휴대폰과 노트북의 나는 같은 사람일까요?

휴대폰과 노트북을 번갈아 쓰는 사람은 GA4에서 한 명으로 잡힐까요? 앞 편에서 쿠키로는 브라우저까지만 알 수 있다고 정리했고, 이 영상은 그다음 질문을 다룹니다. 로그인으로 묶는 방법과 추정으로 묶는 방법, 광고 보고서와 GA4 보고서의 차이를 알고 나면 사용자 수와 전환 경로를 볼 때 무엇부터 확인할지 판단할 수 있습니다.

휴대폰과 노트북을 오가는 사람은 몇 명일까요?

쿠키가 알아보는 단위는 사람이 아니라 브라우저입니다. 그래서 기기를 오가는 사람이 GA4에서 몇 명으로 잡히는지는 따로 확인해야 합니다.

사용자 식별과 크로스디바이스

기기가 달라도 같은 사람인지 알아내는 일을 사용자 식별이라고 합니다. 한 사람이 휴대폰과 노트북을 오가며 쓰는 것은 크로스디바이스라고 합니다. GA4 사용자 수는 사용자를 어떻게 식별하느냐에 따라 달라집니다.

러닝 재킷을 산 하루

설명을 위해 만든 사례입니다. 운동화 쇼핑몰이 웹사이트와 앱을 함께 운영하고, 웹과 앱의 방문을 GA4 한 곳에서 집계한다고 해 보겠습니다. 이 쇼핑몰 회원인 사용자의 하루는 다음과 같습니다.

이 사람은 GA4에서 사용자 몇 명으로 잡힐까요?

기기 아이디는 브라우저와 앱마다 생깁니다

웹에서 GA4는 _ga 쿠키의 번호로 사용자를 구분합니다. 이 번호가 클라이언트 ID입니다. 앱에는 쿠키 대신 앱을 설치할 때 생기는 ID가 있습니다. 설치된 앱 하나하나를 인스턴스라고 하고, 이 ID를 앱 인스턴스 ID라고 부릅니다.

GA4는 이 두 ID를 통틀어 기기 ID라고 합니다. 이름은 기기 ID지만 실제로는 브라우저나 앱마다 따로 생깁니다. 이 사용자의 사파리, 앱, 노트북 크롬에는 기기 ID가 하나씩, 모두 세 개 생깁니다. 로그인 정보가 함께 오지 않으면 GA4는 기기 ID마다 사용자를 한 명씩 집계하므로, 한 사람이 두세 명으로 잡힐 수 있습니다.

모바일 광고 아이디

휴대폰에는 앱 인스턴스 ID와 별도로 광고에 쓰는 ID도 있습니다. 아이폰은 IDFA, 안드로이드는 안드로이드 광고 ID이고, 둘 다 기기마다 하나씩 있습니다. 개인정보보호위원회는 모바일에서 이 광고 ID가 쿠키와 비슷한 역할을 한다고 설명합니다.

아이폰의 추적 허락, ATT

아이폰 앱은 2021년 4월부터 IDFA를 읽기 전에 사용자에게 허락을 받아야 합니다. 이 허락 절차가 ATT(앱 추적 투명성)입니다. 애플이 정의하는 추적은 앱에서 모은 정보를 광고나 광고 성과 측정을 위해 다른 회사의 앱이나 웹사이트에서 모은 정보와 연결하는 일입니다.

사용자가 앱에 추적 금지를 요청하면 앱이 읽는 IDFA는 모두 0으로 채워진 값이 됩니다. 안드로이드에서도 사용자가 광고 ID를 삭제하면 앱은 0으로 채워진 값을 받습니다.

로그인으로 묶는 유저 아이디

두 기기에서 같은 쇼핑몰 계정으로 로그인하면 같은 사람이라는 것을 확실히 알 수 있습니다. 사이트와 앱은 방문 데이터를 보낼 때 로그인 회원 번호도 GA4로 보낼 수 있고, GA4는 같은 회원 번호로 온 방문을 기기가 달라도 한 사용자로 묶습니다. 이 기능이 User-ID(유저 아이디)입니다. User-ID에는 이메일 같은 개인정보 대신 사이트가 만든 회원 번호를 써야 합니다.

보고용 식별 방법

User-ID를 보내더라도 보고서가 그 값을 쓰도록 설정돼 있어야 사용자가 묶입니다. 보고용 식별 방법은 보고서에서 사용자를 어떤 ID로 묶을지 고르는 설정이고, GA4 화면에는 보고 ID라고 적혀 있습니다.

기기 기반을 고르면 User-ID는 보고서에 쓰이지 않습니다.

로그인하지 않은 방문과 결정적 매칭

이 쇼핑몰이 웹과 앱 모두 User-ID를 보내고 보고서에도 쓴다면, GA4는 로그인한 앱과 노트북 크롬의 방문을 한 사용자로 묶습니다. 출근길 사파리에서는 로그인하지 않았으므로 이 방문은 묶이지 않습니다. 그래서 이 한 사람은 사용자 두 명으로 잡힐 수 있습니다. 앱과 노트북을 묶은 한 명, 출근길 사파리 한 명입니다. 로그아웃한 뒤의 행동과 User-ID 도입 전 데이터도 따로 남습니다.

