[GA4 퍼널 분석] Day4-4 (begin_checkout → purchase

프로젝트/GA4 분석

[GA4 퍼널 분석] Day4-4 (begin_checkout → purchase | Price Barrier 분석)

조성호 2026. 5. 9. 21:32

현재까지 결과

가설 1 : Device 문제 → 기각

가설 2 : 신규 유저 첫 구매 장벽 → 채택

가설 3 : Google 유입 품질 차이 → 부분 채택

가설

가격/객단가 부담

- 가격 부담으로 인해 결제 직전 Purchase 이탈이 발생할 것이다

- 사용자는 구매 의도는 있지만, 결제 금액이 높아질수록 최종 결제를 포기하는가?

1. 가격 관련 컬럼 구조 확인

- items 배열 안에 price와 quantity가 존재하는가?
- purchase_revenue가 purchase 이벤트에서 정상 존재하는가?
- checkout 단계 가격 추정이 가능한가?

-- STEP 1: 가격 관련 컬럼 구조 확인
-- 목적:
-- items.price, quantity, purchase_revenue 사용 가능 여부 확인

SELECT
  event_name,

  -- 구매 매출
  ecommerce.purchase_revenue AS purchase_revenue,

  -- 상품 배열 구조 확인
  items
FROM
  `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
  AND event_name IN ('add_to_cart', 'begin_checkout', 'purchase')
LIMIT 50;

행	event_name	purchase_revenue	items. item_id	items. item_name	...
1	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
2	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
3	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
4	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
5	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
6	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
7	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
8	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
9	begin_checkout	null	9188233	Google Phone Stand Bamboo	...
10	begin_checkout	null	9188233	Google Phone Stand Bamboo	...

2. Checkout 세션별 예상 결제 금액 계산

- 세션별 checkout_cart_value가 정상 계산되는가?
- 극단적으로 높은 이상치가 존재하는가?
- 가격 분포 분석이 가능한 구조인가?

-- STEP 2: Checkout 세션별 예상 결제 금액 계산
-- 목적:
-- begin_checkout 시점의 장바구니 총액(예상 구매 금액)을 계산한다.

SELECT
  CONCAT(
    user_pseudo_id,
    '-',
    CAST((
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) AS STRING)
  ) AS session_id,

  -- 세션별 장바구니 총액
  SUM(items.price * items.quantity) AS checkout_cart_value
FROM
  `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`,
  UNNEST(items) AS items
WHERE
  _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
  AND event_name = 'begin_checkout'
  AND (
    SELECT value.int_value
    FROM UNNEST(event_params)
    WHERE key = 'ga_session_id'
  ) IS NOT NULL
GROUP BY
  session_id
LIMIT 100;

행	session_id	checkout_cart_value
1	7296845.4997447007-7961433211	null
2	79725886.5249234769-6011535687	180
3	2497858756.0719748889-8157079617	null
4	5476414.5180022673-8978435139	468
5	34409419.8726389670-83372344	48
6	40569893.9835575904-5568359449	210
7	80435974.9462183494-263104117	966
8	35618258.9089360337-2510140352	708
9	1591325.0235466226-604072130	672
10	4568620.3650859083-9889362551	null

3. Purchase 여부 결합

- checkout_cart_value와 purchased가 정상 연결되는가?
- 구매 완료/미완료 세션 모두 존재하는가?
- 가격 기준 비교가 가능한가?

-- STEP 3: Checkout 금액 + Purchase 여부 결합
-- 목적:
-- checkout 금액 기준으로 실제 purchase 완료 여부를 확인한다.

