GA4와 구글 클라우드 통합이 어떻게 복잡한 데이터를 단순화하고 마케팅 캠페인을 위한 실행 가능한 통찰력을 얻는 데 도움이 되는지 안내한다. GA4를 빅쿼리와 통합하면 세분화된 데이터를 GA4에서 빅쿼리로 원활하게 전달해 원하는 방식으로 데이터를 분석하고 원하는 기간 동안 데이터를 보관하며 다른 데이터 소스를 가져와 웹 분석을 강화할 수 있다. 전부 읽고 나면 GA4와 구글 클라우드의 통합을 위한 데이터 설계 프로세스를 알게 됨으로써 데이터에 기반한 디지털 마케팅의 미래를 준비할 수 있을 것이다.

◈ 이 책에서 다루는 내용 ◈
◆ 구글 클라우드가 GA4와 통합되는 방식
◆ GA4 통합으로 가능한 잠재적 사용 사례
◆ GA4 통합에 필요한 기술 및 리소스
◆ 사용 사례를 구현하는 데 필요한 GA4 데이터 캡처의 양
◆ 데이터 저장, 모델링 및 활성화에 이르는 전략에서 데이터 흐름을 설계하는 프로세스
◆ 비즈니스 요구에 맞게 사용 사례를 조정하는 방법


◈ 이 책의 대상 독자 ◈
이 책을 읽고 있다면 디지털 분석 환경을 가진 디지털 마케터일 가능성이 높다. 전자상거래 브랜드나 웹 퍼블리셔와 같은 대행사 또는 디지털 마케팅 부서에서 일하고 있을 수 있다. 유니버설 애널리틱스에서 GA4로 업그레이드하는 것을 고려 중이거나 이미 전환해 고급 기능을 사용하려고 할 수 있다. 이 책의 목표는 기술 지식이 없는 독자에게 가능한 것에 대해 영감을 주고, 기술적인 독자가 책 내에서 사용 사례를 구현하고 기본 구성 요소를 사용해 자신만의 맞춤형 통합을 만들 수 있게 충분한 실용적인 정보를 제공하는 것이다.
디지털 마케팅 분야에서 1~2년의 경험으로 습득할 수 있는 기본 사항을 넘어 GA4의 통합 기능에 대해 교육하는 것이 이 책의 목표다. 독자는 웹 사이트에서 태그를 구현하거나 기본 GA 보고서를 읽는 데 익숙할 것이다. 더 많은 기술 사용자는 구글 API를 사용한 경험과 자바스크립트, 파이썬, R, SQL 지식 및 클라우드 경험이 있을 수 있다.
이 책은 GA4 기능을 전체적으로 정리하지 않았다. 대신 구글 클라우드 플랫폼(Google Cloud Platform)을 사용해 GA4 구현에서 비즈니스 가치를 추출하고자 현재 할 수 있는 일에 초점을 맞춘다.

[목 차]

1장. 새로운 구글 애널리틱스
__GA4 소개
____모바일과 웹 분석의 통합
____파이어베이스와 빅쿼리: 클라우드로의 첫걸음
____GA4 배포
____유니버설 애널리틱스와 GA4 비교
__GA4 데이터 모델
____이벤트
____맞춤 매개변수
____전자상거래 항목
____사용자 속성
__구글 클라우드 플랫폼
____관련 GCP 서비스
____코딩 기술
____GCP에 온보딩
____서버리스 피라미드 위로 이동
____GCP 소개 마무리
__사용 사례 소개
____사용 사례: 예측 구매
____사용 사례: 잠재 고객 세분화
____사용 사례: 실시간 예측
__요약


2장. 데이터 아키텍처와 전략
__목표 달성을 위한 환경 조성
____이해관계자 동의
____우주선 문제를 피하기 위한 사용 사례 중심 접근 방식
____비즈니스 가치 입증
____디지털 성숙도 평가
____사용 사례의 우선순위 지정
__기술적 요구 사항
__데이터 수집
__데이터 스토리지
__데이터 모델링
____모델 성능 대비 비즈니스 가치
____데이터의 최소 이동 원칙
____정보 출력에 대한 원시 데이터 입력
____데이터 과학자/모델러 지원
____모델 KPI 설정
____모델링의 최종 위치
__데이터 활성화
____대시보드가 아닐 수도 있다
____최종 사용자와의 상호작용
__사용자 프라이버시
____사용자 프라이버시 선택 존중
____설계에 의한 프라이버시
__유용한 도구
____gcloud
____버전 관리/깃
____통합 개발자 환경
____컨테이너(도커 포함)
__요약


