구글 애널리틱스(검색마케팅 웹 분석 시리즈)

◈ 이 책에서 다루는 내용 ◈
◆ 구글 클라우드가 GA4와 통합되는 방식
◆ GA4 통합으로 가능한 잠재적 사용 사례
◆ GA4 통합에 필요한 기술 및 리소스
◆ 사용 사례를 구현하는 데 필요한 GA4 데이터 캡처의 양
◆ 데이터 저장, 모델링 및 활성화에 이르는 전략에서 데이터 흐름을 설계하는 프로세스
◆ 비즈니스 요구에 맞게 사용 사례를 조정하는 방법


◈ 이 책의 대상 독자 ◈
이 책을 읽고 있다면 디지털 분석 환경을 가진 디지털 마케터일 가능성이 높다. 전자상거래 브랜드나 웹 퍼블리셔와 같은 대행사 또는 디지털 마케팅 부서에서 일하고 있을 수 있다. 유니버설 애널리틱스에서 GA4로 업그레이드하는 것을 고려 중이거나 이미 전환해 고급 기능을 사용하려고 할 수 있다. 이 책의 목표는 기술 지식이 없는 독자에게 가능한 것에 대해 영감을 주고, 기술적인 독자가 책 내에서 사용 사례를 구현하고 기본 구성 요소를 사용해 자신만의 맞춤형 통합을 만들 수 있게 충분한 실용적인 정보를 제공하는 것이다.
디지털 마케팅 분야에서 1~2년의 경험으로 습득할 수 있는 기본 사항을 넘어 GA4의 통합 기능에 대해 교육하는 것이 이 책의 목표다. 독자는 웹 사이트에서 태그를 구현하거나 기본 GA 보고서를 읽는 데 익숙할 것이다. 더 많은 기술 사용자는 구글 API를 사용한 경험과 자바스크립트, 파이썬, R, SQL 지식 및 클라우드 경험이 있을 수 있다.
이 책은 GA4 기능을 전체적으로 정리하지 않았다. 대신 구글 클라우드 플랫폼(Google Cloud Platform)을 사용해 GA4 구현에서 비즈니스 가치를 추출하고자 현재 할 수 있는 일에 초점을 맞춘다.

◈ 옮긴이의 말 ◈
구글 애널리틱스(GA, Google Analytics)는 웹 사이트나 모바일 앱 방문자들의 행동과 상호작용을 추적하고 분석하는 디지털 분석 도구입니다. GA를 통해 다양한 데이터를 수집하고 이를 시각적으로 표현하면 웹 사이트의 성과를 평가하고 개선하는 데 도움을 줍니다. GA가 다른 분석 플랫폼에 비해 갖는 장점은 구글 마케팅 플랫폼(GMP, Google Marketing Platform)과 잘 어울린다는 것입니다. 구글의 검색, 디스플레이, 쇼핑, 동영상, 앱 광고 등을 관리하는 구글 애즈(Google Ads) 또는 다른 디지털 마케팅 미디어 도구를 사용하는 경우 GA는 미디어 활성화 프로세스의 소스이자 허브가 됩니다. GA의 설정을 통해 구글의 다른 제품과 연결하고 잠재 고객 및 전환 데이터를 공유할 수도 있습니다.
GA의 기존 버전인 유니버설 애널리틱스(Universal Analytics)와 다른 새로운 버전의 구글 애널리틱스인 GA4(Google Analytics 4)는 디지털 마케팅 분석에 사용할 수 있는 가장 최신 데이터 모델입니다. GA4는 단순히 데이터를 분석하는 것이 아니라 분석 결과에 따라 조치를 취할 수 있습니다. 예를 들어 잠재 고객 기능은 사용자를 분류하고 리마케팅, 타겟팅, A/B 테스트, 개인화를 위한 잠재 고객을 만들 수 있습니다. GA4의 가장 큰 장점은 샘플링되지 않은 원시 데이터를 빅쿼리(BigQuery)로 무료로 내보낼 수 있다는 것입니다.
빅쿼리는 GA 또는 GMP 전용이 아닌 구글 클라우드 데이터 웨어하우스입니다. 빅쿼리를 사용하면 GA 데이터뿐만 아니라 소유하고 제어하는 모든 데이터를 데이터 웨어하우스로 내보낼 수 있습니다. 데이터가 구글 클라우드에 있으면 자유롭게 다른 데이터베이스로 보내고, 구글 애널리틱스 외부의 데이터와 통합하고 다른 도구에서 고급 리포팅을 수행할 수 있습니다. 빅쿼리는 고급 데이터 조작을 가능하게 하며 데이터 통합 문제 및 교차 플랫폼 데이터 수정에 탁월합니다.
GA4를 빅쿼리와 통합하면 세분화된 데이터를 GA4에서 빅쿼리로 원활하게 전달할 수 있습니다. 따라서 원하는 방식으로 데이터를 분석하고 원하는 기간 동안 데이터를 보관하며 다른 데이터 소스를 가져와 웹 분석을 강화할 수 있습니다. 이처럼 GA4와 구글 클라우드 통합은 웹 사이트에서 단순히 무슨 일이 일어났는지 리포팅하는 것이 아니라 더 많은 데이터 활성화를 가능하게 해 모든 스트림에서 온라인 및 오프라인 데이터를 연결해 엔드투엔드(End-to-End) 마케팅 데이터를 제공합니다.
GA4와 빅쿼리 통합이 복잡한 데이터를 어떻게 단순화하고 마케팅 캠페인을 위한 실행 가능한 통찰력을 얻는 데 도움이 되는지 안내하는 책입니다. 또한 GA4와 구글 클라우드가 통합되는 방식과 이에 필요한 기술 및 리소스, 사용 사례에 대해 설명합니다. 독자는 GA4와 구글 클라우드의 통합을 위한 데이터 흐름을 설계하는 프로세스를 알게 됨으로써 데이터에 기반을 둔 디지털 마케팅의 미래를 준비하게 될 것입니다.

