온라인 스토어를 추적하는 7가지 Google 애널리틱스 맞춤 측정기준

마찬가지로 Google Analytics를 사용하면 사용자가 디지털 방식으로 완전히 맞춤화된 차원을 수집할 수 있습니다. 이제 고객의 개인 정보를 알고 있을 뿐만 아니라 고객이 온라인 상점에 참여하는 방식에 대한 데이터를 수집하고 추적할 수 있습니다.

우리는 그들의 결정을 각각 수집하고 집계하여 그들이 사이트를 사용하는 방법에 대한 중요한 정보를 표시할 수 있습니다. 우리는 이루어지지 않은 구매에 대한 주요 정보를 찾거나 이루어진 구매에 대한 유용한 정보를 유추하고 더 광범위하게 적용할 수 있습니다.

분석은 B2B 및 B2B 상거래 모두에 중요합니다. B2C 및 B2B 전자 상거래 플랫폼은 모두 데이터 분석에서 엄청난 이점을 얻습니다.

Google Analytics에는 모든 온라인 상점에 도움이 되는 다양한 맞춤 측정기준이 있습니다. 이 기사에서는 다양한 비즈니스 또는 전자 상거래 범주에 적용할 수 있는 가장 유용한 7가지를 살펴보겠습니다. 또한 Google Analytics는 클라우드 기반 솔루션을 제공하여 데이터를 더욱 효과적으로 제어할 수 있습니다.

맨 위로 돌아가기 또는

1. 제품 세부 정보

제품과 관련하여 추적할 수 있는 측정기준은 매우 광범위합니다. 핵심 아이디어는 어떤 제품이 서로 결합되어 판매되는지, 고객이 구매하려고 시도하지만 재고가 없는 제품, 제품의 고유한 특성 또는 품질을 추적할 수 있다는 것입니다.

제품 수준 분석을 통해 판매에 대해 보다 교육적인 결정을 내릴 수 있습니다. 예를 들어, 제품의 멀티팩이 특히 잘 팔린다면 다른 제품도 멀티팩에서 잘 팔릴 것이라고 추론할 수 있습니다.

레스토랑이나 테이크아웃 장소를 예로 들어 보겠습니다. 고객이 특정 시간에 한 품목과 콜라를 자주 사는 경우 이러한 품목을 특정 시간에 대한 식사 거래로 교차 판매할 수 있다고 추론할 수 있습니다.

계속해서 음식을 예로 들면 피자가게가 한 사이즈로 많은 테이크아웃 피자를 판매한다면 그 사이즈의 모든 피자를 제공해야 하는 이유가 됩니다.

이러한 종류의 정보는 마진으로 운영하는 것이 일반적이고 교차 판매 및 상향 판매가 이러한 한계 이익을 높이는 중요한 방법인 소규모 전자 상거래 비즈니스에 필수적일 수 있습니다.

맨 위로 돌아가기 또는

2 카트 세부 정보

(장바구니 이탈 통계. 이미지 출처)

Google Analytics의 맞춤 측정기준은 장바구니 세부정보를 효과적으로 추적할 수 있습니다. 그들은 고객이 장바구니에 품목을 가지고 있음에도 불구하고 웹사이트를 떠나는 시간과 순간을 보여줌으로써 장바구니 포기에 대한 정보를 추적할 수 있습니다.

이 차원은 고객이 명시적으로 구매하지 않기로 결정하거나 프로세스에서 무언가가 너무 어렵다고 결정하는 고객 경험의 "초점"을 보여줄 수 있습니다. 그런 다음 고객 여정의 이러한 부분을 수정하여 프로세스를 간소화하거나 계속하도록 인센티브를 추가할 수 있습니다. 그런 다음 최고의 POS 시스템이 있으면 구매가 모두 원활하게 진행됩니다.

또한 특정 출처에서 온 고객이 장바구니에 물건을 추가했는지 여부 또는 단순히 쇼핑객인지 여부에 대한 정보를 추적할 수 있습니다. 데이터는 이상적인 고객 기반에 호소하고 있는지 이해하는 데 도움이 될 수 있습니다.

특정 유형의 마케팅은 다른 유형보다 덜 효과적이므로 유료 마케팅 소스가 장바구니에 아무것도 추가하지 않는 고객을 가져온 경우 해당 마케팅 라인을 일시 중지하고 새로운 마케팅 라인을 시도할 수 있습니다.

