# 세그먼트 중복 분석 만들기

GA4 세그먼트 중복 분석으로 두세 사용자 묶음의 교집합을 보는 방법 — 벤다이어그램·세그먼트 조합 표 개념, 새 분석 만들기와 세그먼트 교체, ‘만(only)’과 합계 구분 읽기, 세분화 활용, 그리고 CRM 푸시 도달·디스플레이 광고 간접 기여 추론·가입자 vs 구매자·멀티채널 중복 노출·고가치 사용자 행동 결합까지 실무 활용 사례 5선.

- 카테고리: GA4 탐색리포트
- 소요 시간: 약 12분
- 난이도: 중간
- 업데이트: 2026.05.28
- 원문: /wiki/playbook/ga4-exploration-checklist/how-to-build-segment-overlap-analysis-in-ga4

## 목차

- [1단계 · 세그먼트 중복 분석이란](#step-1)
- [2단계 · 분석 만들기](#step-2)
- [3단계 · 표 읽기](#step-3)
- [4단계 · 세그먼트 교체·추가](#step-4)
- [5단계 · 세분화](#step-5)
- [실무 활용 사례 5선](#use-cases)
- [보고 기준](#rules)
- [자주 묻는 질문](#faq)

이 글은 GA4 탐색 분석 중 **세그먼트 중복 분석(Segment Overlap Analysis)**의 사용법과 해석법을 다룹니다. 자유 형식·유입경로·경로 탐색이 모두 ‘어떤 행동이 얼마나 일어나는가’를 보는 분석이라면, 세그먼트 중복 분석은 ‘**두세 묶음의 사용자가 서로 얼마나 겹치는가**’를 보는 분석입니다. 벤다이어그램과 세그먼트 조합 표를 한 번에 그려 줘서, CRM 메시지 발송 전 도달 규모 산정·디스플레이 광고의 간접 기여 추론·캠페인 간 사용자 중첩 같은 ‘교집합 기반 의사결정’에 자주 쓰입니다. 캡처는 모두 Google Merch Shop 데모 계정에서 진행했습니다.

## 1단계. 세그먼트 중복 분석이 풀어 주는 질문과 핵심 개념

세그먼트 중복 분석은 다음과 같은 질문에 한 화면으로 답합니다.

- 우리가 이번 캠페인으로 노출하려는 ‘세그먼트 A + 세그먼트 B’의 총 도달 규모는 몇 명인가? 두 세그먼트가 겹치는 ‘중복 도달’은 얼마인가?
- 디스플레이 광고에 노출된 사용자 중 자연검색으로도 들어온 사람의 비율은 얼마인가? 이 중첩이 시간이 지나며 늘고 있는가?
- 가입은 했지만 구매하지 않은 사용자 vs 구매까지 한 사용자 — 두 집단의 행동이 어떻게 다른가?
- 광고 채널 두 곳에 동시에 노출된 사용자가 전체 광고 노출자의 몇 %를 차지하는가? 한 채널 ‘단독 노출’의 효율은 어떤가?

이런 질문에 답하려면 다음 3가지 개념만 잡아두면 됩니다.

| 세그먼트(Segment) | 공통 조건을 만족하는 사용자(또는 세션·이벤트) 묶음. 예: ‘모바일 트래픽’, ‘직접 트래픽’, ‘유료 트래픽’, ‘25~54세 연령’. GA4 탐색 분석 좌측 **변수 패널의 ‘세그먼트’ 영역**에 미리 만들어 둔 세그먼트들이 chip으로 자리잡습니다. |
| --- | --- |
| 벤다이어그램 | 캔버스의 메인 시각화. 세그먼트가 1개면 원 1개, 2개면 두 원의 겹침, 3개면 세 원의 겹침으로 그려집니다. 원의 크기는 해당 세그먼트의 활성 사용자 수에 비례, 겹친 영역의 크기는 두(혹은 세) 세그먼트에 모두 속한 사용자 수에 비례합니다. |
| 세그먼트 조합 표 | 벤다이어그램 아래의 표. 각 행은 가능한 모든 조합을 한 줄씩 — 예: ‘직접 트래픽’ 전체, ‘직접 트래픽만(=모바일 트래픽에 속하지 않은 직접 트래픽)’, ‘모바일 트래픽 + 직접 트래픽(=두 세그먼트 모두에 속함)’, ‘세 세그먼트 모두에 속함’ 등. 시각화로 가늠한 비율을 **정확한 숫자**로 다시 확인하는 영역입니다. |

세그먼트는 최소 1개, 최대 3개까지 동시 비교할 수 있습니다. 1개면 그 세그먼트의 단일 도달 규모만, 2개면 단순 교집합, 3개면 ‘셋 다·둘만·하나만·아무도 아닌’ 모든 조합이 표로 풀립니다.

