▲

디지털 애널리틱스의 종말

 (timodechau.com)
18P by neo 2일전 | ★ favorite | 댓글과 토론
  • 디지털 분석은 지난 20년간 마케팅 속성 분석과 사용자 행동 추적을 통해 데이터 기반 의사결정을 약속했으나, 실제 비즈니스 영향력이 부족한 허상으로 드러나며 기존 패러다임이 붕괴하고 있는 상황
  • Amplitude의 신규 채용은 Google Analytics 4의 실패를 상징하며, 프로 마케터를 대상으로 한 전문 분석 도구로의 전환을 시사
  • 마케팅 속성 분석의 붕괴는 채널 복잡화와 규제 변화로 인해 발생하며, 전통 분석의 핵심 가치가 사라지는 주요 원인
  • GA4의 인터페이스 혼란과 마이그레이션 어려움은 산업 전체에 혼란을 초래하며, 대안 도구의 부상을 촉진
  • 이러한 변화는 운영적 고객 경험 최적화와 전략적 수익 인텔리전스라는 두 가지 새로운 경로를 제시하며, 분석이 비즈니스 결과와 직접 연결되는 미래를 예고

Part I: 디지털 분석이 실제로 무엇이었는가

  • 디지털 분석은 데이터 기반 의사결정을 표방하며 방문자 수, 사용자 행동, 전환율을 추적하는 대시보드를 구축했으나, 대부분의 데이터가 비즈니스에 실질적인 변화를 주지 못하는 근본적 모순을 안고 있음
    • 세부적으로는 버튼 클릭 수치가 200회로 나타나도 이를 바탕으로 어떤 행동을 취해야 할지 명확하지 않아, 흥미로운 통찰에 그치는 경우가 많음
    • 클라이언트 프로젝트에서 정교한 분석 설정을 통해 사용자 행동을 파악해도, 실제 의사결정 변화가 미미한 패턴이 반복됨
  • 초기 디지털 분석은 2005년 Google Analytics 출시로 웹사이트 행동을 가시화하며 혁신적 약속을 제시했으나, 실제로는 빌드-측정-학습 사이클이 복잡한 비즈니스 질문에 답하지 못함
    • 에릭 리스(Eric Ries)의 린 스타트업 철학이 분석을 과학적 도구로 강조했으나, A/B 테스트 외에 사용자 유지나 기능 개발에 대한 명확한 지침을 제공하지 못함
    • Amplitude와 Mixpanel 같은 도구가 이벤트 추적과 코호트 분석을 발전시켰으나, 데이터가 풍부해질수록 통찰에서 행동으로의 격차가 더 두드러짐
  • 디지털 분석의 실제 가치는 마케팅 속성 분석과 어두운 영역 가시화라는 두 가지에 집중되며, 나머지는 과학적 느낌을 주는 장식적 요소에 불과함
    • 마케팅 속성 분석은 여러 채널의 기여도를 중립적으로 평가해 예산 배분을 최적화하며, ROI 계산을 가능하게 함
    • 어두운 영역 가시화는 웹사이트 트래픽 패턴을 드러내 UX 디자이너와 마케터가 구체적인 논의를 할 수 있게 지원

The Promise That was Great at the Time but Never Delivered

  • Google Analytics는 사용자 여정을 추적하며 데이터 기반 제품 개발을 약속했으나, 실제로 복잡한 질문에 대한 답변 부족으로 약속 미달성 상태가 지속됨
    • 기능 출시 후 측정과 반복이 이상적이었으나, 드롭오프 원인 분석이 '왜'에 미치지 못해 행동 변화가 제한됨
    • 대시보드와 세그먼테이션이 정교해졌음에도, 대부분의 경우 데이터가 회의 자료로만 활용되며 실질적 변화가 부족함
  • 분석 산업은 측정이 성공 기업의 핵심이라 강조했으나, 실제로 데이터가 직관과 고객 피드백을 보완하는 수준에 그쳐 과장된 가치를 드러냄
    • A/B 테스트처럼 간단한 경우에는 유용하나, 유지율 향상이나 기능 우선순위 같은 핵심 문제에서 명확한 답을 주지 못함
    • 기업들이 분석 설정에 수개월을 투자해도, '이 데이터로 무엇을 할까'라는 질문이 반복되며 불확실성을 증폭

