성공 지표

매출의 경우 총 매출과 평균 주문 가격을 높이는 것이 목표입니다.

매출 지표 이해

측정하는 방법: 선택한 기간 동안 스토어에서 발생한 총 수입.

계산 방법: 매출은 보고 기간 동안 판매된 모든 제품에 대해 완료된 모든 주문(기본 가격 × 수량)의 합계입니다. 계산에서는 상점 전면에서 캡처한 place-order 이벤트의 데이터를 사용합니다.

수식:

Total Revenue = Sum of (Product Base Price × Quantity) for all completed orders

데이터 원본: Storefront 이벤트(특히 place-order개 이벤트)

포함된 항목:

• 선택한 날짜 범위 동안 완료된 모든 주문.
• 기본 제품 가격에 구매 수량을 곱한 값입니다.
• Commerce Optimizer에서 추적한 모든 판매 채널의 매출입니다.

중요 정보:

• 매출액은 상점 이벤트에서 캡처된 기본 가격을 기반으로 계산됩니다.
• 보고 기간은 보고서 구성에서 선택한 날짜 범위에 따라 결정됩니다.
• 새 주문 이벤트가 처리되면 매출 지표가 업데이트됩니다.

전략

• AI 기반 권장 사항 구현: 최적기의 권장 사항 엔진을 사용하여 전환율이 높은 관련 제품을 표시합니다. 이 항목을 본 고객이​을(를) 열람하고 이 항목을 구입하고 해당 항목을 구입했습니다 추천 유형을 배포하여 교차 판매 기회를 늘리십시오.

• 머천다이징 규칙을 만듭니다: 머천다이징 규칙을 사용하여 검색 결과에 높은 이윤의 제품을 추가하십시오. 트래픽이 많은 쿼리에 대해 검색 결과 맨 위에 베스트셀러 항목을 고정합니다.

• 제품 검색 최적화: 지능형 패싯을 사용하여 고객이 제품을 보다 효율적으로 찾을 수 있도록 지원하면 전환율이 높아지고 매출도 증가합니다.

• 계절별 영업 기회 활용: 시간 기반 머천다이징 규칙을 만들어 최대 쇼핑 기간 동안 계절별 또는 프로모션 항목을 홍보합니다.

전환율을 향상시키기 위해 더 많은 방문자를 고객으로 변환하는 것이 목표입니다.

전환율 지표 이해

측정 방법: 스토어에서 브라우저를 구매자로 전환하는 효과를 나타내는 제품을 보고 구매를 완료하는 방문자의 비율입니다.

계산 방법: 전환율은 제품을 구매한 고유 방문자 수와 제품을 본 고유 방문자 수를 비교합니다.

수식:

Conversion Rate = (Total Number of Orders ÷ Total Unique Visitors) × 100

데이터 원본: 상점 이벤트.

작동 방식:

• 방문자가 제품 페이지를 볼 때 제품 보기​가 추적됩니다(product-view개 이벤트 사용).
• 주문이 완료되면 구매​가 추적됩니다(place-order개 이벤트 사용).
• 이 계산은 특정 제품을 본 사용자와 해당 제품을 구매한 사용자를 일치시킵니다.

중요 정보:

• 여러 제품을 보지만 한 번 구매하는 방문자는 한 번의 전환으로 계산됩니다.
• 이 지표는 브라우저 기반 식별자를 사용하여 고유 방문자를 추적합니다.
• 제품 보기 이벤트에는 항상 클릭이 포함되므로 보기는 진정한 사용자의 관심을 나타냅니다.

전략

• 검색 관련성 최적화: 동의어를 구현하여 고객이 다른 검색어를 사용하더라도 원하는 항목을 찾을 수 있도록 합니다. 동적 팩터링을 사용하여 관련 필터링 옵션을 제공합니다.

• 전략 추천 배치: 제품 세부 정보 페이지 및 범주 페이지와 같이 트래픽이 많은 페이지에 추천 단위를 배포합니다. 가장 많이 본 항목 및 가장 많이 구매한 항목 권장 사항을 사용하여 신뢰와 긴급성을 구축하십시오.

• 제품 가시성 향상: 머천다이징 규칙을 사용하여 베스트셀러 및 고전환 제품이 검색 결과에 두드러지게 표시되도록 하십시오.