## 2단계. 새 세그먼트 중복 분석을 만들고 자동 화면을 확인합니다 — 화면 따라가며 한 번에

처음 다루시는 분도 따라올 수 있게 ‘어디를 누르고 → 어떤 화면이 떠야 하고 → 무엇을 입력해야 하는지’를 4 미니 단계로 풀어 적었습니다.

### ① 탐색 분석 목록에서 ‘세그먼트 중복 분석’ 카드를 누릅니다

GA4 좌측 메뉴 **탐색** → ‘새 탐색 분석 시작하기’ 영역의 네 개 카드는 기본적으로 비어 있음·자유 형식·유입경로 탐색·경로 탐색입니다. 세그먼트 중복 분석 카드는 그 다음 페이지에 있어서, 우측 끝의 **오른쪽 화살표(>) 버튼**을 한 번 눌러야 보입니다. 두 원이 겹친 벤다이어그램 모양의 카드를 누르면 새 분석이 만들어집니다.

![GA4 데모 계정의 탐색 분석 목록 화면. 카드 슬라이드를 한 번 넘기면 경로 탐색 분석 / 세그먼트 중복 분석 / 동질 집단 탐색 분석 / 사용자 전체 기간 카드가 보이고, 두 번째 카드가 세그먼트 중복 분석(두 원이 겹친 벤다이어그램 모양)이다.](/wiki-assets/playbook/how-to-build-segment-overlap-analysis-in-ga4/01-listing.png)

> 카드 슬라이드를 한 번 넘긴 화면. **세그먼트 중복 분석** 카드(두 번째)를 누릅니다. 같은 화면 상단 우측의 ‘템플릿 갤러리’에서도 동일한 분석을 시작할 수 있습니다.

### ② 새 분석은 ‘모바일 트래픽 × 태블릿 트래픽 × 25~54세 연령’으로 자동 채워져 열립니다

카드를 누르면 GA4가 ‘예시용’으로 세 개의 세그먼트를 미리 채운 상태로 분석이 열립니다. 좌측 **변수 패널**의 ‘세그먼트’ 영역엔 미리 만들어진 세그먼트들이 chip으로 나열되고, 가운데 **설정 패널**의 ‘세그먼트 비교’ 영역엔 그 중 3개가 들어가 있습니다. 우측 캔버스에 벤다이어그램과 세그먼트 조합 표가 즉시 그려집니다.

![GA4 세그먼트 중복 분석을 새로 열었을 때 화면. 좌측 변수 패널에 미리 만들어진 세그먼트 6개가 chip으로 나열되고, 설정 패널의 세그먼트 비교에 모바일 트래픽/태블릿 트래픽/25-54세 연령 3개가 들어 있다. 우측 캔버스에는 모바일 트래픽이 압도적으로 큰 원, 그 옆에 작은 태블릿 트래픽 원과 25-54세 연령 원이 겹쳐진 벤다이어그램이 그려져 있고, 아래 표에 10개 세그먼트 조합 행이 표시된다.](/wiki-assets/playbook/how-to-build-segment-overlap-analysis-in-ga4/02-default-state.png)

> 새 분석 진입 직후의 모습. 모바일 트래픽 52,144명, 25~54세 연령 5,581명, 태블릿 트래픽 370명이 좌측 변수 패널에서 가져와져 자동으로 비교됩니다. 데이터가 큰 ‘모바일 트래픽’ 원이 시각적으로 압도적인 게 자연스럽습니다.

### ③ 좌측 chip을 드래그해 ‘세그먼트 비교’ 영역의 chip을 교체합니다

우리가 보고 싶은 시나리오에 맞게 세그먼트를 갈아 끼웁니다. 예를 들어 디바이스 중첩이 아닌 **채널 중첩**을 보고 싶다면 ‘모바일 트래픽’은 그대로 두고 나머지를 `직접 트래픽`·`유료 트래픽`으로 바꿉니다. 절차는 다음 두 가지를 이어 하면 됩니다.

