AI 유입까지 나눠 보는 자사몰 행동 데이터 체크리스트

혹시 주간 회의에서 이런 질문을 받아 보신 적 있으신가요?

"ChatGPT 같은 AI 서비스에서 넘어온 방문이 보이는데, 이 사람들이 상품을 보고 왜 사지 않았는지 알 수 있나요?"

구매 전 고객의 행동이 구간마다 기록되어 있지 않으면 이 질문에는 답할 수 없습니다.

이 글에서는 AI 서비스를 거쳐 오는 고객이 늘 때 마케터가 자사몰 행동 데이터에서 무엇을 봐야 하는지 정리합니다. 유입, 탐색, 비교·판단, 결정, 이후 5개 구간으로 나눠 구간마다 물을 질문을 보고, AI 유입 고객을 다른 유입과 비교하는 법, 2026년 11월부터 핵클 웹 SDK에 적용된 봇 트래픽 기본 차단 때문에 달라진 수치를 읽는 법까지 다룹니다.

AI 서비스를 거쳐 온 방문도 자사몰 행동 데이터로 읽습니다

자사몰 행동 데이터는 고객이 자사몰에서 한 행동(검색, 상품 조회, 장바구니 담기, 결제 시도)을 시간 순서로 남긴 기록입니다. 주문·회원 데이터가 '무엇을 샀는지'를 남긴다면, 행동 데이터는 사기까지 '무엇을 하고 어디서 멈췄는지'를 남겨서 전환율 분석과 CRM 타겟팅에 쓰입니다.

상품명, 가격, 재고, 리뷰 같은 상품 정보는 대부분 공개된 정보라 AI 서비스도, 검색 엔진도 읽을 수 있습니다. 반면 고객이 무엇을 검색했고, 어떤 옵션에서 망설였고, 결제 화면 어디에서 멈췄는지는 우리 자사몰 안에서만 쌓이는 데이터예요. AI 서비스가 자사몰과 만나는 경우는 크게 세 가지로 나눠 볼 수 있습니다.

‍

• 고객이 AI 서비스의 답변에서 링크를 눌러 들어온 경우: 자사몰에 들어온 뒤의 검색·조회·장바구니·결제 행동은 다른 유입과 같은 방식으로 볼 수 있습니다. 어디서 들어왔는지는 유입 경로 정보로 나눠 봅니다.
• AI가 정보를 읽어 가기만 한 경우: 읽기만 한 방문은 구매 행동을 남기지 않습니다. 이런 방문이 방문자 수에 섞이면 고객 관심을 실제보다 크게 읽게 되니, 사람 방문과 나눠 봐야 해요. 이런 방문의 일부는 11월부터 기본 차단됩니다(아래에서 다룹니다).
• 자사몰 밖에서 구매가 끝난 경우: 자사몰에는 행동이 남지 않습니다. 남는 데이터가 줄어드는 만큼, 자사몰에 들어온 고객의 행동을 빠짐없이 남겨 두는 것이 중요해집니다.

먼저 이것부터 물어보세요. 고객이 왜 안 샀는지 답할 데이터가 구간마다 있나요?

자사몰 행동 데이터 체크리스트: 5개 구간별로 물을 질문

고객이 자사몰에 들어와 사기까지의 길을 유입, 탐색, 비교·판단, 결정, 이후 5개 구간으로 나누면 어디가 비어 있는지 보입니다. 구간마다 마케터가 던질 질문은 아래와 같고, 질문에 답할 행동 기록이 없다면 그 구간이 비어 있는 것입니다.

‍

1. 유입: 어디서 들어왔는지 봅니다. AI 서비스를 거쳐 온 고객과 검색·광고·직접 방문 고객이 구분되어 보이나요?
2. 탐색: 무엇을 찾았는지 봅니다. 어떤 검색어로 찾았고, 결과가 없어서 떠난 고객은 얼마나 되나요?
3. 비교·판단: 무엇을 망설였는지 봅니다. 어떤 상품을 오래 보고, 옵션·리뷰·배송 정보 중 어디에서 멈추나요?
4. 결정: 어디서 멈췄는지 봅니다. 장바구니, 결제 시작, 결제 완료 중 어느 단계에서 가장 많이 떠나나요?
5. 이후: 다시 왔는지 봅니다. 한 번 산 고객이 다시 방문해 상품을 보고, 다시 사나요?

각 구간의 행동 기록이 있는지는 개발 담당자에게 구간별로 하나씩 물어보면 됩니다. 같은 행동이 웹과 앱에서 같은 이름으로 기록되는지, 이메일·전화번호 같은 개인정보를 불필요하게 남기고 있지 않은지도 함께 확인하세요.

