너무 옛날 버전인 analytics.js 코드를 사용하지 않고 gtag.js 코드를 사용하고 있는 경우에는 웹사이트에서 수동으로 변경하지 않아도 됩니다. UA -> GA4로의 이동은 23년 7월까지 해결해야 하는 큰 이슈이기도 하죠. 그런데 말입니다……
아직~ 굵직굵직한 대기업들은 GA4 별로 안좋아합니다. 왜 일까요?
정답은 google analytics 360은 아직도 구버전으로 사용하고 있기 때문……
google analytics에서 분명 23년 7월 종료를 언급하고 있지만 유료 버전인 애널리틱스 360을 비롯해서 사용자 입장에서는 GA4는 여전히 불편한 존재입니다.
유료버전 사용한다고 세팅 다 해놓은 고품질 사용자 데이터를 구글에서 코딩을 지원해주지 않기 때문에…… (일부 옮기는 거야 가능할지 몰라도 수정은 불가피)
다음은 애널리틱스 360의 구글 공식 가이드 입니다.
https://support.google.com/analytics/answer/11202874?hl=ko
표준 GA4 대비 2~10배 많은 자원을 지원해줄 뿐만 아니라 데이터 수집, 보고, 보관, BigQuery로 내보내기에 더 높은 한도를 제공합니다.
자 여기서 GA4를 담당하는 마케터는 이제 마케팅 보고서 작성이 더 어렵게 느껴지게 됩니다. 왜냐하면 처리해야 하는 데이터양이 늘었는데…… 보고서 추출방식이 복잡해졌기 때문이죠?
gtag.js로 만들었어도 따로 수정만 안하는 것일 뿐 GA4로 이동은 필연적
이 글에 희망을 가지고 들어오셨을 분들에게도 죄송한 말씀을 드려야 합니다. UA 버전은 향후 지원 중단 될 가능성이 매우 높기 때문에(7월 1일 종료 후 일부 데이터는 유지해줄 수도 있음) UA와 GA4 둘다 익숙해지셔야 합니다.
UA가 GA4에 매핑되는 방식을 한번 같이 살펴보겠습니다.
일단 구글애널리틱스 코드는 최근에 만드셨다면 아래와 같은 형태를 갖추고 있습니다.
<script async src="https://www.googletagmanager.com/gtag/js?id=<Some Property ID A>"></script>여기서 Some Property ID A 가 UA-123456789 등으로 시작하면 구버전 / G-1234567 등으로 시작하면 구글애널리틱스 4 버전 입니다. 둘다 이 속성 코드를 부르는 용어도 다른데요.
구버전 UA에서는 속성 ID라고 부르며 추적 ID 라고도 합니다.
반면, 신버전 GA4에서는 ‘데이터 스트림’ 내 타입구분에 따라 ‘G-XXXXXXX’ 형식의 태그 ID라고 부릅니다.
따라서 최근 설치한 UA 버전은 GA4로 코드 수정없이 GA4로 자동 승계해서 사용할 수 있는 이유가 gtag.js 로 만들어진 계정만 가능한 것이죠.
이유야 어찌 되었건 GA4와 유니버셜 애널리틱스 간의 데이터 모델의 차이 때문에
GA4 속성에서는 맞춤 이벤트 매개변수 및 사용자 속성이 UA와는 조금씩 달라질 수밖에 없습니다.
UA 에서는 맞춤 이벤트 매개변수가 아니라 맞춤 측정기준이나 측정항목으로 써왔기 때문인데요.
특히 IP 데이터를 비롯한 광범위한 데이터가 GA4에서는 무시될 수 밖에 없습니다.
따라서 사용자 식별자를 (사용자의 고유 ID등) 함께 보기 위해서는 GA4에서는 필히 이벤트 데이터로 처리를 해주어야 합니다.
GA4는 변형, 기출문제를 잡기위한 구글의 차세대 애널리틱스
사실 그냥 웹만 분석하기에 UA의 편의성은 GA4보다 편리한데 굳이 왜 바꾸느냐
세상이 빠르게 웹 뿐만 아니라 앱 그리고 기타 디바이스로 파생되고 있기 때문입니다.
기존 UA에서는 ‘주소 없는 분석’에 답을 내놓지 못했지만
GA4에서는 ‘이벤트’만 일어나면 분석 가능한 환경을 도와줍니다. 물론 여기서 여러 사람을 머리아프게 하는 ‘어떤 이벤트를’ ‘어떻게 정의’내릴 것인지 등이 제대로 논의 되려면 마케팅 뿐만 아니라 개발자, 기획자 등의 많은 의견이 오고가야 할 것 같습니다만……
현재로서는 해외사례를 보더라도 GA4에 크게 욕심을 부리지 않는 방향으로 가고 있는 듯 합니다. 아무래도 개인정보 보호법을 비롯해서 워낙 여러 이슈들이 있기 때문에 국내는 정보를 하나라도 더 담으려고 하는 반면에 해외는 GA4의 쿼리 기능을 활용해서 내부 데이터 분석 역량을 키우는 쪽으로 이동하고 있는듯 보입니다.