로그인 ID처럼 확실한 값으로 같은 사람을 묶는 방법을 결정적 매칭이라고 합니다. 여기서 결정적은 중요하다는 뜻이 아니라 결과가 하나로 정해진다는 뜻입니다.

해시한 이메일 맞춰 보기

광고 플랫폼은 광고주가 보낸 고객 정보를 자기 회원 정보와 맞춰 보기도 합니다. 순서는 다음과 같습니다.

1. 쇼핑몰이 구매 고객의 이메일을 알아볼 수 없는 문자열로 바꿉니다. 이 방법이 해시이고, 같은 방식으로 해시하면 같은 이메일은 늘 같은 문자열이 됩니다.
2. 쇼핑몰이 해시한 이메일을 구글, 메타, 카카오 같은 광고 플랫폼에 보냅니다.
3. 플랫폼이 자기 회원의 이메일도 같은 방식으로 해시해서 받은 값과 맞춰 봅니다.

이렇게 하면 플랫폼은 광고를 본 사람이 실제로 샀는지 알 수 있습니다. 구글은 이 기능을 향상된 전환, 메타는 고급 매칭이라고 부릅니다.

해시와 개인정보

개인정보보호위원회의 가명정보 처리 가이드라인은 해시를 가명처리 기법으로 분류합니다. 가명처리는 다른 정보 없이는 누구인지 알아볼 수 없게 바꾸는 일입니다. 해시한 이메일도 익명이 되는 것은 아니라서 여전히 개인정보 보호 대상입니다.

광고 플랫폼도 광고주가 고객에게 알리고 필요한 동의를 받도록 안내합니다. 애플은 추적 허락을 받지 않은 앱이 해시한 이메일로 추적하는 것도 금지합니다.

추정으로 묶는 확률적 매칭

확실한 ID가 없으면 광고 플랫폼이나 추적 업체는 같은 사람인지 추정하기도 합니다. 이 방법이 확률적 매칭입니다. 2017년 미국 연방거래위원회 보고서를 보면 기기 연결 업체들은 결정적 매칭과 확률적 매칭을 함께 썼습니다. 구글은 일부 트래픽에서 IP 주소 같은 추가 정보로 전환 수를 추정한다고 밝히고 있습니다. IP 주소는 기기가 인터넷에 연결할 때 쓰는 주소입니다.

추정은 얼마나 정확할까요?

2016년에 열린 데이터 경진대회(CIKM Cup)의 예입니다. 참가 팀은 방문 기록만 보고 같은 사람이 쓴 기기 짝을 찾아야 했습니다. 우승 팀이 같은 사람의 것이라고 고른 기기 12만 쌍 중 맞은 것은 약 40%였습니다. 이 값은 대회 조건에서 나온 점수입니다. 추정으로는 로그인하지 않은 방문까지 묶을 수 있지만 틀릴 수도 있습니다.

기기 지문

화면 크기나 브라우저 설정 같은 특징을 모아 기기를 알아보는 방법도 있습니다. 이 방법이 기기 지문, 영어로 핑거프린팅입니다. 애플은 사용자가 추적을 허락했든 안 했든 앱이 기기 지문을 쓰지 못하게 합니다.

구글 애즈의 크로스디바이스 전환

한 기기에서 광고를 누르고 다른 기기에서 구매하면 크로스디바이스 전환입니다. 구글은 구글 서비스에 로그인한 사용자 데이터로 모델을 만들고, 이 모델로 직접 확인하지 못한 크로스디바이스 전환을 추정합니다. 모델은 이미 확인한 데이터에서 찾은 규칙으로 확인하지 못한 값을 추정하는 계산 방식입니다.

확인한 전환과 추정한 전환은 구글 애즈 보고서의 전환수 항목에 함께 들어갑니다. 그래서 출근길 광고 클릭과 저녁 구매도 구글 애즈에서는 연결될 수 있습니다.

메타 계정 센터와 합계 보고

메타의 계정 센터는 페이스북과 인스타그램 계정을 한곳에서 관리하는 설정입니다. 메타는 계정 센터로 연결한 계정들의 정보를 광고와 측정에 함께 씁니다.

구글과 메타는 자기 쪽에서 기기를 연결하거나 추정하고, 광고주에게는 합계로만 보여 줍니다. 누가 어떤 기기를 썼는지 보여 주는 목록은 광고주에게 오지 않습니다. 구글 정책은 광고주가 합계로 받은 데이터를 개인 단위로 쪼개 보지 못하게 합니다.

GA4가 사용자를 묶는 기준

GA4가 사용자를 묶는 기준은 User-ID, 기기 ID, 모델링 세 가지입니다. 여기서 모델링은 쿠키 저장을 거부한 방문이 사용자 몇 명인지 추정하는 일로, 구글 애즈가 크로스디바이스 전환을 추정하는 모델과는 다릅니다.

