# 사용자 전체 기간 분석 만들기

GA4 사용자 전체 기간 분석으로 채널·캠페인별 LTV를 측정하는 방법 — 평생 가치/전체 기간 거래/참여시간 산정 기준, 6가지 통계량(평균·총계·백분위수)과 평균만 보는 함정, USD 표시의 이유와 KRW 환산법, 120일 윈도우 한계, 그리고 채널 ROI·기기 LTV 격차·큰손 분포·SaaS LTV/CAC·첫 구매까지 일수까지 글로벌 활용 사례 5선.

- 카테고리: GA4 탐색리포트
- 소요 시간: 약 14분
- 난이도: 중간
- 업데이트: 2026.05.28
- 원문: /wiki/playbook/ga4-exploration-checklist/how-to-build-user-lifetime-exploration-in-ga4

## 목차

- [1단계 · 사용자 전체 기간 분석이란](#step-1)
- [2단계 · 분석 만들기](#step-2)
- [3단계 · 기본 매트릭스 읽기](#step-3)
- [4단계 · LTV 산정 기준](#step-4)
- [5단계 · 통계량 6종 선택](#step-5)
- [6단계 · 측정기준 바꿔 보기](#step-6)
- [통화 표시(USD)와 KRW 환산](#currency)
- [글로벌 활용 사례 5선](#use-cases)
- [보고 기준](#rules)
- [자주 묻는 질문](#faq)

이 글은 GA4 탐색 분석 중 **사용자 전체 기간 분석(User Lifetime Exploration)**의 사용법과 해석법, 그리고 각 측정항목이 어떻게 산정되는지를 다룹니다. ‘이번 달에 얼마를 벌었는가’가 아니라 ‘**우리가 한 번 데려온 사용자가 평생 동안 사이트에 얼마를 가져왔는가**’를 보는 분석입니다. 마케팅 채널의 진짜 ROI(투입 비용 대비 평생 매출)를 판단하는 데 가장 직접적인 GA4 도구입니다. 데모 계정은 LTV 데이터를 제공하지 않아 캡처는 별도 GA4 360 속성에서 진행했고, 식별 가능 정보는 모자이크 처리했습니다.

## 1단계. 사용자 전체 기간 분석이 풀어 주는 질문과 핵심 개념

기간 기준 보고서가 ‘이 기간에 얼마 벌었나’를 답한다면, 사용자 전체 기간 분석은 다음 질문에 답합니다.

- 어느 채널·캠페인·기기로 들어온 사용자가 평생 동안 우리에게 가장 많은 매출을 가져오는가?
- 평균 LTV가 가장 높은 사용자 집단의 특징은 무엇인가?
- 평균만 보면 가려지는 ‘소수 핵심 고객(상위 10%)’의 LTV는 평균의 몇 배인가?
- 우리 사이트에서 ‘한 사용자가 평생 동안 만드는 거래 수’와 ‘평생 동안 머무는 시간’은 얼마인가?

이런 질문에 답하려면 다음 3가지만 잡아 두면 됩니다.

| 사용자 평생(User Lifetime) | 한 사용자가 GA4에 처음 잡힌 시점부터 마지막으로 잡힌 시점까지의 전체 행동 기록. 이 분석은 그 ‘평생’을 한 줄로 압축해, 사용자 단위로 매출·참여시간·거래 수 같은 누적값을 계산합니다. |
| --- | --- |
| 행 측정기준 — 사용자 묶음의 정의 | 매트릭스의 한 행이 어떤 ‘사용자 묶음’인지를 정합니다. 기본값은 **‘첫 사용자 매체’** — 사이트에 처음 데려온 매체(organic·cpc·email·direct·referral 등)별로 사용자를 묶어 행을 만듭니다. ‘첫 사용자 캠페인 / 첫 사용자 소스 / 마지막 잠재고객 / 기기 카테고리’ 등으로 자유롭게 바꿉니다. |
| 열 측정항목 — 평생 동안의 누적값 | 각 행 묶음의 ‘평생 동안 평균/총합’ 값. 기본 4개 측정항목이 들어가 있습니다 — `총 사용자` · `평생 가치(LTV) 평균` · `전체 기간 참여 시간 평균` · `전체 기간 거래 평균`. 추가 측정항목 174개가 모달에서 선택 가능합니다. |

즉 분석의 모양은 단순한 ‘행 = 사용자 묶음 × 열 = 평생 누적값’ 매트릭스 하나. 단순한 만큼 ‘측정항목 산정 기준’을 정확히 잡지 않으면 잘못 해석하기 쉽습니다(본문 4단계에서 다룹니다).

