광고를 늘려 방문자가 두 배가 됐는데 매출은 그대로라면 사람들은 어디서 빠져나가고 있을까요? 퍼널 분석은 이 질문에 단계별 숫자로 답하는 방법입니다.
이 글에서는 가상의 온라인 쇼핑몰 숫자 한 세트를 들고 처음부터 끝까지 직접 계산해 봅니다. 분석 도구 화면 없이 계산기나 엑셀 표 하나면 따라 할 수 있습니다.
- 퍼널 분석이 답하는 질문 하나
- 1단계: 우리 퍼널 단계 정하기
- 2단계: 단계 전환율과 전체 전환율 계산하기
- 3단계: 막힌 단계 고르기
- 4단계: 기기·유입 채널별로 나눠 보기
- 5단계: 고칠 순서 정하기
- 다음 글에서 이어 갈 내용
- 자주 묻는 질문
1. 퍼널 분석이 답하는 질문 하나
퍼널(funnel)은 깔때기라는 뜻입니다. 위로 들어온 사람이 단계를 하나씩 지날 때마다 조금씩 빠져나가 아래로 갈수록 좁아지는 모양을 빗댄 말입니다. 퍼널 분석은 여러 사람의 숫자를 단계별로 세어 “어느 단계에서 가장 많이 빠지나”라는 질문 하나에 답합니다.
구글 애널리틱스4(GA4) 공식 도움말도 유입경로(퍼널) 탐색 분석을 “사용자가 작업을 완료하기 위해 실행하는 단계를 시각적으로 확인하고 단계별 작업 완료 또는 실패 여부를 신속하게 확인할 수 있”는 방법으로 설명합니다(GA4 유입경로 탐색 분석 도움말). 도구가 무엇이든 핵심은 같습니다. 단계마다 몇 명이 남았는지 세는 것입니다.
방문자 수만 보면 이 질문에 답할 수 없습니다. 방문이 두 배가 돼도 중간 어느 단계가 막혀 있으면 구매는 거의 늘지 않습니다. 반대로 방문이 그대로여도 막힌 단계 하나를 뚫으면 구매가 늘 수 있습니다. 그래서 퍼널 분석의 출발점은 “더 많이 데려오기”가 아니라 “들어온 사람이 어디서 멈추나”입니다.
퍼널은 여러 사람의 합계를 회사 쪽에서 보는 도구입니다. 한 사람의 경험 흐름을 따라가며 왜 멈췄는지 살피는 방법은 고객여정지도 뜻과 작성법 글에 정리되어 있습니다. 여기서는 숫자로 막힌 곳을 찾는 순서에만 집중합니다.
2. 1단계: 우리 퍼널 단계 정하기
첫 일은 단계를 정하는 것입니다. 단계는 사람이 하는 행동으로 적습니다. “관심”, “고려”처럼 머릿속 상태로 적으면 숫자로 셀 수가 없습니다. “상품 상세 페이지를 열었다”, “장바구니에 담았다”처럼 기록으로 남는 행동이어야 사람 수를 셀 수 있습니다.
이 글의 가상 쇼핑몰은 다섯 단계로 나눕니다.
| 순서 | 단계 이름 | 세는 행동 |
|---|---|---|
| 1 | 방문 | 쇼핑몰의 아무 페이지에 들어옴 |
| 2 | 상품 보기 | 상품 상세 페이지를 엶 |
| 3 | 장바구니 | 상품을 장바구니에 담음 |
| 4 | 결제 시작 | 주문서(배송·결제 정보 입력) 페이지에 들어감 |
| 5 | 구매 | 결제를 마침 |
단계를 정할 때는 세 가지를 지킵니다.
- 앞 단계를 거쳐야 다음 단계로 가는 순서여야 합니다. 그래야 단계 사이 비율이 의미를 갖습니다. GA4 도움말은 첫 단계에서만 들어올 수 있는 퍼널을 ‘폐쇄형’, 어느 단계에서든 들어올 수 있는 퍼널을 ‘개방형’으로 구분합니다. 이 글의 계산은 첫 단계(방문)부터 세는 폐쇄형 방식입니다.
- 같은 기간, 같은 사람 무리로 셉니다. 단계마다 기간이 다르면 비율이 틀어집니다. 아래 숫자는 모두 같은 한 달 동안의 방문자 기준입니다.
- 처음에는 4～6개로 시작합니다. 너무 잘게 나누면 표가 길어져 판단이 흐려집니다. 막힌 단계를 찾은 뒤 그 단계만 더 잘게 나누면 됩니다.
