전환율 36% 차이를 만든 조건? SQL로 찾아냈어요

Conversion differences you can’t see in GA4 — revealed through SQL insights

💡 이 글에서는 다음 내용을 확인할 수 있어요.

마케팅 데이터 지표는 좋은데 전환율은 왜 낮을까?
GA4로 보는 전환 흐름은 어떤 모습일까?
GA4의 한계에 따른 SQL의 가능성
실무 사례: 회원가입 여부에 따른 구매 전환율 차이
데이터 분석을 전략으로 연결하는 SQL 활용
SQL 실습의 필요성
데이터 드리븐 마케팅의 완성: SQL 활용의 중요성

마케팅 데이터 지표는 좋은데 전환율은 왜 낮을까?

마케팅 데이터 지표가 좋아 보이는데도 최종 구매 전환율이 낮은 경우가 많아요. 마케터들이 자주 겪는 고민이죠. GA4에서는 퍼널의 전체 흐름은 보여주지만, 어떤 조건에서 구체적으로 이탈하는지를 정확히 알기는 어려워요. 예를 들어, 사용자가 광고를 클릭하고 장바구니에 담는 건 확인할 수 있지만, 회원가입 여부나 신규/재방문 여부에 따라 이탈률이 어떻게 달라지는지는 명확하지 않아요.

실제로 사용자가 장바구니 추가 후 왜 구매하지 않았는지, GA4 데이터만으로는 구체적인 원인을 파악하기가 어려워요. 이 문제를 해결하려면 행동과 조건을 조합한 좀 더 세부적인 분석이 필요해요.

GA4로 보는 전환 흐름은 어떤 모습일까?

GA4는 초보 마케터나 전환 퍼널의 전체 흐름을 시각적으로 빠르게 파악하고 싶은 실무자에게 유용해요. 직관적인 리포트 구성과 자동 집계된 지표 덕분에, 별도의 설정 없이도 유입 채널 → 이벤트 발생 → 구매까지의 흐름을 한눈에 볼 수 있죠.

GA4에서도 퍼널 기반 전환 분석이 가능해요. 예를 들어 ‘트래픽 획득’ 보고서에서는 유입 채널별 방문 데이터를 확인할 수 있고, ‘이벤트’ 보고서에서는 사용자가 어떤 행동(예: CTA 클릭, 장바구니 담기, 구매 등)을 했는지 시계열 흐름을 볼 수 있어요. 또한 '전환 퍼널 탐색' 기능을 통해 사용자가 어떤 경로로 유입되어 어떤 단계에서 이탈했는지도 시각적으로 확인할 수 있죠.

하지만 이 분석은 대부분 전체 사용자 기준이거나, 사전에 정의된 조건을 기반으로만 가능해요. 예를 들어 '회원가입을 한 사용자와 하지 않은 사용자 중 누가 더 많이 이탈했는가?' 같은 질문에는 즉각적인 답을 주지 못해요. 이런 조건별 분기와 비교 분석은 GA4의 기본 기능만으로는 어렵고, 별도의 맞춤 이벤트 정의나 세그먼트 설정을 반복적으로 해야 해요.

그래서 데이터에 대해 잘 알지 못하는 마케터 입장에서는 "퍼널 흐름은 보이는데, 왜 이탈했는지는 알 수 없다"는 한계를 느끼게 되는 거예요. 이 지점에서 SQL이 강력한 분석 도구로 떠오르는 이유이기도 해요.

GA4의 한계에 따른 SQL의 가능성

SQL로 조건을 세분화한 정확한 분석

GA4의 한계를 해결할 수 있는 것이 SQL이에요. SQL은 데이터를 다양한 조건으로 세부적으로 나누어 명확하게 분석할 수 있는 도구죠. 회원가입 여부에 따라 전환율이 얼마나 차이가 나는지, GA4에서 알 수 없었던 정확한 수치를 SQL을 통해 확인할 수 있어요.

SQL 분석은 아래와 같은 쿼리 방식으로 조건별 전환율을 구체적으로 비교할 수 있어요:

이 쿼리는 회원가입 여부를 기준으로 각 사용자 그룹의 전환율을 정확히 보여줘요. GA4의 한계를 극복하는 실무적인 도구인 셈이죠.

실무 사례: 회원가입 여부에 따른 구매 전환율 차이

SQL을 활용해야 하는 이유에 대한 이해를 돕기 위해 한 가지 분석 사례를 들어볼게요. 이 분석을 시작하게 된 배경에는 실무 마케터들이 자주 하는 다음과 같은 의문이 있었어요.

“GA4에서 유입 채널과 퍼널 흐름은 볼 수 있는데, 왜 전환율이 낮은지 설명할 수가 없어요.”
“장바구니까지는 잘 오는데, 어떤 사용자들이 빠지는지 잘 안 보여요.”

실제로 GA4의 퍼널 시각화 기능은 유입부터 구매까지의 흐름을 보여주지만, 조건별로 분기해서 누가 어디서 이탈했는지를 구체적으로 알기는 어려워요. 예를 들어 '회원가입을 했는지 여부'에 따라 구매 전환율이 얼마나 차이 나는지 GA4만으로는 보기 어렵죠. 그래서 다음과 같은 가설을 세웠어요:

“회원가입을 완료한 사용자는 미가입 사용자보다 구매 전환율이 높을 것이다.”

이 가설을 SQL로 검증하기 위해 먼저 분석 기준을 설정했어요. 전체 사용자 중에서도 CTA 클릭이나 장바구니 담기까지 진행한 사용자를 분석 대상으로 좁혔어요. 단순 방문자보다 구매 의도를 드러낸 사용자군에 집중해야 전환율 개선의 실마리를 찾을 수 있기 때문이에요.