WITH checkout_value AS (
  SELECT
    CONCAT(
      user_pseudo_id,
      '-',
      CAST((
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) AS STRING)
    ) AS session_id,

    SUM(items.price * items.quantity) AS checkout_cart_value
  FROM
    `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`,
    UNNEST(items) AS items
  WHERE
    _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
    AND event_name = 'begin_checkout'
    AND (
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) IS NOT NULL
  GROUP BY
    session_id
),

purchase_flag AS (
  SELECT
    CONCAT(
      user_pseudo_id,
      '-',
      CAST((
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) AS STRING)
    ) AS session_id,

    MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) AS purchased
  FROM
    `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
  WHERE
    _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
    AND event_name IN ('begin_checkout', 'purchase')
    AND (
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) IS NOT NULL
  GROUP BY
    session_id
)

SELECT
  c.session_id,

  c.checkout_cart_value,

  p.purchased
FROM checkout_value c
JOIN purchase_flag p
ON c.session_id = p.session_id
LIMIT 100;

행	session_id	checkout_cart_value	purchased
1	1924595.6444212574-7479243854	48	0
2	1924595.6444212574-5587378648	48	0
3	5492501.6902517886-7449986104	69	0
4	5613969.9742050087-9214722322	225	0
5	6381676.9878308533-4738398471	null	1
6	7409046.9406066453-3938627093	null	0
7	8269107.5312843213-5328099107	null	1
8	8306051.0147360081-647283356	null	1
9	10702974.0923572591-7806135330	null	1
10	13514937.5999371679-2202912166	51	1

4. 가격대 구간화

- Low / Mid / High 가격대 표본이 충분한가?
- 고가 구간에서 purchase 비율이 낮은가?
- 가격대별 구조 차이가 존재하는가?

-- STEP 4: 가격대 구간별 세션 분류
-- 목적:
-- 가격 구간별 Purchase 전환율 비교를 위해 bucket 생성

WITH final_base AS (
  SELECT
    c.session_id,

    c.checkout_cart_value,

    p.purchased
  FROM (
    SELECT
      CONCAT(
        user_pseudo_id,
        '-',
        CAST((
          SELECT value.int_value
          FROM UNNEST(event_params)
          WHERE key = 'ga_session_id'
        ) AS STRING)
      ) AS session_id,

      SUM(items.price * items.quantity) AS checkout_cart_value
    FROM
      `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`,
      UNNEST(items) AS items
    WHERE
      _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
      AND event_name = 'begin_checkout'
      AND (
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) IS NOT NULL
    GROUP BY
      session_id
  ) c
  JOIN (
    SELECT
      CONCAT(
        user_pseudo_id,
        '-',
        CAST((
          SELECT value.int_value
          FROM UNNEST(event_params)
          WHERE key = 'ga_session_id'
        ) AS STRING)
      ) AS session_id,

      MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) AS purchased
    FROM
      `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
    WHERE
      _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
      AND event_name IN ('begin_checkout', 'purchase')
      AND (
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) IS NOT NULL
    GROUP BY
      session_id
  ) p
  ON c.session_id = p.session_id
)

SELECT
  CASE
    WHEN checkout_cart_value < 50 THEN 'Low'
    WHEN checkout_cart_value < 150 THEN 'Mid'
    ELSE 'High'
  END AS price_bucket,

  COUNT(*) AS checkout_sessions,

  SUM(purchased) AS purchase_sessions
FROM final_base
GROUP BY
  price_bucket
ORDER BY
  price_bucket;

행	price_bucket	checkout_sessions	purchase_sessions
1	High	1345	820
2	Low	305	65
3	Mid	509	230

5. 가격대별 Checkout → Purchase 전환율

- High 가격대의 checkout_to_purchase_rate가 Low / Mid보다 낮은가?
- 가격대가 높아질수록 checkout_dropoff_rate가 증가하는가?
- 가격 부담 가설을 채택할 만큼 전환율 차이가 뚜렷한가?
- 특정 가격대의 표본 수가 너무 적어 해석에 주의가 필요한가?
- 고가 상품군에 별도 혜택이나 신뢰 장치가 필요한가?

