Datarize Clickstream Report 2026
클릭 한 줄의 힘,
주문서에서 사라지는 절반을 되찾는 법
스크립트 한 줄을 심으면 이커머스 주문서의 모든 클릭이 자동으로 쌓입니다
같은 카페24, 같은 카테고리인데 전환율은 4배. 페이지뷰가 못 보는 '왜'를 클릭스트림으로 상세 분석합니다
목차
7개 챕터로 보는 주문서 전환율의 '왜'
한 줄 설치, 모든 클릭 수집
별도 태깅 없이 쌓이는 클릭 데이터의 원천
대부분의 분석 도구는 '보고 싶은 이벤트'를 사람이 일일이 태깅해야 합니다. 데이터라이즈는 스크립트 한 줄만 심으면 페이지의 모든 클릭이 그 클릭의 DOM 맥락 전체와 함께 자동으로 쌓입니다.
클릭 이벤트를 모으려고 GTM 같은 별도 태깅 작업을 따로 할 필요가 없습니다. 미리 정의하지 않고 주문서 화면 안에서 일어난 모든 클릭을 있는 그대로 수집합니다 — 이것이 '한 줄'의 의미입니다.
주문서 클릭 수집 (최근 7일)
클릭 1건당 평균 속성 (최대 28)
주문서 관측 속성 키 (3일)
추가로 필요한 태깅 작업 (GTM 등)
실제 수집된 클릭 1건 — 어느 주문서의 '토스페이' 선택(비식별):
// 결제수단 라디오를 한 번 클릭했을 뿐 —
{
"type": "radio", // 입력 종류
"name": "radio_paymethod", // 폼 필드명
"form": "order_form", // 소속 폼
"value": "TOSS", // 선택값 = 토스페이
"class": "chk-rdo MS_input_radio",
"tag_hash": 582241904136, // 요소 고유 지문
"dtr_url_name": ["order"] // 주문서
}속성 키는 사이트마다 다릅니다(상품번호·장바구니탭·배송유형 등 그 DOM에 있는 무엇이든). 미리 정의하지 않고 있는 그대로 전부 담습니다.
같은 카테고리, 갈리는 운명
고전환 A vs 저전환 B — 페이지뷰가 못 보는 '왜'
전수 고객사 중 같은 카페24, 같은 패션의류 두 사이트(비식별)를 골라 동일한 클릭스트림으로 나란히 상세 분석했습니다. 한 곳은 주문서 방문자의 81%가 구매하고, 다른 곳은 20%만 구매합니다 — 4배 차이입니다.
페이지뷰만 측정 가능한 솔루션은 여기까지 현상만 파악할 수 있지만, 클릭스트림은 어디서·왜 갈렸는지까지 보여 줍니다. (최근 7일)
| 페이지뷰만 수집할 경우 보는 것 | 데이터라이즈 클릭스트림이 보는 것 |
|---|---|
| A 81% vs B 20% — "B가 낮다" | B는 결제버튼까지 27%만 도달(A 78%). 결제 한참 전에서 빠져나갑니다 |
| ✕ 포착 불가 | B 방문자는 쿠폰·할인을 3,202번 만지지만, 그 단계의 구매 도달 확률은 19%에 그칩니다 — "쿠폰 늪" |
| ✕ 포착 불가 | A는 진입 직후 결제하기로 직행(주문서진입→결제하기 613), B는 진입→쿠폰으로 빠집니다(주문서진입→쿠폰 2,513) |
| ✕ 포착 불가 | 간편결제 실제 채택 A 24% vs B 16% — 전수 분석의 1번 레버(t=5.6)와 같은 방향입니다 |
✕ 포착 불가 = 페이지뷰만 수집하는 솔루션은 '페이지 이동(A→B)'만 추적하므로, 주문서 한 화면 안에서 일어난 클릭은 기록 자체가 없어 보이지 않습니다. 데이터라이즈는 화면 안 모든 클릭을 수집하므로 이 행들이 드러납니다.
Markov로 읽는 두 구매 여정
진입에서 완료까지, 어디서 새고 어디서 헤매나
방문자별 행동 순서(페이지뷰+클릭)로 '어떤 행동 다음에 어떤 행동을 하는지'의 패턴을 학습한 뒤, 각 행동의 구매 도달 확률을 계산해 그래프로 배치했습니다.
