Shopify 분석 및 보고서의 봇 필터링

온라인 스토어는 검색 엔진의 제품 색인 생성, 소셜 미디어 플랫폼의 미리 보기 생성, 가격 비교 사이트의 데이터 수집, 모니터링 서비스의 사이트 기능 확인 등 다양한 이유로 봇 트래픽을 경험할 수 있습니다. 이러한 봇은 실제 사람인 고객과는 다른 방식으로 사이트와 상호 작용하므로 전환 데이터에 영향을 미치고 실제 고객 행동 패턴을 파악하기 어렵게 만들 수 있습니다.

하지만 사이트에서 봇을 완전히 차단하면 유익한 검색 엔진 색인 생성을 막고 소셜 미디어 공유 기능을 손상시키며 봇 활동 패턴을 측정하고 추적할 수 없게 됩니다. 대신 분석에서 봇 트래픽을 표시하고 필터링하면 실제 고객 행동을 분석할 수 있는 유연성을 확보하면서도 스토어에 영향을 미치는 모든 트래픽 패턴에 대한 완전한 가시성을 유지할 수 있습니다.

이렇게 하면 온라인 스토어의 SEO 및 검색에 유용한 봇 활동의 이점을 계속 누리면서도, 특히 사람의 행동에 집중해야 할 때 사람 또는 봇 세션 보고서 차원 및 필터를 사용하여 비즈니스 의사 결정을 위한 더 깨끗한 데이터를 얻을 수 있습니다.

보고서에 차원과 필터를 적용하는 방법에 대해 자세히 알아보세요.

Shopify 분석에서 봇 필터링 이해하기

온라인 스토어의 각 세션은 사람 또는 봇으로부터 발생한 것으로 추적 및 레이블이 지정됩니다. 온라인 스토어 보고서를 볼 때 분석 데이터에 사람 또는 봇 세션 차원을 추가하여 동일한 보고서에서 어떤 세션이 실제 고객에게서 발생했고 어떤 세션이 봇 트래픽에서 발생했는지 표시할 수 있습니다. 구성 패널에서 사람 또는 봇 세션 필터를 적용하여 보고서에서 봇 데이터를 제외할 수도 있습니다. 이 봇 필터링 옵션을 사용하면 보고서 데이터를 실제 고객 활동에 집중하여 더 나은 비즈니스 의사 결정을 내릴 수 있습니다.

봇 트래픽을 필터링하면 데이터에서 다음과 같은 추세를 발견할 수 있습니다.

• 전환되지 않는 봇 세션을 제거하여 전환율이 높아집니다.
• 자동화된 트래픽을 제거하여 총 세션 수가 낮아집니다.
• 캠페인 및 제품 페이지에 대한 실적 지표가 더 정확해집니다.

Shopify가 사람 또는 봇 세션을 분류하는 방법

방문자가 제품 링크를 클릭하거나 체크아웃을 시작하는 등 온라인 스토어에서 발생하는 모든 이벤트는 Shopify에서 일련의 기준에 따라 분석하여 해당 이벤트가 사람에 의해 완료되었는지 봇에 의해 완료되었는지를 판단합니다. 그런 다음 Shopify는 세션 전체 기간 동안의 모든 이벤트를 기반으로 전체 세션을 사람 또는 봇에 의한 것으로 분류합니다. 이 전체 분류가 Shopify Analytics 및 보고서의 사람 또는 봇 세션 데이터에 정보를 제공하는 기준이 됩니다.

Shopify의 봇 세션 분류는 실제 고객을 봇으로 잘못 레이블 지정하는 것보다 일부 봇을 놓치는 것이 낫기 때문에 보수적으로 설계되었습니다. 예를 들어, 온라인 스토어에서 각각 6개의 이벤트를 수행한 다음 3개의 세션(세션 X, Y, Z)을 살펴보겠습니다.

세션 Y는 사람 행동보다 봇 행동으로 인한 이벤트가 두 배 더 많았지만, 전체 세션 분류 결정에 기여한 관련 사람 활동이 있었기 때문에 전체 세션은 여전히 사람 세션으로 분류됩니다.

시스템은 새로운 트래픽 패턴을 학습하여 지속적으로 개선됩니다.

봇 필터링을 사용해야 하는 경우

전자상거래 사이트는 자동화된 도구가 오해의 소지가 있는 전환 데이터를 생성하기 때문에 독특한 과제에 직면합니다. 콘텐츠만 읽는 일반 웹사이트 크롤러와 달리, 전자상거래 봇은 가격, 재고, 제품 정보를 수집하기 위해 쇼핑 행동을 시뮬레이션해야 합니다. 이러한 자동화된 상호 작용은 실제 전환에 기여하지 않으면서 참여 지표를 부풀려 오해의 소지가 있는 전환 데이터를 생성하므로, 실제 고객 실적이 실제보다 낮게 나타나게 됩니다.

세션 보고서에서 이 자동화된 활동을 필터링하면 실제 사람의 쇼핑 패턴에 집중하여 제품 추천 개인화 및 카트 복구 전략 개선과 같이 실제 비즈니스 성장을 주도하는 경험을 최적화할 수 있습니다.

다음과 같은 조사를 수행하려는 경우 봇 필터링을 사용할 수 있습니다.

