Funnel Analysis

정의

퍼널 분석(Funnel Analysis) 은 사용자가 우리 서비스에 유입된 시점부터 최종 전환(구매, 가입, 결제 등)에 도달할 때까지의 각 단계별 이탈과 전환을 추적하는 데이터 분석 방법입니다.

이커머스에서 퍼널은 보통 이렇게 흐릅니다.

광고 클릭 → 랜딩페이지 도달 → 상품 상세 조회 → 장바구니 담기 → 체크아웃 시작 → 결제 완료

각 단계마다 "몇 명이 들어왔고, 몇 명이 다음 단계로 넘어갔는가"를 숫자로 확인합니다. 퍼널 분석의 핵심은 "우리 몰이 어디서 새는가" 를 찾아내는 것입니다. 매출이 안 나오는 이유는 유입이 부족해서일 수도 있고, 결제 직전에서 다 새고 있어서일 수도 있습니다. 퍼널 분석은 이 둘을 명확히 구분해 줍니다.

비유로 이해하기

퍼널은 깔때기입니다. 위는 넓고 아래는 좁습니다. 물을 아무리 많이 부어도 중간에 구멍이 뚫려 있으면 아래로 떨어지는 물은 얼마 되지 않습니다.

- 입구가 좁은 경우 → 광고 소재나 타겟팅 문제 (CTR 낮음)

- 중간이 새는 경우 → 상세페이지, 가격, 배송비, UX 문제

- 출구가 막힌 경우 → 결제 시스템, 인증, 품절 문제

즉 퍼널 분석은 "어느 구멍을 막아야 매출이 커지는가"를 알려주는 진단 도구입니다.

공식

퍼널의 각 단계 전환율은 다음과 같이 계산합니다.

단계 전환율(%) = (다음 단계 도달 사용자 수 ÷ 현재 단계 사용자 수) × 100
전체 전환율(%) = (최종 전환 수 ÷ 최초 유입 수) × 100
이탈률(%) = 100 - 단계 전환율

예시 데이터 (월간 기준)

단계	사용자 수	단계 전환율	이탈률
광고 클릭	50,000	–	–
랜딩페이지 도달	42,000	84.0%	16.0%
상품 상세 조회	18,900	45.0%	55.0%
장바구니 담기	5,670	30.0%	70.0%
체크아웃 시작	2,835	50.0%	50.0%
결제 완료	1,701	60.0%	40.0%

- 전체 전환율 = 1,701 ÷ 50,000 = 3.40%

- 가장 큰 이탈 구간 = 장바구니 → 체크아웃 (70% 이탈)

이 표 하나만 봐도 "상세페이지→장바구니"와 "장바구니→체크아웃" 구간을 먼저 손봐야 한다는 것이 보입니다.

퍼널 분석 vs 코호트 분석

구분	Funnel Analysis (퍼널 분석)	Cohort Analysis (코호트 분석)
목적	단계별 이탈/전환 파악	시간 경과에 따른 사용자 행동 변화
기준 축	단계(Step)	시간(Time)
주요 질문	"어디서 새는가?"	"누가 오래 남는가?"
대표 지표	단계 전환율, 이탈률	리텐션율, LTV
활용 예	결제 퍼널 개선	재구매율, 구독 유지율
이커머스 예시	장바구니→결제 전환율	첫 구매 후 30일 재구매율

두 분석은 함께 써야 효과가 큽니다. 퍼널로 "어디서 새는지"를 찾고, 코호트로 "누가 우리 핵심 고객인지"를 확인합니다.

실무 적용 시나리오

1. 광고 소재 A/B 테스트

메타 광고 소재 A와 B를 각각 다른 랜딩으로 보냈을 때, 클릭→구매 전체 퍼널 전환율을 비교합니다. CTR이 높아도 최종 전환율이 낮으면 소재와 랜딩의 메시지 미스매치입니다.

2. 장바구니 이탈 복구

장바구니 담기 5,670명 중 체크아웃 시작이 2,835명이라면, 2,835명이 이탈한 것입니다. 이 구간에 무료배송 배너, 리타게팅 광고, 카카오 알림톡을 넣어 10%만 회복해도 약 283건의 추가 결제 기회가 생깁니다.

3. 결제 페이지 마찰 제거

체크아웃 시작 대비 결제 완료가 60%라면 40%가 결제 직전에 이탈합니다. 원인은 대부분 필수 회원가입, 배송비 갑작스러운 노출, 간편결제 미지원입니다. 비회원 결제와 카카오페이/네이버페이 도입만으로도 전환율이 5~15%p 개선되는 사례가 흔합니다.

4. 채널별 퍼널 비교

인스타그램, 네이버 검색, 카카오톡 채널별로 퍼널을 나눠 보면 채널마다 강점 단계가 다릅니다. 예를 들어 인스타는 상단 유입은 많지만 결제 전환이 약하고, 네이버 검색은 유입은 적어도 구매 의도가 높아 최종 전환율이 2배 이상 나오기도 합니다.

자주 하는 실수

1. 퍼널 단계를 너무 잘게 쪼개기

단계가 10개를 넘으면 어디가 문제인지 오히려 안 보입니다. 실무에서는 5~7단계가 적당합니다.

2. 이벤트 정의를 대충 하기

"장바구니 담기"가 버튼 클릭인지, 실제 서버 저장인지에 따라 숫자가 완전히 달라집니다. 이벤트 스펙 문서화가 선행되어야 합니다.

3. 중복 집계 무시

같은 사용자가 하루에 3번 장바구니에 담으면 3건으로 잡힙니다. Unique User 기준과 Event 기준을 반드시 구분해야 합니다.

4. 기간을 섞기

7일 퍼널과 30일 퍼널은 전환율이 다릅니다. 특히 고관여 카테고리(가구, 가전)는 전환까지 2~4주가 걸리므로 윈도우 기간을 명시해야 합니다.

5. 허수 트래픽 포함

봇, 내부 IP, 임직원 테스트 트래픽을 필터링하지 않으면 전환율이 왜곡됩니다.

6. 전환율만 보고 절대 수량 무시

전환율 3%가 좋아 보여도 유입이 1,000명이면 매출은 작습니다. 전환율 × 유입량 = 매출이라는 기본 공식을 항상 같이 봐야 합니다.

정의

비유로 이해하기

공식

퍼널 분석 vs 코호트 분석

실무 적용 시나리오

자주 하는 실수

관련 용어

🔗 관련 용어