The Two Things That Actually Worked

  • 마케팅 속성 분석은 디지털 분석의 진정한 핵심 가치로, 여러 플랫폼의 중복 기여를 해결하며 예산 최적화와 ROI 증명을 제공
    • Google Analytics가 중립적 심판 역할을 하며, 캠페인별 전환 기여도를 정확히 계산해 CFO 보고를 용이하게 함
    • 다중 터치 모델(첫 클릭, 마지막 클릭 등)이 발전했으나, 브라우저 차단과 채널 복잡화로 인해 최근 한계가 드러남
  • 어두운 영역 가시화는 사용자 행동을 구체적으로 드러내 팀 간 논의를 촉진하나, 통찰에서 행동으로의 격차가 크다는 부드러운 승리에 해당
    • 트래픽 패턴 발견으로 UX 개선이나 콘텐츠 전략 조정이 가능하나, 평균 페이지 체류 시간 같은 지표가 구체적 행동 지침을 주지 못함
    • 데이터가 추측을 구체화하지만, 대부분의 경우 추가 질문을 유발하며 직접적 비즈니스 결정을 이끌지 못함
  • 디지털 분석의 80% 가치는 마케팅 속성 분석에 집중되며, 나머지 기능은 흥미로운 통찰로 그쳐 산업의 숨겨진 불균형을 나타냄
    • 클라이언트 프로젝트에서 실제 영향력이 속성 분석에 몰려 있음이 확인되며, 포괄적 패키지가 과장된 약속으로 작용함

Part II: 기반이 무너지고 있음

  • 마케팅 속성 분석의 붕괴는 규제 변화와 채널 복잡화로 인해 발생하며, 디지털 분석의 기반 약화를 가속화
    • 유럽의 동의 요구와 Apple의 추적 방지가 데이터 연결을 제한하나, 이는 더 깊은 마케팅 진화의 증상
    • 워크숍 연구에서 클릭 기반 속성의 역할이 매년 감소함을 발견하며, 기술적 대안이 근본 문제를 해결하지 못함
  • 현대 마케팅은 수십 개 채널(인플루언서, 팟캐스트 등)을 포괄하나, 전통 속성 도구가 이를 추적하지 못해 진화 초과 상태에 있음
    • 과거에는 Google Ads 중심이었으나, 지금은 YouTube 비디오와 뉴스레터 같은 비직접 터치포인트가 증가
    • 광고 플랫폼의 확률적 모델(머신러닝 기반)이 세부 데이터를 숨기며, 마케터의 데이터 관계를 변화시킴
  • 속성 데이터가 의사결정에 미미한 역할을 하며, 대부분 데이터 극장으로 전락해 현실적 충격을 초래
    • 예산 배분이 속성에 덜 의존하게 되며, 10% 미만의 설정만이 실질적 마케팅 결정을 지원

The Google Analytics 4 Disaster

  • GA4는 여러 전략을 동시에 추구한 결과로 인터페이스 혼란이 발생하며, Google의 전략적 변화를 반영
    • Google Cloud Platform 진입 도구로 보일 수 있으며, 과거 Google Ads 보조 역할과 유사
    • 마케터의 기본 도구로서의 역할을 포기하며, 비전문 사용자에게 과도한 복잡성을 부과
  • 마이그레이션은 완전 재구축을 요구하며, 기존 설정을 무효화해 악몽 같은 과정을 초래
    • 18개월 통보로 팀들이 서둘러 대응하나, 세션 개념 변화가 기술적 이해를 필요로 함
    • 보고서 접근이 복잡해지며, 비전문 마케터의 일상 작업을 방해
  • GA4는 대상 사용자를 명확히 하지 못해 시장 기회를 창출하며, Amplitude 같은 도구가 대안 부상을 촉진
    • 프로 마케터를 위한 '더 나은 GA'로 포지셔닝되며, GA4의 실패가 전문 분석 도구 수요를 증가시킴
    • 산업 전체가 전통 분석의 가치에 의문을 제기하게 됨