1. 바꾸고 싶은 chip(‘세그먼트 비교’ 영역) 위에 마우스를 올리면 우측 끝에 작은 **X(제거)** 아이콘이 뜹니다. X를 누르면 chip이 비워지고 ‘세그먼트 드롭 또는 선택’ 빈 칸이 됩니다.
2. 좌측 변수 패널에서 넣고 싶은 chip(예: `직접 트래픽`)을 잡아 그 빈 칸 위로 끌어다 놓습니다. 곧바로 벤다이어그램과 표가 다시 계산됩니다.

이 화면에서 우리가 직접 채워 본 모습이 다음 캡처입니다.

![GA4 세그먼트 중복 분석에서 세그먼트 비교를 직접 트래픽/모바일 트래픽/유료 트래픽 3개로 교체한 화면. 직접 트래픽 원(분홍)이 모바일 트래픽 원(파랑)을 거의 다 품고, 유료 트래픽 원(초록)은 비교적 작게 좌측에 자리한다. 표에는 세그먼트 조합 10개 행이 표시된다.](/wiki-assets/playbook/how-to-build-segment-overlap-analysis-in-ga4/03-channels-overlap.png)

> 세그먼트를 채널 중첩으로 바꾼 모습. 직접 트래픽 53,975, 모바일 트래픽 52,168, 유료 트래픽 5,216. 직접 트래픽과 모바일 트래픽의 교집합이 42,424로 가장 크고, 유료 트래픽은 모바일과는 2,455 겹치지만 직접 트래픽과는 0(채널 자체가 서로 배타적이라 자연스러운 결과)입니다.

### ④ ‘세그먼트가 너무 많아 모르겠다’ — 변수 패널의 chip을 클릭하면 정의가 뜹니다

좌측 변수 패널의 세그먼트 chip 위로 마우스를 올리면 그 세그먼트가 어떤 조건으로 만들어졌는지 한 줄로 툴팁이 뜹니다. 예: `유료 트래픽`은 ‘세션 기본 채널 그룹이(가) Paid Shopping · Paid Search · Paid Social · Paid Other · Paid Video · Display · Cross-network · Audio에 포함됨’으로 정의되어 있습니다. 이 정의를 본 뒤 ‘우리 시나리오에 맞는 세그먼트인가’를 판단합니다. 적당한 세그먼트가 없다면 좌측 변수 패널의 세그먼트 우측 **+** 아이콘으로 새 세그먼트를 직접 만들 수도 있습니다.

## 3단계. 세그먼트 조합 표 — ‘만(only)’과 ‘조합’을 구분해 읽습니다

벤다이어그램은 비율 감을 잡기 좋지만, **정확한 숫자는 항상 아래 표**에서 확인합니다. 표의 행은 세그먼트 1·2·3개로 만들 수 있는 모든 조합을 사용자 수가 큰 순서로 나열합니다.

본문 2단계 ③의 ‘직접 트래픽 × 모바일 트래픽 × 유료 트래픽’ 캡처를 예시로 행을 풀어 보겠습니다.

| 행 | 의미 | 예시 수치 |
| --- | --- | --- |
| 직접 트래픽 | ‘직접 트래픽’에 속한 모든 사용자(다른 세그먼트와의 교집합 포함). | 53,975 |
| 모바일 트래픽 | ‘모바일 트래픽’에 속한 모든 사용자(다른 세그먼트와의 교집합 포함). | 52,168 |
| 모바일 트래픽 + 직접 트래픽 | 두 세그먼트에 모두 속한 사용자. 모바일에서 사이트에 직접 들어온 사람. | 42,424 |
| 직접 트래픽만 | ‘직접 트래픽’이지만 ‘모바일 트래픽·유료 트래픽’엔 속하지 않은 사용자(=데스크톱·태블릿으로 직접 들어온 사람). | 11,503 |
| 모바일 트래픽만 | ‘모바일 트래픽’이지만 ‘직접 트래픽·유료 트래픽’엔 속하지 않은 사용자(=모바일이지만 자연검색·기타 채널). | 7,733 |
| 유료 트래픽 | ‘유료 트래픽’에 속한 모든 사용자. | 5,216 |
| 유료 트래픽만 | 유료 트래픽 중 모바일·직접 어느 쪽에도 속하지 않은 사용자(=데스크톱 유료 트래픽). | 2,773 |
| 모바일 트래픽 + 유료 트래픽 | 두 세그먼트의 교집합. 모바일에서 유료 트래픽으로 들어온 사람. | 2,455 |
| 직접 트래픽 + 유료 트래픽 | ‘직접’이면서 동시에 ‘유료’ — 채널 정의 자체가 배타적이라 자연스럽게 0. | 0 |

표를 읽을 때 핵심은 ‘`~만`’과 ‘조합’의 차이를 또렷이 가져가는 것입니다.