• 전환율 또는 트래픽의 갑작스러운 급증 조사
• 비즈니스 계획 및 보고를 위한 더 깨끗한 데이터 확보
• 마케팅 캠페인 트래픽의 품질 분석
• 봇을 다르게 필터링하는 다른 플랫폼과 분석 비교

Shopify Analytics에서 사람 또는 봇 세션 데이터를 표시하고 필터링하는 것은 자동화된 방문이 지표에 큰 영향을 미칠 수 있는 트래픽이 많은 기간에 특히 유용합니다.

보고서에서 봇 데이터를 필터링할 때의 고려 사항

보고서에 봇 필터링을 적용하기 전에 다음 고려 사항을 검토하십시오.

• 봇 감지는 Headless 및 Hydrogen 스토어프론트에서는 사용할 수 없습니다.
• 시스템이 시간이 지남에 따라 새로운 패턴을 학습하므로 일부 정교한 자동화된 트래픽은 즉시 분류되지 않을 수 있습니다.
• 봇 필터링은 세션 관련 지표에만 적용됩니다.
• 봇 필터링은 2025년 10월 7일부터 새로 들어오는 데이터에만 적용되며 이전 세션을 소급하여 분류할 수 없습니다.

봇 필터링 데이터 해석하기

사람 트래픽에 집중하면 고객 행동 및 캠페인 실적에 대한 더 정확한 분석 정보를 얻을 수 있습니다. 하지만 사람과 봇 트래픽의 구분을 검토하면 다음과 같은 가능성을 포함하여 추가적인 분석 정보를 얻을 수 있습니다.

• 사람의 전환율이 더 높다는 것은 봇이 실제 고객 실적을 희석시키고 있음을 나타냅니다.
• 특정 출처에서 발생하는 상당한 봇 트래픽은 해당 채널의 자동화된 크롤링 또는 테스트를 암시할 수 있습니다.

다음은 Shopify 보고서에서 봇 필터링을 사용하여 각 세부 수준에서 어떻게 다른 분석 정보가 나타나는지에 대한 예시입니다.

레벨 1: 전체 트래픽 실적

이 예시에서 온라인 스토어의 필터링되지 않은 전환율은 3.5%이며 여기에는 실제 고객과 자동화된 트래픽이 모두 포함되어 있습니다. 이처럼 혼합된 지표는 실제 고객 행동을 반영하지 않을 수 있어 비즈니스 의사 결정에 오해를 불러일으킬 수 있습니다.

2단계: 봇 트래픽의 영향

이전 1단계 예시에 이어서, 사람 또는 봇 세션 차원을 사용하여 보고서 데이터를 나누면 봇이 전환율에 약간 영향을 미치고 있음을 알 수 있습니다. 이에 따르면 사람은 4%, 봇은 2%의 전환율을 보입니다. 이는 또한 테스트 도구, 자동 구매 또는 전환 이벤트를 트리거하는 봇으로 인해 일부 자동화된 트래픽이 체크아웃을 완료하고 있다는 증거이기도 합니다.

따라서 데이터를 분석할 때 '실제' 전환율을 3.5%가 아닌 4%로 간주하는 것이 좋습니다.

3단계: 참조 페이지별 봇 행동

이전 2단계 예시에 이어서 보고서에 참조 페이지 이름 차원을 적용하면 특정 트래픽이 어디에서 오는지에 대한 자세한 정보를 검토할 수 있습니다.

이 예시에서 세부 내역은 봇이 가장 활발하게 활동하는 위치와 사람과 어떻게 다르게 행동하는지를 보여줍니다.

• 없음(직접): 봇은 1.74%, 사람은 4.17%로 전환되어 일부 직접 봇 트래픽이 구매를 완료하고 있음을 나타냅니다.
• Google: 봇은 6.67%, 사람은 2%로 전환되며, 이는 해당 트래픽이 일반적인 봇이나 Google 트래픽의 자동 테스트 이상일 수 있음을 시사합니다.
• Shopify: 봇 전환은 없고 사람 전환은 4%로, 봇의 간섭이 거의 없는 깨끗한 참조 페이지 소스임을 보여줍니다.

보고서에 봇 필터링 적용

세션, 전환율, 방문자 수를 포함한 모든 표준 세션 관련 지표에서 사람 또는 봇 세션 차원을 기준으로 분석 데이터를 필터링할 수 있습니다.

보고서에 차원과 필터를 적용하는 방법에 대해 자세히 알아보세요.

단계:

1. Shopify 관리자에서 분석 > 보고서로 이동합니다.

2. 필터를 추가할 보고서를 클릭합니다.

3. 구성 패널의 차원 메뉴에서 ⊕를 클릭합니다.

4. 사람 또는 봇 세션을 차원으로 선택합니다.

5. 선택 사항: 사람 방문자 이벤트만 표시하도록 필터를 적용합니다.

   1. 구성 패널의 필터 메뉴에서 ⊕를 클릭합니다.
   2. 메뉴에서 사람 또는 봇 세션을 선택합니다.
   3. 값 추가를 클릭한 다음 사람을 선택합니다. 필터는 is Human으로 표시됩니다.
   4. 적용을 클릭합니다.