노드의 좌우 위치가 구매 도달 확률입니다 — 왼쪽(주문서 진입)에서 오른쪽(구매 완료)으로 갈수록 구매에 가깝습니다. 노드 크기는 발생 수, 화살표는 구매로 이어지는 이동을 나타냅니다(굵을수록 많은 이동).
| 주문서 행동 | 발생 수 | 구매 도달 확률 | 경험자 전환율 |
|---|---|---|---|
| 주문서 진입 | 2,085 | 81% | 81% |
| 배송지·주문자 | 779 | 82% | 90% |
| 배송 메시지 | 293 | 84% | 88% |
| 쿠폰·할인 | 390 | 81% | 78% |
| 기타 입력 | 1,270 | 81% | 82% |
| 결제수단 선택 | 625 | 87% | 90% |
| 결제하기 | 1,363 | 93% | 95% |
| 주문서 행동 | 발생 수 | 구매 도달 확률 | 경험자 전환율 |
|---|---|---|---|
| 주문서 진입 | 3,660 | 19% | 20% |
| 배송지·주문자 | 570 | 21% | 57% |
| 배송 메시지 | 244 | 20% | 51% |
| 쿠폰·할인 | 3,202 | 19% | 21% |
| 기타 입력 | 2,089 | 21% | 29% |
| 결제수단 선택 | 714 | 32% | 59% |
| 약관 동의 | 10 | 21% | 60% |
| 결제하기 | 740 | 50% | 66% |
비고 — '기타 입력'이란? 주문서 안에서 일어나는 세부 상호작용을 묶은 것입니다: 이름·이메일·우편번호 등 입력 필드 포커스, 이메일 도메인 선택, '뒤로가기·쇼핑 계속하기·마이쇼핑' 등 내비게이션 클릭, 그리고 상품 옵션 재선택입니다. 특히 저전환 B는 기타 입력의 다수가 주문서 안에서 상품 옵션(sel_product)을 다시 만지는 행동이었습니다 — 주문 도중에도 무엇을 살지 계속 망설인다는 신호입니다.
실제 주문서가 가른 차이
두 사이트 주문서 DOM 직접 비교
두 사이트의 실제 주문서 HTML(DOM)을 직접 받아 구조를 비교했습니다. 둘 다 같은 카페24 주문서인데 설정·구성이 다르고, 그 차이가 위 전환율 격차를 그대로 설명합니다.
| 주문서 구조 요소 | 고전환 A | 저전환 B |
|---|---|---|
| 주문서 타입 | 심플(원터치) 주문서 order_form_simple_type=T — 입력·동의를 한 화면으로 압축 | 레거시 풀 주문서 =F — 입력 단계가 많은 전통 폼 |
| 간편결제 노출 | 신용카드 + 네이버페이·카카오페이·토스페이를 결제수단에 직접 노출 | 네이버·카카오페이 자체가 없음. 간편결제는 토스·페이코뿐이고 카드·무통장·에스크로 뒤에 배치 |
| 약관 동의 | 동의 UI를 화면에서 숨기고 결제버튼에 통합 → 별도 클릭 0 | 쇼핑몰 이용약관·개인정보 수집 등 개별 [필수] 체크박스를 펼쳐 노출 → 추가 클릭 |
| 할인·쿠폰 UI | 보유 없으면 접힘(결제 흐름 방해 최소) | 할인코드 + 쿠폰 적용 UI 상시 노출(Part 3의 '쿠폰 늪'과 직결) |
처방 — 한 데이터로 두 갈래
UI/UX 개선과 CRM 액티베이션
같은 클릭 데이터로 UI/UX 개선(진단)과 CRM 액티베이션(액션)을 동시에 할 수 있습니다. 별도 추적을 깔 필요가 없습니다. 아래는 저전환 B에 대한 처방입니다.
| 증상 (DOM·클릭 근거) | UI/UX 개선안 |
|---|---|
| 레거시 풀 주문서 → 결제버튼 도달 27%, 결제 전 1,366명 이탈 | 심플(원터치) 주문서로 전환, 약관 동의를 결제버튼에 통합해 입력·클릭 단계 압축 |
| 쿠폰·할인 3,202클릭인데 경험자 전환율 21% — 쿠폰 UI 상시 노출 → '쿠폰 늪' | 적용 가능 쿠폰 자동 적용, 쿠폰 UI를 결제 흐름 밖으로(접기) — 탐색 늪 제거 |
| 간편결제 채택 16% — 네이버·카카오페이 부재 | 네이버페이·카카오페이 결제수단 추가 + 최상단 원탭 노출, 직전 사용 수단 자동 선택 |
① UI/UX 개편
클릭 포렌식 = 개선 백로그
- 심플 주문서 + 약관 결제버튼 통합
- 네이버·카카오페이 추가, 간편결제 최상단
- 적용 가능 쿠폰 자동 적용·쿠폰 UI 접기
- 결제버튼 미도달 대량 이탈 → 입력 단계 축소
② CRM 액티베이션
같은 데이터로 행동 세그먼트 → 리타게팅
- '쿠폰칸 맴돌다 이탈' → 적용 가능 쿠폰 자동 안내 브랜드메시지
- '결제수단까지 골랐지만 이탈' → 결제 리마인드
- '진입했지만 결제버튼 미도달' → 장바구니 회수 캠페인
전수 벤치마크 — 업종 분위 지도
분위 사다리 + 12개 업종 분포와 레버
수집이 자동이라 한 사이트가 아니라 전수를 같은 방식으로 측정합니다. 주문서 방문자→완료 전환율을 업종별(비식별)로, 분위 사다리와 함께 봅니다. (2026-05 집계)
전체 중앙값 전환율
상위 10% 기준선 (p90)
하위 10% 기준선 (p10)
분석 업종
전체 분위 사다리 — "우리 주문서는 몇 분위?"