구글 계정에 로그인하고 광고 개인 맞춤을 켠 사용자의 데이터인 구글 신호는 2024년부터 이 기준에서 빠졌습니다. GA4로 보낸 해시 이메일 같은 데이터도 2025년 11월부터 기준에서 제외됐습니다. 결국 구글 애즈가 찾아낸 연결은 GA4 사용자를 묶는 데 쓰이지 않습니다. 그래서 GA4에서는 출근길 광고 클릭과 저녁 구매가 서로 연결되지 않을 수 있습니다.

쿠키 거부와 모델링 조건

동의 창을 띄우는 사이트에서 방문자가 쿠키를 거부하면 묶을 ID가 남지 않습니다. 구글 도움말은 이런 페이지뷰 10건이 10명인지 1명인지 알 수 없다고 설명합니다. GA4 모델링에는 조건이 있습니다. 예를 들어 동의한 사용자가 하루 1,000명 이상인 날이 28일 중 7일은 있어야 합니다.

로그인 비중부터 확인하기

GA4 사용자 수에는 서로 다른 방식으로 묶인 사용자가 섞여 있습니다. User-ID로 묶인 사용자는 사람에 가깝고, 나머지는 기기 ID 단위이거나 추정치입니다. 그래서 저는 사용자 수를 볼 때 로그인한 방문의 비중부터 확인하는 편입니다. 로그인 비중이 낮은 사이트일수록 한 사람이 여러 명으로 잡히기 쉽고, 방문이 적은 사이트는 모델링 조건을 채우기 어려울 수 있습니다.

전환 경로와 보고서 비교

전환 경로는 광고 클릭부터 구매까지 거친 과정입니다. 이 경로는 사용자가 기기를 바꾸는 지점에서 끊겨 보일 수 있습니다. 구글 애즈와 GA4의 전환을 그냥 더하면 같은 구매가 두 번 들어갈 수 있으므로, 저는 두 보고서의 전환을 더하지 않고 따로 놓고 봅니다.

사람을 묶지 않는 방법, MMM

사람을 한 명씩 묶지 않고도 광고 효과를 보는 방법이 있습니다. 마케팅 믹스 모델링, 줄여서 MMM입니다. 구글(Meridian)과 메타(Robyn)는 이런 분석 도구를 무료로 공개해 두었습니다. 이 도구들은 쿠키나 개인 단위 정보 없이 광고비와 매출 같은 합계 숫자만 씁니다.

정리

기기마다 다른 ID, 로그인으로 묶기, 추정으로 묶기, 보고서 비교를 알면 사용자 수와 전환 경로를 다르게 해석할 수 있습니다. 우리 사이트가 로그인 비중이 어느 정도인지, 보고 ID가 무엇으로 설정돼 있는지부터 확인할 수 있습니다.

따라 해 보기

GA4 속성에 편집자 이상의 권한이 있는 계정을 기준으로 합니다.

1. 보고 ID 확인하기. GA4 관리에서 데이터 표시, 보고 ID로 들어가 혼합됨, 관찰됨, 기기 기반 가운데 무엇이 선택돼 있는지 봅니다. 구글 도움말에 따르면 이 옵션을 바꿔도 데이터 수집과 처리에는 영향이 없습니다.
2. 로그인 비중 보기. 보고서에서 비교를 만들고 측정기준으로 사용자 ID로 로그인함을 골라, 로그인한 사용자와 로그인하지 않은 사용자를 나눠 봅니다. 값이 한쪽만 나오면 User-ID를 보내고 있는지 개발 담당자에게 확인합니다.
3. 전환 수 나란히 놓기. 같은 기간의 구글 애즈 전환수와 GA4의 주요 이벤트 수(GA4에서 전환으로 표시한 이벤트)를 표에 따로 적습니다. 더하지 않고 차이만 봅니다.
4. 모델링 조건 대조하기. 동의 창을 쓰는 사이트라면 동의한 사용자가 하루 1,000명을 넘는 날이 최근 28일 중 7일 이상인지 봅니다.

출처와 기준일

이 글과 영상의 사실 정보는 2026년 11월 3일에 확인한 내용입니다. 따라 해 보기의 메뉴 경로는 2026년 11월 5일에 확인한 구글 도움말 기준입니다.

• Google 애널리틱스 고객센터, 보고 ID, User-ID를 활용한 플랫폼 간 활동 측정, Behavioral modeling for consent mode, What's new archive, Activate Google signals
• Google Ads 고객센터, About modeled conversions, Understand your conversion tracking data, About enhanced conversions
• Google, Platforms program policies, Meridian
• Apple Developer, Upcoming AppTrackingTransparency requirements (2021-04-20), advertisingIdentifier, User Privacy and Data Use
• Google Play Console 고객센터, Advertising ID
• Meta, About Accounts Center or Meta Accounts, About advanced matching for web, Robyn
• 개인정보보호위원회, 맞춤형 광고 행태정보 정책 방안 보도자료 (2024-01-31), 가명정보 처리 가이드라인 보도자료
• FTC, Cross-Device Tracking: An FTC Staff Report (2017-01)
• CIKM Cup 2016 우승팀, Cross Device Matching for Online Advertising with Neural Feature Ensembles (arXiv 사전공개본)