-- STEP 5: 가격대별 Checkout → Purchase 전환율
-- 목적:
-- 가격 부담 가설 검증

WITH final_base AS (
  SELECT
    c.session_id,

    c.checkout_cart_value,

    p.purchased
  FROM (
    SELECT
      CONCAT(
        user_pseudo_id,
        '-',
        CAST((
          SELECT value.int_value
          FROM UNNEST(event_params)
          WHERE key = 'ga_session_id'
        ) AS STRING)
      ) AS session_id,

      SUM(items.price * items.quantity) AS checkout_cart_value
    FROM
      `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`,
      UNNEST(items) AS items
    WHERE
      _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
      AND event_name = 'begin_checkout'
      AND (
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) IS NOT NULL
    GROUP BY
      session_id
  ) c
  JOIN (
    SELECT
      CONCAT(
        user_pseudo_id,
        '-',
        CAST((
          SELECT value.int_value
          FROM UNNEST(event_params)
          WHERE key = 'ga_session_id'
        ) AS STRING)
      ) AS session_id,

      MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) AS purchased
    FROM
      `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
    WHERE
      _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
      AND event_name IN ('begin_checkout', 'purchase')
      AND (
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) IS NOT NULL
    GROUP BY
      session_id
  ) p
  ON c.session_id = p.session_id
)

SELECT
  CASE
    WHEN checkout_cart_value < 50 THEN 'Low'
    WHEN checkout_cart_value < 150 THEN 'Mid'
    ELSE 'High'
  END AS price_bucket,

  COUNT(*) AS checkout_sessions,

  SUM(purchased) AS purchase_sessions,

  ROUND(
    SAFE_DIVIDE(SUM(purchased), COUNT(*)) * 100,
    2
  ) AS checkout_to_purchase_rate,

  ROUND(
    (1 - SAFE_DIVIDE(SUM(purchased), COUNT(*))) * 100,
    2
  ) AS checkout_dropoff_rate
FROM final_base
GROUP BY
  price_bucket
ORDER BY
  checkout_to_purchase_rate ASC;

행	price_bucket	checkout_sessions	purchase_sessions	checkout_to_purchase_rate	checkout_dropoff_rate
1	Low	305	65	21.31	78.69
2	Mid	509	230	45.19	54.81
3	High	1345	820	60.97	39.03

6. 구매 완료/미완료 세션의 평균 금액 비교

- Not Purchased 세션의 평균 checkout 금액이 Purchased 세션보다 높은가?
- 중앙값 기준으로도 미구매 세션의 금액 부담이 더 큰가?
- 평균과 중앙값 차이가 커서 이상치 영향을 받고 있지는 않은가?
- 구매 완료 여부에 따라 결제 금액 차이가 실제로 존재하는가?

-- STEP 6: 구매 완료 여부별 평균 Checkout 금액 비교
-- 목적:
-- 구매 완료 세션과 미완료 세션의 평균 checkout 금액을 비교하여
-- 결제 금액이 이탈에 영향을 주었는지 확인한다.

WITH checkout_value AS (
  SELECT
    CONCAT(
      user_pseudo_id,
      '-',
      CAST((
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) AS STRING)
    ) AS session_id,

    SUM(item.price * item.quantity) AS checkout_cart_value
  FROM
    `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`,
    UNNEST(items) AS item
  WHERE
    _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
    AND event_name = 'begin_checkout'
    AND (
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) IS NOT NULL
  GROUP BY
    session_id
),

purchase_flag AS (
  SELECT
    CONCAT(
      user_pseudo_id,
      '-',
      CAST((
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) AS STRING)
    ) AS session_id,

    MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) AS purchased
  FROM
    `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
  WHERE
    _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'
    AND event_name IN ('begin_checkout', 'purchase')
    AND (
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) IS NOT NULL
  GROUP BY
    session_id
),

final_base AS (
  SELECT
    c.session_id,
    c.checkout_cart_value,
    p.purchased
  FROM checkout_value c
  JOIN purchase_flag p
  ON c.session_id = p.session_id
)

SELECT
  CASE
    WHEN purchased = 1 THEN 'Purchased'
    ELSE 'Not Purchased'
  END AS purchase_status,

