분석 불일치
분석 개념은 단순해 보입니다. 특정 작업이 발생한 횟수는 몇번입니까? 현실에서는 정확한 숫자에 도달하기 어렵게 하는 다양한 요인들이 있습니다. 예를 들어 다양한 브라우저가 각 작업을 정의하는 방법, 고객의 개인정보 설정, 심지어 고객의 인터넷 연결 등이 그러한 요인입니다.
이 페이지의 정보
Shopify와 기타 소프트웨어 간의 불일치
Shopify 분석 기능과 Google Analytics 등의 타사 추적 서비스 간의 결과가 다를 때가 있습니다.
추적 결과가 차이나는 데는 다양한 이유가 있을 수 있습니다.
- 페이지를 다시 로드하는 방법 및 고유 방문자 수의 계산 방식에 차이가 있습니다. Google은 다시 로드된 모든 페이지를 세지만 브라우저는 다시 로드된 캐시 페이지를 계산하지 않습니다.
- 세션이 정의되는 방법에 차이가 있습니다. 예를 들어 일부 분석 소프트웨어는 검색 봇을 방문자로 계산하지만 다른 소프트웨어는 검색 봇을 방문자로 계산하지 않습니다.
- Google은 JavaScript와 쿠키가 활성화된 방문자만 셀 수 있습니다. 일부 방문자는 쿠키 또는 JavaScript를 허용하지 않을 수도 있습니다.
- 고객은 브라우저 확장 프로그램을 사용하여 Google Analytics에서 세션과 구매를 추적하지 못하도록 차단할 수 있습니다.
- 보고 관련 표준 시간대가 다르므로 불일치가 발생할 수 있습니다. 여기에서 Google 표준 시간대 변경에 대해 알아보십시오.
- 각 서비스에서 동일한 추적 메커니즘을 사용하는 것은 아니므로 방문자가 똑같이 기록되지 않습니다. 기록 메커니즘의 세부 정보는 소유 정보이며 절대 공유되지 않습니다.
방문자 및 고객 수 불일치
일부 보고서에는 특정 작업 또는 특성에 연결된 고유 사용자 수를 나타내는 방문자 또는 고객 열이 포함됩니다. 주어진 총계는 근사치입니다.
시간별 세션 또는 시간별 판매와 같은 일부 보고서에는 방문자나 고객이 여러 행에서 계산되도록 할 수 있습니다. 예를 들어 고객은 어느 날 스토어를 방문한 다음 며칠 후에 다시 방문할 수 있습니다. 이렇게 하면 두 날짜에 대한 행이 각각 1의 값을 표시합니다. 방문자 수는 둘 다 한 사람에게서 나왔으므로 총 값은 2에 대한 값을 합산하는 대신 1로 표시됩니다. 반대로 세션 열은 웹사이트를 두 번 방문한 것으로 표시됩니다.
이 예에서는 방문자 및 고객 열이 3개월 동안 상점에 표시됩니다. 고유 사용자 수가 있는 열의 총계가 보고서에 표시될 경우 총 결과값은 개별 행의 합계보다 높거나 낮을 수 있습니다.
| 월 | 방문자 | 고객 | 세션 |
|---|---|---|---|
| 총계 | 26 | 18 | 37 |
| 1월 | 10 | 2 | 10 |
| 2월 | 11 | 7 | 12 |
| 3월 | 9 | 6 | 15 |
쿠키 기반 고객 데이터 수집 및 분석 영향
쿠키는 사용자가 탐색할 때 사용자의 장치에 작은 텍스트 파일을 저장하여 온라인 스 토어에 대한 분석을 수집하고 보고하는 데 중요한 역할을 합니다. 이러한 쿠키는 웹 브라우저에 의해 처리되고 저장되므로 이를 통해 세션 수, 페이지 방문, 링크 클릭 등 웹사이트에서 사용자 행동에 대한 귀중한 분석 정보를 수집할 수 있습니다.
쿠키에는 사용자를 식별할 수 있는 충분한 정보가 포함될 수 있으며 전 세계 다양한 법률 및 규정에서 이 정보의 수집과 사용을 규제합니다. 특히 GDPR(개인정보보호 규정) 및 ePrivacy 지침에서는 유럽 경제 지역(EEA) 및 영국(UK) 고객과 함께 사업을 운영하는 판매자에 대한 구체적인 지침을 설명하고 방문자 데이터를 존중하고 수집하는 방법을 명시합니다.
EEA 또는 영국에서 운영하는 판매자인 경우 이미 이 사안을 접하고 고객 개인정보 설정을 적절하게 조정했을 수 있습니다. 특정 지역에서 쿠키 배너가 활성화되면 해당 지역에서 방문한 사용자의 데이터는 동의를 얻어야 수집할 수 있습니다. 따라서 분석, 마케팅, 맞춤화 목적으로 사용할 수 있는 실제적인 데이터의 양이 줄어들 수 있습니다. 전환율을 비롯한 세션 데이터에 의존하는 지표나 세션 수가 감소하는 것에서 이러한 현상을 확인할 수 있습니다.
쿠키 설정을 효과적으로 관리하는 방법은 고객 개인정보 설정 관리에 대한 설명서를 참조하세요.
