[GA4 퍼널 분석] Day7-2 High Price 상품군 전환율 개선 시뮬레이션

“고가 상품의 장바구니 전환율이 개선된다면 실제 성과 기회는 얼마나 증가할까?”

 

분석 목표

Day5 분석 결과, Price Band는 view_item → add_to_cart 단계의 핵심 병목이었다.

특히 High Price 상품군은 Mid / Low Price 대비 장바구니 전환율이 낮았으며, 이는 단순 유입 부족보다 “상품 조회 이후 장바구니 진입 장벽”이 존재할 가능성을 시사했다.

 

그래서 오늘은“High Price 상품군의 장바구니 전환율이 Mid 또는 Low 수준까지 개선된다면 추가 장바구니 수와 기대 성과는 얼마나 증가할까?”를 시뮬레이션했다.

 

분석 목적

High Price 상품군의 상단 퍼널(view → add_to_cart) 병목이 실제 얼마나 큰 성과 개선 기회인지 확인하고, 단순 가격 인하보다 상품 경쟁력 / 가격 인식 개선 전략의 우선순위를 검토

 

분석 방법

현재 High Price 상품군의 view_sessions는 유지한 상태에서 장바구니 전환율(add_to_cart_rate)만 단계적으로 개선한다고 가정했다.

• High → Mid Benchmark
• High → Low Benchmark

현재 High Price 상품 조회 수는 동일
→ 상품 경쟁력 / 가격 인식 개선으로 장바구니 전환율만 상승

 

 

데이터 전처리

• Price Band별 view_sessions / cart_sessions 분리
• High / Mid / Low add_to_cart_rate 비교
• High Price를 개선 대상 그룹으로 설정
• 구매 완료 세션 평균 checkout value를 기대 가치(AOV Proxy)로 활용
• A 시나리오의 신규 유저 구매 전환율을 purchase proxy로 활용

시뮬레이터 설정

# 개선 시나리오 설정
# High Price의 장바구니 전환율이 Mid / Low 수준까지 개선되는 경우
scenarios = [
    {
        "scenario": "High → Mid Benchmark",
        "target_cart_rate": mid["add_to_cart_rate"] / 100
    },
    {
        "scenario": "High → Low Benchmark",
        "target_cart_rate": low["add_to_cart_rate"] / 100
    }
]

# 시뮬레이션 계산
result = []

for s in scenarios:
    
    # 목표 장바구니 전환율
    target_cart_rate = s["target_cart_rate"]

    # 목표 전환율 적용 시 예상 장바구니 수
    expected_cart = high_view * target_cart_rate

    # 현재 대비 추가 장바구니 수
    incremental_cart = expected_cart - high_cart

    # 추가 장바구니가 최종 구매로 이어질 예상 수
    # 단순화된 추정치이므로 proxy rate 사용
    incremental_purchase = incremental_cart * purchase_proxy_rate

    # 추가 구매 수 × 평균 구매 가치
    expected_value = incremental_purchase * aov_proxy

    # 현재 High Price 장바구니 수 대비 증가율
    cart_lift = incremental_cart / high_cart * 100

    result.append({
        "scenario": s["scenario"],
        "current_cart_rate(%)": round(high_cart_rate * 100, 2),
        "target_cart_rate(%)": round(target_cart_rate * 100, 2),
        "current_cart": int(high_cart),
        "expected_cart": round(expected_cart, 1),
        "incremental_cart": round(incremental_cart, 1),
        "cart_lift(%)": round(cart_lift, 2),
        "incremental_purchase_proxy": round(incremental_purchase, 1),
        "expected_value": round(expected_value, 2)
    })

# 결과 데이터프레임 생성
price_simulation_df = pd.DataFrame(result)

# 결과 출력
print("\n=== High Price Add-to-Cart Lift Simulation ===")
print(price_simulation_df)

=== High Price Add-to-Cart Lift Simulation ===

High → Mid Benchmark
추가 장바구니: +358.9
장바구니 증가율: +13.18%
추가 구매 추정치: +172.4
기대 가치: +63,519.70

High → Low Benchmark
추가 장바구니: +712.8
장바구니 증가율: +26.18%
추가 구매 추정치: +342.4
기대 가치: +126,177.22

 

핵심 결과

High Price 상품군의 장바구니 전환율이 Mid 수준까지만 개선돼도 약 +358.9건, Low 수준까지 개선될 경우 약 +712.8건의 추가 장바구니가 발생할 수 있는 것으로 추정됐다.

 

의미

현재 High Price 상품은 상품 조회 자체는 발생하지만, 조회 이후 장바구니 진입 설득력이 부족할 가능성이 있다.

기존 관점: 고가 상품은 잘 안 팔린다

개선 관점: 고가 상품은 “가치 설득”이 부족할 수 있다

 

비즈니스 인사이트

가능 원인

• 가격 부담
• 가격 대비 가치 인식 부족
• 상품 상세페이지 설득력 부족
• 할인 / 프로모션 부족

우선 검토 가능 액션

• 가격 혜택 배지
• 쿠폰 / 할인
• 번들 패키지
• 리뷰 / 가치 강조
• Mid Price 대체 추천
• 가격 비교 설계

전략적 의미

하단 퍼널 → 신규 유저 결제 신뢰

상단 퍼널 → 상품 경쟁력 / 가격 전략

퍼널 단계별 병목 구조가 더 명확해졌다.

 

최종 결론

이번 시뮬레이션을 통해 High Price 상품군은 단순히 가격이 높은 것이 문제가 아니라, “조회 이후 장바구니로 이어지는 설득 구조" 개선이 핵심일 가능성을 확인했다.

 

High Price 상품군의 핵심 병목은 유입 부족보다 “장바구니 진입 장벽”일 가능성이 높았으며, 가격 인식 및 상품 경쟁력 개선 시 상단 퍼널 성과 개선 가능성이 확인됐다.