이벤트 택소노미의 정의와 CASE STUDY
앞에서 우리는 ‘이벤트’와 ‘매개변수’가 무엇이고 어떻게 구성되는지를 봤습니다. 이번에는 그 도구를 가지고 실제 데이터를 설계하는 일 — 이벤트 택소노미 자체의 정의와 절차를 짚고, 회원가입·고객 취향 조사 두 가지 사례를 통해 ‘머릿속의 궁금한 것’이 어떻게 이벤트 + 매개변수의 데이터로 옮겨지는지를 따라갑니다.
이벤트 택소노미란?
우리 사이트에는 어떤 이벤트가 필요한지, 또 이벤트 별로 어떤 속성이 들어가야 할지 고민하고, 데이터를 설계하는 작업을 우리는 이벤트 택소노미(Taxonomy)라고 부릅니다. 택소노미란, ‘분류 체계’를 의미하는 용어로서, 생물학에서 생물을 분류하기 위해 자주 사용되었던 단어입니다.
이벤트 택소노미를 만드는 절차는 아래 다이어그램과 같습니다. 일단은 보고 싶은 것이 무엇인지, 궁금한 것이 무엇인지 정의할 필요가 있습니다. 간단한 예시를 통해 살펴봅시다.
CASE STUDY 1 — 회원가입 데이터 설계하기
1궁금한 것 상상하기
이 경우, 마케터인 저는 어느 방식으로 가입하는 비율이 많을까 고민을 시작했습니다. 그래서 머릿속으로 회원가입 방식별로 가입자들의 수를 추후에 시각화된 데이터로 보고 싶은 마음이 들었습니다. 이렇게 궁금한 것에 대한 정의를 마쳤습니다.
| 가입 방식(method) | 가입자 수 | 비율 |
|---|---|---|
| kakao | 5,612 | 56.1% |
| 2,447 | 24.5% | |
| 1,196 | 12.0% | |
| apple | 744 | 7.4% |
2이벤트 이름 정하기
회원가입 이벤트이기 때문에, 회원가입이 발생할 시점에 sign_up이라는 이벤트를 전송하기로 했습니다.
3매개변수 정하기
가입 방식별로 필요한 매개변수를 상상합니다. 그런 다음 프로퍼티를 상상합니다. method라는 가입 방식을 의미하는 매개변수(임의로 지어 준 이름)를 배치하고, 그에 맞게 value가 들어갈 것을 상상합니다.
sign_up 이벤트에 method라는 매개변수를 붙이고, 그 값으로 google·kakao·apple·email 중 하나가 들어가도록 설계한 모습입니다.아래 다이어그램과 같이 이벤트와 매개변수가 들어간다고 상상하면, 우리는 기존에 궁금했던 것을 해결할 수 있게 됩니다.
sign_up 하나와 매개변수 method 하나만 정해 두면, 이후 가입자가 어떤 방식으로 가입했는지가 그대로 데이터로 쌓이고, 1단계에서 상상한 ‘가입 방식별 분포 표’를 실제로 만들 수 있습니다.CASE STUDY 2 — 고객 취향 조사 데이터 설계하기
우리 비즈니스에는 고객의 취향에 따라 제품을 추천해 주는 취향 조사 모듈이 있다고 합시다. 총 8단계로 이루어져 있으며, 고객의 응답에 따라 다른 제품을 추천합니다.
1궁금한 것 상상하기
저는 각 단계별로 고객들이 취향 조사를 잘하는지에 대한 단계별 이탈률을 보고 싶습니다. 또, 어떤 응답들이 가장 많았는지를 체크할 수 있는 응답 데이터를 시각화하여 보고 싶습니다.
2이벤트 이름 정하기
다음 버튼을 누를 때마다 try_survey라는 이벤트를 보내기로 이벤트의 이름을 결정하였습니다.
3매개변수 상상하기
총 8단계로 구성되어 있기 때문에 각각의 단계를 넘어갈 때마다 1, 2, 3 ~ 8까지의 스테이지 데이터를 볼 수 있도록 step 파라미터를 추가했습니다.