- **세그먼트명만 적힌 행** — 그 세그먼트의 **총 도달**(다른 세그먼트와의 겹침까지 포함). 우리가 캠페인의 ‘이론적 최대 도달’을 잡을 때 쓰는 숫자입니다.
- **‘~만’이 붙은 행** — 그 세그먼트의 **순수 단독 도달**. 다른 세그먼트엔 속하지 않은, 그 세그먼트만 가지고 있는 사용자입니다. ‘이 세그먼트가 사라지면 잃는 사용자’의 크기입니다.
- **두 세그먼트가 함께 적힌 행** — 두 세그먼트 모두에 속한 사용자 수. ‘중복 도달’의 크기. CRM 운영에서 같은 사람에게 두 번 메시지를 보낼 위험을 가늠하는 자리입니다.

## 4단계. 세그먼트 비교 슬롯은 3개 — 더 많은 시나리오는 분석을 여러 개 만듭니다

세그먼트 중복 분석은 한 캔버스에 최대 **3개의 세그먼트**까지만 비교할 수 있습니다. ‘이미 3개가 차 있는데 네 번째를 더 넣고 싶다’면 GA4가 그 추가를 받지 않습니다. 비교 슬롯이 비좁다고 느낀다면 다음 두 가지로 대응합니다.

- **한 슬롯을 교체** — 본문 2단계 ③의 절차로 chip 하나를 X로 비우고 새 chip을 드롭. 같은 분석 캔버스 안에서 시나리오를 갈아 끼우는 가장 빠른 방법입니다.
- **분석을 복제** — 좌상단 ‘세그먼트 중복 분석’ 탭 이름을 마우스 오른쪽 클릭해 ‘복제’하면 같은 설정의 분석이 하나 더 생깁니다. 4개·5개 세그먼트를 비교해야 하는 시나리오는 ‘분석 2개를 옆에 두고 같이 보는’ 방식이 더 깔끔합니다.

좌측 변수 패널의 **세그먼트 영역 우측 +** 아이콘으로 새 세그먼트를 직접 만들 수도 있습니다. 세그먼트는 ‘사용자 / 세션 / 이벤트’ 세 가지 범위 중 하나로 정의하며, 세그먼트 중복 분석에선 보통 **사용자 세그먼트**를 씁니다(사람 단위의 중첩이 핵심이니까).

## 5단계. 세분화 — 같은 중첩을 디바이스·국가·연령으로 다시 풀어 봅니다

설정 패널의 **분류(세분화)** 영역에 측정기준을 끌어다 놓으면, 표가 그 측정기준 값별로 다시 펼쳐집니다. 벤다이어그램 자체는 동일하지만 표는 ‘세그먼트 조합 × 측정기준 값’ 매트릭스로 풀려, 같은 중첩 안에서도 어느 값이 가장 큰지가 한눈에 보입니다.

![GA4 세그먼트 중복 분석에 분류로 기기 카테고리가 적용된 화면. 벤다이어그램은 그대로 직접 트래픽/모바일 트래픽/유료 트래픽 3개 원으로 표시되고, 아래 표는 세그먼트 조합이 가로 열로 펼쳐지고 각 행이 mobile/desktop/tablet/smart tv로 분해되어 있다.](/wiki-assets/playbook/how-to-build-segment-overlap-analysis-in-ga4/04-with-breakdown.png)

> 세분화에 `기기 카테고리`를 넣은 모습. ‘직접 트래픽’ 53,976명 중 mobile 42,436·desktop 11,481·tablet 56·smart tv 1로 풀립니다. 모바일이 4배 이상 큰 비중이라는 점이 한 화면에서 확인됩니다. ‘유료 트래픽’ 합계 컬럼이 화면 우측으로 가려져 있는데, 표 하단의 가로 스크롤로 끝까지 확인할 수 있습니다.

세분화는 한 번에 한 측정기준만 적용할 수 있습니다. 자주 쓰는 후보는 다음과 같습니다.