Part III: 앞으로의 두 가지 경로

  • 디지털 분석은 잔존하나, 운영적 고객 경험 최적화와 전략적 수익 인텔리전스가 새로운 방향으로 부상
    • 마케팅 팀의 빠른 실험을 지원하며, 제품 팀과 달리 즉시 피드백을 요구
    • AI가 캠페인 최적화를 가속화하며, 통찰과 행동의 격차를 없애는 시스템 필요
  • 고객 경험 최적화는 속도 중심으로, AI 에이전트가 구체적 개선을 제안하며 운영적 유용성을 강조
    • Amplitude가 CDP 실험을 통해 통찰-행동 연결을 학습하며, AI가 드롭오프 지점에 대한 추천을 제공
    • 콘텐츠 관리 시스템과 연동된 AI가 실시간 최적화된 경험을 생성
  • Hotjar 패턴은 간단한 가시화로 즉시 행동을 가능하게 하며, ContentSquare 인수가 접근성 확대를 의미
    • 클릭 맵과 세션 재생이 UX 개선을 촉진하나, 분석 깊이보다는 빠른 피드백을 우선
    • 기업 수준에서 중소기업으로 확장되며, 문제 특화 도구의 우위를 보여줌

Path 2: Revenue Intelligence

  • 수익 관련 역할자들이 제품 팀에서 전환하며, 수익을 사후 지표가 아닌 예측 가능하게 만드는 대상 변화를 보임
    • CFO와 CRO가 활성화 실패나 churn 위험을 조기 식별하며, 비즈니스 결과와 행동 연결을 요구
    • 제품 분석의 간접 ROI와 달리, 수익 팀은 직접적 가치 계산이 가능해 예산 지원이 용이
  • SDK 기반 추적의 한계를 넘어 데이터 웨어하우스 접근이 돌파구를 제공하며, 데이터 품질과 결합을 보장
    • 데이터베이스에서 이벤트를 추출해 100% 커버리지를 달성하며, 과거 데이터 재처리 가능
    • 아이덴티티 해결과 합성 이벤트 생성으로 churn 예측 같은 비즈니스 결과를 생성
  • 수익 인텔리전스는 고객 여정 전체를 매핑하며, 활성화 실패 같은 문제를 조기 개입 기회로 전환하는 조립 라인을 구축
    • 1,000개 신규 계정 중 100개만 활성화되는 경우, 손실 수익 잠재력을 계산하고 개입 테스트
    • 메트릭 트리가 성장 원인을 진단하며, 전통 분석의 행동-결과 단절을 해결
  • 이 접근은 분석을 전략적으로 만들어 비즈니스 성공을 직접 지원하며, 예측 중심 미래를 제시

결론

  • 디지털 애널리틱스는 수집해 두면 언젠가 쓰일 것이라는 믿음을 기반으로 했으나, 오늘의 환경에서는 즉시적인 실행 지원이나 직접적인 성과 예측 없이는 의미가 희박해짐
  • 데이터 수집→보고서 중심의 관행은 데이터 극장(data theater) 에 불과하며, 행동으로 이어지는 시스템이 아니면 조직적 효용이 낮음

  • 이후의 경로 2가지

    • Customer Experience Optimization: 깊은 분석보다 즉각 실행을 중시하는 운영형 미래로, AI 에이전트의 구체적 개선 제안, 빠른 실험과 반영을 지원하는 워크플로 통합형 도구 지향
    • Revenue Intelligence: 사용자 행동과 비즈니스 성과의 직접 연결을 목표로, 데이터 웨어하우스에 행동·구독·어트리뷰션·재무 지표를 결합해 선제적 예측과 예방을 수행하는 전략형 미래

  • 무엇이 끝나고 무엇이 시작되는가

    • 끝나는 것: 광범위 수집과 사후적 통찰 위주의 애널리틱스, 보고서 생성을 위한 데이터 파이프라인 중심 운영, 세부 채널 기여도 집착 중심의 마케팅 해석 관행
    • 시작되는 것: 실행 권고 자동화와 리스크·기회 조기탐지, 성과에 직결되는 모델을 중심으로 한 의사결정 자동화와 운영 최적화
  • 과거 마케팅 애널리틱스 정서에 기대는 전략은 미래성과 정합이 낮음
  • 조직은 보고서 생산 체제에서 행동 유발 시스템으로 전환할 필요가 있음
  • 마케팅 팀은 속도 중심 운영형 스택과 AI 보조 실험 체계로, 매출 책임 조직은 웨어하우스 중심 통합 모델과 조기경보 시그널을 갖춘 RI 체계로 재편할 필요가 있음

수집 후 유용하길 바라는 시대는 끝났음
즉시 개선 또는 직접 예측으로 이어지는 시스템만이 실질 가치를 창출함
기업은 운영형 CX와 전략형 RI 중 핵심 과업과 성숙도에 맞는 축을 선택·강화할 필요가 있음