1장. 새로운 구글 애널리틱스
__GA4 소개
____모바일과 웹 분석의 통합
____파이어베이스와 빅쿼리: 클라우드로의 첫걸음
____GA4 배포
____유니버설 애널리틱스와 GA4 비교
__GA4 데이터 모델
____이벤트
____맞춤 매개변수
____전자상거래 항목
____사용자 속성
__구글 클라우드 플랫폼
____관련 GCP 서비스
____코딩 기술
____GCP에 온보딩
____서버리스 피라미드 위로 이동
____GCP 소개 마무리
__사용 사례 소개
____사용 사례: 예측 구매
____사용 사례: 잠재 고객 세분화
____사용 사례: 실시간 예측
__요약


2장. 데이터 아키텍처와 전략
__목표 달성을 위한 환경 조성
____이해관계자 동의
____우주선 문제를 피하기 위한 사용 사례 중심 접근 방식
____비즈니스 가치 입증
____디지털 성숙도 평가
____사용 사례의 우선순위 지정
__기술적 요구 사항
__데이터 수집
__데이터 스토리지
__데이터 모델링
____모델 성능 대비 비즈니스 가치
____데이터의 최소 이동 원칙
____정보 출력에 대한 원시 데이터 입력
____데이터 과학자/모델러 지원
____모델 KPI 설정
____모델링의 최종 위치
__데이터 활성화
____대시보드가 아닐 수도 있다
____최종 사용자와의 상호작용
__사용자 프라이버시
____사용자 프라이버시 선택 존중
____설계에 의한 프라이버시
__유용한 도구
____gcloud
____버전 관리/깃
____통합 개발자 환경
____컨테이너(도커 포함)
__요약


3장. 데이터 수집
__데이터 사일로 해체
____적은 것이 더 많은 것
____데이터 스키마 지정
__GA4 구성
____GA4 이벤트 유형
____GTM으로 GA4 이벤트 수집
____사용자 정의 필드 구성
____GA4 이벤트 수정이나 생성
____사용자 속성
____측정 프로토콜 v2
__API를 통해 GA4 데이터 내보내기
____데이터 API로 인증
____데이터 API 쿼리 실행
__빅쿼리
____빅쿼리와 GA4 연결
____GA4 내보내기의 빅쿼리 SQL
____기타 데이터 소스용 빅쿼리
____공개 빅쿼리 데이터 세트
____GTM 서버 사이드
__구글 클라우드 스토리지
____이벤트 기반 스토리지
____데이터 프라이버시
____GCS를 통한 CRM 데이터베이스 가져오기
__깃허브로 클라우드 빌드 CI/CD 설정
____깃허브 설정
____클라우드 빌드에 대한 깃허브 연결 설정
____리포지터리에 파일 추가
__요약