- **기기 카테고리** — 같은 채널 중첩 안에서도 모바일·데스크톱 비중이 어떻게 다른가.
- **국가/지역** — 캠페인 도달 규모를 국가별로 풀어 ‘이 지역에선 디스플레이의 자연검색 중첩이 크다’ 같은 지역 차이 확인.
- **연령·성별** — Google 신호 데이터가 켜져 있다면 인구통계 차원으로 풀어 보면 ‘디스플레이 + 자연검색 둘 다 닿은 사용자’의 인구통계 프로파일을 잡을 수 있습니다.
- **첫 사용자 매체** — 사용자를 처음 데려온 매체. ‘직접 트래픽’으로 잡힌 사용자가 실은 어디서 처음 왔는지를 풀어 보면 직접 트래픽의 ‘유령 출처’가 드러납니다.

## 세그먼트 중복 분석 실무 활용 사례 5선

중복 분석은 ‘여러 사용자 묶음을 한 화면에서 겹치는 시각으로 본다’는 단순한 도구지만, 풀어 쓸 수 있는 시나리오가 많습니다. 실무에서 자주 부딪치는 5가지를 정리했습니다. 앞의 두 가지(①·②)는 운영 현장의 경험에서 길어 온 인사이트이고, 뒤의 세 가지(③·④·⑤)는 이를 일반화한 분석 패턴입니다.

### ① CRM 푸시·메일 발송 전 ‘도달 규모’와 ‘중복 도달’ 계산

- **설정** — 이번 캠페인에서 푸시를 쏠 두(혹은 세) 사용자 세그먼트를 비교 슬롯에 채워 둡니다. 예: `신규 가입 7일 이내` × `장바구니 담음(미구매)` × `VIP 등급`.
- **보는 것** — 표 첫 줄들의 ‘각 세그먼트 합계’가 그 캠페인의 **이론적 최대 도달 수**. ‘A + B’ 같은 조합 행은 같은 사람에게 두 가지 캠페인이 동시에 갈 수 있는 **중복 도달 수**. 보통 카카오·이메일은 발송 비용이 ‘1인 1발송’이라, 중복 도달이 곧 두 번 보내는 비용입니다.
- **의사결정** — 중복 도달이 클 경우 (a) 메시지 카피를 통합해 하나만 보내거나, (b) 한쪽 캠페인의 우선순위를 높여 다른 쪽에서 제외(suppression) 처리. 발송 ROI 계산에 들어가는 ‘실 도달자 수 = A + B − (A ∩ B)’가 정확히 산출됩니다.

### ② 디스플레이 광고의 ‘간접 기여’ 추론 — 디스플레이 노출 × 자연검색

- **설정** — `디스플레이 광고 노출자`(첫 사용자 소스/매체가 디스플레이) × `자연검색 유입자`(첫 사용자 소스/매체가 organic 또는 직접 트래픽으로 들어오기 직전 세션이 organic) × (선택)`구매자`의 3개 세그먼트로 캔버스를 채웁니다.
- **보는 것** — 디스플레이 광고는 마지막 클릭 기여 모델에서 거의 잡히지 않지만, **노출 → 며칠 뒤 자연검색으로 직접 사이트 방문**의 흐름이 상당히 일어납니다. 두 세그먼트의 교집합이 크면 ‘디스플레이가 브랜드 인지를 만들어 자연검색을 늘렸다’는 가설의 근거가 됩니다. 시간 단위(28일 vs 7일)로 비교하면 교집합 비율의 추세까지 잡힙니다.
- **의사결정** — 직접 전환 ROAS만 보면 디스플레이를 줄이게 되지만, 이 교집합 비율이 함께 줄어든다면 인지 효과까지 잃는 것이니 ‘ROAS만으로의 예산 컷’이 위험한 의사결정이라는 신호. 반대로 교집합이 유지되거나 늘면 디스플레이 예산을 유지·확대할 명분이 됩니다.

### ③ 가입자 vs 구매자 — ‘가입했지만 구매 안 한’ 사용자의 크기

- **설정** — `가입 완료자`(`sign_up` 이벤트 발생) × `구매자`(`purchase` 이벤트 발생) 두 세그먼트.
- **보는 것** — ‘가입자만’ 행이 곧 **가입 후 미구매 사용자의 크기**. 이 사용자가 LTV가 가장 높을 ‘회복 가능 코호트’인 경우가 많습니다. ‘구매자만’은 가입 절차 없이 게스트 결제한 사용자라, 가입 의무화 여부 의사결정에 직접 쓰입니다.
- **의사결정** — 가입자만 코호트가 크다면 첫 구매 유도 캠페인(웰컴 쿠폰·맞춤 추천)이 우선 투자처. 구매자만 코호트가 크다면 ‘가입을 안 해도 결제까지 무리없이 되는 사이트’라는 뜻이라, 가입을 의무화하기보다 ‘게스트 결제 후 가입 유도’의 UX가 정답에 가깝습니다.

