exploration	"이 시기 가입자가 다음 시기에도 오나?"
User lifetime	"사용자 LTV는 얼마인가?"

Funnel Exploration — 가장 자주 쓰는 도구

Explore → Funnel exploration
→ Steps 정의:
  1. page_view (홈페이지)
  2. view_item (상품 상세)
  3. add_to_cart
  4. begin_checkout
  5. purchase

각 단계 사이 이탈률이 한눈에 들어와요.

분석 예시

홈: 100%
상품 상세: 45% (55% 이탈)  ← 가장 큰 이탈 구간
장바구니: 25% (20% 이탈)
체크아웃: 15% (10% 이탈)
구매: 8% (7% 이탈)

→ 홈 → 상품 상세 사이가 최우선 개선 대상

Open vs Closed Funnel

모드	설명
Open	중간 단계부터 진입해도 카운트
Closed	1단계부터 순서대로 거친 사용자만

대부분 Open이 자연스러운 분석에 맞아요. Closed는 "정확히 이 순서로 따라간 사용자만" 보고 싶을 때.

여기서 시험 함정이 하나 있어요. 각 단계에 매개변수 조건을 추가할 수 있어요. "view_item 중에서도 카테고리=Clothing인 경우만"으로 좁히면 카테고리별 퍼널 차이가 즉시 보입니다.

Path Exploration — 사용자 경로 시각화

Explore → Path exploration
→ Starting point: session_start (시작)
→ 또는 Ending point: purchase (목표)
→ 노드 확장으로 경로 추적

활용 사례:

• 구매로 이어지는 주요 경로 파악
• 이탈 전 마지막 페이지 분석
• 비정상적 사용자 행동 발견

예시 — 구매로 가는 경로 (Top 5):
1. 홈 → 카테고리 → 상품 → 장바구니 → 결제 (45%)
2. 검색 → 상품 → 장바구니 → 결제 (28%)
3. 홈 → 검색 → 상품 → 장바구니 → 결제 (12%)
4. 광고 → 상품 → 장바구니 → 결제 (10%)
5. 기타 (5%)

가장 짧은 경로(검색 직접 진입)의 비중이 크면 검색 기능 강화가 우선.

Segment Overlap — 세그먼트 교차

Explore → Segment overlap
→ 최대 3개 세그먼트 선택
→ 중복/배제 관계 시각화

활용:

• "모바일 사용자" ∩ "구매 완료 사용자" 비중
• 캠페인 사용자와 재방문 사용자 비교
• 고가치 사용자가 모바일에서 얼마나 차지하나?

Cohort Exploration — 유지율 분석

Explore → Cohort exploration
→ Inclusion: 코호트 구성 기준 (예: 첫 방문일)
→ Return Criterion: 재방문 기준
→ Granularity: 일/주/월

예시 결과 (월별 유지율):
1월 가입 사용자  | 2월: 30% | 3월: 18% | 4월: 12%
2월 가입 사용자  | 3월: 35% | 4월: 22%
3월 가입 사용자  | 4월: 40% | ...

→ 3월 가입자의 유지율이 더 높음 → 3월 캠페인 효과 확인

여기서 정말 중요한 시험 함정 — Cohort는 마케팅 캠페인 효과를 시간을 두고 검증하는 표준 도구예요. 어떤 캠페인이 단기 가입은 많지만 장기 유지율이 낮다면 잠재적 고품질 트래픽이 아닙니다.

세그먼트 (Segments) — 사용자 그룹 분리

Explore → Variables 패널 → Segments + 클릭
→ User segment / Session segment / Event segment

사용자 세그먼트 예시

세그먼트명: 고가치 사용자
조건:
- Purchase 이벤트 발생
- 총 수익 > $100

세그먼트명: 이탈 위험 사용자
조건:
- 최근 30일 방문 없음
- 이전 구매 이력 있음

세그먼트 vs 잠재고객 (다시 정리)

특성	세그먼트	잠재고객
위치	Explore 안	Admin → Audiences
활용	탐색 보고서 분석	Google Ads + 모든 보고서
적용	해당 보고서 안에서만	영구

4편(전환)에서 나왔던 표지만 자주 헷갈리니 다시 한 번.

Looker Studio — 시각화 대시보드

GA4 데이터를 깔끔한 대시보드로.

연결

Looker Studio → Create → Report
→ Connect to Data → Google Analytics 선택
→ GA4 속성 선택 → Connect

차트 7가지

차트	용도
시계열	기간별 추이
막대	카테고리 비교
원형	비율 분석
지도	지역별 분석
스코어카드	단일 KPI 강조
테이블	상세 데이터
피벗 테이블	다차원 분석

시계열 차트 예시

Add a chart → Time series
→ Dimension: Date
→ Metrics: Sessions, Users, Conversions
→ Breakdown dimension: Medium (채널 분류)

컨트롤 추가

날짜 범위·드롭다운 필터를 보고서에 넣어 사용자가 직접 변경 가능.

