최근 1개월 방문자·광고 유입·비구매 이동 분석

Executive Summary

허브는 광고 의존도가 가장 높습니다. 공통 구간 순 방문자의 59.6%가 네이버·구글 광고 표식을 가졌고, 비구매 잠재 유입 안에서도 광고 비중이 61.0%였습니다. 배움과 배론의 잠재 유입 내 광고 비중은 각각 20.4%, 21.4%입니다.
배론은 규모가 가장 크지만 신규 탐색보다는 학습·인증 목적 트래픽이 중심입니다. 공통 구간 순 방문자는 52.8k로 가장 많지만 비구매 잠재 유입 프록시는 27.5%로 가장 낮았습니다.
배움은 비구매 잠재 유입 비중이 61.7%로 가장 높지만 탐색 깊이는 가장 얕습니다. 잠재 유입 세션의 86.6%가 한 페이지만 보고 끝났고, 사회복지 랜딩 진입 세션은 평균 1.05페이지에 그쳤습니다.
월간 합계는 그대로 비교하면 안 됩니다. 배움은 8월 7일부터만 수집이 확인되고 배론·허브에도 수집 공백이 있어, 브랜드 비교는 8월 7~18일 공통 완결 구간을 기준으로 했습니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

브랜드 비교는 8월 7~18일 공통 수집 구간이 기준입니다

최근 30일 원시 데이터에서 배움은 8월 7일 이후에만 페이지뷰가 확인됐고, 배론은 8월 1~6일, 허브는 8월 1~2일 방문량이 비정상적으로 낮았습니다. 따라서 순 방문자 규모와 광고 비중의 브랜드 비교에는 12개 완결일만 사용했고, 8월 19일 진행 중 데이터는 제외했습니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

프로젝트별 데이터 수집 범위

Source: 프로젝트별 수집 범위 스냅샷Table: analysis_snapshot.coverage

실행 완료된 분석 노트북이 만든 coverage 테이블의 검증된 보고서 입력

SELECT brand, rolling_start, coverage_note, common_visitors FROM coverage ORDER BY common_visitors DESC

프로젝트별 데이터 수집 범위
브랜드	30일 범위 내 최초 수집일	수집 상태	공통 구간 순 방문자
배론	2026-07-29	8월 1~6일 방문량 급감/공백	52,790
배움	2026-08-07	8월 7일부터 수집 확인; 30일 전체 합계 비교 불가	36,028
허브	2026-07-20	8월 1~2일 방문량 급감	4,371

세 브랜드 모두 주말에 꺾이고 8월 18일에 정점을 찍었습니다

배론의 공통 구간 일평균 순 방문자는 6.9k로 배움 6.2k보다 11% 많았고, 허브는 1.1k였습니다. 평일 대비 주말 평균은 배움 -18.9%, 배론 -22.1%, 허브 -30.9%로 허브의 주말 감소가 가장 컸습니다. 세 브랜드 모두 8월 18일이 구간 최고점이어서 공통 캠페인·학사 일정·수강신청 마감 요인을 함께 확인할 가치가 있습니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

일별 순 방문자

Source: 공통 구간 일별 순 방문자 스냅샷Table: analysis_snapshot.daily_trend

실행 완료된 분석 노트북이 만든 daily_trend 테이블의 검증된 보고서 입력

SELECT date, brand, visitors, naver_ad_visitors, google_ad_visitors FROM daily_trend ORDER BY date, brand