• A/B 테스트 추천 유형: 다양한 추천 유형 및 배치를 실험하여 대상에 가장 적합한 추천 유형을 찾습니다.

참여를 높이기 위해 고객의 상호 작용과 현장 방문 시간을 늘리는 것이 목표입니다.

참여 지표 이해

측정 방법: 사용자가 스토어와 얼마나 활발하게 상호 작용하는지, 초기 검색에서 체크아웃 프로세스까지 의미 있는 작업을 추적합니다.

계산 방법: 참여는 제품 검색, 장바구니 활동 및 체크아웃 작업을 포함하여 스토어에 대한 활성 참여를 나타내는 모든 상호 작용을 추적합니다.

데이터 원본: Storefront 이벤트

참여로 계산되는 항목:

참여에는 다음과 같은 이벤트 범주 및 작업이 포함됩니다.

• 제품 상호 작용: 제품 보기, 제품 클릭 수 및 제품 비교
• 장바구니 활동: 장바구니에 항목 추가, 수량 업데이트, 항목 제거
• 체크 아웃 작업: 체크 아웃을 시작하고 체크 아웃 단계를 완료합니다.
• 범주 검색: 범주 페이지 보기, 패싯별 필터링.
• 위시리스트 활동: 위시리스트에 추가하고 위시리스트 항목을 봅니다.

이벤트 추적 세부 정보:

이벤트에는 다음이 있을 경우 시스템이 참여를 추적합니다.

• 범주: product, shopper, shopping-cart 또는 checkout.
• 속성: Product, Checkout, Cart, Category 또는 Wishlist.

중요 정보:

• 참여도가 높을수록 일반적으로 전환율이 높아집니다.
• 참여 지표는 사용자가 여정에서 가장 활동적인 위치를 식별하는 데 도움이 됩니다.
• 참여 데이터를 사용하여 트래픽이 많은 페이지를 최적화하고 사용자 경험을 개선합니다.

전략

• 권장 사항 유형 분산: 동일한 권장 사항을 반복적으로 표시하지 않도록 합니다. 추천, 트렌드 및 최근에 본 항목​을 혼합하여 콘텐츠를 최신 상태로 유지하세요.

• 지능형 검색 구현: AI 기반의 동적 팩팅 및 결과 재순위를 사용하여 쇼핑객 행동을 기반으로 검색 결과를 실시간으로 조정합니다.

• 개인화된 환경 만들기: 홈페이지 및 고객 여정 전체에 "추천" 단위를 배포하여 개인화된 제품 제안을 제공합니다.

• 검색 환경 최적화: 동의어를 사용하여 검색 관련성을 개선하고 고객이 원하는 항목을 빠르게 찾을 수 있도록 합니다.

더 많은 성장을 얻기 위해서는 더 많은 신규 고객을 유치하고 획득 효율성을 향상시키는 것이 목표입니다.

획득 지표 이해

측정 방법: 스토어에 새로 온 고유 방문자의 수로, 마케팅 및 고객 확보 노력의 효과를 이해하는 데 도움이 됩니다.

계산 방법: 획득에서는 스토어에 처음 방문하는 동안 할당된 브라우저 식별자를 기반으로 고유 방문자를 계산합니다.

데이터 원본: 상점 이벤트.

작동 방식:

• 각 방문자의 브라우저는 자사 쿠키를 통해 고유 식별자(domain_userid)를 받습니다.
• 새 방문자는 세션 색인이 1(첫 번째 방문)일 때 식별됩니다.
• 시스템은 이러한 식별자를 추적하여 신규 방문자와 재방문자를 구별합니다.

중요 정보:

이 추적 방법에는 다음과 같은 몇 가지 알려진 제한 사항이 있습니다.

• 장치 간 사용자: 서로 다른 장치(데스크톱, 모바일, 태블릿) 또는 브라우저에서 방문하는 동일한 사람은 각 장치 및 브라우저에서 서로 다른 식별자를 받기 때문에 여러 고유 방문자로 계산됩니다.
• 쿠키 지우기: 브라우저 쿠키를 지우는 사용자에게는 새 식별자가 할당되고 다시 새 방문자로 계산됩니다.
• 개인 정보 설정: 엄격한 개인 정보 설정 또는 쿠키 차단기를 사용하는 사용자는 추적되지 않을 수 있습니다.