Add a control → Date range control
→ 기본값: Last 28 days

Add a control → Drop-down list
→ Control field: Country

공유

Share → Get report link / Schedule email delivery

이메일 자동 전송으로 매주 월요일 자동 보고서 받기 등 가능.

BigQuery 연동 — 원시 데이터 무제한 분석

GA4의 결정적 강점. BigQuery 무료 연동으로 원시 이벤트 데이터에 SQL로 직접 접근.

연동 설정

GA4 Admin → BigQuery Linking
→ Link to BigQuery project
→ 데이터셋 위치 선택
→ 스트리밍 내보내기 (실시간) 또는 일일 내보내기 선택

요구 사항 — Google Cloud 프로젝트 + BigQuery API 활성화 + 충분한 권한.

테이블 구조

-- GA4 이벤트 테이블 이름 형식
analytics_[property_id].events_[YYYYMMDD]
analytics_[property_id].events_intraday_[YYYYMMDD]  -- 당일 실시간

기본 쿼리 — 일별 이벤트 수

SELECT
  event_date,
  event_name,
  COUNT(*) as event_count
FROM `project.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN '20240101' AND '20240131'
GROUP BY event_date, event_name
ORDER BY event_date, event_count DESC

구매 수익 분석

SELECT
  event_date,
  SUM(ecommerce.purchase_revenue) as total_revenue,
  COUNT(DISTINCT ecommerce.transaction_id) as transactions
FROM `project.analytics_123456789.events_*`
WHERE event_name = 'purchase'
  AND _TABLE_SUFFIX BETWEEN '20240101' AND '20240131'
GROUP BY event_date
ORDER BY event_date

상품별 조회수

SELECT
  items.item_id,
  items.item_name,
  COUNT(*) as view_count
FROM `project.analytics_123456789.events_*`,
  UNNEST(items) as items
WHERE event_name = 'view_item'
  AND _TABLE_SUFFIX = '20240115'
GROUP BY items.item_id, items.item_name
ORDER BY view_count DESC
LIMIT 20

사용자 퍼널 분석

WITH user_events AS (
  SELECT
    user_pseudo_id,
    MAX(CASE WHEN event_name = 'view_item' THEN 1 ELSE 0 END) as viewed_item,
    MAX(CASE WHEN event_name = 'add_to_cart' THEN 1 ELSE 0 END) as added_to_cart,
    MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) as purchased
  FROM `project.analytics_123456789.events_*`
  WHERE _TABLE_SUFFIX BETWEEN '20240101' AND '20240131'
  GROUP BY user_pseudo_id
)
SELECT
  SUM(viewed_item) as viewed_item_users,
  SUM(added_to_cart) as added_to_cart_users,
  SUM(purchased) as purchased_users
FROM user_events

여기서 정말 중요한 시험 함정 — BigQuery는 GA4 보고서가 도달할 수 없는 곳을 갑니다. GA4 인터페이스의 샘플링·맞춤 측정기준 한도(50개)에 막힐 때 BigQuery는 모든 원시 데이터에 SQL로 접근. 대규모 분석이 필요하면 BigQuery로 가는 게 표준이에요.

DebugView — 이벤트 검증의 핵심

GA4 Admin → DebugView

활성화 방법 두 가지:

방법 1 — GTM Preview 모드:

GTM Preview → 사이트 연결 → DebugView 자동 활성

방법 2 — Chrome 확장 (GA Debugger):

GA Debugger 확장 설치 → 활성화 → 사이트 방문

활용

이벤트 타임라인 확인:
- 발생 순서
- 클릭 → 매개변수 상세
- ⚡ 아이콘: 전환 이벤트
- ⚠️ 아이콘: 경고

이벤트 구현 후 DebugView 통과가 검증의 표준 단계예요. Real-time 보고서는 도착만 보여주지만, DebugView는 매개변수 하나하나를 펼쳐 확인 가능.

보고서 설정 — 채널 그룹 커스텀

기본 채널 외 커스텀 채널 그룹 설정.

GA4 Admin → Channel Groups → Create
→ 조건 정의:
  예: UTM Source contains 'newsletter' → Email 채널

이메일 캠페인을 별도 채널로 분리해서 보고서 분석 가능.

이벤트 수정과 생성 — 코드 변경 없이

GA4 인터페이스에서 이벤트를 수정·생성하는 강력한 기능.

Modify Event — 매개변수 수정

Admin → Events → Modify Event
→ 기존 이벤트의 매개변수 수정

Create Event — 기존 이벤트 기반 새 이벤트

Admin → Events → Create Event
→ 조건: page_view AND page_location contains '/checkout'
→ 새 이벤트 'checkout_view' 생성
→ 전환으로 표시

이렇게 만들면 코드 한 줄 안 박아도 새 이벤트가 추가됩니다. 빠른 추적 변경 시 매우 유용.