## 2단계. 새 사용자 전체 기간 분석을 만들어 자동 매트릭스를 봅니다 — 화면 따라가며 한 번에

### ① 탐색 분석 목록에서 ‘사용자 전체 기간’ 카드를 누릅니다

GA4 좌측 메뉴 **탐색** → ‘새 탐색 분석 시작하기’ 카드. 사용자 전체 기간 카드는 다음 페이지에 있어서, 우측 끝 오른쪽 화살표(>)를 두세 번 눌러 카드 슬라이드를 넘기면 ‘세그먼트 중복 / 사용자 개별 / 동질 집단 / **사용자 전체 기간**’이 보입니다. 가장 오른쪽의 표 모양 카드를 누르면 새 분석이 만들어집니다.

![GA4 탐색 분석 목록 화면. 슬라이드를 넘긴 페이지에 사용자 전체 기간 카드가 가장 오른쪽에 보인다. 다른 화면 요소는 모자이크 처리되어 있다.](/wiki-assets/playbook/how-to-build-user-lifetime-exploration-in-ga4/01-listing.png)

> 가장 오른쪽 카드 **사용자 전체 기간**을 누릅니다. 캡처는 식별 정보 보호를 위해 상단 헤더와 표 본문이 모자이크 처리되어 있지만, 카드 위치는 그대로입니다.

### ② 새 분석은 ‘첫 사용자 매체 × 4개 측정항목’ 매트릭스로 자동으로 열립니다

카드를 누르면 GA4가 기본 매트릭스를 그려 줍니다. 좌측 변수 패널엔 세그먼트·측정기준·측정항목이 미리 갖춰져 있고, 설정 패널 ‘행’엔 `첫 사용자 매체`가, ‘값’엔 4개 측정항목이 자동으로 들어가 있습니다.

![GA4 사용자 전체 기간 분석의 기본 화면. 행이 첫 사용자 매체(none·CRM·BSA·DA·referral·cpc·organic·SA·pmax·qrcode), 열이 총 사용자/평생 가치(LTV)(USD): 평균/전체 기간 참여 시간: 평균/전체 기간 거래: 평균 4개 측정항목으로 구성된 매트릭스.](/wiki-assets/playbook/how-to-build-user-lifetime-exploration-in-ga4/02-default-state.png)

> 진입 직후의 모습. 첫 줄 ‘합계’가 분석 기간 전체의 사용자 수·평균 LTV·평균 참여 시간·평균 거래 수. 그 아래 행이 매체별로 같은 4개 측정항목을 보여 줍니다. ‘LTV가 가장 높은 매체’와 ‘사용자 수가 가장 많은 매체’가 다르다는 점이 한 화면에 보이는 게 이 분석의 가장 큰 가치입니다.

## 3단계. 매트릭스의 행·열·셀이 무엇인지 — 기본 4개 측정항목

본문 2단계 캡처의 기본 매트릭스를 기준으로 행과 열의 의미를 풀어 봅니다.

| 맨 윗줄 — 합계 | 분석 기간에 잡힌 모든 사용자의 합계. ‘평균 LTV $19.26’은 이 분석에 잡힌 64.7만 명 사용자의 평생 가치 산술 평균. 매체별 값들이 이 값보다 위에 있는지/아래인지로 ‘평균보다 좋은 매체’를 빠르게 식별합니다. |
| --- | --- |
| 행 — 매체별 사용자 묶음 | `(none)`(매체 없음 = 직접 진입·앱 푸시 등) · `organic`(자연검색) · `cpc`(클릭당 지불 광고) · `referral`(다른 사이트에서 넘어옴) · `CRM`·`email` 같이 ‘첫 사용자 매체’값 별로 사용자를 묶었습니다. 매체 분류 자체는 사이트의 UTM 매개변수와 GA4 채널 그룹 설정에 따라 달라집니다. |
| 열 — 4개 기본 측정항목 | `총 사용자` / `평생 가치(LTV)(USD): 평균` / `전체 기간 참여 시간: 평균` / `전체 기간 거래: 평균`. 본문 4단계에서 각 측정항목의 산정 기준을 풀어 적습니다. |
| 셀 — 그 행 묶음의 그 측정항목 값 | 예: ‘CRM 매체로 처음 들어온 사용자 14.3만 명의 평균 평생 가치(LTV)가 $22.16, 평균 참여시간 20분 02초, 평균 거래수 1.2회’. |