3. 2단계: 단계 전환율과 전체 전환율 계산하기
아래 숫자는 설명을 위해 만든 가상 쇼핑몰의 한 달 숫자입니다. 실제 업종 평균이나 특정 회사의 숫자가 아닙니다.
단계별 사람 수를 세었다면 비율 두 가지를 계산합니다.
- 단계 전환율 = 이번 단계 사람 수 ÷ 바로 앞 단계 사람 수 × 100
- 전체 전환율 = 이번 단계 사람 수 ÷ 첫 단계(방문) 사람 수 × 100
| 단계 | 사람 수 | 단계 전환율 | 전체 전환율 | 빠져나간 사람 |
|---|---|---|---|---|
| 방문 | 10,000명 | – | 100% | – |
| 상품 보기 | 4,000명 | 40% | 40% | 6,000명 |
| 장바구니 | 1,200명 | 30% | 12% | 2,800명 |
| 결제 시작 | 960명 | 80% | 9.6% | 240명 |
| 구매 | 240명 | 25% | 2.4% | 720명 |
두 비율은 하는 일이 다릅니다. 전체 전환율 2.4%는 “방문한 사람 100명 중 2.4명꼴로 샀다”는 결과만 알려 줍니다. 어느 단계 탓인지는 말해 주지 않습니다. 단계 전환율은 그 2.4%를 단계마다 쪼개서 보여 줍니다.
계산이 맞는지는 두 가지로 검산합니다.
- 단계 전환율을 모두 곱하면 전체 전환율이 나와야 합니다. 40% × 30% × 80% × 25% = 2.4%로 표의 마지막 칸과 같습니다.
- 빠져나간 사람을 모두 더하고 마지막 단계 사람 수를 더하면 첫 단계 사람 수가 나와야 합니다. 6,000 + 2,800 + 240 + 720 + 240 = 10,000명입니다.
두 검산 중 하나라도 어긋나면 단계마다 센 기간이나 기준이 다른 경우가 많으니 1단계로 돌아가 다시 확인합니다.
4. 3단계: 막힌 단계 고르기
표가 생기면 “막힌 단계” 후보가 두 곳 보입니다.
- 단계 전환율이 가장 낮은 곳: 결제 시작 → 구매(25%). 주문서까지 온 960명 중 720명이 결제를 마치지 않았습니다.
- 빠져나간 사람이 가장 많은 곳: 방문 → 상품 보기(6,000명).
둘이 같으면 고민할 것이 없지만 이 예시처럼 다를 때가 많습니다. 이때는 두 가지를 따져 봅니다.
첫째, 그 단계에 있는 사람이 구매에 얼마나 가까운지 봅니다. 들어오자마자 나가는 방문자에는 원래 살 생각 없이 둘러보던 사람도 많이 섞여 있습니다. 반면 주문서까지 온 사람은 사려는 마음을 거의 굳힌 사람입니다. 같은 한 명이라도 뒤 단계에서 놓친 한 명이 구매에 더 가깝습니다.
둘째, 같은 폭만큼 올렸을 때 구매가 몇 명 늘어나는지 계산합니다. 다른 단계는 그대로 둔다고 가정하고 한 단계씩 단계 전환율을 5%p 올려 봅니다.
| 올린 단계 | 바뀐 단계 전환율 | 바뀐 구매 수 | 늘어난 구매 |
|---|---|---|---|
| 방문 → 상품 보기 | 40% → 45% | 270명 | +30명 |
| 상품 보기 → 장바구니 | 30% → 35% | 280명 | +40명 |
| 장바구니 → 결제 시작 | 80% → 85% | 255명 | +15명 |
| 결제 시작 → 구매 | 25% → 30% | 288명 | +48명 |
첫 줄을 예로 들면 10,000명 × 45% = 4,500명 → × 30% = 1,350명 → × 80% = 1,080명 → × 25% = 270명입니다. 나머지 줄도 같은 방식으로 계산했습니다.
결과를 보면 같은 5%p라도 원래 전환율이 낮은 단계일수록 구매가 더 많이 늘어납니다. 25%에서 30%로 오르는 것은 1.2배가 되는 일이지만 80%에서 85%로 오르는 것은 약 1.06배에 그치기 때문입니다. 퍼널은 단계 전환율을 곱해 나가는 구조라서 한 단계가 몇 배 오르면 구매도 그만큼 오릅니다.
그래서 이 예시의 첫 후보는 결제 시작 → 구매, 다음 후보는 상품 보기 → 장바구니입니다. 빠져나간 사람이 가장 많은 방문 → 상품 보기는 숫자는 크지만 들어온 사람의 성격 문제일 수 있어서 다음 단계에서 유입 채널별로 나눠 확인합니다.