| 분위 | 전환율 | |
|---|---|---|
| p10 (하위 10%) | 46.8% | |
| p20 | 51.8% | |
| p30 | 55.7% | |
| p40 | 58.1% | |
| p50 (중앙값) | 60.8% | |
| p60 | 63.0% | |
| p70 | 65.6% | |
| p80 | 68.4% | |
| p90 (상위 10%) | 72.5% |
예: 우리 주문서 전환율이 55%라면 약 하위 30%(p30) 수준이고, 중앙값까지 +6%p의 개선 여력이 있습니다. 이 사다리가 자가진단(Part 7)의 기준이 됩니다.
업종별 전환율 분포 (비식별)
| 업종 | p10 | 중앙값 | p90 | 분포 |
|---|---|---|---|---|
| 출산/육아 | 53 | 65% | 73 | |
| 언더웨어 | 56 | 65% | 71 | |
| 반려동물 | 54 | 64% | 75 | |
| 화장품/미용 | 51 | 62% | 73 | |
| 기타 | 42 | 61% | 78 | |
| 패션의류 | 46 | 61% | 71 | |
| 식품 | 48 | 61% | 74 | |
| 생활/건강 | 46 | 61% | 70 | |
| 디지털/가전 | 50 | 59% | 72 | |
| 스포츠/레저 | 49 | 59% | 66 | |
| 가구/인테리어 | 43 | 56% | 65 | |
| 패션잡화 | 41 | 55% | 69 |
중간 50%(25~75%) 구간중앙값10~90% 범위
업종 실명 없이 업종×분위로만 집계했습니다. 업종 간 차이(출산/육아 65% vs 패션잡화 55%)는 객단가·재구매·구매 숙고도 차이를 반영합니다 — 자가진단은 반드시 같은 업종 안에서 비교해야 합니다.
고전환 사이트는 무엇이 다른가 (상위 25% vs 하위 25%)
업종·플랫폼·트래픽처럼 사이트마다 다른 조건을 걷어내고 비교해도, 고전환과 저전환을 가르는 요인은 두 가지였습니다. 가장 선명한 차이는 간편결제의 실제 채택입니다.
상위 25% 사이트는 주문서 방문자의 20%가 간편결제를 실제로 누릅니다 — 하위 25%의 2.2배입니다. 결제수단 개수나 특정 브랜드는 무관하고 '실제로 쓰는지'가 관건입니다. (앞의 저전환 B 16%와 정확히 맞물립니다)
모바일웹 의존이 높을수록 전환율이 소폭 낮아집니다(다른 조건을 맞춘 뒤에도 남는 차이). 원인은 간편결제 앱으로 넘어갔다가 다시 돌아오지 못하는 이탈로 보입니다.
비고 — 't값'이란? 두 그룹의 차이가 우연이 아니라 실제로 뚜렷한 차이인지를 나타내는 통계 지표입니다. 절댓값이 클수록(보통 2 이상) 우연일 가능성이 낮아 믿을 수 있는 차이로 봅니다. 즉 t=5.6인 '간편결제 채택'은 매우 분명한 차이, t=−2.4인 '모바일웹'은 작지만 의미 있는 차이라는 뜻입니다.
벤치마크가 못 말하는 '왜'
결국 내 사이트 클릭 데이터로 직접 찾습니다
벤치마크는 '내가 몇 분위인지'까지만 알려 줄 뿐, '왜 그런지'는 답하지 못합니다.
가장 정확한 '왜'는 내 사이트의 클릭 데이터에 있습니다
앞의 A·B처럼, 데이터라이즈가 모은 우리 주문서의 실제 클릭스트림을 직접 들여다보면 '왜 이 단계에서 빠져나가는지'를 그 사이트에 맞게 정확히 찾을 수 있습니다. 벤치마크로 내 위치를 확인하고, 클릭 데이터로 원인을 직접 진단하는 것 — 이것이 전환율을 올리는 가장 빠르고 정확한 길입니다.
데이터라이즈 내부 초안 · 2026-06-28 · 사례=최근 7일 · 벤치마크=2026-05 · 모든 사이트 비식별