방문자 행동 로그를 데이터 웨어하우스에 적재하면 주문 · 회원 · 광고 데이터와 결합해 BI 대시보드, 추천 · 개인화, AI 분석에 쓸 수 있습니다. LOGGER™는 집계 리포트를 다운로드 · REST API · MCP로 제공하고, 원본 행동 데이터를 사내 시스템에 공급하는 실시간 데이터 파이프라인은 구축형 · 별도 구축 사업으로 제공합니다.
행동 로그를 웨어하우스에 적재하는 이유
로그가 쌓이고 리포트가 늘어나도 담당자가 필요한 시점에 필요한 형태로 꺼낼 수 없다면 그 데이터는 의사결정에 쓰이지 않습니다. 비즈스프링 블로그는 데이터가 활용되지 않는 이유를 데이터의 양이 아니라 데이터가 만들어진 곳에서 쓰이는 곳까지 이어지는 경로의 부재로 설명합니다.
통합이 필요한 시점을 판단하는 기준도 채널 수가 아닙니다. 광고를 보고 들어온 방문자 한 명이 상품을 보고 다음날 결제하기까지의 여정을 한 화면에서 확인하는 데 걸리는 시간이 기준입니다. 광고 클릭 로그, 사이트 행동 로그, 결제 로그가 서로 다른 식별 기준으로 기록되어 있으면 그 시간이 길어지고, 이때 식별 기준과 시간 순서를 맞춘 통합 저장소가 필요해집니다.
- BI 대시보드: 방문 · 주문 · 광고비를 한 기준으로 결합해 매일 갱신합니다.
- 추천 · 개인화: 방문자가 본 상품과 콘텐츠를 바탕으로 인기 콘텐츠나 유사 콘텐츠를 실시간으로 제시합니다.
- 예측 분석: 이탈 예측, 광고 매체 · 키워드별 성과 예측 모델의 학습 데이터로 씁니다.
- 사내 AI 에이전트: 정리된 테이블을 AI가 읽을 수 있는 형태로 연결합니다.
마케팅 데이터 파이프라인의 구성
- 단계 1수집웹 · 앱 행동, 광고, CRM
- 단계 2정제 · 표준화식별 기준과 형식 통일
- 단계 3저장데이터 웨어하우스 · 레이크
- 단계 4분석 · 시각화SQL · BI 대시보드
- 단계 5활용추천 · 예측 · AI 에이전트
| 단계 | 하는 일 | 대표 도구 · 저장소 |
|---|---|---|
| 수집 | 웹사이트 행동, 광고 성과, 미디어 반응, CRM 데이터를 자동으로 수집합니다. | 웹분석 도구(LOGGER 등), 광고 매체 API |
| 정제 · 변환 | 클린징 · 표준화 · 변환으로 분석 목적에 맞는 형태를 만듭니다. | ETL · ELT 도구, SQL |
| 저장 | 구조화된 대용량 데이터는 웨어하우스, 원시 데이터는 레이크에 저장합니다. | BigQuery, Amazon Redshift, Snowflake, Amazon S3 |
| 분석 · 시각화 | 탐색 · 통계 · 머신러닝 분석과 KPI 대시보드를 구성합니다. | Python, R, SQL, Tableau, Looker, Power BI |
LOGGER 데이터를 공급하는 세 가지 방식
LOGGER 데이터를 사내 시스템으로 가져가는 방식은 목적과 데이터 범위에 따라 다릅니다. 정기 보고서에 필요한 집계 값과 머신러닝 학습에 필요한 원본 로그는 같은 경로로 공급하지 않습니다.
| 방식 | 데이터 범위 | 적합한 용도 | 제공 조건 |
|---|---|---|---|
| 리포트 다운로드 · 통합 다운로드 | 리포트 표(엑셀) | 월간 운영 보고서, 일회성 대량 자료 | 콘솔 기능, 요금에 포함 |
| REST API · MCP | 집계 리포트 값 조회 | BI 도구의 정기 수치 조회, Claude · ChatGPT 대화 분석 | 요금에 포함, 서비스별 하루 1,000회(MCP + REST 합산) |
| 실시간 데이터 파이프라인 | 원본 행동 로그와 가공 테이블 | 웨어하우스 적재, 추천 · 개인화, AI 학습 | 구축형 · 별도 구축 사업(문의) |
구축 사례: LOGGER Tracker에서 BigQuery까지
T커머스 기업 SK스토아는 부서마다 데이터를 독자적으로 다루고 있어 전사 현황을 파악하기 어려웠습니다. 비즈스프링은 고객 · 상품 · 캠페인을 결합한 퍼널 데이터와 적재 시스템을 구현했습니다. 이후 마케팅 자동화로 확장할 때 새 항목을 추가할 수 있도록 수집 · 적재 흐름을 설계한 것이 특징입니다.
