동향 변화 감지를 통해 데이터 방향에서 드러나는 미묘하지만 오래 지속되고 중요한 변경사항을 찾아낼 수 있습니다. 이 두 가지 모두 데이터 변경사항을 감지한다는 점에서 이상 감지와 유사합니다. 주요 차이점은 이상 감지는 데이터의 갑작스러운 급증 또는 급감을 강조하는 반면, 동향 변화 감지는 장기간에 걸쳐 나타나는 보다 미묘한 변경사항을 강조한다는 것입니다.
Google 애널리틱스는 홈페이지의 통계 및 추천 섹션, 보고서 개요 및 광고 개요, 인사이트 허브에 있는 통계 카드에 이러한 변경사항을 표시합니다.
동향 변화 이해하기
다양한 유형의 변경사항으로 인해 동향 변화가 발생할 수 있습니다. 일부 변경사항은 예측 가능하며 의도된 것입니다. 이러한 경우 별도로 취해야 할 조치는 없습니다. 예를 들어 새 광고 캠페인을 시작하는 경우 수익이 점진적으로 증가할 수 있으며, 애널리틱스에서는 동향 변화를 캠페인의 시작일로 감지합니다.
하향 동향을 보이는 중요한 측정항목과 같이 예기치 못한 다른 변경사항으로 인해 더 많은 주의가 필요한 경우가 있습니다. 최근에 웹사이트 코드를 업데이트하여 웹사이트에서 등록 버튼이 작동하지 않는 경우를 예로 들 수 있습니다. 활성 사용자가 즉시 감소하지 않을 수도 있지만 시간이 지남에 따라 등록할 수 있는 사용자 수가 줄어들어 성장률이 정체됩니다. 애널리틱스에서 이러한 변경사항을 감지하는 덕분에 사용자는 사이트에 필요한 사항을 조정할 수 있습니다.
작동 방식
특정 측정항목의 시계열 데이터 방향에서 변경사항이 감지되면 Google에서는 변경사항이 발생한 날짜에 원을 오버레이합니다. 원 위로 마우스를 가져가면 이전 및 현재 변화율, 동향 변화가 발생한 시점 등 변경사항에 대해 자세히 알아볼 수 있습니다.
또한 통계 카드 하단의 보고서 조사를 클릭하여 데이터를 더 자세히 조사할 수 있습니다. 버튼을 클릭하면 동일한 기간, 측정항목, 측정기준이 적용된 세부정보 보고서가 열립니다. 기간을 조정하거나, 다른 측정기준을 비교하거나, 측정기준 분류를 추가하여 동향 변화를 조사할 수 있습니다.
감지된 변경사항 유형
동향 변화 감지는 예측 값이 실제 값과 다를 때 동향 변경사항을 표시합니다. 이는 동향에서 다음과 같은 변경사항을 보일 때 나타납니다.
- 증가에서 감소로 이어짐
- 감소에서 증가로 이어짐
- 더 큰 폭으로 증가 또는 감소
- 더 적은 폭으로 증가 또는 감소
동향 변화 문제 해결
동향 변화가 발생할 때 웹사이트나 앱에 변경사항을 적용하기 전에 먼저 그러한 변동이 예상된 것인지, 예기치 않은 변동이라면 그 원인은 무엇인지를 고려하는 것이 중요합니다. 예상된 변동이거나 긍정적이라면 어떠한 변경사항도 적용하고 싶지 않을 것입니다.
다음은 동향 변화가 발생할 수 있는 이유를 설명합니다.
비즈니스 주기
기존의 비즈니스 주기는 예상되는 부정적인 동향 변화로 이어질 수 있으며, 동향이 합당한 범위를 벗어나지 않는 한 일반적으로 특별한 주의가 필요하지 않습니다. 전자상거래 웹사이트의 연말연시 시즌 종료 및 개학 시즌으로 영향받는 게임 앱이 그러한 예입니다.
애널리틱스 속성 관련 변경사항
속성의 구성 변경사항으로 인해 동향 변화가 발생할 수 있습니다. 관리의 속성에서 속성 변경 내역을 클릭하고 동향 변화 전에 변경사항이 발생했는지 확인합니다. 계정/속성 변경 내역을 보는 방법 알아보기
웹사이트 또는 앱 관련 변경사항
웹사이트 또는 앱을 올바르게 설정하지 않으면 부정적인 동향 변화가 발생할 수 있습니다. 예를 들면 다음과 같습니다.
- 지연 시간 증가(또는 페이지 로드 시간), 서버 과부하 등 기술적인 문제.
- 페이지의 메타데이터(예: robots.txt, sitemap.xml, SSL 등)의 설정 누락 또는 잘못된 설정. 검색엔진에서 메타데이터를 사용하여 페이지 순위를 지정하고, 메타데이터를 잘못 구성하면 자연 트래픽에 동향 변화가 발생할 수 있습니다.
- 비효과적으로 설정된 광고 캠페인(유료 트래픽에서만 동향 변화가 발생한 경우).
애널리틱스에서 동향 변화를 감지하는 방법
지능형 애널리틱스는 신호 세분화 알고리즘을 시계열에 적용하여 동향 변화가 발생했는지 감지합니다. 모델은 시계열을 여러 부분으로 세분화하므로 각 부분에서 데이터는 유사한 패턴을 공유하지만 부분마다 다른 패턴을 보입니다. 두 부분 사이의 경계점이 Google에서 보고되는 동향 변화가 됩니다.
일일 데이터의 변경사항을 감지하는 일반적인 학습 기간은 약 90일이며 주간 데이터는 약 32주입니다.