AARRR 분석 방법: GA4 BigQuery 데이터 기반 실전 가이드

AARRR(아하!)는 스타트업 및 서비스 성장 분석을 위한 대표적인 프레임워크로, **Acquisition(방문), Activation(활성화), Retention(유지), Revenue(수익), Referral(추천)**의 5단계로 나뉩니다.

이 글에서는 GA4 BigQuery 데이터를 기반으로 AARRR 분석을 수행하는 방법을 구체적인 예시와 함께 설명하겠습니다.

---

1. Acquisition (방문)

의미

사용자가 우리 서비스에 처음 방문하는 단계입니다. 주로 트래픽 유입과 관련된 데이터를 분석합니다.

분석 방법

• 유입 채널별 방문자 수
• 신규 vs 재방문 사용자 비율
• 유입 키워드 분석
• 캠페인별 성과 분석 (예: 유료 광고, SNS, 이메일 마케팅 등)

SQL 예제 (BigQuery GA4 데이터 기준)

SELECT
  traffic_source.source AS channel,
  COUNT(DISTINCT user_pseudo_id) AS visitors
FROM `your_project.your_dataset.events`
WHERE event_name = 'session_start'
  AND event_bundle_sequence_id = 1
GROUP BY 1
ORDER BY visitors DESC;

---

2. Activation (활성화)

의미

사용자가 서비스 내에서 핵심 행동을 수행하는 단계입니다. 예를 들어 회원가입, 첫 구매, 첫 콘텐츠 소비 등이 포함될 수 있습니다.

분석 방법

• 회원가입 완료율
• 주요 CTA(버튼 클릭, 이벤트 참여) 수행율
• 온보딩 완료율

SQL 예제 (회원가입 완료율 분석)

SELECT
  COUNT(DISTINCT user_pseudo_id) AS total_visitors,
  COUNT(DISTINCT CASE WHEN event_name = 'sign_up' THEN user_pseudo_id END) AS signed_up_users,
  COUNT(DISTINCT CASE WHEN event_name = 'sign_up' THEN user_pseudo_id END) / COUNT(DISTINCT user_pseudo_id) AS sign_up_rate
FROM `your_project.your_dataset.events`
WHERE event_name IN ('session_start', 'sign_up');

---

3. Retention (유지)

의미

사용자가 한 번 방문하고 떠나는 것이 아니라 지속적으로 서비스에 방문하는지 확인하는 단계입니다.

분석 방법

• Cohort 분석을 통한 유지율 확인
• 재방문 사용자 비율 분석
• 푸시 알림/이메일 마케팅 효과 분석

SQL 예제 (7일 후 재방문율 분석)

WITH first_visit AS (
  SELECT user_pseudo_id, MIN(event_date) AS first_date
  FROM `your_project.your_dataset.events`
  GROUP BY user_pseudo_id
),
returning_users AS (
  SELECT user_pseudo_id, event_date
  FROM `your_project.your_dataset.events`
  WHERE event_date BETWEEN DATE_SUB(first_date, INTERVAL -7 DAY) AND DATE_SUB(first_date, INTERVAL -1 DAY)
)
SELECT
  COUNT(DISTINCT f.user_pseudo_id) AS total_new_users,
  COUNT(DISTINCT r.user_pseudo_id) AS returning_users,
  COUNT(DISTINCT r.user_pseudo_id) / COUNT(DISTINCT f.user_pseudo_id) AS retention_rate
FROM first_visit f
LEFT JOIN returning_users r
ON f.user_pseudo_id = r.user_pseudo_id;

---

4. Revenue (수익)

의미

사용자가 실제로 결제를 진행하는지 분석하는 단계입니다.

분석 방법

• 구매 전환율 (방문 대비 구매율)
• 객단가 (ARPU, ARPPU)
• 제품별 매출 기여도 분석

SQL 예제 (구매 전환율 분석)

SELECT
  COUNT(DISTINCT user_pseudo_id) AS total_visitors,
  COUNT(DISTINCT CASE WHEN event_name = 'purchase' THEN user_pseudo_id END) AS purchasers,
  COUNT(DISTINCT CASE WHEN event_name = 'purchase' THEN user_pseudo_id END) / COUNT(DISTINCT user_pseudo_id) AS conversion_rate
FROM `your_project.your_dataset.events`
WHERE event_name IN ('session_start', 'purchase');

---

5. Referral (추천)

의미

기존 사용자가 우리 서비스를 타인에게 추천하는지 분석하는 단계입니다.

분석 방법

• 추천 링크 통한 방문자 수
• 추천을 통한 회원가입 수
• Net Promoter Score (NPS) 조사

SQL 예제 (추천 링크 통한 방문 분석)

SELECT
  COUNT(DISTINCT user_pseudo_id) AS referred_users,
  traffic_source.medium AS referral_source
FROM `your_project.your_dataset.events`
WHERE traffic_source.medium LIKE '%referral%'
GROUP BY referral_source
ORDER BY referred_users DESC;

---

결론

AARRR 분석을 활용하면 사용자 흐름을 체계적으로 분석하고, 각 단계에서 개선이 필요한 포인트를 찾아낼 수 있습니다. GA4 BigQuery 데이터를 활용하여 위와 같은 SQL 쿼리를 실행하면, 우리 서비스의 강점과 개선점을 데이터 기반으로 파악할 수 있습니다.

이제 여러분의 서비스에 맞는 AARRR 분석을 직접 수행해 보세요!