3장. 데이터 수집
__데이터 사일로 해체
____적은 것이 더 많은 것
____데이터 스키마 지정
__GA4 구성
____GA4 이벤트 유형
____GTM으로 GA4 이벤트 수집
____사용자 정의 필드 구성
____GA4 이벤트 수정이나 생성
____사용자 속성
____측정 프로토콜 v2
__API를 통해 GA4 데이터 내보내기
____데이터 API로 인증
____데이터 API 쿼리 실행
__빅쿼리
____빅쿼리와 GA4 연결
____GA4 내보내기의 빅쿼리 SQL
____기타 데이터 소스용 빅쿼리
____공개 빅쿼리 데이터 세트
____GTM 서버 사이드
__구글 클라우드 스토리지
____이벤트 기반 스토리지
____데이터 프라이버시
____GCS를 통한 CRM 데이터베이스 가져오기
__깃허브로 클라우드 빌드 CI/CD 설정
____깃허브 설정
____클라우드 빌드에 대한 깃허브 연결 설정
____리포지터리에 파일 추가
__요약


4장. 데이터 스토리지
__데이터 원칙
____정리된 데이터
____다양한 역할을 위한 데이터 세트
__빅쿼리
____빅쿼리를 사용해야 하는 경우
____데이터 세트 구성
____테이블 팁
__Pub/Sub
____GA4 빅쿼리 내보내기를 위한 Pub/Sub 토픽 설정
____GA4 내보내기에서 파티션을 나눈 빅쿼리 테이블 생성
____Pub/Sub에 대한 서버 사이드 푸시
__파이어스토어
____파이어스토어를 사용해야 하는 경우
____API를 통해 파이어스토어 데이터에 액세스
__GCS
__데이터 가져오기 예약
____데이터 가져오기 유형: 스트리밍 대비 예약된 배치 처리
____빅쿼리 뷰
____빅쿼리 예약 쿼리
____클라우드 컴포저
____클라우드 스케줄러
____클라우드 빌드
__스트리밍 데이터 흐름
____스트리밍 데이터용 Pub/Sub
____아파치 빔/데이터플로
____클라우드 펑션을 통한 스트리밍
__사용자 개인정보 보호
____설계에 의한 데이터 프라이버시
____빅쿼리의 데이터 만료
____데이터 손실 방지 API
__요약


5장. 데이터 모델링
__GA4 데이터 모델링
____표준 보고서와 탐색
____기여도 모델링
____사용자와 세션 결정
____동의 모드 모델링
____잠재 고객 생성
____예측 측정 항목
____인사이트
__데이터를 인사이트로 전환
____데이터 결과 범위 지정
____정확도 대비 증분 이점
____접근 방식 선택
____모델링 파이프라인을 최신 상태로 유지
____데이터 세트 연결
__빅쿼리 ML
____빅쿼리 ML 모델 비교
____모델을 프로덕션에 적용
__머신러닝 API
____ML API를 프로덕션에 적용
__구글 클라우드 AI: 버텍스 AI
____버텍스 API를 프로덕션에 적용
__R과의 통합
____기능 개요
____도커
____R 프로덕션
__요약


6장. 데이터 활성화
__데이터 활성화의 중요성
__GA4 잠재 고객과 구글 마케팅 플랫폼
__구글 옵티마이즈
__시각화
____대시보드 활용
____GA4 대시보드 옵션
____데이터 스튜디오
____루커
____기타 타사 시각화 도구
____데이터 기반 의사 결정을 가져오는 집계 테이블
____캐싱과 비용 관리
__마케팅 API 생성
____마이크로서비스 생성
____이벤트 트리거
____파이어스토어 통합
__요약