맨 위로 돌아가기 또는

3. 양식 세부 정보

양식은 고객을 더 잘 이해하기 위한 손쉬운 데이터 수집 소스이며, 물론 Google Analytics는 양식을 더 잘 이해할 수 있는 차원을 제공합니다.

양식 포기는 비교적 일반적입니다. 이유가 무엇이든 고객은 양식 작성을 완료하는 데 어려움을 겪을 수 있습니다. 이것을 측정기준으로 추적하면 이유를 이해하고 문제를 해결하는 데 도움이 됩니다.

예를 들어 추적 데이터에서 대부분의 양식 포기가 모바일, 특히 Apple 운영 체제에서 발생한다고 제안하는 경우 즉시 수정해야 하는 문제임을 알 수 있습니다.

형식 포기가 형식과 운영 체제 전반에 걸쳐 보편적이라면 형식이 너무 길거나 너무 개인적일 수 있습니다. 이 정보는 전자 상거래 상점을 간소화하고 고객을 판매 유입 경로로 더 빠르게 이동시키는 데 사용할 수 있습니다.

맨 위로 돌아가기 또는

4. 내용 내용

콘텐츠 차원에 대한 데이터를 추적하면 고객이 페이지를 얼마나 아래로 읽었는지, 고객이 다양한 유형의 콘텐츠 간에 이동하는 속도, 이러한 고객의 소스 및 인구 통계와 같은 정보를 얻을 수 있습니다.

예를 들어 재고 추적 또는 재고 관리 소프트웨어와 같은 기술 솔루션의 경우 고객이 제품의 세부 사항에 대해 읽을 것이라고 기대할 수 있습니다. 그러나 전자 상거래 비즈니스로서 페이지 방문자의 관심을 더 빨리 잡아야 합니다.

방문자가 콘텐츠와 상호 작용하는 방식을 추적하는 맞춤 측정기준이 도움이 될 수 있습니다. 전자 제품 소매업체라고 가정해 보겠습니다. 상단에 각 항목에 대한 많은 기술 사양으로 제품 페이지를 설정했을 수 있습니다.

그러나 Google Analytics는 많은 방문자가 해당 정보를 지나치기 전에 이탈한다고 말할 수 있습니다. 콘텐츠를 재정렬하라는 신호입니다.

맨 위로 돌아가기 또는

5. 고객평생가치

(고객평생가치 설명. 이미지 출처)

분석은 고객 평생 가치를 추적하는 좋은 방법입니다. 시스템은 개별 고객을 기록 및 추적하고 활성 고객인 시간 동안 지출한 금액을 정확히 보고할 수 있습니다. 여러 유틸리티를 제공하는 CLV(고객 평생 가치)에 대한 특정 사용자 정의 차원이 있습니다.

첫 번째는 개별 고액 지출자를 찾을 수 있다는 것입니다. 전자 상거래 기계 학습 기술은 이러한 고객에 대한 많은 데이터를 생성할 수 있습니다. 구매 유형과 구매 빈도를 추적하면 고객을 위한 특별 거래를 맞춤화하거나 특정 교차 판매 또는 상향 판매 거래를 제안할 수 있습니다.

두 번째는 고객 확보 비용을 평생 지출과 비교하여 측정할 수 있으며 데이터에서 고객의 수익성을 정확히 확인할 수 있다는 것입니다. CLV 데이터는 때때로 직장에서 파레토 원칙 또는 80/20 원칙을 가리킬 수 있습니다. 이는 20%의 고객이 수익의 80%를 제공한다는 것을 의미합니다.

아마도 CLV 추적의 가장 큰 장점은 이미 많이 주는 고객에게서 더 많은 것을 얻거나 적게 주는 고객을 확보하는 비용을 줄이는 것입니다.

맨 위로 돌아가기 또는

6. 기술적 세부 사항

(위치 및 추천 예시. 이미지 출처)

맞춤 측정기준으로 추적할 수 있는 기술 세부정보가 많이 있습니다.

여기에는 기본적으로 인터넷에서 고객이 어디에서 왔는지 추적할 수 있는 리퍼러와 같은 도구가 포함됩니다. 예를 들어, 대부분의 사람들이 '최고의 아마존 재고 관리 소프트웨어'를 검색하여 재고 관리 소프트웨어 판매 페이지를 방문한다면 이 마케팅 전략이 효과가 있다는 것을 알게 될 것입니다.