표를 읽을 때 핵심은 ‘**사용자 수가 큰 행**’과 ‘**평균 LTV가 높은 행**’이 다를 수 있다는 점입니다. ‘사용자 수가 많지만 LTV는 평균 이하인 매체’는 ‘대량 유입은 잘 일으키지만 평생 가치는 평범한’ 채널이라는 뜻이고, ‘사용자 수는 적지만 LTV가 매우 높은 매체’는 ‘적은 도달로도 큰 가치를 만드는’ 채널이라는 뜻입니다. 후자가 곧 ‘LTV 관점에서 예산을 더 늘릴 후보’가 됩니다.

## 4단계. 각 측정항목이 어떻게 산정되는지 — 기준 잡고 들어가기

같은 ‘평균 LTV’라도 ‘무엇을 합산하고 무엇으로 나누는가’를 모르면 숫자 해석이 잘못됩니다. 사용자 전체 기간 분석의 핵심 측정항목 산정 기준을 정리합니다.

### 평생 가치(LTV)

**한 사용자가 GA4에 처음 잡힌 시점부터의 매출 이벤트 값(value)의 합**입니다. GA4가 매출 이벤트로 인정하는 건 `purchase`(전자상거래 구매)·`in_app_purchase`(앱 내 구매)·`app_store_subscription_convert`(앱 스토어 구독 전환)·`app_store_subscription_renew`(구독 갱신)·`refund`(환불, 음수로 차감)·`ad_impression`(앱 광고 수익)입니다. 즉 ‘이 사용자가 평생 우리에게 가져온 매출의 누적값’이고, 환불은 자동으로 빼집니다.

중요한 한계 — GA4의 LTV는 **사용자가 GA4에 처음 잡힌 후 최대 120일 윈도우**입니다. 그 이상 오래 머무는 사용자라도 GA4 LTV에는 120일치까지만 누적됩니다. 즉 ‘진짜 평생값’이 아닌 ‘초기 평생값(short-term LTV)’으로 이해해야 합니다(긴 수명 비즈니스는 BigQuery로 별도 계산이 필요합니다).

### 전체 기간 참여 시간 (Lifetime engagement duration)

사용자가 ‘평생 동안’ 사이트에 머문 시간의 합. 단위는 분·초이며, GA4의 ‘참여(engagement)’ 정의를 따라 ‘활성 상태로 머문 시간’만 계산합니다(탭을 백그라운드로 두거나 비활성 상태로 둔 시간은 빼집니다).

### 전체 기간 거래 (Lifetime transactions)

한 사용자가 평생 동안 만든 `purchase` 이벤트의 횟수. ‘평균 거래 = 1.23’이면 ‘이 매체로 들어온 사용자가 평생 평균 1.23번 구매’라는 뜻으로, 재구매율의 단순한 대용 지표가 됩니다(1.0보다 크게 나오면 ‘이 매체 사용자 중 평균 이상으로 재구매 한 사람이 있다’는 신호).

### 전체 기간 참여 횟수 / 첫 구매까지 일수 / 마지막 활성일 등

기본 4개 외에도 측정항목 모달에 174개 측정항목이 있습니다. 이름이 ‘전체 기간 ~’·‘평생 ~’로 시작하는 것들은 모두 ‘사용자 평생 기준 누적값’입니다. ‘첫 구매까지의 일수(Days to first purchase)’ 같은 시간 측정값도 있어, ‘평생 동안의 행동 타이밍’ 분석에 쓸 수 있습니다.

![GA4 사용자 전체 기간 분석의 ‘측정항목 선택’ 모달. 174개 측정항목 중 4개가 선택된 상태이며, ‘사용자’ 카테고리가 펼쳐져 있어 총 사용자/활성 사용자/N일 후 재구매자 수/사용자 참여도 등이 나열되어 있다.](/wiki-assets/playbook/how-to-build-user-lifetime-exploration-in-ga4/03-metric-modal.png)

> 설정 패널 ‘값’ 영역 우측의 ‘측정기준 또는 측정항목 드롭 또는 선택’을 누르거나 좌측 변수 패널 측정항목 + 아이콘을 누르면 이 모달이 열립니다. 174개 측정항목 중 무엇을 매트릭스 열로 쓸지 직접 골라 매트릭스의 의미를 만듭니다.