판매 보고서의 환불 및 반품 불일치
반품 및 환불은 보고서에서 별도의 두 가지 항목입니다. 판매 보고서에는 반품이 포함되고 결제 재정 보고서에는 환불이 포함됩니다. 환불된 수치에 대한 보고서를 얻기 위해 시간별 판매 보고서에 결제 상태 열을 추가하고 환불됨 또는 일부 환불됨으로 거래를 필터링한 다음 결제 상태 열을 기준으로 보고서를 구성할 수 있습니다.
판매 보고서의 반품 및 환불에 대한 일반적인 불일치는 다음과 같은 시나리오에서 발생할 수 있습니다.
- 환불이 아직 보류 중인 경우 채널별 매출 보고서에 양수 금액이 표시될 수 있습니다. 환불이 완료되면 금액이 음수 금액으로 표시됩니다.
- 주문에서 제품을 환불한 다음 별도의 날짜에 제품을 재입고하는 경우 같은 금액이 두 번 표시되고 제품 필드에 재입고가
N/A로 표시됩니다. - 제품을 재입고하고 주문을 환불하지 않은 경우 판매 보고서 및 재정 판매 보고서에서 세금이 반품 금액으로 표시될 수 있습니다. 세금이 징수된 제품이 반품되어 세금이 환불되므로 이는 예상되는 동작입니다. 이 경우 세금은 고객에게 환불되지 않지만 판매 보고서에는 추가되지 않습니다. 결제 보고서에서는 판매자님과 고객 간에 교환된 금액만 고려하므로 환불된 세금이 표시되지 않습니다.
- 그룹화가 진행 중이거나 날짜 범위에 주문 생성 및 반품이 모두 포함되지 않는 경우 주문의 일부만 표시될 수 있습니다. 이로 인해 0이 예상되는 경우에 음수가 표시될 수 있습니다. 그룹화를 제거하거나 주문 생성과 반품을 모두 포함하도록 날짜 범위를 업데이트하면 주문 생성과 반품이 함께 그룹화됩니다. 주문의 어느 부분이 행에 있는지 표시하는 할인 종류 열을 추가할 수도 있습니다.
반품 보고서에는 고객에게 판매된 제품만 표시됩니다. 스토어와 고객 간에 교환된 금액이 없는 $0.00의 주문으로 주문을 생성하고 제품이 반품된 경우 반품 보고서에는 해당 제품이 표시되지 않습니다.
시간별 고객 보고서 및 총 고객 수 불일치
시간별 고객 보고서에는 스토어에서 주문을 접수한 고객 수만 표시됩니다. 고객 목록의 총 수에는 스토어에서 주문을 접수하지 않은 고객도 포함됩니다. 예를 들어 고객 목록에는 이메일 마케팅에 가입한 고객이 포함됩니다.
주문을 접수한 고객을 기준으로 필터링하는 고객 세그먼트를 생성할 수 있습니다. 이를 수행하려면 다음 세분화를 사용하세요: orders_placed(since: <YYYY-MM-DD>) = true AND orders_placed(until: <YYYY-MM-DD>) = true. YYYY-MM-DD를 원하는 날짜 범위로 바꾸세요. 스토어를 개장한 날짜부터 세그먼트를 생성한 날짜까지의 총 고객 수를 확인하려면 since 날짜에 개장 날짜를 사용하고 until 날짜에 오늘 날짜를 사용하세요.
직원별 소매 매출 및 개요 대시보드 불일치
직원별 소매 매출 보고서 내에는 각 POS 직원의 POS 위치별로 매출이 표시됩니다. 개요 대시보드에서 직원별 소매 매출 카드에는 각 직원의 모든 위치에 대한 총계가 합산됩니다.
총 판매액에서 주문 내보내기 불일치
판매 보고서에는 스토어와 고객 간에 교환된 상품의 총 판매액이 표시되는 반면 주문 내보내기는 각 주문의 현재 총액을 나타냅니다. 예를 들어 $5 USD의 사용자 지정 금액을 환불했지만 제품이 환불 및 재입고되지 않은 경우, 환불은 판매 보고서에 표시되지 않지만 주문 내보내기에는 포함됩니다. 테스트 주문은 판매 보고서에는 포함되지 않지만 주문 내보내기에는 포함됩니다.
순 수량 및 총 판매량 불일치
총 판매량이 제품의 순 판매 수량과 일치하지 않는 경우를 발견할 수 있습니다. 이러한 값에는 다음과 같은 다른 방정식이 있습니다.
- 총 판매량 - 제품 가격에 수량을 곱한 값입니다. 취소, 보류 중, 미결제 주문이 포함됩니다.
- 순 수량 - 판매된 품목의 수에서 반품된 품목 수를 뺀 값입니다.
주문 수량 및 총 판매량 불일치
주문 수량에는 고객이 분명히 주문한 제품만 포함되며 주문을 편집하여 주문에 추가된 제품은 포함되지 않습니다. 총 판매량에는 주문에 추가된 제품에 대해 기록된 총액이 포함됩니다.
전환율 데이터 불일치
Shop Pay를 사용하는 경우 2021년 10월 28일에서 2022 년 9월 23일 사이의 전환율 데이터가 정확하지 않을 수 있습니다. 보고된 것보다 실제 전환이 높을 수 있습니다.
2022년 9월 23일부로 이 보고 오류가 해결되었으며 데이터는 정확합니다. 지정된 기간의 기록 데이터는 여전히 영향을 받을 수 있습니다.