또 고객이 어떤 선택지를 선택하는지 보고 싶어, 각 단계마다 반응하게 되는 응답 선택지를 response라는 매개변수 안에 넣었습니다. 실제로 데이터가 발생하면 아래와 같이 시각화된 설문 응답 데이터를 관측할 수 있게 됩니다.
try_survey 이벤트에 두 매개변수 — step(현재 몇 단계인가)과 response(그 단계의 응답이 무엇인가) — 를 함께 보내기로 정한 모습입니다.이렇게 이벤트와 매개변수를 묶어 보면 아래와 같은 형태가 됩니다.
try_survey)와 매개변수 두 개(step·response)만 정해 두면, 단계별 이탈률·단계별 응답 분포 모두 한 이벤트의 데이터로 풀어낼 수 있게 됩니다.실제로 데이터가 쌓이면 아래와 같이 ‘단계별로 어떤 응답이 가장 많았는지’를 한눈에 볼 수 있습니다.
| step | response (최다) | 해당 응답 비율 | 이탈률(다음 단계 미진입) |
|---|---|---|---|
| 1 — 옷 스타일 | 캐주얼룩 | 63% | 4.2% |
| 2 — 휴양지 | 해변 | 48% | 5.8% |
| 3 — 향 종류 | 은은한 머스크 | 47% | 8.1% |
| 4 — 컬러 | 베이지·우드톤 | 58% | 9.4% |
| 5 — 보이고 싶은 이미지 | 포근하고 긍정적 | 62% | 11.0% |
| 6 — 선호 장소 | 분위기 좋은 카페 | 45% | 13.5% |
| 7 — 과일 | 달콤한 베리 | 40% | 14.1% |
| 8 — 향수 느낌 | 상큼한 시트러스 | 48% | — |
step을 측정기준으로 두고 response를 함께 보면 — 단계별 최다 응답과 그 비율, 그리고 단계별 이탈률이 한 표에 정리됩니다. 1단계에서 상상한 두 가지 궁금증(이탈률·응답 분포)이 모두 풀린 셈입니다.이렇듯 보고 싶은 것을 먼저 상상하고, 그에 맞게 이벤트와 파라미터를 넣게 된다면, 개발지식이 없는 마케터라도 쉽게 이벤트 데이터를 설계할 수 있게 됩니다.
자주 묻는 질문
왜 ‘보고 싶은 것’부터 시작하나요?
데이터 그 자체에는 정답이 없기 때문입니다(→ 로그와 이벤트). “이런 표·차트가 보고 싶다”가 분명하면 그것을 만들기 위한 이벤트와 매개변수가 자연스럽게 따라옵니다. 거꾸로 “일단 다 보내자”로 시작하면 운영 단계에서 정작 필요한 매개변수가 빠져 있거나, 분석에 안 쓰는 데이터만 쌓이기 쉽습니다.
method·step·response 같은 매개변수 이름은 어디서 가져오나요?
전부 우리가 임의로 지어 주는 이름입니다. ‘가입 방식’이라는 의미를 담아 method로, ‘현재 단계’를 담아 step으로, ‘응답’을 담아 response로 정한 것뿐입니다. 다만 이름을 너무 자유롭게 짓다 보면 같은 의미를 여러 이름으로 쓰게 되어 분석이 어려워지므로, 회사 단위의 네이밍 컨벤션(별도 글)이 필요합니다.
하나의 이벤트에 매개변수를 더 많이 넣으면 더 좋지 않나요?
‘분석에 쓸 것’ 위주로 넣으면 더 좋습니다. 그러나 GA4의 매개변수 한도(이벤트당 약 25개, 보고서에서 이름으로 보려면 ‘맞춤 측정기준’으로 등록 — 이벤트 범위 약 50개)가 있으므로, 1단계에서 상상한 ‘보고 싶은 것’을 만족시키는 최소 매개변수가 출발점으로 가장 안전합니다.
설계 도중에 “이것도 필요할 것 같은데?”라는 매개변수가 떠오르면 어떻게 하나요?
1단계로 돌아가 “이걸 보고 싶은 이유”를 한 줄로 적어 보세요. 이유가 명확하면 매개변수를 추가하고, 분명하지 않으면 일단 보류합니다. ‘있으면 좋을 것 같은 매개변수’는 운영 단계에서 거의 안 쓰이고 한도만 잡아먹는 경우가 많습니다.
CASE STUDY 1·2 외에 다른 유형도 같은 절차로 풀 수 있나요?
네 — 절차는 항상 같습니다. ① 보고 싶은 결과물 상상 → ② 이벤트 이름 → ③ 매개변수. 회원가입·취향 조사 외에도 검색·상품 조회·장바구니·찜·공유 등 거의 모든 사용자 행동에 적용됩니다. 한 가지 추가 팁은, 같은 절차의 결과물(이벤트·매개변수 명세표)을 사내에서 공유해 두는 것 — 한 번의 설계가 다른 광고주에도 재활용됩니다.