4장. 데이터 스토리지
__데이터 원칙
____정리된 데이터
____다양한 역할을 위한 데이터 세트
__빅쿼리
____빅쿼리를 사용해야 하는 경우
____데이터 세트 구성
____테이블 팁
__Pub/Sub
____GA4 빅쿼리 내보내기를 위한 Pub/Sub 토픽 설정
____GA4 내보내기에서 파티션을 나눈 빅쿼리 테이블 생성
____Pub/Sub에 대한 서버 사이드 푸시
__파이어스토어
____파이어스토어를 사용해야 하는 경우
____API를 통해 파이어스토어 데이터에 액세스
__GCS
__데이터 가져오기 예약
____데이터 가져오기 유형: 스트리밍 대비 예약된 배치 처리
____빅쿼리 뷰
____빅쿼리 예약 쿼리
____클라우드 컴포저
____클라우드 스케줄러
____클라우드 빌드
__스트리밍 데이터 흐름
____스트리밍 데이터용 Pub/Sub
____아파치 빔/데이터플로
____클라우드 펑션을 통한 스트리밍
__사용자 개인정보 보호
____설계에 의한 데이터 프라이버시
____빅쿼리의 데이터 만료
____데이터 손실 방지 API
__요약


5장. 데이터 모델링
__GA4 데이터 모델링
____표준 보고서와 탐색
____기여도 모델링
____사용자와 세션 결정
____동의 모드 모델링
____잠재 고객 생성
____예측 측정 항목
____인사이트
__데이터를 인사이트로 전환
____데이터 결과 범위 지정
____정확도 대비 증분 이점
____접근 방식 선택
____모델링 파이프라인을 최신 상태로 유지
____데이터 세트 연결
__빅쿼리 ML
____빅쿼리 ML 모델 비교
____모델을 프로덕션에 적용
__머신러닝 API
____ML API를 프로덕션에 적용
__구글 클라우드 AI: 버텍스 AI
____버텍스 API를 프로덕션에 적용
__R과의 통합
____기능 개요
____도커
____R 프로덕션
__요약


6장. 데이터 활성화
__데이터 활성화의 중요성
__GA4 잠재 고객과 구글 마케팅 플랫폼
__구글 옵티마이즈
__시각화
____대시보드 활용
____GA4 대시보드 옵션
____데이터 스튜디오
____루커
____기타 타사 시각화 도구
____데이터 기반 의사 결정을 가져오는 집계 테이블
____캐싱과 비용 관리
__마케팅 API 생성
____마이크로서비스 생성
____이벤트 트리거
____파이어스토어 통합
__요약


7장. 사용 사례: 구매 예측
__비즈니스 사례 생성
____가치 평가
____리소스 추정
____데이터 아키텍처
__데이터 수집: GA4 구성
__데이터 스토리지와 개인정보 보호 설계
__데이터 모델링: 잠재 고객을 구글 애즈로 내보내기
__데이터 활성화: 성능 테스트
__요약


8장. 사용 사례: 잠재 고객 세분화
__비즈니스 사례 생성
____가치 평가
____리소스 추정
____데이터 아키텍처
__데이터 수집
____GA4 데이터 캡처 구성
____GA4 빅쿼리 내보내기
__데이터 스토리지: 데이터 세트의 변환
__데이터 모델링
__데이터 활성화
____GTM SS를 통해 GA4 가져오기 설정
____GA4에서 잠재 고객 내보내기
____성능 테스트
__요약


9장. 사용 사례: 실시간 예측
__비즈니스 사례 생성
____필요한 리소스
____데이터 아키텍처
__데이터 수집
____GA4 구성
__데이터 스토리지
____클라우드 런에서 샤이니 앱 호스팅
__데이터 모델링
__데이터 활성화: 실시간 대시보드
____실시간 샤이니 앱용 R 코드
____서비스 계정으로 GA4 인증
____샤이니 앱에 모든 것을 통합
__요약


10장. 다음 단계
__동기 부여: 이 책의 내용을 알게 된 계기
__학습 리소스
____도움 요청
____자격증
__마지막 생각

마크 에드먼슨 (Mark Edmondson)
15년 이상 디지털 분석 분야에서 일해 왔으며, 디지털 분석으로 달성할 수 있는 범위를 확장하는 오픈소스 작업과 블로그를 통해 업계 전반에 걸쳐 기여자로 알려져 있다. 업무를 위해 개발한 googleAnalyticsR 및 googleCloudRunner를 비롯해 Google API를 다루는 여러 R 패키지의 개발자다. 킹스 칼리지 런던(King's College London)에서 물리학 석사 학위를 취득한 후 세계적인 기업과 함께 디지털 마케팅의 모든 분야에서 일했으며, 현재 클라우드, 머신러닝 및 데이터 과학을 사용해 데이터를 정보와 통찰로 전환하는 데 관심을 갖고 있다. 머신러닝, 클라우드 컴퓨팅, 데이터 프로그래밍 등의 개념에 대한 국제적인 연사로 활동하고 있으며, 구글 애널리틱스 및 구글 클라우드의 구글 개발자 전문가(Google Developer Expert) 프로그램의 일원으로 활동하게 된 것을 영광으로 생각한다. 덴마크 코펜하겐에서 아내, 두 자녀, 고양이와 함께 살고 있다.