20260731_GA4&빅쿼리로 제품을 사람들이 어떻게 받아들이는지 인사이트 얻기

주요실습->GA4&빅쿼리로 심기 [목차]

어제에 이어 커스텀 이벤트 만들기 & 심기 실습
데이터스튜디오 ( 구/루커 스튜디오)
빅쿼리 개념 이해
GCP 개념 이해
빅쿼리의 쿼리 실습 -> 대시보드로 만들기
무신사 이벤트 역설계 실습

GA4: 신기능에 대해 데이터기반 의사소통을 해야만 한다. 이 때 활용할 수 있는 것이 GA4

[tistory에서 html모드로 장바구니 버튼추가]

![[20260731_장바구니버튼만들기.PNG]] GTM에서 트리거를 먼저 만들고 -> 트리거 상 click classes 에서 값 확인하기 ![[20260731_2_장바구니트리거 변수확인.PNG]]

tag에서 새로 만들기로 확인하기 !! 측정 ID는 GA에서 가져오기 : G-3LM8D9X0M0 이벤트 이름은 GA4상 보고서에 보이는 이벤트이름 상단에 있는 태그 이름은 GTM상 태그이름

스크롤을 통한 동적 매개변수 구현이 완성됨.

[DATA Studio(구 looker studio : 2026 04 변경됨)]

데이터 스튜디오는 : 구글이 제공하는 무료 데이터 시각화 및 대시보드 제작 툴

빅쿼리에서 데이터를 가져오면 데이터로 채팅하기 기능 쓸 수 있는데, 데이터로 채팅하기 기능은 유료다.

데이터 스튜디오 핵심은 차트 추가

X축에는 디멘션 메트릭에는 반드시 숫자로 Y축에 들어가게 해야함!

다만!!! 마케터가 아니라면 PM단에서는 이제는 데이터스튜디오를 많이 쓰진 않는다 > **이제는 바로 빅쿼리로 가져오게 해서 걸어두고 데이터가 들어오도록 해서 보고서를 확인하는 정도==**

**google cloud platform **란?!! -> 구글이 자사 서비스를 운영하기 위해 구축한 컴퓨터 인프라를 일반 기업이나 개인에게 대여해 주는 서비스 GCP 생태계는 거대한 디지털 공장 ->구글의 생태계 gcp(구글ai)를 심장으로 해서 data, creativity, devs, cloudsystem, browser, workspace 등

*collab 은 파이썬을 활용할 수 있는 공간 tensorflow는 physical 쪽 cloud에 보관하는 부분에 firebase, bigquery 쪽이 포함되긴 하지만 bigquery는 최상단의 도서관 index되도록 하는 생태계가 vertex 구글 생태계 전반이 GCP * [BIG Query] AI에게 학습을 시킬 수 있음 페타바이트(PB)급 대용량데이터를 초단위로 분석할 수 있는 클라우드 기반의 완전 관리형 서버리스 데이터 웨어하우스(DW) SQL만 입력하면 수억개의 데이터를 순식간에 찾아준다

빅쿼리는 구글서버가 동시에 움직여 책을 3초만에 찾아줌

BIG Query의 특징은 내가 관리할 서버가 없다 -> 컴퓨터나 서버를 따로 살 필요 없고 인터넷으로 로그인해서 쓰면 끝이고

-검색한 만큼만 돈을 냄 입장료는 무료, 데이터 크기 만큼만 돈을 낸다 그 데이터를 기반으로 검색할때만 시킨양 만큼만 돈을 낸다.

엑셀은 데이터가 100만줄만 넘어가도 안 켜지지만 빅쿼리는 100억줄도 끄덕없음.->고성능

query는 데이터베이스(빅쿼리 등)에 보내는 "질문"이나 명령임.

ex.쇼핑몰 필터에 필터문을 거는 것도 쿼리문이 들어가는 것. 필터를 켜는 순간 쿼리문이 작동하는 것 20대 여성, 원피스, 낮은 가격순 클릭->데이터베이스에 쿼리를 보내는 것.

최소한의 쿼리로 뽑아오는 것이 ai 이전에는 중요했는데, query 작성능력이 매우 중요한 능력이었으나 ai 이후에는 가장 효율적인 쿼리를 바로 짜주는 수준이 되었기 때문에.

ex. 내 명령(쿼리) : “전체 회원 테이블에서, 나이가 20세 이상인 회원들의, 이름과 연락처만 뽑아서 보여줘.”

실제 컴퓨터 언어(sql 쿼리) : select 이름, 연락처 from 회원테이블 where 나이>=20

[bigquery 써보기]

SELECT
  start_station_name,
  start_station_latitude,
  start_station_longitude,
  ST_GEOGPOINT(start_station_longitude, start_station_latitude) AS geo_location,
  COUNT(*) AS num_trips
FROM
  bigquery-public-data.new_york.citibike_trips
GROUP BY
  1,
  2,
  3
ORDER BY
  num_trips DESC
LIMIT
  100;

순서를 group by로 가져와라

저장을 해서 다시 불러와서 계속 다시 조회를 안해도 되도록 함(저장)

[Ecommerce data 통해 일별 사용자수와 구매건수 데이터 확인하기] SELECT
  PARSE_DATE(‘%Y%m%d’, event_date) AS dt,
  COUNT(DISTINCT user_pseudo_id) AS users,
  COUNTIF(event_name = ‘purchase’) AS purchases
FROM bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*
WHERE _TABLE_SUFFIX BETWEEN ‘20201201’ AND ‘20201231’
GROUP BY dt
ORDER BY dt;

현업에서는 이 데이터를 aistudio보다는 claude code로 많이 사용(혹은 gpt)

프롬프트:
아래는 GA4 이커머스 데이터를 BigQuery에서 집계한 결과다.
이 데이터를 인라인으로 포함한 대시보드를 만들어줘.