AI 유입 고객은 다른 유입과 나란히 비교합니다

AI 서비스를 거쳐 온 방문이 보인다고 바로 매출에 기여한다고 말할 수는 없습니다. 같은 기간의 다른 유입 고객과 구간별 전환율을 나란히 놓고 봐야 해요. 상품을 본 뒤 장바구니로 가는 비율, 장바구니에서 결제로 가는 비율을 비교하면 AI 유입 고객이 어느 구간에서 다르게 움직이는지 보입니다.

핵클은 referrer, referrerSource 같은 유입 정보를 속성으로 자동 수집하고, 웹에서는 UTM 값도 수집합니다. 핵클 퍼널 분석에서는 단계별 전환율과 전환된 사용자 수를 볼 수 있고, 속성 등으로 사용자 그룹(최대 3개)을 나눠 비교할 수 있습니다. 먼저 유입 주소(referrer)와 UTM 소스 값에 AI 서비스 이름이나 주소가 보이는지 훑어보고, 보인다면 그 고객을 한 그룹으로 묶어 다른 유입과 비교해 보세요. 값이 보이지 않는다면 AI 유입이 없다는 뜻이 아니라 어디서 왔는지 기록되지 않았다는 뜻일 수 있어요. AI 서비스에서 들어온 유입 이벤트를 따로 보고 싶다면 핵클 팀(support@hackle.io)에 문의해 주세요.

AI 유입 고객 수가 아직 적다면 비율이 크게 흔들립니다. 전환율 숫자 하나보다 구간별 방향(어디서 많이 떠나는지)을 먼저 보고, 10명 중 3명과 1,000명 중 300명이 같은 30%여도 믿을 수 있는 정도는 다르니, 고객 수가 충분히 쌓일 때까지 같은 기준으로 지켜보세요.

2026년 11월 이후 방문자 수가 달라 보인다면: 봇 트래픽 기본 차단

핵클 웹 SDK를 쓰고 있다면, 2026년 11월 1일부터 알려진 크롤러·스크래퍼·모니터링 봇의 이벤트를 수집하지 않으며, 이전 데이터에는 소급 적용되지 않습니다. 앱 SDK에는 이 기본 차단이 적용되지 않습니다. 예외는 핵클 팀에 요청할 수 있습니다.

그래서 11월 1일 전의 방문자 수에는 봇 방문이 그대로 남아 있고, 이후에는 빠집니다. 전후 숫자를 그대로 비교하면 방문자는 줄고 전환율은 오른 것처럼 보일 수 있어요. 방문자 수가 분모인 전환율도 함께 흔들리니, 11월 전후 비교에는 결제 완료 수처럼 봇이 만들기 어려운 행동의 절대값을 먼저 보세요. 같은 기간의 페이지뷰도 함께 줄었는지, 앱 수치는 그대로인지 비교하면 봇 차단의 영향인지 가늠할 수 있습니다. 11월 1일을 걸치는 주간 추세는 이어 붙이지 말고, 11월 이후 데이터부터 새로 쌓아 보세요.

AI 유입을 읽을 때 자주 하는 실수

• 방문 수만 보고 AI 유입의 성과를 말하기: 방문은 사람이 아닐 수 있고, 사람이어도 구매로 이어졌는지는 따로 봐야 합니다.
• 11월 전후 방문자 수를 그대로 비교하기: 봇 차단 시점이 걸쳐 있으면 같은 기준의 숫자가 아닙니다.
• 한 구간만 보고 이유를 단정하기: 결제에서 떠난 이유는 앞 구간(상품 비교, 배송 정보)에 있을 수 있습니다.
• 고객 수가 적은데 비율로 결론 내기: 앞에서 본 것처럼 적은 고객 수의 비율은 크게 흔들립니다.
• 유입 경로가 비었다고 AI 유입이 없다고 보기: 유입 정보가 기록되지 않은 방문은 어디서 왔는지 모른다는 뜻입니다.

핵심 정리

핵심 기준은 세 줄입니다.

1. 5개 구간 중 '왜 안 샀지?'에 답할 기록이 없는 구간부터 채웁니다.
2. AI 서비스를 거친 고객은 다른 유입과 구간별 전환율로 나란히 비교합니다.
3. 2026년 11월 1일 전후 방문자 수는 봇 기본 차단 때문에 달라 보일 수 있으니, 결제 완료 수 같은 절대값부터 봅니다.

다음 주에는 이렇게 해 보시면 어떨까요?
1️⃣ 하나, 유입 정보 값 목록에 AI 서비스 이름이나 주소가 보이는지 확인해 보세요.
2️⃣ 둘, 5개 구간 중 질문에 답하지 못하는 구간 하나를 골라 개발 담당자에게 '이 구간의 고객 행동이 기록되고 있나요?'라고 물어보는 건 어떨까요?

‍