  COUNT(*) AS checkout_sessions,

  ROUND(AVG(checkout_cart_value), 2) AS avg_checkout_cart_value,

  ROUND(APPROX_QUANTILES(checkout_cart_value, 4)[OFFSET(2)], 2) AS median_checkout_cart_value,

  ROUND(MIN(checkout_cart_value), 2) AS min_checkout_cart_value,

  ROUND(MAX(checkout_cart_value), 2) AS max_checkout_cart_value
FROM final_base
GROUP BY
  purchase_status
ORDER BY
  purchase_status;

행	purchase_status	checkout_sessions	avg_checkout_cart_value	median_checkout_cart_value	min_checkout_cart_value	max_checkout_cart_value
1	Not Purchased	1044	853.77	111	3	531156
2	Purchased	1115	368.53	228	9	5022

전체 코드

-- 4일차 가설 4 최종 코드
-- 가설:
-- Checkout 금액이 높을수록 가격 부담으로 인해 Purchase 전환율이 낮아질 수 있다.
--
-- 검증 방법:
-- begin_checkout 이벤트의 items.price * items.quantity를 기준으로
-- 세션별 예상 결제 금액을 계산하고,
-- 가격대별 Checkout → Purchase 전환율을 비교한다.
--
-- 해석 기준:
-- High 가격대의 전환율이 낮으면 가격 부담 가설 채택
-- 가격대별 전환율 차이가 크지 않으면 가격보다 다른 요인 가능성

WITH checkout_value AS (
  SELECT
    -- 사용자 ID와 세션 ID를 결합하여 고유 세션 생성
    CONCAT(
      user_pseudo_id,
      '-',
      CAST((
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) AS STRING)
    ) AS session_id,

    -- begin_checkout 시점의 예상 결제 금액
    SUM(item.price * item.quantity) AS checkout_cart_value
  FROM
    `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`,
    UNNEST(items) AS item
  WHERE
    _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'

    -- 결제 시작 이벤트 기준
    AND event_name = 'begin_checkout'

    -- 세션 ID가 없는 이벤트 제외
    AND (
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) IS NOT NULL
  GROUP BY
    session_id
),

purchase_flag AS (
  SELECT
    -- 사용자 ID와 세션 ID를 결합하여 고유 세션 생성
    CONCAT(
      user_pseudo_id,
      '-',
      CAST((
        SELECT value.int_value
        FROM UNNEST(event_params)
        WHERE key = 'ga_session_id'
      ) AS STRING)
    ) AS session_id,

    -- 해당 세션에서 구매 완료 여부
    MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) AS purchased
  FROM
    `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
  WHERE
    _TABLE_SUFFIX BETWEEN '20210101' AND '20210131'

    -- 결제 시작과 구매 완료 이벤트만 사용
    AND event_name IN ('begin_checkout', 'purchase')

    -- 세션 ID가 없는 이벤트 제외
    AND (
      SELECT value.int_value
      FROM UNNEST(event_params)
      WHERE key = 'ga_session_id'
    ) IS NOT NULL
  GROUP BY
    session_id
),

final_base AS (
  SELECT
    c.session_id,

    c.checkout_cart_value,

    p.purchased,

    -- 가격대 구간 생성
    CASE
      WHEN c.checkout_cart_value < 50 THEN 'Low'
      WHEN c.checkout_cart_value < 150 THEN 'Mid'
      ELSE 'High'
    END AS price_bucket
  FROM checkout_value c
  JOIN purchase_flag p
  ON c.session_id = p.session_id
)

SELECT
  price_bucket,

  COUNT(*) AS checkout_sessions,

  SUM(purchased) AS purchase_sessions,

  ROUND(
    SAFE_DIVIDE(SUM(purchased), COUNT(*)) * 100,
    2
  ) AS checkout_to_purchase_rate,

  ROUND(
    (1 - SAFE_DIVIDE(SUM(purchased), COUNT(*))) * 100,
    2
  ) AS checkout_dropoff_rate,