7장. 사용 사례: 구매 예측
__비즈니스 사례 생성
____가치 평가
____리소스 추정
____데이터 아키텍처
__데이터 수집: GA4 구성
__데이터 스토리지와 개인정보 보호 설계
__데이터 모델링: 잠재 고객을 구글 애즈로 내보내기
__데이터 활성화: 성능 테스트
__요약


8장. 사용 사례: 잠재 고객 세분화
__비즈니스 사례 생성
____가치 평가
____리소스 추정
____데이터 아키텍처
__데이터 수집
____GA4 데이터 캡처 구성
____GA4 빅쿼리 내보내기
__데이터 스토리지: 데이터 세트의 변환
__데이터 모델링
__데이터 활성화
____GTM SS를 통해 GA4 가져오기 설정
____GA4에서 잠재 고객 내보내기
____성능 테스트
__요약


9장. 사용 사례: 실시간 예측
__비즈니스 사례 생성
____필요한 리소스
____데이터 아키텍처
__데이터 수집
____GA4 구성
__데이터 스토리지
____클라우드 런에서 샤이니 앱 호스팅
__데이터 모델링
__데이터 활성화: 실시간 대시보드
____실시간 샤이니 앱용 R 코드
____서비스 계정으로 GA4 인증
____샤이니 앱에 모든 것을 통합
__요약


10장. 다음 단계
__동기 부여: 이 책의 내용을 알게 된 계기
__학습 리소스
____도움 요청
____자격증
__마지막 생각

작가의 말
GA4는 웹에서 사용되는 가장 인기 있는 디지털 마케팅 도구인 구글 애널리틱스(Google Analytics)의 가장 큰 발전이다. BuiltWith.com은 상위 10,000개 웹 사이트 중 약 72%가 구글 애널리틱스를 사용하고 있으며, 이러한 모든 웹 사이트는 향후 몇 년 내에 기존 유니버설 애널리틱스(Universal Analytics)에서 GA4로 업그레이드할 것으로 예상한다. GA4의 새 데이터 모델로 인해 구글 애널리틱스의 최신 버전은 이전에 어친(Urchin)에서 유니버설 애널리틱스로 업그레이드할 때와 달리 이전 버전과 호환되지 않는다. 오래된 시스템은 결국 퇴출될 것이므로 몇 년 안에 GA4가 지구상에서 가장 인기 있는 분석 솔루션이 될 것이라고 말하는 것이 현실적이다.
GA4는 새로운 디지털 마케팅 패러다임을 제공한다. 즉, 분석 도구가 데이터 활성화를 통해 발생할 일에 영향을 미치는 방향으로 이동하는 것이다. 데이터 활성화는 웹 사이트에 긍정적인 영향을 미치므로 분석을 통해 실제 비즈니스 영향을 확인할 수 있다. 지난 몇 년 동안 디지털 마케팅의 추세는 웹 사이트, 앱 또는 소셜 미디어 활동비용을 정당화하는 데 도움이 되도록 더 빠른 의사 결정을 내리는 방향이었다. 디지털 분석은 전자상거래가 호황을 누리면서 경쟁이 치열한 분야에서 예산을 올바르게 할당하고자 더욱 중요해졌다.
GA4의 전신인 어친 및 유니버설 애널리틱스가 2005년에 출시된 이후 인터넷은 모바일 앱, IoT, 머신러닝, 개인정보 보호 이니셔티브, 새로운 비즈니스 모델을 통합하도록 변화했다. 이 모든 것에는 데이터 처리 방식의 발전이 필요하다. GA4는 이러한 새로운 데이터 스트림을 지원하는 기능을 통합하고 디지털 마케팅의 미래를 준비한다.
구글 마케팅 스위트(Google Marketing Suite)의 구글 애즈(Google Ads), 구글 옵티마이즈(Google Optimize), 캠페인 매니저(Campaign Manager)와 같은 많은 기본 통합과 함께 GA4의 구글 클라우드 플랫폼(Google Cloud Platform) 및 파이어베이스(Firebase)의 사용 확대는 이제 디지털 마케터가 상상할 수 있는 거의 모든 데이터 흐름을 구축하고 이를 10억 명의 사용자로 확장할 수 있는 능력을 갖게 됐음을 의미한다. 이러한 부분을 조정하는 방법을 배우면 디지털 마케터는 분석을 좀 더 쉽게 사용해서 동일한 데이터 소스를 기반으로 데이터 애플리케이션을 생성해 자신의 웹 사이트에 대해 더 빠르고 가시적인 결과를 얻을 수 있다.
이러한 새로운 기회에는 기존의 디지털 마케터에게는 생소할 수 있는 학습 기술이 필요하므로 이 책의 목표는 GA4 구현이 그 잠재력을 발휘하고 속도를 높일 수 있도록 도움을 주는 것이다. GA4 데이터 활성화에 대한 일반적인 사용 사례를 시연하고 이를 구현하는 방법에 대한 단계별 지침을 제공할 뿐만 아니라 맞춤형 애플리케이션을 구축하는 데 도움이 되는 아이디어와 개념을 소개한다. 자신만의 데이터 활성화 프로젝트를 만들고자 하는 독자에게 영감을 줄 수 있기를 바란다. 몇 가지 템플릿을 제공하는 코드 예제와 데이터 스토리지, 데이터 모델링, API, 서버리스 기능 등 다양한 클라우드 구성 요소에 대한 소개가 포함돼 있어 어떤 기술을 활성화할지 평가하는 데 도움이 될 것이다.
현재 할 수 있는 일의 잠재력은 거의 무한하다. 때문에 지금은 디지털 분석 분야에서 일하기에 가장 흥미로운 시대일 것이다. 클라우드는 10년 전만 해도 개인이나 소규모 기업이 할 수 없었던 일을 가능하게 했고, 이러한 혁명의 한계는 여러분이 얼마나 큰 야망을 갖고 있느냐에 달렸다. 이 책이 단 한 사람이라도 그 야망을 실현하는 데 도움이 된다면 보람 있는 모험이 될 것이다.