그다음 구매 여부에 따라 두 그룹으로 나눈 뒤, 회원가입을 했는지 여부를 기준으로 세분화했어요. 이때 사용한 쿼리는 다음과 같아요. (쿼리는 예시를 위해 재구성된 것이며, 실제 데이터는 포함되어있지 않습니다.)

WITH purchase_users AS (
  SELECT user_pseudo_id
  FROM events
  WHERE event_name = 'purchase'
),
non_purchase_users AS (
  SELECT DISTINCT user_pseudo_id, user_id
  FROM events
  WHERE event_name IN ('add_to_cart', 'cta_click')
    AND user_pseudo_id NOT IN (SELECT user_pseudo_id FROM purchase_users)
)
SELECT
  CASE WHEN user_id IS NOT NULL THEN 'member' ELSE 'non_member' END AS is_signup,
  COUNT(*) AS user_count,
  ROUND(100 * COUNT(*

쿼리 해석

위 쿼리는 먼저 구매를 완료한 사용자 집합(purchase_users)을 정의하고, 그 외 CTA 클릭 혹은 장바구니에 담기까지 했지만 구매하지 않은 사용자들을 non_purchase_users로 분리해요. 이후 이 미구매 사용자들을 회원가입 여부(user_id의 존재 여부) 기준으로 그룹을 나눠 각각의 사용자 수와 비율을 계산하죠.

이런 방식으로 분석하면 단순히 퍼널 흐름을 보는 게 아니라, 실제 행동을 한 사용자 중 어떤 조건에서 전환이 잘 안 되는지를 정량적으로 파악할 수 있어요. 이는 단순히 GA4에서 퍼널 단계의 이탈 수치를 보는 것과는 다른, 훨씬 구체적이고 전략적인 인사이트예요.

즉, 이 쿼리는 사용자가 어떤 행동을 했고, 그 행동이 구매까지 이어졌는지를 명확히 구분해주는 구조예요. 특히 회원가입을 했는지 여부를 기준으로 그룹을 나누기 때문에, 단순한 구매 유무가 아니라 조건에 따른 차이를 구체적으로 비교할 수 있어요. GA4가 보여주는 건 퍼널의 전체 흐름에 가까운 '경로'인 반면, SQL은 사용자 속성별로 행동을 분석해서 원인과 맥락까지 드러내는 도구인 거예요.

이 분석을 통해 회원가입한 사용자의 구매 전환율이 회원가입을 하지 않은 사용자보다 약 36%포인트나 높다는 사실을 발견했어요. 이 인사이트는 실무 전략 수립에 바로 연결될 수 있어요. 분석 결과를 바탕으로 어떤 상황에서 어떤 마케팅 수단을 적용할 수 있는지를 구체적으로 설계할 수 있죠.

예를 들어:

전환율이 낮은 비회원 사용자군을 대상으로 회원가입 유도 팝업을 띄우고,
장바구니 단계에서는 ‘회원가입 시 할인’ 메시지를 통해 가입을 유도하고,
구매 이탈 사용자에게는 이메일, 푸시 알림, 리타겟팅 광고 등을 활용해 재방문을 유도하는 등,

단계별로 실질적인 액션을 설계할 수 있는 근거로 활용돼요. 단순히 퍼널의 이탈률 수치만 보고 "많이 빠졌다"는 수준에서 끝나는 게 아니라, 어떤 조건에서 이탈했는지를 세분화해 본 덕분에 타겟팅 전략까지 연결할 수 있었던 거죠. 이 분석 결과는 곧바로 회원가입 유도 전략, 비회원 리타겟팅 캠페인, 장바구니 페이지 개선 등 다양한 액션 아이디어로 확장될 수 있어요.

데이터 분석을 전략으로 연결하는 SQL 활용

마케터들이 데이터를 분석하는 진짜 이유는 그 분석을 바탕으로 구체적인 전략을 세우기 위해서예요. SQL로 분석한 결과를 보고 "회원가입한 사용자의 전환율이 훨씬 높네?"라고만 끝나는 것이 아니라, 이 데이터를 기반으로 회원가입 프로세스를 어떻게 개선할지 구체적인 액션을 취할 수 있어요.

예를 들어:

회원가입 혜택을 강화해 가입을 적극적으로 유도해보자
가입 절차를 간단히 해서 이탈률을 낮춰보자
비회원 사용자에게는 리타겟팅 광고로 회원가입을 촉진해보자

이렇게 명확한 근거를 가지고 전략을 짤 수 있는 것이 SQL 분석의 큰 장점이에요.

SQL 실습의 필요성

많은 마케터들이 이렇게 말해요.

😂 “데이터팀에 퍼널 나눠서 봐달라고 요청했는데, 기다려야 해서 비효율적이에요.”

😞 “직접 SQL을 배워서 퍼널을 쪼개보고 싶은데, 어디서부터 시작해야 할지 모르겠어요.”

실제로 퍼널을 조건별로 세분화해서 보고 싶은 순간은 많은데, 분석 권한이 없어서 실행에 옮기지 못하는 경우가 많아요. GA4만으로는 그 한계를 느낄 수 밖에 없고요. 그래서 마케터가 SQL을 실습 형태로 익히는 건 단순한 학습을 넘어 실무 전략의 주도권을 되찾는 일이에요. 텀타의 SQL 실무 프로젝트 강의에서는 이런 분석을 직접 해볼 수 있어요: