플러스프로젝트 배경
1) 문제점 Google Merchandise Store의 이커머스 전환율이 낮지만, 구체적인 이탈 지점과 원인이 파악되지 않아 개선 우선순위를 수립하기 어려운 상황이었습니다. 디바이스별·채널별 성과 차이가 있다는 것은 알려져 있으나, 통계적으로 유의미한 차이인지 검증되지 않은 상태였습니다. 2) 프로젝트 목표 BigQuery SQL 분석으로 퍼널 이탈 원인을 규명하고, 코호트 리텐션과 세그먼
프로젝트 성과
최대 이탈 지점 식별
Product View → Add to Cart 단계가 전체 퍼널에서 가장 큰 이탈 구간으로 확인.
상품 상세 페이지 CTA 최적화가 전환율 개선의 최우선 레버리지임을 데이터로 입증.
상품 상세 페이지 CTA 최적화가 전환율 개선의 최우선 레버리지임을 데이터로 입증.
모바일 전환율 격차 통계 검증
Desktop vs Mobile 전환율 차이를 카이제곱 검정으로 p < 0.05 수준에서 검증.
모바일 UX 개선 시 유의미한 추가 매출 기회가 존재함을 수치로 입증.
모바일 UX 개선 시 유의미한 추가 매출 기회가 존재함을 수치로 입증.
구매-리텐션 선순환 구조 발견
주간 코호트 분석에서 구매자의 재방문율이 비구매자 대비 유의미하게 높음을 확인.
첫 구매 유도 인센티브의 LTV 효과를 데이터로 근거화.
첫 구매 유도 인센티브의 LTV 효과를 데이터로 근거화.
5개 우선순위 액션 아이템 도출
모바일 UX, 상품 CTA, 첫 구매 인센티브, VIP 리텐션, Week 1 온보딩 순으로
P0~P2 우선순위 프레임워크 기반 비즈니스 액션 아이템 정리 완료.
P0~P2 우선순위 프레임워크 기반 비즈니스 액션 아이템 정리 완료.
핵심 기능
4단계 이커머스 퍼널 분석
BigQuery SQL로 View→Cart→Checkout→Purchase 전환율을 측정하고,
최대 이탈 구간(View→Cart)과 개선 우선순위를 데이터로 명확히 식별.
최대 이탈 구간(View→Cart)과 개선 우선순위를 데이터로 명확히 식별.
진행 단계
분석 기획
2026.02.
비즈니스 문제 정의, 분석 질문 설계, GA4/UA 데이터 스키마 파악,
퍼널·리텐션·세그먼트 분석 범위 및 검정 방법론 확정.
퍼널·리텐션·세그먼트 분석 범위 및 검정 방법론 확정.
프로젝트 상세
1) 포트폴리오 소개 Google Merchandise Store의 GA4 공개 데이터(수십만 세션, 2016~2017)를 BigQuery SQL로 분석하여 이커머스 전환율 최적화를 위한 5개 핵심 인사이트를 도출한 데이터 분석 프로젝트입니다. 퍼널 이탈 지점 식별, 주간 코호트 리텐션 분석, 디바이스·채널별 세그먼트 비교를 수행하고, 카이제곱 검정과 Z-test로 통계적 유의성까지 검증하여 증