일별 순 방문자 data
날짜	순 방문자	브랜드
2026-08-07	4.81K	배움
2026-08-08	5.61K	배움
2026-08-09	5.57K	배움
2026-08-10	7.04K	배움
2026-08-11	7.11K	배움
2026-08-12	6.67K	배움
2026-08-13	6.66K	배움
2026-08-14	6.94K	배움
2026-08-15	5.31K	배움
2026-08-16	4.83K	배움
2026-08-17	5.66K	배움
2026-08-18	7.73K	배움
2026-08-07	4.78K	배론
2026-08-08	5.86K	배론
2026-08-09	5.92K	배론
2026-08-10	7.93K	배론
2026-08-11	7.04K	배론
2026-08-12	6.78K	배론
2026-08-13	7.51K	배론
2026-08-14	9.22K	배론
2026-08-15	5.92K	배론
2026-08-16	5.35K	배론
2026-08-17	6.29K	배론
2026-08-18	9.62K	배론
2026-08-07	1.38K	허브
2026-08-08	972	허브
2026-08-09	890	허브
2026-08-10	1.23K	허브
2026-08-11	1.08K	허브
2026-08-12	1.05K	허브
2026-08-13	1.28K	허브
2026-08-14	1.24K	허브
2026-08-15	737	허브
2026-08-16	704	허브
2026-08-17	872	허브
2026-08-18	1.44K	허브

허브는 광고가 성장 엔진인 동시에 가장 큰 의존 리스크입니다

허브는 네이버·구글 광고 표식 방문자가 전체의 59.6%로, 배움 32.4%와 배론 14.9%를 크게 웃돌았습니다. 네이버 광고만 관측된 비중도 허브 41.1%, 배움 24.1%, 배론 11.2% 순입니다. 허브는 광고 효율 변동이 전체 방문자 규모에 바로 반영될 가능성이 높으므로 캠페인별 비용·상담·구매 전환을 같은 키로 연결해야 합니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

광고 클릭 표식별 방문자 구성

Source: 광고 클릭 표식별 방문자 구성 스냅샷Table: analysis_snapshot.channel_mix

실행 완료된 분석 노트북이 만든 channel_mix 테이블의 검증된 보고서 입력

SELECT brand, channel, visitors, share FROM channel_mix ORDER BY brand, share DESC

광고 클릭 표식별 방문자 구성 data
브랜드	방문자 구성	유입 구분	순 방문자
배움	24.1%	네이버 광고만	8,697
배움	6.6%	구글 광고만	2,390
배움	1.6%	양쪽 광고	590
배움	67.6%	광고 표식 없음	24,351
배론	11.2%	네이버 광고만	5,932
배론	2.9%	구글 광고만	1,553
배론	0.7%	양쪽 광고	377
배론	85.1%	광고 표식 없음	44,928
허브	41.1%	네이버 광고만	1,796
허브	14.4%	구글 광고만	630
허브	4.1%	양쪽 광고	180
허브	40.4%	광고 표식 없음	1,765

공통 구간 핵심 지표

Source: 공통 구간 방문자·광고·잠재 유입 스냅샷Table: analysis_snapshot.summary

실행 완료된 분석 노트북이 만든 summary 테이블의 검증된 보고서 입력

SELECT brand, visitors, paid_share, naver_share, google_share, prospect_share, paid_within_prospects, learner_intent_within_paid, observed_purchase_within_paid FROM summary ORDER BY visitors DESC

공통 구간 핵심 지표
브랜드	순 방문자	네이버·구글 광고 표식	비구매 잠재 유입	잠재 유입 내 광고	광고 유입 중 학습 목적	광고 유입 중 구매 관측
배론	52,790	14.9%	27.5%	21.4%	60.5%	4.8%
배움	36,028	32.4%	61.6%	20.4%	61.2%	4%
허브	4,371	59.6%	36.5%	61%	62.7%	3.3%

배움은 잠재고객 풀은 크지만 첫 페이지 이탈을 먼저 줄여야 합니다

비구매 잠재 유입 프록시는 배움 61.7%, 허브 36.5%, 배론 27.5%였습니다. 그러나 ‘잠재 유입 중 광고 표식 비중’은 허브 61.0%인 반면 배움 20.4%, 배론 21.4%였습니다. 배움은 광고에만 의존하지 않는 잠재 유입 풀이 크지만, 이들이 실제 상담·회원가입·구매로 이어지는지 확인하려면 랜딩 이후 다음 행동을 강화해야 합니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