## 5단계. 평생 가치 통계량 6종 — 평균 vs 총계 vs 백분위수

평생 가치(LTV)는 GA4 내부에서 6가지 통계량으로 계산되어 모두 별도 측정항목으로 제공됩니다. 모달 검색창에 ‘평생’을 치면 한 화면에 모두 보입니다.

![GA4 측정항목 선택 모달에서 ‘평생’을 검색한 결과. 사용자 전체 기간 > 평생 가치(LTV) 아래에 10번째 백분위수/50번째 백분위수/80번째 백분위수/90번째 백분위수/총계/평균 6개 옵션이 보이고 평균이 체크되어 있다.](/wiki-assets/playbook/how-to-build-user-lifetime-exploration-in-ga4/04-metric-search.png)

> 6가지 통계량. 기본은 **평균(Average)**만 켜져 있는데, 우리 사이트의 분포가 ‘극단값이 큰’ 형태라면 평균이 왜곡되기 쉬워 **백분위수**를 함께 보는 게 안전합니다.

| 평균(Average) | 행 묶음의 모든 사용자 LTV를 산술 평균한 값. 가장 직관적이지만 ‘소수 큰손이 끌어올린 평균’의 함정에 취약합니다. |
| --- | --- |
| 총계(Total) | 행 묶음 사용자들의 LTV 합. ‘이 매체가 평생 동안 만든 총 매출’ 자체. ROAS 분모의 광고비와 직접 비교하기에 가장 적합. |
| 중앙값(50번째 백분위수) | LTV 순으로 줄 세웠을 때 가운데에 있는 사용자의 값. ‘일반 사용자의 LTV’를 알고 싶을 때 평균보다 안전합니다(평균 $19, 중앙값 $5인 사이트가 흔합니다). |
| 상위 10%(90번째 백분위수) | 상위 10% 사용자가 만드는 LTV 임계값. ‘이 매체로 들어온 큰손은 평생 얼마를 쓰는가’를 본 한 줄. 90번째 백분위수가 평균의 5~10배 이상이면 ‘소수 핵심 고객이 매출을 끌고 가는’ 구조. |
| 상위 20%(80번째 백분위수) / 하위 10%(10번째 백분위수) | 보조 지표. 분포의 모양을 더 자세히 보고 싶을 때 함께 켭니다. |

실무 권장 조합 — ‘**총계 + 평균 + 중앙값 + 90번째 백분위수**’ 4개를 함께 매트릭스에 두면 ‘이 매체가 만든 총 매출’·‘평균 사용자 가치’·‘일반 사용자 가치’·‘큰손 가치’를 한 화면으로 비교할 수 있습니다. 평균만 보고 매체 우선순위를 판단하면 ‘큰손 한두 명이 끌어올린 매체’에 속을 위험이 큽니다.

## 6단계. 행 측정기준을 ‘첫 사용자 매체’에서 다른 것으로 바꿔 봅니다

기본값 ‘첫 사용자 매체’는 가장 흔한 분석 축이지만, 시나리오에 따라 다른 측정기준이 더 유익합니다. 설정 패널의 ‘행’ 영역에 좌측 변수 패널의 측정기준 chip을 끌어다 놓으면 매트릭스가 다시 그려집니다.

- **첫 사용자 캠페인 / 첫 사용자 소스** — 매체보다 좁은 단위로, 특정 캠페인(예: ‘봄 신상 캠페인’)이 데려온 사용자의 LTV. 캠페인 ROI를 LTV 기준으로 비교.
- **기기 카테고리** — 모바일·데스크톱·태블릿별 LTV. 본문 글로벌 활용 사례 ②에서 다룹니다.
- **국가/지역** — 국가별 LTV. ‘우리 사이트의 황금 국가’ 식별.
- **마지막 잠재고객 이름** — 광고 잠재고객(remarketing audience) 별 LTV. ‘어떤 잠재고객 광고가 LTV 높은 사용자를 데려오는가’ 판단.
- **첫 방문 날짜** — 첫 방문 날짜별 LTV(코호트 분석과 유사 효과). 시즌·캠페인 시기별 사용자 품질 차이 비교.