5. 4단계: 기기·유입 채널별로 나눠 보기
막힌 단계 후보를 골랐다면 같은 표를 기기별, 유입 채널별로 다시 만듭니다. 막힘이 전체에 고르게 퍼져 있는지, 특정 조건에서만 생기는지를 가려내기 위해서입니다. GA4 도움말도 기기 카테고리를 기준으로 고르면 “각 단계가 기기 카테고리(예: 데스크톱, 모바일)별로 분류되어 표시”된다고 안내합니다. 도구가 없어도 기기별 사람 수만 있으면 같은 계산을 할 수 있습니다.
아래 두 표도 앞의 가상 쇼핑몰 숫자를 나눈 가상 예시입니다.
첫 후보(결제 시작 → 구매)를 기기별로 나누면
| 기기 | 결제 시작 | 구매 | 단계 전환율 |
|---|---|---|---|
| 모바일 | 640명 | 128명 | 20% |
| PC | 320명 | 112명 | 35% |
| 합계 | 960명 | 240명 | 25% |
전체로 보면 25%였지만 PC는 35%, 모바일은 20%입니다. 막힘이 주로 모바일 주문서에서 생긴다는 뜻입니다. 이제 “결제가 잘 안 된다”가 아니라 “모바일 주문서에서 결제를 마치지 못한다”로 문제가 좁혀졌습니다. 입력 칸이 많은지, 쓰려는 결제 수단이 없는지, 오류가 나는지 같은 가설을 모바일 화면부터 확인해 볼 수 있습니다.
방문 → 상품 보기를 유입 채널별로 나누면
| 유입 채널 | 방문 | 상품 보기 | 단계 전환율 |
|---|---|---|---|
| 검색 유입 | 5,000명 | 2,500명 | 50% |
| SNS 광고 유입 | 5,000명 | 1,500명 | 30% |
| 합계 | 10,000명 | 4,000명 | 40% |
SNS 광고로 들어온 사람은 상품을 덜 봅니다. 광고에서 보여 준 내용과 처음 도착한 페이지가 서로 어긋났을 수 있다는 가설이 나옵니다. 만약 방문자를 두 배로 늘린 것이 이 SNS 광고였다면 글 첫머리의 “방문은 느는데 매출은 그대로” 상황을 설명하는 원인 하나가 여기서 보이는 셈입니다.
나눠 볼 때 주의할 점이 하나 있습니다. 나눈 칸의 사람 수가 너무 적으면 몇 명 차이로도 비율이 크게 흔들립니다. 10명 중 2명이면 20%, 3명이면 30%로 한 명 차이가 10%p가 됩니다. 칸마다 사람 수가 적다면 기간을 늘려 숫자를 더 모은 뒤 비교하는 편이 안전합니다.
6. 5단계: 고칠 순서 정하기
후보가 여러 개면 한꺼번에 고치지 말고 순서를 정합니다. 기준은 두 가지입니다.
- 영향: 고쳤을 때 구매가 얼마나 늘어날 수 있나(3단계의 5%p 계산, 4단계에서 좁힌 결과)
- 고치기 쉬움: 우리 팀이 얼마나 빨리, 적은 비용으로 바꿀 수 있나(팀이 직접 판단)
가상 쇼핑몰의 후보를 표로 정리하면 다음과 같습니다. 고치기 쉬움은 이 예시를 위해 정한 가상 판단입니다.
| 후보 | 근거가 된 숫자 | 영향(5%p 올릴 때) | 고치기 쉬움 | 순서 |
|---|---|---|---|---|
| 모바일 주문서 | 모바일 20%, PC 35% | 구매 +48명(결제 단계 전체) | 보통 | 1 |
| SNS 광고 도착 페이지 | SNS 30%, 검색 50% | 구매 +30명(방문 단계 전체) | 쉬움 | 2 |
| 상품 상세 페이지 | 단계 전환율 30%, 빠진 사람 2,800명 | 구매 +40명 | 어려움 | 3 |
| 장바구니 → 주문서 | 단계 전환율 80% | 구매 +15명 | 어려움 | 4 |
순서를 정하는 규칙은 단순합니다. 영향이 크고 고치기 쉬운 것을 먼저 하고 영향은 크지만 어려운 것은 계획을 세워 다음 차례에 둡니다. 영향이 작은데 어렵기까지 한 것은 미룹니다. 상품 상세 페이지는 영향이 두 번째로 크지만 사진·설명·후기를 함께 손봐야 해서 이 예시에서는 3순위가 됐습니다.