샘플링 — 대용량 데이터의 함정

대규모 사이트는 GA4가 일부 데이터만 샘플링해서 분석할 수 있어요.

샘플링 발생 조건:
- 무료 GA4: 분석 쿼리당 ~10M 이벤트 이상
- Google Analytics 360: 더 높은 한계

샘플링 표시:
탐색 보고서 → "Data is sampled" 메시지

회피 방법

1. 날짜 범위 축소
2. BigQuery 연동으로 원시 데이터 직접 분석 (가장 확실)
3. Google Analytics 360 업그레이드

여기서 시험 함정이 하나 있어요. 샘플링이 적용되면 작은 차이가 노이즈에 묻힙니다. A/B 테스트 결과처럼 미세한 차이를 분석할 때 샘플링이 결과를 왜곡할 수 있어요. 중요한 분석은 BigQuery로 가는 게 안전.

주요 지표 해석

참여율 (Engagement Rate)

참여율 = 참여 세션 / 전체 세션 × 100

참여 세션 조건 (1편 복습):
- 10초 이상 체류
- 또는 2+ 페이지뷰
- 또는 전환 발생

업종별 좋은 참여율 — 60% 이상이 일반적 기준 (업종별 차이 큼).

UA 이탈률 → GA4 (1 - 참여율)

UA 이탈률 50% ≈ GA4 참여율 50%

정확히 같지는 않지만 비슷한 의미. 1편에서 봤듯이 GA4는 10초 룰이 추가됐어요.

세션당 참여 시간

사이트 유형	평균
콘텐츠 사이트	2~5분
이커머스	3~7분
B2B	2~4분

시험 직전 한 번 더 — 자주 헷갈리는 함정 모음

여기까지가 6편의 핵심입니다. 시험 직전 또는 실무에서 헷갈릴 때 다시 펼쳐 볼 수 있게 압축 노트로 마무리할게요.

• 표준 보고서 5종 — Snapshot/Real-time/Acquisition/Engagement/Monetization
• User Acquisition = 처음 유입 / Traffic Acquisition = 매 세션
• 탐색 보고서 6종 — Free form / Funnel / Path / Segment Overlap / Cohort / User Lifetime
• Funnel = "어디서 이탈하나" — 가장 자주 사용
• Open vs Closed Funnel — Open이 자연스러움
• 단계별 매개변수 조건으로 카테고리 퍼널 분리 가능
• Path = "어떻게 들어와서 어디로 가나"
• Segment Overlap = 두 그룹 교집합 비중
• Cohort = 시기별 가입자 유지율, 캠페인 품질 검증
• 세그먼트 3유형 — User / Session / Event
• 세그먼트 = Explore 안에서만, 잠재고객 = 영구
• Looker Studio = GA4 데이터 시각화 대시보드
• 차트 7종 — 시계열·막대·원형·지도·스코어카드·테이블·피벗
• 컨트롤(날짜 범위·드롭다운)로 사용자 직접 필터링
• BigQuery 무료 연동 = GA4의 결정적 강점
• 일일 내보내기 + 스트리밍 내보내기
• 테이블 형식 — events_YYYYMMDD, intraday는 당일 실시간
• UNNEST(items) = 이커머스 items 배열 펼치기
• DebugView 활성 = GTM Preview 또는 GA Debugger 확장
• DebugView는 일반 사용자 트래픽 표시 X (디버깅용)
• 이벤트 수정·생성을 GA4 인터페이스에서 코드 없이 가능
• 샘플링 발생 — 무료 GA4 ~10M 이벤트
• 샘플링 회피 = BigQuery가 가장 확실
• 참여율 60%+ 가 일반적 기준
• UA 이탈률 ≈ GA4 (1 - 참여율) (정확 동일 X)

시리즈 다른 편

같은 시리즈의 다른 글들도 같은 톤으로 묶어 정리되어 있어요. 6편 분석 도구가 잡히면 7편 모범 사례에서 운영·디버깅의 마지막 정리가 이어집니다.

• 1편 — GA4 입문 (이벤트·세션·사용자 모델)
• 2편 — GTM 설정 (태그·트리거·변수)
• 3편 — GA4 이벤트 구현
• 4편 — 전환 이벤트와 잠재고객
• 5편 — 이커머스 추적 (Enhanced Ecommerce)
• 6편 — 탐색 보고서·Looker Studio·BigQuery (현재 글)
• 7편 — 디버깅과 모범 사례

공식 문서: GA4 BigQuery Schema와 Looker Studio Help에서 더 깊이 갈 수 있어요.

다음 글(7편)에서는 시리즈를 마무리하며 측정 계획서·코드 구조화·DebugView 디버깅·스테이징 환경·PII 처리·동의 관리(GDPR) 같은 운영 모범 사례를 정리합니다.