비구매 잠재 유입 프록시 비중

Source: 공통 구간 방문자·광고·잠재 유입 스냅샷Table: analysis_snapshot.summary

실행 완료된 분석 노트북이 만든 summary 테이블의 검증된 보고서 입력

SELECT brand, visitors, paid_share, naver_share, google_share, prospect_share, paid_within_prospects, learner_intent_within_paid, observed_purchase_within_paid FROM summary ORDER BY visitors DESC

비구매 잠재 유입 프록시 비중 data
브랜드	잠재 유입 비중	전체 순 방문자	잠재 유입 내 광고 비중
배움	61.6%	36,028	20.4%
배론	27.5%	52,790	21.4%
허브	36.5%	4,371	61%

잠재 유입의 핵심 병목은 ‘한 페이지 후 종료’입니다

잠재 유입의 단일페이지 세션 비중은 배움 86.6%, 배론 82.7%, 허브 67.3%였습니다. 배움은 전체 잠재 유입 진입의 34.6%가 사회복지 랜딩이지만 해당 세션은 평균 1.05페이지만 조회했습니다. 배론도 사회복지·한국어 랜딩이 합계 38.6%를 차지하며 평균 1.08~1.17페이지에 머뭅니다. 허브는 홈페이지 진입이 54.5%이고 평균 2.04페이지로 상대적으로 더 깊게 탐색했습니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

비구매 잠재 유입의 단일페이지 세션 비중

Source: 비구매 잠재 유입 세션 품질 스냅샷Table: analysis_snapshot.session_quality

실행 완료된 분석 노트북이 만든 session_quality 테이블의 검증된 보고서 입력

SELECT brand, sessions, avg_pages, single_page_share, multi_page_avg_seconds FROM session_quality ORDER BY single_page_share DESC

비구매 잠재 유입의 단일페이지 세션 비중 data
브랜드	단일페이지 세션	분석 세션	세션당 평균 페이지
배움	86.6%	25,038	1.37
배론	82.7%	21,778	1.4
허브	67.3%	4,471	1.82

비구매 잠재 유입의 상위 진입 페이지

Source: 비구매 잠재 유입 상위 진입 페이지 스냅샷Table: analysis_snapshot.entry_pages

실행 완료된 분석 노트북이 만든 entry_pages 테이블의 검증된 보고서 입력

SELECT brand, rank, entry_page, sessions, session_share, avg_pages FROM entry_pages ORDER BY sessions DESC

비구매 잠재 유입의 상위 진입 페이지
브랜드	순위	진입 페이지	세션	세션 비중	세션당 평균 페이지
배움	1	career.baeoom.com/	9,357	37.4%	1.43
배움	2	career.baeoom.com/landing/socialwork.asp	8,672	34.6%	1.05
배론	1	www.baeron.com/	7,480	34.4%	1.59
배론	2	www.baeron.com/corp/new/socialwork.asp	4,685	21.5%	1.08
배론	3	www.baeron.com/corp/new/korean.asp	3,711	17%	1.17
허브	1	www.hubedu.net/	2,435	54.5%	2.04
배움	3	career.baeoom.com/landing/baeoom.asp	1,120	4.5%	1.44
허브	2	www.hubedu.net/landing/socialwork.asp	439	9.8%	1.58
허브	3	m.hubedu.net/	397	8.9%	1.79

공통 이동은 PC 홈에서 모바일 홈으로, 그다음 과정별 탐색으로 이어집니다

세 브랜드 모두 최다 이동이 PC 홈 → 모바일 홈이었습니다. 이후 배움은 사회복지·한국어 랜딩, 배론은 강좌 목록과 한국어 실습, 허브는 사회복지·학점은행 안내로 갈라집니다. 이 교차 도메인 이동이 반응형 전환인지 강제 리다이렉트인지 점검하고, 광고 랜딩에서 과정 상세·상담 CTA까지 동일 도메인 안에서 이어지는 경로를 우선 설계하는 것이 좋습니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

비구매 잠재 유입의 상위 페이지 이동

Source: 비구매 잠재 유입 상위 이동 경로 스냅샷Table: analysis_snapshot.transitions

실행 완료된 분석 노트북이 만든 transitions 테이블의 검증된 보고서 입력

SELECT brand, rank, transition, transitions, sessions FROM transitions ORDER BY transitions DESC

