GA4 + BigQuery로 온라인-오프라인 전환 연결 — 이탈 원인 분석과 리타겟팅
핵심 요약
- 온라인 전환만으로 광고 성과를 평가하면, 오프라인 단계에서 발생하는 실제 이탈을 놓치고 ROAS를 과대평가하게 된다
- 오프라인 이벤트를 API로 온라인 분석 스택(BigQuery 등)에 통합하면, 채널이 달라도 하나의 고객 여정으로 재구성할 수 있다
- 세그먼트·오디언스 설계는 이탈 원인 분석과 분리되지 않아야 한다 — 원인을 알아야 타겟을 좁힐 수 있다
- 미전환 고객에 대한 리타겟팅과 기존 고객에 대한 크로스셀/업셀은 같은 데이터 기반 위에서 동시에 설계할 때 캠페인 효율이 높아진다
무엇이 문제였나
가정용 가전 판매사는 온라인에서 서비스 신청을 완료한 고객이 홈서비스 방문일이나 설치기사 방문 일정 조율에 실패하며 최종 전환(오프라인 설치)까지 이어지지 못하는 경우가 많았다. 온라인 전환 성과와 오프라인 실제 전환 성과 사이에 괴리가 있었지만, 두 데이터가 연결되어 있지 않아 이탈 지점을 특정하거나 정확한 고객 획득 비용·ROAS를 계산하기 어려웠다.
과제
온라인-오프라인으로 이어지는 고객 여정을 하나의 흐름으로 추적할 데이터 파이프라인이 없었고, 최종 전환(오프라인) 기준으로 광고 성과와 ROAS를 재계산할 방법이 필요했다.
접근
- 오프라인에서 발생하는 최종 전환/이탈 이벤트를 API로 수집해 GA4 온라인 데이터와 동일한 저장소(BigQuery)로 통합
- Growth Platform TAM의 Trait 설정으로 세그먼트·오디언스를 정의해 고객군별 행동 특성을 구분
- 온라인-오프라인 통합 데이터를 기반으로 이탈 원인 리포트를 제작하고 리타겟팅 캠페인 설계에 반영
구축 내용
- API로 발생하는 오프라인 전환/이탈 데이터를 BigQuery로 실시간 전송하는 파이프라인 구축
- Growth Platform TAM Trait 기반 세그먼트·오디언스를 생성해 맞춤형 캠페인 타겟팅에 활용
- 오프라인 미전환 고객 대상 리타겟팅 광고와, 기존 고객 대상 크로스셀/업셀 캠페인을 병행 실행
이 사례에서 배울 수 있는 것
- 온라인 전환만으로 광고 성과를 평가하면, 오프라인 단계에서 발생하는 실제 이탈을 놓치고 ROAS를 과대평가하게 된다
- 오프라인 이벤트를 API로 온라인 분석 스택(BigQuery 등)에 통합하면, 채널이 달라도 하나의 고객 여정으로 재구성할 수 있다
- 세그먼트·오디언스 설계는 이탈 원인 분석과 분리되지 않아야 한다 — 원인을 알아야 타겟을 좁힐 수 있다
- 미전환 고객에 대한 리타겟팅과 기존 고객에 대한 크로스셀/업셀은 같은 데이터 기반 위에서 동시에 설계할 때 캠페인 효율이 높아진다
자주 묻는 질문
왜 온라인 전환 데이터만으로는 정확한 ROAS 계산이 어려웠나요?
온라인에서 신청을 완료해도 홈서비스 방문일이나 설치기사 일정 조율에 실패해 실제 오프라인 설치까지 이어지지 못하는 경우가 많았기 때문입니다. 온라인 데이터와 오프라인 실제 전환 데이터가 연결되어 있지 않아 이탈 지점을 특정하거나 정확한 고객 획득 비용과 ROAS를 계산하기 어려웠습니다.
오프라인 이벤트는 어떻게 온라인 데이터와 연결했나요?
오프라인에서 발생하는 최종 전환/이탈 이벤트를 API로 수집해 GA4 온라인 데이터와 동일한 저장소인 BigQuery로 실시간 통합했습니다. 이를 통해 채널이 달라도 하나의 고객 여정으로 재구성할 수 있었습니다.
세그먼트나 오디언스는 어떻게 설계했나요?
Growth Platform TAM의 Trait 설정을 활용해 세그먼트·오디언스를 정의하고 고객군별 행동 특성을 구분했습니다. 이탈 원인 분석과 분리되지 않도록 설계해, 원인을 파악한 뒤 타겟을 좁히는 방식으로 진행했습니다.
리타겟팅은 어떤 방식으로 실행했나요?
오프라인 단계에서 미전환된 고객을 대상으로 리타겟팅 광고를 진행했고, 동시에 기존 고객을 대상으로 크로스셀/업셀 캠페인도 병행 실행했습니다. 두 캠페인 모두 통합된 데이터 기반 위에서 함께 설계해 효율을 높였습니다.