- 1
행동 이벤트 태깅 설계
웹 · 하이브리드웹 · 모바일앱의 구매 전환, 스와이프, 스크롤, 클릭, 화면 이동, 로그인, 검색 등 주요 행동을 순서대로 추적하도록 태깅을 기획하고, 유입 소스 · 매체를 방문자 · 캠페인 · 상품 단위로 추적했습니다.
- 2
수집과 적재
LOGGER™ Tracker로 행동 데이터를 수집하고, 원천 데이터가 BigQuery에 누락 없이 적재되도록 구축했습니다.
- 3
분석용 테이블 가공
User · Behavior · Order · Campaign을 포함한 8가지 차원의 테이블을 기획하고, 실시간으로 추출 · 가공해 사내 서버에 전송 · 적재했습니다.
- 4
정합성 검증
설계안의 지표 · 차원 정의를 수집 데이터와 대조해 검수하고, 고객사 서버로 전송할 때의 보안 이슈를 점검했습니다.
다른 쇼핑몰 사례에서는 고객사가 GA와 비즈스프링 웹분석의 원천 데이터를 직접 가공하는 대신, 비즈스프링이 가공을 마친 데이터를 받는 구성을 택했습니다. 데이터 레이크 구축에 드는 자원과 비용을 크게 줄일 수 있었다고 공개했습니다.
도입 전에 정할 사항
| 항목 | 확인 내용 |
|---|---|
| 활용 목적 | 대시보드 · 추천 · 예측 중 무엇에 먼저 쓸지, 답하려는 질문 목록 |
| 식별 기준 | 방문자 키와 회원 ID(_TRK_RK)를 주문 · CRM 데이터와 연결하는 방법 |
| 테이블 설계 | 필요한 차원(회원 · 행동 · 주문 · 캠페인)과 지표, 향후 추가 항목 |
| 적재 주기 | 실시간 · 시간 단위 · 일 단위 중 필요한 수준 |
| 저장소 | BigQuery · MySQL · ElasticSearch 등 고객사 저장소와 보안 정책 |
| 운영 | 수집 스크립트 변경, 장애 대응, 데이터 검수 담당 |
자체 구축은 라이선스 비용이 없지만 수집 스크립트 유지보수, 장애 대응, 버전 업데이트 인력이 계속 필요합니다. 비즈스프링은 2002년부터 LOGGER를 운영하며 쌓은 수집 · 정제 경험을 바탕으로 설계부터 적재, 검수까지 진행합니다.
자주 묻는 질문
Q. REST API로 원본 행동 데이터 전체를 받을 수 있나요?
아닙니다. REST API와 MCP는 집계 리포트 값을 조회하는 연동이며, 서비스별 하루 1,000회의 호출 한도가 있습니다. 원본 행동 로그를 사내 저장소에 공급하는 실시간 데이터 파이프라인은 구축형 · 별도 구축 사업으로 제공합니다.
Q. 빅쿼리 외의 저장소에도 적재할 수 있나요?
비즈스프링의 데이터 엔지니어링 서비스는 Google BigQuery, MySQL, ElasticSearch 등 고객사 저장소로 데이터를 전송한 사례가 있습니다. 대상 저장소와 보안 정책은 설계 단계에서 함께 정합니다.
Q. BI 도구에서 매일 몇 가지 지표만 보려면 어떻게 하나요?
REST API가 적합합니다. OpenAPI 3.1 명세를 제공하므로 BI 도구나 사내 시스템에서 클라이언트를 생성해 정기적으로 수치를 조회할 수 있고, 연동은 LOGGER 요금에 포함되어 있습니다.
Q. 파이프라인 구축 비용은 어떻게 정해지나요?
수집 범위, 테이블 설계, 적재 주기, 연동할 저장소에 따라 별도 견적으로 정합니다. 문의하기 페이지에 활용 목적과 현재 데이터 환경을 적어 보내 주십시오.
참고 자료
- 비즈스프링 블로그: 데이터 기반 마케팅 전략의 필수, 마케팅 데이터 파이프라인 구축
- 비즈스프링 블로그: 맞춤형 고객 Funnel 설계를 기반으로 한 고객 행동 데이터 수집 최적화
- 비즈스프링 블로그: 웹로그분석에서 데이터 엔지니어링까지
- 비즈스프링 블로그: 쌓아둔 데이터가 활용되지 않는 이유는 양이 아니라 경로였다
- 비즈스프링 블로그: 웹분석 로그(방문자 행동 로그) 통합이 필요해지는 시점
- 비즈스프링 블로그: 광고 성과 데이터와 GA4 분석 데이터를 내 저장소에서 한 번에 관리하기
- 비즈스프링 블로그: 자체 구축과 솔루션 도입의 비용을 비교하면
- LOGGER 매뉴얼: MCP/API 서비스 개요
- LOGGER 매뉴얼: REST API 사용 방법