## 평생 가치 통화 표시(USD)와 KRW 환산

본문 캡처에서 보이듯 GA4 사용자 전체 기간 분석의 ‘평생 가치(LTV)’ 측정항목은 **속성의 보고 통화와 무관하게 USD로 표시됩니다**(측정항목 이름에도 ‘평생 가치(LTV)(USD)’로 명시). KRW 속성이라도 LTV는 USD로 환산되어 매트릭스에 잡힙니다. 글로벌 비교를 위해 GA4가 강제 통일한 것으로, 사용자가 임의로 통화를 바꿀 수 없습니다.

**한국 사이트에서 KRW로 의미 있는 숫자를 보고 싶다면 다음 세 가지 우회가 있습니다.**

- **① 표시 시점 환산** — 매트릭스의 USD 값에 ‘분석 기간 기준 평균 환율’을 곱해 KRW로 환산. 가장 빠르지만 환율 변동에 취약합니다. 보고 캡션에 ‘1 USD = 1,350 KRW 기준’ 같이 환산율과 시점을 함께 적어 둡니다.
- **② 전체 기간 수익(Lifetime revenue) 측정항목 사용** — 측정항목 모달에서 ‘수익’ 등의 키워드로 검색하면 속성 통화 기준(KRW)으로 누적되는 수익 측정항목이 있는 경우가 많습니다. LTV 통계 6종(평균·총계·백분위수)은 USD 고정이지만, 일반 ‘수익’ 측정항목은 속성 통화를 따릅니다. 다만 정확한 정의(어떤 이벤트를 합산하는가)가 사이트마다 다를 수 있어 측정항목 정의를 함께 확인합니다.
- **③ BigQuery raw 데이터로 직접 계산** — GA4 BigQuery export가 켜져 있다면 raw `purchase` 이벤트의 `value` 합을 사용자 단위로 직접 누적해 KRW 그대로의 LTV를 계산. GA4 LTV의 120일 한계도 함께 우회할 수 있습니다(같은 섹션의 [BigQuery로 들어오는 GA4 데이터](/wiki/playbook/bigquery-checklist/what-is-ga4-data-in-bigquery) 참고).

실무에선 일상 모니터링은 USD 그대로 두고 ‘추세·비교’ 목적으로 쓰고, 임원·재무 보고에만 KRW로 환산하거나 BigQuery 산출값으로 갈음하는 운영이 가장 무난합니다.

## 사용자 전체 기간 분석 글로벌 활용 사례 5선

데이터팀들이 실무에서 자주 쓰는 5가지 시나리오입니다. 모두 ‘평균 한 줄 보고 끝’이 아니라 ‘총계·평균·중앙값·백분위수를 함께 보는’ 방식으로 깊이를 더합니다.

### ① 채널·캠페인 ROI를 ‘평생 가치’로 다시 판단

- **설정** — 행 = `첫 사용자 매체` 또는 `첫 사용자 캠페인`, 값 = 총 사용자 / LTV 총계 / LTV 평균 / LTV 90번째 백분위수.
- **보는 것** — 마지막 클릭 ROAS만 보면 ‘일회성 매출’이 큰 채널이 좋아 보입니다. 같은 광고비를 들였는데 ‘평생 동안 만든 매출 총계’가 큰 채널이 ‘진짜 ROI가 높은 채널’입니다. 90번째 백분위수까지 함께 보면 ‘큰손을 데려오는 채널’이 식별됩니다.
- **의사결정** — 평균 LTV는 평범하지만 90번째 백분위 LTV가 매우 높은 채널은 ‘소수의 큰손을 만드는 채널’로 분류해 예산을 유지·확대. 반대로 사용자 수만 많고 LTV 총계가 낮으면 ‘대량 유입 채널’로 분류해 다른 채널과 역할 분담.

### ② 기기 LTV 격차 — 모바일 vs 데스크톱

- **설정** — 행 = `기기 카테고리`, 값 = 총 사용자 / LTV 평균 / 전체 기간 거래 평균.
- **보는 것** — ‘데스크톱 사용자의 평균 LTV가 모바일의 50% 이상 높다’ 같은 결과가 글로벌에서 자주 나옵니다. 사이트마다 다르지만, 모바일이 ‘들어오긴 잘 들어오는데 LTV는 낮은’ 패턴이면 모바일 결제·반복 구매 UX에 문제가 있을 가능성.
- **의사결정** — 모바일 LTV를 데스크톱의 70~80%까지 올리는 UX 개선(빠른 결제·홈 추가·푸시 옵트인)을 우선순위 백로그로. 광고 입찰 전략도 ‘모바일 = 인지·재방문 유도용, 데스크톱 = 직접 전환용’으로 디바이스별 역할 분담.