옮긴이의 말
구글 애널리틱스(GA, Google Analytics)는 웹 사이트나 모바일 앱 방문자들의 행동과 상호작용을 추적하고 분석하는 디지털 분석 도구다. GA는 다양한 데이터를 수집하고 이를 시각적으로 표현하면 웹 사이트의 성과를 평가하고 개선하는 데 도움을 준다. GA가 다른 분석 플랫폼에 비해 갖는 장점은 구글 마케팅 플랫폼(GMP, Google Marketing Platform)과 잘 어울린다는 것이다. 구글의 검색, 디스플레이, 쇼핑, 동영상, 앱 광고 등을 관리하는 구글 애즈Google Ads 또는 다른 디지털 마케팅 미디어 도구를 사용하는 경우 GA는 미디어 활성화 프로세스의 소스이자 허브가 된다. GA의 설정을 통해 구글의 다른 제품과 연결하고 잠재 고객 및 전환 데이터를 공유할 수도 있다.
GA의 기존 버전인 유니버설 애널리틱스(Universal Analytics)와 다른 새로운 버전의 구글 애널리틱스인 GA4(Google Analytics 4)는 디지털 마케팅 분석에 사용할 수 있는 가장 최신 데이터 모델이다. GA4는 단순히 데이터를 분석하는 것이 아니라 분석 결과에 따라 조치를 취할 수 있다. 예를 들어 잠재 고객 기능은 사용자를 분류하고 리마케팅, 타겟팅, A/B 테스트, 개인화를 위한 잠재 고객을 만들 수 있다. GA4의 가장 큰 장점은 샘플링되지 않은 원시 데이터를 빅쿼리(BigQuery)로 무료로 내보낼 수 있다는 것이다.
빅쿼리는 구글 애널리틱스 또는 GMP 전용이 아닌 구글 클라우드 데이터 웨어하우스다. 빅쿼리를 사용하면 구글 애널리틱스 데이터뿐만 아니라 소유하고 제어하는 모든 데이터를 데이터 웨어하우스로 내보낼 수 있다. 데이터가 구글 클라우드에 있으면 자유롭게 다른 데이터베이스로 보내고, 구글 애널리틱스 외부의 데이터와 통합하고 다른 도구에서 고급 리포팅을 수행할 수 있다. 빅쿼리는 고급 데이터 조작을 가능하게 하며 데이터 통합 문제 및 교차 플랫폼 데이터 수정에 탁월하다.
GA4를 빅쿼리와 통합하면 세분화된 데이터를 GA4에서 빅쿼리로 원활하게 전달할 수 있다. 따라서 원하는 방식으로 데이터를 분석하고 원하는 기간 동안 데이터를 보관하며 다른 데이터 소스를 가져와 웹 분석을 강화할 수 있다. 이처럼 GA4와 구글 클라우드 통합은 웹 사이트에서 단순히 무슨 일이 일어났는지 리포팅하는 것이 아니라 더 많은 데이터 활성화를 가능하게 해 모든 스트림에서 온라인 및 오프라인 데이터를 연결해 엔드투엔드(End-to-End) 마케팅 데이터를 제공한다.
이 책은 GA4와 빅쿼리 통합이 복잡한 데이터를 어떻게 단순화하고 마케팅 캠페인을 위한 실행 가능한 통찰력을 얻는 데 어떻게 도움이 되는지 안내하는 책이다. 또한 GA4와 구글 클라우드가 통합되는 방식과 이에 필요한 기술 및 리소스, 사용 사례에 대해 설명한다. 독자는 GA4와 구글 클라우드의 통합을 위한 데이터 흐름을 설계하는 프로세스를 알게 됨으로써 데이터에 기반을 둔 디지털 마케팅의 미래를 준비하게 될 것이다.

