MEASURE
Landing View, CTA Click, Contact View, Generate Lead 측정
MOON
AI B2B · SEOULSELECTSTARGrowth Marketer현재 역할
디자인팀장 → 마케팅 팀장 → 신사업개발실 마케팅 매니저 → Growth Marketer
추가 프로젝트 · FUNNEL ANALYSIS · BEHAVIOR ANALYTICS
Contact
Conversion
GA4의 정량 데이터와 Microsoft Clarity의 행동 데이터를 함께 사용해 문의 페이지의 전환 방해 요소를 찾고 개선 실험을 준비하는 분석 체계를 구축했습니다.
01
문제
비즈니스 배경
이탈은 보였지만,
왜 떠나는지는 알 수 없었습니다.
문의는 발생하고 있었지만 랜딩 페이지 이탈률이 높았고, 집계 지표만으로는 사용자가 어디에서 망설이거나 전환을 포기하는지 설명하기 어려웠습니다.
높은 이탈행동 원인 불명확개선 우선순위 부재
가설
페이지별 스크롤, 클릭, 세션 행동을 전환 데이터와 함께 보면 문의를 방해하는 요소를 발견하고 근거 있는 개선 가설을 세울 수 있다.
02
전략
시스템 설계
정량 지표에
행동의 맥락을 더했습니다.
퍼널 단계를 측정하고, 같은 페이지에서 사용자가 실제로 무엇을 보고 클릭했는지 확인해 개선 후보를 찾는 구조로 설계했습니다.
OBSERVE
세션 리플레이와 히트맵으로 실제 탐색 행동 확인
DIAGNOSE
Dead Click, 스크롤 이탈, CTA 도달 여부 분석
EXPERIMENT
행동 근거를 바탕으로 개선 우선순위와 실험 가설 정의
03
실행
직접 실행한 범위
퍼널과 행동 데이터를
같은 분석 흐름으로 연결했습니다.
Funnel instrumentation
페이지 조회부터 CTA 클릭과 문의 완료까지 핵심 전환 단계를 GA4·GTM으로 측정했습니다.
Behavior layer
Microsoft Clarity를 도입해 세션 리플레이, 히트맵, 스크롤 깊이를 확인할 수 있게 했습니다.
Friction analysis
Dead Click과 낮은 CTA 도달, 특정 구간 이탈처럼 정량 지표만으로 보이지 않던 마찰을 분석했습니다.
Optimization backlog
발견한 행동 패턴을 페이지 카피, 정보 순서, CTA 배치 개선 후보로 정리했습니다.
04
성과
비즈니스 임팩트
성과를 단정하기 전에,
전환 원인을 볼 수 있게 했습니다.
01페이지별 랜딩–CTA–문의 퍼널 측정 체계 구축
02스크롤 깊이·세션 리플레이·히트맵·Dead Click 행동 데이터 확보
03전환 저해 요소를 근거로 개선 가설을 세울 수 있는 분석 기반 마련
현재 측정과 분석이 진행 중인 프로젝트입니다. 문의 전환율 개선 수치는 충분한 실험 데이터가 확보된 뒤 검증할 예정이며, 현재 단계에서는 개선 성과를 주장하지 않습니다.
배운 점
- GA4의 정량 데이터만으로는 사용자가 전환하지 않은 이유를 설명하기 어렵습니다.
- 세션 리플레이와 히트맵은 전환 지표에 행동의 맥락을 더합니다.
- 개선안을 만들기 전에 측정 기준과 비교 가능한 상태를 먼저 구축해야 합니다.