### ③ ‘큰손이 매출을 끌고 가는가’ — 평균 vs 90번째 백분위수

- **설정** — 행 = `첫 사용자 매체`, 값 = LTV 평균 / LTV 중앙값 / LTV 90번째 백분위수.
- **보는 것** — 평균과 중앙값의 차이. 평균 LTV가 $19인데 중앙값이 $3이고 90번째 백분위수가 $80이라면, ‘대부분의 사용자는 LTV $3, 상위 10%의 큰손이 평균을 끌어올린’ 분포. 매체별로 이 분포 모양이 어떻게 다른지를 비교합니다.
- **의사결정** — 큰손 의존도가 큰 매체(평균과 중앙값 격차가 큰 매체)는 ‘소수 단골 고객 마케팅(VIP 케어·전용 혜택)’ 전략과 짝이 맞습니다. 분포가 평탄한 매체(평균≈중앙값)는 대중 마케팅(쿠폰·할인) 전략과 짝이 맞습니다.

### ④ SaaS의 ‘LTV ≥ 3×CAC’ 검증

- **설정** — 행 = `첫 사용자 캠페인`, 값 = 총 사용자 / LTV 평균 / LTV 총계. 광고비 데이터(CAC)는 분석 외부에서 가져와 ‘LTV / CAC 비율’을 별도로 계산.
- **보는 것** — 글로벌 SaaS 업계에서 ‘LTV ≥ 3×CAC’가 ‘이익이 나는 유저 단위 경제’의 최소 기준으로 통용됩니다. 캠페인별 LTV ÷ 그 캠페인의 평균 CAC가 3 이상인지 표로 보면, 어느 캠페인이 ‘남는 장사’인지가 한 줄로 결정됩니다.
- **의사결정** — 비율 3 미만 캠페인은 (a) LTV를 올리는 제품·온보딩 개선이 동반되지 않으면 예산 축소, (b) 비율 3 이상 캠페인은 ‘LTV 안전 마진’이 있으므로 동일 CAC 한도 안에서 예산 증액 후보.

### ⑤ ‘첫 구매까지 N일’의 매체별 차이로 신규 사용자 온보딩 진단

- **설정** — 행 = `첫 사용자 매체`, 값 = 총 사용자 / 첫 구매까지 일수(평균) / LTV 평균. (‘첫 구매까지 일수’ 측정항목은 측정항목 모달에서 추가).
- **보는 것** — 매체별로 신규 사용자가 ‘첫 구매까지 평균 며칠’ 걸리는가. 일반적으로 자연검색(organic)으로 들어온 사용자는 첫 구매까지 시간이 길고(검토 후 구매), 광고로 들어온 사용자는 짧은(타깃팅이 맞는) 경향. 매체별 ‘구매 결심까지의 거리’가 곧 사이트 온보딩의 효율 신호입니다.
- **의사결정** — 첫 구매까지 일수가 매우 긴 매체에는 ‘N일 안에 사용하면 X 할인’ 같은 시간 압박 캠페인(deadline-based nudging). 매우 짧은 매체에는 ‘첫 구매 직후 재구매 유도’ 캠페인이 효과적입니다.

## 사용자 전체 기간 분석으로 보고할 때의 기준

- **LTV는 ‘120일 윈도우의 short-term LTV’임을 한 줄로 적습니다.** 보는 사람이 ‘진짜 평생값’으로 오해하지 않도록 분석의 한계를 캡션에 명시합니다.
- **LTV가 USD인 점과 환산 기준을 함께 적습니다.** 한국 사이트의 보고에선 ‘USD 표시 / 1 USD = N KRW 환산 시 약 ₩XXX’ 같이 두 통화를 같이 두면 직관이 살아납니다.
- **평균 단독 보고를 피하고 ‘평균 + 중앙값 + 90번째 백분위수’ 묶음으로 보고합니다.** 큰손이 끌어올린 평균의 함정을 피하는 가장 손쉬운 방법입니다.
- **행 측정기준의 정의를 캡션에 함께 적습니다.** 같은 ‘매체’라도 ‘첫 사용자 매체’와 ‘세션 매체’는 모집단 정의가 다릅니다.
- **매체·캠페인 보고에는 행 묶음의 ‘총 사용자 수’도 같이 보여 줍니다.** 사용자가 10명인 행의 ‘평균 LTV $200’은 통계적으로 의미가 약합니다. 행의 규모와 통계의 신뢰도가 함께 표시되어야 의사결정이 가능합니다.