  ROUND(AVG(checkout_cart_value), 2) AS avg_checkout_cart_value
FROM final_base
GROUP BY
  price_bucket
ORDER BY
  CASE price_bucket
    WHEN 'Low' THEN 1
    WHEN 'Mid' THEN 2
    WHEN 'High' THEN 3
  END;

결과 해석

평균만 보면 오해할 수 있음

Not Purchased 평균 금액: 853.77
Purchased 평균 금액: 368.53

미구매 세션이 훨씬 비싸서 가격 부담이 원인으로 착각할 수 있음

핵심 해석

이상치 영향이 매우 큼

Not Purchased 최대값: 531,156
Purchased 최대값: 5,022

일부 극단적으로 높은 금액 세션이 평균을 크게 왜곡했을 가능성이 큼

따라서 더 신뢰할 지표 : 중앙값

중앙값 비교

Not Purchased: 111
Purchased: 228

핵심 발견

오히려 구매 완료 세션의 중앙값이 더 높음

일반적인 사용자 기준에서는 비싸서 사지 않는 것 보다 낮은 금액/가벼운 탐색 세션이 더 쉽게 이탈한다는 가능성이 보임

가설 판단

가격이 높아서 구매를 포기한다는 가설은 채택하기 어렵다

가격 부담 단독 원인 → 기각 또는 약한 부분 채택

평균은 이상치 왜곡
중앙값 기준 오히려 구매자가 더 높은 금액
고가보다 저관여 탐색/비교 세션 이탈 가능성

가능성

Not Purchased 세션

단순 탐색
여러 상품 테스트
장바구니 저장
가격 비교
비정상적 대량 카트
내부 테스트/이상 데이터

Purchased 세션

구매 의도 명확
필요한 상품 확정
중간 수준 금액대에서 구매

비즈니스 관점 핵심

문제는 가격이 비싸서 사지 못하는 것 보다 구매 확신이 부족한 세션이 Checkout까지 오고 있을 가능성이 큼

Checkout 진입 품질 문제

신규 유저
Google 유입
탐색형 세션

현재까지 가장 강력한 구조

핵심 원인: Google / 신규 유저 / 저확신 Checkout 세션 → 결제 직전 이탈

액션 아이디어

가격 할인보다 더 중요한 것 : 구매 확신 강화

첫 구매 혜택
리뷰
배송/환불 정책
결제 신뢰성
상품 상세 정보 강화

추가 분석

현재까지 가설 총 정리

가설 1 : Device UX → 기각

가설 2 : 신규 유저 첫 구매 장벽 → 강력 채택

가설 3 : Google 유입 품질 문제 → 부분 채택

가설 4 : 가격 부담 → 단순 가격 가설 기각 / 구매 확신 문제로 재해석

가장 강력한 병목: Google 기반 신규 유저가 Checkout까지 진입하지만, 신뢰/확신 부족으로 Purchase 단계에서 이탈

'프로젝트 > GA4 분석' 카테고리의 다른 글

[GA4 퍼널 분석] Day5-2 결제 전환율 가설 검증 (Day4 결과 통합) (0)	2026.05.12
[GA4 퍼널 분석] Day5-1 장바구니 전환율 가설 검증 (Day3 결과 통합) (0)	2026.05.11
[GA4 퍼널 분석] Day4-3 (begin_checkout → purchase \| Source Quality 분석) (0)	2026.05.09
[GA4 퍼널 분석] Day4-2 (begin_checkout → purchase \| New vs Returning 분석) (0)	2026.05.09
[GA4 퍼널 분석] Day4-1 (begin_checkout → purchase \| Mobile UX 분석) (0)	2026.05.09

현재글[GA4 퍼널 분석] Day4-4 (begin_checkout → purchase | Price Barrier 분석)

기록하는 분석가

데이터 분석가를 목표로 실무, 프로젝트, SQL, 루틴을 기록하는 공간입니다.

ga4,

Today :
Yesterday :

기록하는 분석가