전체 전환율을 구할 때는 그룹별 전환율을 단순 평균하지 말고, 전체 전환 건수를 전체 대상 수로 나눕니다. 그룹의 대상 수가 다르면 각 비율이 대표하는 규모도 다릅니다. “2%와 10%의 평균은 6%”라는 계산은 맞지만, 그 숫자가 전체 대상 세션의 전환율이라는 뜻은 아닙니다.
핵심은 평균을 낼 대상을 정하는 일입니다. 세션 한 번을 같은 무게로 볼 것인지, 지점 하나를 같은 무게로 볼 것인지에 따라 답이 달라집니다. 이 글에서는 구매 전환율을 예로 들어 전체 성과를 계산하는 방법과, 합산하면 안 되는 경계를 살펴봅니다.
가상 예시: 2%와 10%인데 전체는 2.8%
아래는 실제 상점 실적이 아닌 가상 데이터입니다. 기간은 2026년 9월 1~7일, 시간대는 한국 표준시입니다. 전환율은 기간에 시작한 세션 중 같은 세션에서 구매한 세션의 비율입니다. 한 세션에서 구매가 여러 번 발생해도 한 번만 셉니다. 모든 대상 세션은 모바일 또는 데스크톱 중 한 그룹에만 속한다고 가정합니다.
| 기기 그룹 | 전체 세션 | 구매 세션 | 그룹 전환율 |
|---|---|---|---|
| 모바일 | 9,000회 | 180회 | 2.0% |
| 데스크톱 | 1,000회 | 100회 | 10.0% |
| 전체 | 10,000회 | 280회 | 2.8% |
잘못된 전체 전환율: (2% + 10%) ÷ 2 = 6% 올바른 전체 전환율: (180 + 100) ÷ (9,000 + 1,000) × 100 = 2.8%
단순 평균은 1,000회 세션을 대표하는 데스크톱과 9,000회 세션을 대표하는 모바일에 똑같이 절반의 영향력을 줍니다. 이 때문에 세션 기준 전체 전환율을 3.2%p 높게 보여줍니다. 전체의 90%를 차지하는 모바일의 2%가 결과에 더 큰 비중으로 반영돼야 합니다.
가중평균은 분모의 크기를 되돌려 놓는 계산이다
이 사례에서는 각 그룹의 세션 수가 가중치입니다. 미국 NIST의 가중평균 정의(PDF)는 각 값에 가중치를 곱한 합을 전체 가중치 합으로 나누는 공식을 제시합니다. 이를 그룹 전환율에 적용하면 아래와 같습니다.
가중평균 = (0.02 × 9,000 + 0.10 × 1,000) ÷ 10,000
= 280 ÷ 10,000
= 0.028 = 2.8%
실무 표에는 비율만 남기지 말고 분자와 분모를 함께 보관하는 편이 좋습니다. 2.0%처럼 반올림된 비율만 모아 가중평균을 계산하면 원자료에서 계산한 값과 달라질 수 있습니다. 가능하다면 구매 세션 합계와 전체 세션 합계로 다시 계산하고, 마지막 표시 단계에서 반올림합니다.
스프레드시트에서도 원리는 같습니다. B열이 전체 세션, C열이 구매 세션이고 데이터가 2~3행에 있다면 전체 비율은 SUM(C2:C3)/SUM(B2:B3)입니다. 셀 표시 형식을 퍼센트로 설정하면 됩니다. 분모 합계가 0이면 0%로 바꾸지 말고 “대상 없음”으로 처리합니다. 비율 셀에 100을 곱한 값을 넣고 다시 퍼센트 형식을 적용하지 않도록 주의합니다.
숫자를 합치기 전에 집계 경계부터 확인한다
위의 계산이 성립하는 이유는 그룹이 중복 없이 전체를 나누기 때문입니다. 같은 사람이 모바일과 데스크톱을 모두 사용해도 세션을 나누는 계산은 가능하지만, 기기별 순사용자 수를 그대로 더하면 같은 사람이 중복될 수 있습니다. “전체 세션”과 “전체 순사용자”는 이름만 바꿔 붙일 수 있는 지표가 아닙니다.
가상으로 모바일 구매자 30명, 데스크톱 구매자 20명 중 양쪽에 모두 등장한 사람이 5명이라면 전체 구매자는 50명이 아니라 45명입니다. 이때는 그룹별 비율을 가중평균하기 전에 전체 범위에서 사용자를 중복 제거해야 합니다. 분모의 사용자도 같은 범위와 식별 규칙으로 다시 계산해야 하므로 구매자만 중복 제거하면 끝나는 작업이 아닙니다.
집계 기간도 경계입니다. 오늘의 “지난 7일 사용자”와 어제의 “지난 7일 사용자”를 합하면 겹치는 6일이 다시 들어갑니다. 서로 다른 보고서의 구매 이벤트 수와 구매 세션 수를 합치는 것도 불가능합니다. 이름이 같아 보여도 분자·분모·기간·포함 조건 중 하나가 다르면 같은 지표인지 먼저 확인합니다.