조건:

Chart.js를 CDN으로 불러올 것
상단에 총 사용자 수와 총 구매 건수를 큰 숫자 카드로 배치
일별 추이는 선 그래프
한국어 라벨 사용
외부 API 호출이나 파일 읽기는 하지 말 것 (데이터는 코드 안에 직접 넣을 것)

[bigquery에서 구매퍼널 데이터 뽑아내기]

유입 데이터를 막대그래프로 확인해줘

[ecommerce data 통해 유입매체별 사용자데이터 확인하기] SELECT traffic_source.medium AS medium, COUNT(DISTINCT user_pseudo_id) AS users FROM bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_* WHERE _TABLE_SUFFIX BETWEEN ‘20201201’ AND ‘20201231’ GROUP BY medium ORDER BY users DESC LIMIT 20;

유입매체정보를 도넛차트로 대시보드에 추가해줘

데이터전략을 어떻게 쓰는가** **데이터 견해를 어떻게 가지고 있고** **페이지마다 이벤트를 어떻게 잘 설계할 수 있을까?

가 중요!!!! 이벤트설계하기 비즈니스 목표 → 답해야 할 질문 → 그 답을 얻기 위한 이벤트/파라미터 [GOOGLE GSM Framework] 목표기반의 데이터 지표 설정 ux디자인 분야에서도 비즈니스 목표를 나타낼때 활용 ***[AARRR 프레임워크]** **미국의 액셀러레이터 활용하는** **데이터분석기법**

**획득 - 활성화 - 매출- 리텐션 - 추천**

이 중 GSM 프레임워크활용해서 실습

=>[무신사 사례에서 GA 어떻게 심었는지 확인하기]

무신사 접속 개발자 도구 켜기 윈도우 F12, 맥 Cmd + Option + I

Network에 v=2로 켜면 어떤 ga 붙였는지 모두 확인가능 무신사 추천 페이지의 전체 GA4 수집 구조를 네트워크 발생 순서대로 낱개 요청 단위로 펼쳐서 보여드립니다.

이 구조는 **[1. 페이지 정보 설정] → [2. 메뉴 목록 전송] → [3. 콘텐츠 노출 추적]**의 흐름을 따릅니다.

1단계: 페이지 로드 및 기본 정보 (Sequence 1)

| 발생 순서 | 이벤트명(en) | 파라미터(ep) Key: Value | 설명 | | :--- | :--- | :--- | :--- | | 1 | page_view | page_hostname: www.musinsa.com
page_id: /main/musinsa/recommend
gender_filter: A
mss_version: 2.0 | 사용자가 추천 페이지에 진입했음을 알리고 기본 성별 필터 정보를 수집함 |

2단계: 상단 네비게이션 메뉴 노출 (Sequence 2 ~ 12)

상단 메뉴(main_navi)의 각 탭이 화면에 그려질 때마다 하나씩 개별적으로 전송됩니다.

3단계: 메인 배너 및 퀵메뉴 콘텐츠 노출 (Sequence 13 이후 전체)

실제 사용자의 화면에 보이는 배너들과 퀵메뉴 아이콘들이 로드되는 시점에 개별 발생합니다.

분석 핵심 요약 (구조적 특징)

동일 이벤트의 반복: 무신사는 배너 하나하나를 impression_content라는 동일한 이벤트로 수집하되, section_name과 index 파라미터로 영역을 구분합니다.
개인화 추적 필드: 배너 관련 모든 요청에는 ep.ab_bucket과 ep.ab_props가 포함되어 있어, 현재 사용자가 어떤 추천 엔진 알고리즘(예: random, personalized)의 영향을 받았는지 구조적으로 기록합니다.
지연 발생(Lazy Load): Sequence 13번 이후의 데이터는 페이지 로드 시 한꺼번에 찍히지 않고, 사용자가 화면을 내려서 해당 콘텐츠가 실제 눈에 보일 때 순차적으로 발생합니다.

회고 : 어떤식으로 event를 붙이는지 알 수 있었음

Quartz 5

Explorer

20260731_GA4&빅쿼리로 제품을 사람들이 어떻게 받아들이는지 인사이트 얻기

1단계: 페이지 로드 및 기본 정보 (Sequence 1)

2단계: 상단 네비게이션 메뉴 노출 (Sequence 2 ~ 12)

3단계: 메인 배너 및 퀵메뉴 콘텐츠 노출 (Sequence 13 이후 전체)

분석 핵심 요약 (구조적 특징)

Graph View

Table of Contents