추천 항목:

• 시간 경과에 따른 새로운 방문자 트렌드를 추적합니다.
• 마케팅 캠페인 효과 분석.
• 트래픽 증가 패턴 이해.

해석 팁: 위의 제한 사항으로 인해 정확하지는 않지만 획득 지표는 대부분의 사용자가 동일한 장치에서 탐색하고 쿠키를 자주 지우지 않는 경우 트렌드를 식별하고 기간을 비교하는 데 안정적입니다.

전략

• 검색 성능 데이터 활용: 검색 성능 보고서를 사용하여 트렌드 제품 및 인기 검색어를 식별하십시오. 머천다이징 규칙을 만들어 이러한 항목을 강조 표시합니다.

• 추천 성능 최적화: 추천 성능 지표를 모니터링하여 가장 많은 트래픽과 전환을 유도하는 추천 유형을 식별합니다.

• 새 제품 및 판촉 항목 강조: 머천다이징 규칙을 사용하여 검색 결과에 새 제품 또는 판촉 항목을 추가하여 새 방문자의 관심을 유도합니다.

• 트래픽 소스 추적: 이벤트 데이터를 사용하여 가장 중요한 트래픽을 발생시키는 채널을 파악하고 그에 따라 마케팅 활동을 최적화합니다.

바운스 비율을 줄이기 위해 방문자의 참여를 유지하고 단일 페이지 방문을 줄이는 것이 목표입니다.

바운스 비율 지표 이해

측정 방법: 한 페이지만 보고 사이트를 나가는 방문자의 백분율로, 사용자 경험, 페이지 관련성 또는 사이트 참여에 문제가 있을 수 있습니다.

계산 방법: 바운스 비율은 단일 페이지 세션을 총 세션과 비교하여 추가 상호 작용 없이 떠나는 방문자의 비율을 결정합니다.

수식:

Bounce Rate = (Number of Bounced Sessions ÷ Total Sessions) × 100

데이터 원본: 상점 이벤트.

작동 방식:

• 방문자가 전체 방문 중에 한 페이지만 보면 바운스된 세션​이 계산됩니다.
• 시스템은 각 세션 내의 페이지 조회수를 추적하여 단일 페이지 방문 횟수를 식별합니다.
• 세션은 사용자 활동 및 상호 작용 사이의 시간에 따라 결정됩니다.

바운스 원인:

• 방문자가 관련 없는 페이지에 랜딩(낮은 검색/광고 타깃팅).
• 페이지 로드 시간이 느립니다.
• 사용자 경험이 부족하거나 탐색 시 혼동을 일으킬 수 있습니다.
• 더 자세히 탐색할 필요 없이 신속하게 정보를 찾습니다.
• 기술적인 문제 또는 오류.

중요 정보:

• 높은 바운스 비율이 항상 음수일 수는 없습니다. 일부 페이지(예: 연락처 정보 또는 특정 제품 사양)의 경우 바운스 비율이 높을 수 있습니다.
• 다양한 페이지 유형 및 트래픽 소스 간의 바운스 비율을 비교하여 문제 영역을 식별합니다.
• 바운스 비율이 갑자기 증가하면 종종 기술적인 문제가 있거나 캠페인 타깃팅이 제대로 되지 않음을 나타냅니다.

바운스 비율이 적절합니까? 이 값은 업계 및 페이지 유형에 따라 다르지만 일반적으로 다음과 같습니다.

• 40-60%: 전자 상거래 사이트의 평균.
• 40% 미만: 우수한 참여
• 70% 이상: 조사가 필요한 문제를 나타낼 수 있습니다.

전략

• 검색 관련성 개선: 동의어와 지능적인 요소를 사용하여 고객이 관련 제품을 빠르게 찾을 수 있도록 하십시오. 검색 결과가 좋지 않은 것이 높은 바운스 비율의 주요 원인입니다.

• 추천 단위 구현: 카테고리 및 검색 결과 페이지에 추천 단위를 배포하여 추가 제품 옵션을 제공하고 방문자의 참여를 유지합니다.

• 제품 검색 최적화: 머천다이징 규칙을 사용하여 가장 관련성이 높고 인기 있는 제품이 검색 결과에 먼저 표시되도록 하십시오.

• 흥미로운 홈 페이지 경험 만들기: 홈 페이지의 "추천" 및 "트렌드" 추천 유형을 사용하여 방문자에게 즉시 관련 콘텐츠를 제공할 수 있습니다.