고친 뒤에는 같은 길이의 기간으로 같은 표를 다시 계산해 해당 단계 전환율이 실제로 바뀌었는지 확인합니다. 한 번에 한 곳씩 바꾸는 것이 좋습니다. 여러 곳을 동시에 바꾸면 숫자가 올라도 무엇이 효과였는지 알기 어렵습니다.
7. 다음 글에서 이어 갈 내용
이번 글은 단계별 전환율로 막힌 단계를 찾는 순서 하나만 다뤘습니다. 퍼널을 공부하다 보면 이어서 궁금해지는 주제가 세 가지 있는데, 각각 다음 글에서 자세히 다룹니다.
- AARRR과 구매 퍼널 비교: 퍼널 모델은 하나가 아닙니다. 데이브 매클루어(Dave McClure)가 발표 자료 「Startup Metrics for Pirates」에서 정리한 AARRR은 고객 생애 주기를 획득(Acquisition), 활성화(Activation), 유지(Retention), 추천(Referral), 수익(Revenue) 다섯 단계로 나눕니다. 이 글의 쇼핑몰 구매 퍼널과 단계 이름·대표 지표가 어떻게 다르고 어떤 사업에 어느 쪽이 맞는지 표로 비교할 예정입니다.
- 퍼널 개선 공개 사례 분해: 출처가 공개된 실제 사례를 “막힌 단계·바꾼 것·바뀐 숫자” 세 칸으로 나눠 읽어 봅니다.
- 퍼널 단계 정의표 만들기: 우리 서비스의 퍼널을 직접 정할 때 단계마다 “사람의 행동·기록되는 이벤트·분모”를 채우는 빈 양식을 함께 만들어 봅니다.
퍼널 단계마다 어떤 채널과 콘텐츠를 연결할지는 성과 마케팅의 효과: 전체 퍼널 접근 방식을 통한 성공 전략 글에서 함께 볼 수 있습니다.
8. 자주 묻는 질문
Q. 퍼널 단계는 몇 개로 나누는 게 적당한가요?
정해진 개수는 없습니다. 처음에는 4～6개로 크게 나누고 막힌 단계를 찾은 뒤 그 구간만 더 잘게 나누는 방식이 부담이 적습니다. 예를 들어 결제 단계가 막혔다면 “배송 정보 입력”, “결제 수단 선택”처럼 그 안을 다시 나눠 봅니다.
Q. 단계 전환율이 몇 %면 정상인가요?
업종, 상품 가격, 단계를 어떻게 정의했는지에 따라 크게 달라서 한 숫자로 말하기 어렵습니다. 같은 쇼핑몰이라도 “방문”을 모든 페이지 진입으로 볼지 첫 화면 진입으로 볼지에 따라 숫자가 바뀝니다. 다른 회사의 평균과 비교하기보다 우리 퍼널의 지난달, 작년 같은 달과 비교하는 편이 판단에 더 쓸모 있습니다.
Q. 분석 도구 없이도 퍼널 분석을 할 수 있나요?
할 수 있습니다. 단계별 사람 수만 있으면 엑셀 같은 표 계산 프로그램으로 이 글의 표를 그대로 만들 수 있습니다. 방문 수, 회원가입·주문 기록처럼 이미 쌓여 있는 숫자로 시작해 보고 단계를 더 잘게 나눠야 할 때 분석 도구를 쓰면 됩니다.
정리
퍼널 분석은 “어느 단계에서 가장 많이 빠지나”라는 질문 하나에 숫자로 답하는 방법입니다. 순서는 다섯 단계입니다. 사람의 행동으로 퍼널 단계를 정하고 단계 전환율과 전체 전환율을 계산해 두 가지 검산으로 확인합니다. 전환율이 가장 낮은 단계와 빠진 사람이 가장 많은 단계가 다르면 구매에 얼마나 가까운 사람인지, 같은 폭을 올렸을 때 구매가 몇 명 늘어나는지로 막힌 단계를 고릅니다. 이어서 기기·유입 채널별로 같은 표를 다시 만들어 문제를 좁히고 영향과 고치기 쉬움 두 기준으로 고칠 순서를 정합니다. AARRR 비교, 공개 사례 분해, 단계 정의표는 다음 글에서 이어 가고 자주 묻는 질문에서 본 것처럼 전환율은 남의 평균보다 우리 퍼널의 지난 숫자와 비교하는 것이 출발점입니다. 오늘 표를 엑셀에 옮겨 우리 서비스 숫자를 한 줄씩 넣어 보면 막힌 곳이 생각보다 빨리 보입니다.
이 글의 숫자는 모두 학습을 위한 가상 예시입니다.