전체 전환율이 올라가도 각 그룹은 그대로일 수 있다
앞선 가상 데이터에서 다음 7일의 세션 구성이 모바일 5,000회, 데스크톱 5,000회로 바뀌었다고 하겠습니다. 각 기기의 전환율은 2%와 10%로 그대로입니다. 구매 세션은 각각 100회와 500회가 되므로 전체는 600 ÷ 10,000 = 6.0%입니다.
보고서 예시: 전체와 세그먼트를 함께 읽는다
| 항목 | 9월 1~7일 | 9월 8~14일 |
|---|---|---|
| 전체 전환율 | 2.8% | 6.0% |
| 전체 구매 세션 / 대상 세션 | 280 / 10,000회 | 600 / 10,000회 |
| 모바일 구매 세션 / 대상 세션 | 180 / 9,000회 | 100 / 5,000회 |
| 모바일 전환율 | 2.0% | 2.0% |
| 모바일 세션 비중 | 90% | 50% |
| 데스크톱 구매 세션 / 대상 세션 | 100 / 1,000회 | 500 / 5,000회 |
| 데스크톱 전환율 | 10.0% | 10.0% |
| 데스크톱 세션 비중 | 10% | 50% |
보고 문장: “전체 전환율은 2.8%에서 6.0%로 3.2%p 상승했다. 모바일은 2.0%, 데스크톱은 10.0%로 각각 변함없으며, 데스크톱의 세션 비중은 10%에서 50%로 커졌다.” 전체 결과를 먼저 보여주되 기기별 전환율과 비중을 바로 연결해야, 합계 상승을 모든 기기의 개선으로 읽는 오류를 줄일 수 있다.
구성비의 영향을 따로 확인하려면 비교 기준을 고정해 계산한다. 다음 기간의 기기별 전환율에 첫 기간의 비중을 적용하면 2%×90% + 10%×10% = 2.8%다. “첫 기간 구성비로 고정한 비교 전환율”이라고 이름을 붙여 관측된 전체 6.0%와 구분한다. 반대로 두 기간 모두 다음 기간의 50:50 비중을 적용하면 둘 다 6.0%다. 고정할 구성비에 따라 비교 수준은 달라지지만, 이 예시에서는 어느 기준에서도 기기별 전환율의 변화가 없다는 결론은 같다.
이 계산은 “전환율이 높은 기기의 비중이 늘었다”는 산술적 설명을 확인한다. 데스크톱 방문자를 더 확보하면 같은 결과가 재현된다는 예측은 아니다. 기기 안에서도 유입 경로·신규와 재방문자의 구성이 달라질 수 있고, 이번 예시에는 그 정보가 없다. 실무에서는 전체 원자료를 보존하고 비교에 사용할 구성비를 명시한 뒤, 변화를 설명할 추가 분류가 필요한지 확인한다.
전체 수치의 상승은 계산 오류가 아닙니다. 다만 이를 “모든 화면의 사용성이 좋아졌다”로 설명할 근거는 없습니다. 이 예시는 전환율이 높은 그룹의 비중이 커진 결과입니다. 성과 보고에는 전체 수치와 함께 그룹별 전환율, 그룹 구성비를 나란히 두어 변화의 위치를 드러냅니다.
단순 평균이 맞는 질문도 있다
질문이 “각 지점을 동등하게 취급했을 때 지점 전환율의 평균은 얼마인가”라면 지점별 비율의 단순 평균을 쓸 수 있습니다. 그 결과에는 “지점별 전환율 단순 평균”이라는 이름이 필요합니다. 고객 한 명을 같은 무게로 본 전체 전환율과는 다른 지표이며, 어느 쪽이 필요한지는 보고 목적에 달려 있습니다.
그룹별 분모가 모두 같으면 단순 평균과 가중평균이 일치합니다. 특정 비율 조합에서도 우연히 같을 수 있으므로 결과가 같았다는 사실만으로 집계 방식을 검증할 수는 없습니다. 공식과 집계 범위를 먼저 정한 뒤, 원자료 합계와 계산 결과가 맞는지 확인해야 합니다.
합계 행을 만들기 전 다섯 가지 점검
- 무엇 하나를 같은 무게로 보는 평균인지 정했는가: 세션, 사용자, 지점 등.
- 그룹별 분자와 분모가 같은 정의·기간·포함 조건을 쓰는가.
- 그룹이 전체를 빠짐없이 나누고 중복은 없는가.
- 비율을 평균 내기 전에 분자 합계 ÷ 분모 합계로 검산했는가.
- 전체 수치 변화와 그룹별 성과·구성비 변화를 구분했는가.
합계 행은 위에 보이는 퍼센트를 편하게 평균 내는 공간이 아닙니다. 표가 대표하는 전체 대상을 다시 계산하는 자리입니다. 세션 수와 구매 세션 수 두 열만 보존해도, 비율만 남긴 표보다 결과를 설명하고 수정하기 쉬워집니다.