## 자주 묻는 질문

### LTV(USD)가 우리 GA4 속성에서 매출 0으로 잡힙니다. 왜 그런가요?

GA4가 LTV로 인정하는 매출 이벤트(`purchase`, `in_app_purchase`, `app_store_subscription_*`, `ad_impression`) 중 어느 하나도 사이트에서 발사되지 않거나, `value`·`currency` 같은 표준 매개변수가 누락된 경우입니다. 데모 계정처럼 매출 이벤트는 있지만 GA4 LTV 계산에 잡히지 않는 사례도 있어, 이 분석을 본격 운영하려면 전자상거래 표준 이벤트 매개변수 셋이 정확히 들어오고 있는지 먼저 점검해야 합니다(같은 섹션의 [GA4 전자상거래란?](/wiki/playbook/ga4-event-taxonomy-checklist/what-is-ga4-ecommerce) 참고).

### ‘동질 집단 탐색 분석’과 어떻게 다른가요?

동질 집단 분석은 ‘같은 시점에 들어온 사용자 묶음이 시간이 지나며 얼마나 살아남는가(리텐션%)’를 봅니다. 사용자 전체 기간 분석은 ‘각 사용자가 평생 동안 어떤 누적값을 만들었는가(LTV·거래 수·참여시간)’를 봅니다. 두 분석은 보완 관계라, ‘이 채널이 데려온 사용자가 얼마나 오래 남았는가(코호트)’와 ‘그 사용자가 평생 얼마를 가져왔는가(전체 기간)’를 함께 보면 채널 평가가 가장 단단해집니다(같은 섹션의 [동질 집단 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-cohort-exploration-in-ga4)).

### 120일 윈도우는 변경할 수 없나요? 우리는 연간 구독이라 120일이 너무 짧습니다.

GA4 UI에서는 윈도우를 변경할 수 없습니다. 긴 수명 비즈니스는 GA4의 LTV 측정항목을 ‘보조 지표’로만 쓰고, 진짜 LTV는 BigQuery로 raw purchase 이벤트를 직접 누적해 산출하는 식으로 분리해 운영합니다. ‘GA4 UI의 120일 LTV는 추세 모니터링용, 임원 보고용 LTV는 BigQuery 계산값’이라는 이원화가 글로벌 가이드에서 자주 추천되는 운영 패턴입니다.

### 샘플링이 적용된다는 안내가 뜨는데, 신뢰해도 되나요?

사용자 전체 기간 분석은 무료 GA4 1M 사용자, GA4 360 10M 사용자가 샘플링 한도입니다. 분석 기간에 잡힌 사용자가 이 한도를 넘으면 GA4가 100만(혹은 천만) 명의 표본을 뽑아 결과를 그 비율로 확대 계산합니다. 통계적으로 추정값이라 ‘소수점 자릿수까지의 정확한 값’이 아니라 ‘크기 비교에 쓰는 추정 수치’로 이해해야 합니다. 분석 기간을 줄이면 샘플링이 풀려 정확한 값이 나오니, 정확값이 필요한 보고엔 기간을 14~28일로 짧게 줄여 다시 한 번 확인합니다.

### 데모 계정(Google Merch Shop)에서 사용자 전체 기간 분석이 안 보입니다.

Google이 운영하는 GA4 데모 계정은 개인정보 보호 차원에서 사용자 단위 누적 데이터를 노출하지 않습니다. 사용자 전체 기간 분석은 ‘사용자 단위’ 분석이라 데모 계정에서 사용할 수 없고, 본인 사이트 또는 권한이 있는 광고주 GA4 속성에서만 만들 수 있습니다. 이 글의 캡처도 광고주 GA4 360 속성에서 진행했고, 식별 가능 정보는 모자이크 처리했습니다.

## 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)
- [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) (현재 문서)