추천사
"구글 애널리틱스를 배우면 도구 상자의 모든 도구를 사용해 데이터를 이해할 뿐만 아니라, 데이터를 활성화해 가치와 성장을 주도하는 경쟁 우위를 창출할 수 있다."
─멜린다 쉬에라(Melinda Schiera), 분석 전략가

마크 에드먼슨(Mark Edmondson)
15년 이상 디지털 분석 분야에서 일해 왔으며, 디지털 분석으로 달성할 수 있는 범위를 확장하는 오픈소스 작업과 블로그를 통해 업계 전반에 걸쳐 기여자로 알려져 있다. 업무를 위해 개발한 googleAnalyticsR 및 googleCloudRunner를 비롯해 Google API를 다루는 여러 R 패키지의 개발자다. 킹스 칼리지 런던(King’s College London)에서 물리학 석사 학위를 취득한 후 세계적인 기업과 함께 디지털 마케팅의 모든 분야에서 일했으며, 현재 클라우드, 머신러닝 및 데이터 과학을 사용해 데이터를 정보와 통찰로 전환하는 데 관심을 갖고 있다. 머신러닝, 클라우드 컴퓨팅, 데이터 프로그래밍 등의 개념에 대한 국제적인 연사로 활동하고 있으며, 구글 애널리틱스 및 구글 클라우드의 구글 개발자 전문가(Google Developer Expert) 프로그램의 일원으로 활동하게 된 것을 영광으로 생각한다. 덴마크 코펜하겐에서 아내, 두 자녀, 고양이와 함께 살고 있다.

옮긴이 유동하
디지털 분석 기업 넷스루에서 전략 기획을 담당하며, 구글 애널리틱스 공식 인증 파트너가 되도록 기여했다. 서울과학종합대학원(aSSIST)과 한국외국어대학교 경영대학원에서 웹 마이닝 과목을 가르쳤다. 그 외에도 네이버 사내 강의와 검색 광고주 대상으로 웹 분석과 관련된 강의를 했으며, 대학에서 인터넷 마케팅을 강의했다. 국내외 게임 회사와 인터넷 쇼핑몰, 금융권, 공공기관 등의 웹 분석 프로젝트를 수행했으며, 월간지에 데이터 마이닝과 웹 마이닝 주제로 강좌를 연재했고 인터넷 광고 측정에 관한 칼럼을 쓰기도 했다. 옮긴 책으로는 『데이터 과학자가 되는 핵심 기술』(에이콘, 2017), 『데이터 과학 효율을 높이는 데이터 클리닝』(에이콘, 2023)이 있다.