비구매 잠재 유입의 상위 페이지 이동
브랜드	순위	이동 경로	이동 횟수	세션
배론	1	www.baeron.com/ → m.baeron.com/	959	869
배움	1	career.baeoom.com/ → m.baeoom.com/	714	652
허브	1	www.hubedu.net/ → m.hubedu.net/	513	464
배론	2	www.baeron.com/ → www.baeron.com/lectureNB/	306	284
배움	2	m.baeoom.com/ → career.baeoom.com/landing/socialwork.asp	200	179
허브	2	www.hubedu.net/ → www.hubedu.net/landing/socialwork.asp	177	167
배론	3	www.baeron.com/corp/new/korean.asp → www.baeron.com/corp/new/practice_korean.asp	142	126
배움	3	career.baeoom.com/landing/socialwork.asp → career.baeoom.com/landing/practice_socialwork.asp	134	128
허브	3	www.hubedu.net/ → www.hubedu.net/credit_bank/cb.asp	127	122

Recommended Next Steps

배움: 사회복지 랜딩의 다음 행동을 재설계합니다. 첫 화면에서 과정 상세, 비용·일정, 상담 신청을 한 흐름으로 연결하고 단일페이지 세션 비중을 주간 KPI로 둡니다.
허브: 광고 효율을 방문자 수가 아니라 상담·구매까지 연결합니다. 캠페인·키워드별 비용과 PostHog person_id 또는 주문 식별자를 연결해 CPA와 7일 구매전환을 봅니다.
배론: 학습자 트래픽과 신규 유입을 별도 대시보드로 분리합니다. 인증 설치·로그인·강의실 경로를 운영 KPI로, 랜딩·강좌 탐색을 획득 KPI로 분리해야 신규 수요가 가려지지 않습니다.
공통: 유입 표식을 세션 첫 방문에 고정 저장합니다. n_media·NaPm·gclid·UTM을 첫 세션 속성으로 보존하고, PC↔모바일 도메인 이동에도 동일 세션·사용자 식별이 유지되는지 검증합니다.
공통: 구매 정의를 CRM/결제 데이터와 연결합니다. 현재 PostHog 이벤트만으로는 과거 구매자를 비구매자로 오분류할 수 있으므로 주문·수강 상태를 연결한 뒤 30일 전환 퍼널을 확정합니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

Further Questions

8월 18일의 공통 피크는 어떤 캠페인, 학사 일정, 수강신청 마감과 연결되어 있습니까?
광고 유입 잠재고객의 7일·30일 회원가입, 상담, 구매 전환율은 채널·캠페인별로 어떻게 다릅니까?
PC 홈 → 모바일 홈 이동은 의도된 사용자 경험입니까, 아니면 리다이렉트·도메인 분기 때문에 생긴 측정 노이즈입니까?
사회복지·한국어 랜딩에서 가장 많이 누르는 CTA와 그 이후 이탈 지점은 어디입니까?

Caveats and Assumptions

수집 범위: 최근 30일 원시 범위는 브랜드별로 완전하지 않습니다. 브랜드 비교는 2026년 8월 7~18일 완결 구간을 사용했습니다.
광고 유입 정의: 네이버는 n_media·NaPm·n_campaign, 구글은 gclid·관련 클릭 표식이 URL/이벤트에 관측된 이용자입니다. 파라미터가 중간 리다이렉트에서 제거되면 실제 광고 유입보다 낮게 잡힙니다.
비구매 잠재 유입 프록시: 관측 기간에 구매 이벤트가 없고 강의실·로그인·인증·학습 경로도 방문하지 않은 이용자입니다. 실제 결제·수강 DB와 대조하지 않았으므로 ‘확정 비구매자’가 아닙니다.
식별과 중복: PostHog의 person_id 병합 상태와 광고 차단기의 영향을 받습니다. 광고 클릭 표식은 같은 이용자에게 네이버와 구글이 모두 관측될 수 있어 합산 대신 중복 제거한 비율을 사용했습니다.
경로 분석 커버리지: 세션 ID가 없는 페이지뷰는 배움 3.8%, 배론 3.2%, 허브 5.7%로 경로 분석에서 제외했습니다. 알려진 봇은 사용자 에이전트 기반으로 제외했습니다.

Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

Sources

세 프로젝트 공통 검증 뷰SQLite validation snapshot · 2026-08-19T06:50:00+09:00

실행 완료된 분석 노트북이 만든 summary + session_quality + daily_stats + coverage 테이블의 검증된 보고서 입력

SQL query

SELECT s.*, q.sessions, q.avg_pages, q.single_page_share, q.multi_page_avg_seconds, d.avg_daily_visitors, d.weekday_avg, d.weekend_avg, d.weekend_discount_pct, d.peak_day, d.peak_visitors, c.rolling_start, c.coverage_note FROM summary AS s JOIN session_quality AS q USING (brand) JOIN daily_stats AS d USING (brand) JOIN coverage AS c USING (brand) ORDER BY s.visitors DESC

공통 구간 일별 순 방문자 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 daily_trend 테이블의 검증된 보고서 입력
SQL query
```
SELECT date, brand, visitors, naver_ad_visitors, google_ad_visitors FROM daily_trend ORDER BY date, brand
```
광고 클릭 표식별 방문자 구성 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 channel_mix 테이블의 검증된 보고서 입력
SQL query
```
SELECT brand, channel, visitors, share FROM channel_mix ORDER BY brand, share DESC
```
공통 구간 방문자·광고·잠재 유입 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 summary 테이블의 검증된 보고서 입력
SQL query
```
SELECT brand, visitors, paid_share, naver_share, google_share, prospect_share, paid_within_prospects, learner_intent_within_paid, observed_purchase_within_paid FROM summary ORDER BY visitors DESC
```
프로젝트별 수집 범위 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 coverage 테이블의 검증된 보고서 입력
SQL query
```
SELECT brand, rolling_start, coverage_note, common_visitors FROM coverage ORDER BY common_visitors DESC
```
비구매 잠재 유입 세션 품질 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 session_quality 테이블의 검증된 보고서 입력
SQL query
```
SELECT brand, sessions, avg_pages, single_page_share, multi_page_avg_seconds FROM session_quality ORDER BY single_page_share DESC
```
비구매 잠재 유입 상위 진입 페이지 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 entry_pages 테이블의 검증된 보고서 입력
SQL query
```
SELECT brand, rank, entry_page, sessions, session_share, avg_pages FROM entry_pages ORDER BY sessions DESC
```
비구매 잠재 유입 상위 이동 경로 스냅샷SQLite validation snapshot · 2026-08-19T06:50:00+09:00
실행 완료된 분석 노트북이 만든 transitions 테이블의 검증된 보고서 입력
SQL query
```
SELECT brand, rank, transition, transitions, sessions FROM transitions ORDER BY transitions DESC
```
Baeoom PostHog Project
Baeron PostHog Project
Hub PostHog Project
PostHog Web Analytics troubleshooting

Executive Summary

브랜드 비교는 8월 7Source for 7Source: 세 프로젝트 공통 검증 뷰Table: analysis_snapshot.summary + session_quality + daily_stats + coverage~18일 공통 수집 구간이 기준입니다

세 브랜드 모두 주말에 꺾이고 8월 18일에 정점을 찍었습니다

허브는 광고가 성장 엔진인 동시에 가장 큰 의존 리스크입니다

배움은 잠재고객 풀은 크지만 첫 페이지 이탈을 먼저 줄여야 합니다

잠재 유입의 핵심 병목은 ‘한 페이지 후 종료’입니다

공통 이동은 PC 홈에서 모바일 홈으로, 그다음 과정별 탐색으로 이어집니다

Recommended Next Steps

Further Questions

Caveats and Assumptions

Sources

브랜드 비교는 8월 7~18일 공통 수집 구간이 기준입니다