### ④ 멀티채널 광고 ‘중복 노출’ 검증 — 메타 × 구글 × 카카오

- **설정** — `메타 광고 유입자` × `구글 광고 유입자` × `카카오 광고 유입자` 3개 세그먼트.
- **보는 것** — 세 광고 채널의 합계와 각 교집합. 만약 ‘메타 + 구글’ 교집합이 매우 크면 두 채널이 동일 사용자에게 동시에 광고비를 쓰고 있다는 신호. 한 채널의 ROAS만 좋게 잡힐 가능성이 있으므로 채널별 단독 효율을 다시 따져야 합니다.
- **의사결정** — 중복이 큰 채널은 한쪽의 빈도(frequency cap)를 낮춰 비용 중복을 줄이거나, 단독 노출 비중이 큰 채널을 ‘대체 불가 채널’로 보고 예산 비중을 키웁니다. 채널별 ‘단독’ 도달의 크기가 곧 그 채널의 ‘없어선 안 되는’ 가치입니다.

### ⑤ 고가치 사용자의 ‘행동 결합 프로파일’ — LTV 상위 × 특정 행동

- **설정** — `LTV 상위 10% 사용자` × `상품 상세 5회 이상 조회자` × `리뷰 작성자` 같은 3개 세그먼트.
- **보는 것** — LTV 상위 사용자가 어떤 행동들에 겹쳐 있는가. ‘LTV 상위 × 리뷰 작성자’의 교집합이 크면 ‘리뷰 작성 행동’이 고가치 사용자의 신호 행동(signal behavior)이라는 뜻. 반대로 LTV 상위인데 ‘상품 상세 5회 이상’과 거의 안 겹친다면 우리 고가치 사용자는 탐색 없이 ‘바로 사는’ 패턴이라는 결론.
- **의사결정** — 신호 행동이 잡히면 (a) 그 행동을 유도하는 CRM·UI(리뷰 작성 인센티브) 우선 투자, (b) ‘이 행동을 한 사용자’를 별도 광고 잠재고객으로 묶어 유사 사용자(lookalike) 광고에 사용하는 식으로 활용. ‘우리 고가치 사용자의 행동 사전’을 한 화면에서 만드는 작업입니다.

## 세그먼트 중복 분석으로 보고할 때의 기준

- **세그먼트 정의를 캡션에 같이 적습니다.** 같은 ‘디스플레이 광고 노출자’라도 ‘첫 사용자 매체 = display’와 ‘세션 매체 = display’는 다른 사용자입니다. 보는 사람이 같은 조건을 재현할 수 있게 정의를 명시합니다.
- **‘만(only)’과 합계를 구분해 적습니다.** 의사결정용 숫자는 ‘만’ 행인지 ‘합계’ 행인지에 따라 의미가 완전히 다릅니다.
- **기간이 의사결정에 결정적이라면 기간 비교 분석을 함께 만듭니다.** 28일 vs 직전 28일을 두 분석으로 나란히 두면 교집합의 추세가 보입니다.
- **세분화(분류)를 적용했다면 그 측정기준도 적습니다.** 세분화 없는 벤다이어그램 1장과 세분화 표 1장을 같이 두는 게 무난한 운영입니다.
- **3개 세그먼트가 한도라는 점을 보고 본문에 미리 적어 둡니다.** 4번째 세그먼트가 궁금하다는 피드백이 자주 옵니다. ‘분석을 2개로 나눠 본 결과’라는 메모가 한 줄 있으면 혼란이 줄어듭니다.

## 자주 묻는 질문

### 벤다이어그램이 한 원에 다른 원이 거의 다 잡아먹혀서 모양이 잘 안 보입니다.

한 세그먼트가 다른 세그먼트의 거의 모든 사용자를 포함하는 ‘포함 관계’가 있는 경우입니다(예: 모바일 트래픽이 전체의 80%인 사이트에서 ‘모바일 트래픽 × 직접 트래픽’을 보면 모바일이 직접을 거의 다 품습니다). 시각화로는 정보가 거의 안 나오니, 표의 ‘교집합 ÷ 작은 세그먼트 합계’를 비율로 환산해 ‘직접 트래픽의 79%가 모바일에서 옴’ 같은 문장으로 풀어 적는 게 의사소통에 가장 효과적입니다.

