UTM 파라미터

UTM 파라미터로 유입 경로를 나눠보는 방식

같은 상품 페이지로 연결되는 링크라도 UTM 값을 다르게 설정하면 어떤 경로를 통해 방문이 발생했는지 구분할 수 있어요. 애널리틱스 도구에서는 이 값을 기준으로 채널별 방문 수, 체류 시간, 구매 전환 같은 웹사이트 내 행동 데이터를 분석할 수 있어요.

예를 들어 같은 할인 이벤트를 진행하더라도 인스타그램 광고 링크와 이메일 발송 링크에 각각 다른 UTM 값을 붙이면, 어떤 채널에서 더 많은 방문과 구매 전환이 발생했는지 비교할 수 있어요.

다만 UTM 데이터는 입력 규칙이 일정해야 정확하게 활용할 수 있어요. 같은 인스타그램 광고라도 담당자마다 instagram, insta, IG처럼 다르게 작성하면 분석 도구에서 서로 다른 채널로 인식해 데이터가 분산될 수 있어요.

주요 UTM 항목은 다음과 같아요.

1. utm_source: 유입이 발생한 출처를 기록해요. 네이버, 카카오, 인스타그램처럼 방문이 시작된 플랫폼을 구분할 때 사용해요.
2. utm_medium: 어떤 형태의 마케팅 활동을 통해 유입됐는지 기록해요. CPC 광고, 이메일, 배너 등 매체 유형을 구분할 때 활용해요.
3. utm_campaign: 어떤 프로모션이나 캠페인에서 발생한 유입인지 이름을 지정해요. 같은 채널 안에서도 캠페인별 성과를 비교할 수 있어요.
4. 표기 규칙 사전 합의: 소문자 사용 여부, 단어 구분 방식 등을 팀 내에서 미리 정하면 데이터 분석 시 혼선을 줄일 수 있어요.

UTM 데이터를 꾸준히 쌓으면 어떤 채널과 캠페인이 실제 방문과 구매 전환으로 이어지는지 파악하기 쉬워져요. 이후 광고 예산을 배분하거나 다음 캠페인을 기획할 때도 데이터 기반의 의사결정을 할 수 있어요.

예시로 보는 UTM 파라미터

예시 1: 한 쇼핑몰이 인스타그램과 페이스북 광고에 각각 다른 UTM 값을 적용했어요. 분석 결과 광고비는 비슷했지만, 인스타그램에서 유입된 방문자의 구매 전환율이 더 높다는 점을 확인할 수 있었어요.

예시 2: 동일한 할인 프로모션을 이메일과 카카오톡으로 함께 발송하면서 campaign 값을 다르게 설정해, 어느 발송 채널의 오픈율과 구매 전환이 더 높은지 비교할 수 있었어요.

예시 3: 여러 인플루언서에게 각각 다른 UTM 링크를 제공해 캠페인을 운영했어요. 그 결과 팔로워 수가 비슷한 인플루언서라도 실제 사이트 방문과 구매 전환 성과에는 차이가 있다는 점을 데이터로 확인할 수 있었어요.

알파앱스에서는