또한 타임스탬프가 포함되어 있어 고객이 사이트에서 보내는 시간과 어느 부분에서 보내는지에 대한 일반 데이터를 찾을 수 있습니다. 이는 전자 상거래 소매업체에 특히 유용할 수 있습니다. 예를 들어 Facebook 광고의 트래픽이 사이트에서 빠르게 이탈하는 경향이 있음을 발견할 수 있습니다.

이는 해당 캠페인의 방문 페이지에 문제가 있거나 해당 페이지와 초기 광고 간의 연결이 끊어졌음을 시사합니다. 청중에게 이상적인 제품을 홍보하고 있는지, 방문 페이지가 적절하게 최적화되어 있는지 확인하십시오.

맨 위로 돌아가기 또는

7. IP 및 위치

Google Analytics가 추적하는 데 도움이 되는 한 가지 측정기준은 사이트 사용자의 인터넷 프로토콜 주소입니다. 이것은 오래전부터 가능했지만 사용자 정의 치수를 사용하면 더 많은 정보를 기록할 수 있습니다.

우리는 사람이 살고 있는 도시의 일부를 포함하여 IP에서 매우 지역화된 데이터를 얻을 수 있습니다. 이 차원을 추적하는 목적은 특정 지역이 주어진 시간에 무엇인지 확인하는 것입니다.

이러한 방식으로 Analytics를 사용하여 특정 지역의 사람들이 탐색만 하는지 아니면 구매하는지, 구매하는 제품 유형 및 고객 여정에 대한 기타 정보를 확인할 수 있습니다.

특정 지역의 사람들이 특정 제품을 찾고 있다는 것을 알 수 있으므로 해당 지역에 마케팅 노력을 집중할 수 있습니다. 또는 일부 제품(예: 두꺼운 겨울 코트 제품군)이 한 지역(예: 극북)의 고객에게만 판매되는 경우 해당 라인의 모든 마케팅을 해당 지역의 고객에게 집중할 수 있습니다.

또한 각 고객의 출처를 확인하고 대부분의 방문에 기여한 출처를 추적할 수 있습니다.

맨 위로 돌아가기 또는

Google 애널리틱스에서 맞춤 측정기준을 설정하는 방법

이제 온라인 상점이 Google Analytics를 통해 추적할 수 있는 유용한 맞춤 측정기준의 배열을 알게 되었으며 이를 수행하는 방법을 알고 싶을 것입니다. 다행히 Analytics는 사용자 친화적으로 설계되었으므로 맞춤 측정기준을 설정하는 것은 매우 간단합니다.

1. Google Analytics 계정에 로그인하고 관리 버튼을 클릭합니다.
2. 맞춤 측정기준을 추적하려는 속성으로 이동하여 속성 열을 찾습니다.
3. 해당 열에서 맞춤 정의를 선택한 다음 맞춤 측정기준을 선택합니다.
4. 새 맞춤 측정기준을 클릭한 다음 이름을 지정합니다. 차원을 설정한 후에는 여러 차원을 구별해야 할 수 있으므로 고유한 것이 권장됩니다.
5. 화면 지침에 따라 범위(적중 수준, 세션 수준 등)와 같은 항목을 선택하여 새 맞춤 측정기준에서 추적할 항목을 선택합니다.
6. 활성 상자를 선택하여 맞춤 측정기준에 대한 데이터 수집을 바로 시작합니다. 일부 관련 데이터를 사용할 수 있게 되면 Analytics 보고서에서 새 측정기준을 사용할 수 있게 됩니다.

데이터는 왕이다

지능형 자동화가 증가하는 세상에서 데이터를 자동으로 수집, 추적 및 정렬하는 기업에서 사용할 수 있는 도구가 점점 더 중요해지고 있습니다.

고객을 이해하는 방법은 이제 고객에게 개별적으로 묻는 것보다 고객의 행동을 추적하고 집계하는 것이지만 물론 도움이 될 수 있습니다. Google Analytics 맞춤 측정기준은 현재와 잠재 고객 모두에 대한 환상적인 전체 스냅샷을 제공합니다.