### 두 세그먼트의 정의가 서로 배타적인데도 GA4가 교집합 0을 계산해 보여 줍니다. 자원 낭비 아닌가요?

표에 0으로 찍혀 있는 것 자체가 ‘이 두 세그먼트는 정의상 겹칠 수 없다’는 검증이기도 합니다. ‘직접 트래픽 + 유료 트래픽’이 0인지 사람 손으로 따로 확인할 필요가 없어집니다. 진짜 자원이 낭비되는 경우는, 두 정의가 사실은 겹칠 수 있는데도 ‘0’이 나오는 경우입니다(예: 같은 사용자가 다른 세션에서 직접과 유료 모두를 거칠 수 있는데도 0). 이때는 세그먼트 정의의 범위(사용자 vs 세션)를 다시 확인합니다.

### 유입경로 탐색 분석에서 ‘세그먼트 비교’와 어떤 차이가 있나요?

유입경로 탐색 분석의 세그먼트 비교는 ‘같은 N단계 퍼널이 두 세그먼트에서 어떻게 다르게 보이는가’를 그립니다(같은 단계, 두 세그먼트). 반대로 세그먼트 중복 분석은 단계나 흐름이 없이 ‘세그먼트 자체가 얼마나 겹치는가’만 봅니다. 두 분석은 보완 관계라, ‘디스플레이 노출자 vs 자연검색 유입자’의 결제 퍼널이 어떻게 다른가는 유입경로로, 두 세그먼트가 사람 단위로 얼마나 겹치는가는 중복 분석으로 보면 짝이 잘 맞습니다(같은 섹션의 [유입경로 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-funnel-exploration-in-ga4) 참고).

### 세그먼트가 3개로 부족합니다. 4개 이상을 한 번에 비교할 방법이 없나요?

GA4 세그먼트 중복 분석의 슬롯은 3개로 고정입니다. 4개 이상이 필요하면 분석을 2개로 나누고 ‘공통 세그먼트 한 개를 양쪽에 두는’ 식으로 다리를 놓으면 됩니다. 예: A 분석에 ‘구매자 × 메타 광고 × 구글 광고’, B 분석에 ‘구매자 × 카카오 광고 × 네이버 광고’. 두 분석의 ‘구매자’ 행 사용자 수가 같다는 점이 보고 시 ‘같은 모집단을 두 각도로 본 결과’임을 보장합니다.

### 세그먼트 중복 분석의 수치가 GA4 표준 보고서의 사용자 수와 일치하지 않습니다.

GA4의 탐색 분석은 표준 보고서와 다른 샘플링·집계 방식을 쓸 수 있고, 세그먼트 자체가 ‘분석 기간 내에 그 조건을 만족한 사용자’로 잡혀서 표준 보고서의 ‘활성 사용자’와 정의가 다릅니다. 두 숫자가 다른 게 정상이고, 한 보고서 안에선 일관됩니다. 이 분석의 숫자를 외부로 보낼 땐 ‘GA4 탐색 분석 / 분석 기간 / 세그먼트 정의’를 함께 적어 두면 후일 검증이 편합니다.

## Navigation

- [전체 플레이북 Markdown sitemap](/wiki/playbook/sitemap.md)

### GA4 탐색리포트

- [GA4 탐색리포트](/wiki/playbook/ga4-exploration-checklist)
- [탐색 리포트 인터페이스](/wiki/playbook/ga4-exploration-checklist/what-is-ga4-exploration-interface)
- [자유 형식으로 차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-free-form-charts-in-ga4)
- [자유 형식으로 도넛 차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-donut-charts-in-ga4-free-form)
- [자유 형식으로 선차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-line-charts-in-ga4-free-form)
- [자유 형식으로 분산형 차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-scatter-plots-in-ga4-free-form)
- [유입경로 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-funnel-exploration-in-ga4)
- [경로 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-path-exploration-in-ga4)
- [세그먼트 중복 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-segment-overlap-analysis-in-ga4) (현재 문서)
- [동질 집단 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-cohort-exploration-in-ga4)
- [사용자 전체 기간 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-user-lifetime-exploration-in-ga4)