전환율 계산기

전환율 계산기는 방문자 수와 전환 수 수치를 통계적으로 엄격한 신뢰구간, 오차한계 및 신뢰성 평가가 포함된 전환율로 변환해 줍니다. 랜딩 페이지, 회원가입 깔대기, 광고 캠페인, 리드 마그넷 페이지, 체크아웃 플로우 및 지표가 "사용자가 작업을 완료했는지 여부"로 결정되는 모든 A/B 테스트에 활용해 보세요. 본 도구는 세 가지 신뢰구간 방법인 Wilson score(권장 기본값), Wald(전통적인 정규 근사법), Agresti-Coull(보수적인 절충안)을 제공하며, 오차한계, 표본 적절성 판정, 애니메이션 깔대기 시각화, 업계 벤치마크 밴드, 그리고 정밀도를 높이기 위해 추가로 필요한 트래픽 양을 보고합니다. 단일 깔대기 단계를 평가하든, 향후 테스트를 위한 표본 크기를 계획하든 상관없이, 여기서 얻는 결과는 일반적인 "전환 수 ÷ 방문자 수" 계산기보다 훨씬 더 정밀합니다.

사용 방법

1. 측정하고자 하는 단계에 도달한 세션 수, 트라이얼 수 또는 노출 수 등 총 방문자 수를 입력합니다.
2. 목표 행동을 완료한 방문자인 전환 수를 입력합니다. 전환 수는 방문자 수를 초과할 수 없습니다.
3. 신뢰수준을 선택합니다. 95%가 업계 표준이며, 중대한 결정을 내릴 때는 99%를 사용하고, 초기 탐색 단계에서만 90%를 사용하세요.
4. 신뢰구간 방법을 선택합니다. 모든 표본 크기에 대해 Wilson score 방법이 권장됩니다. Wald 방법은 교과서적인 기본 공식이며, Agresti-Coull 방법은 다소 보수적인 대안입니다.
5. 전환율 계산하기를 클릭하여 전환율, 신뢰구간, 오차한계, 표본 적절성 판정, 깔대기 시각화, 방법별 비교 및 단계별 수학 분석 결과를 확인합니다.

사용된 공식

이 전환율 계산기만의 차별점

• 기본 제공되는 Wilson score 방법 — 대부분의 온라인 계산기는 Wald 방법만 제공하므로 표본이 작거나 극단적인 전환율일 때 불가능한 신뢰구간(음수 하한값 또는 100%를 초과하는 상한값)을 제시합니다. Wilson 방법은 모든 상황에서 올바르게 작동하며 전문 통계학자들이 권장하는 방식입니다.
• 제출 전 실시간 미리보기 — 숫자를 입력하면 전체 페이지를 새로고침할 필요 없이 전환율, 신뢰구간, 적절성 배지가 실시간으로 업데이트됩니다.
• 애니메이션 깔대기 시각화 — 단순한 숫자뿐만 아니라 깔대기의 형태를 직접 시각적으로 확인할 수 있습니다.
• 표본 적절성 신호등 — n·p̂ ≥ 10 경험칙을 기반으로 한 녹색 / 황색 / 적색 배지를 통해 해당 추정치를 신뢰할 수 있는지 즉시 알 수 있습니다.
• 신뢰구간 방법의 나란히 비교 — Wilson, Wald, Agresti-Coull 구간을 동일한 표에서 비교합니다. 선택한 방법은 강조 표시되며, 다른 방법을 선택했을 때 결과가 어떻게 달라지는지 보여줍니다.
• 업계 벤치마크 밴드 — 6개 구간 규모(매우 낮음 → 최상위)로 구성된 척도로 사용자의 전환율 수준을 컨텍스트에 맞게 보여줍니다.
• 계획 도우미 — 오차한계를 절반으로 줄이거나 ±1.00 / ±0.50 백분율 포인트 정밀도를 달성하는 데 필요한 정확한 추가 방문자 수를 보고합니다.
• 단계별 수학 과정 — 검증하고 학습할 수 있도록 모든 계산 과정을 한 줄 한 줄 풀어서 보여줍니다.

표본 적절성 판정 읽는 법

• 녹색 — 신뢰할 수 있음. n·p̂와 n·(1 − p̂)가 모두 최소 10 이상입니다. 정규 근사가 성립하며 신뢰구간 결과를 의사결정에 안심하고 활용할 수 있습니다.
• 황색 — 한계 수준. n·p̂ 또는 n·(1 − p̂) 중 하나가 10 미만이지만 최소 5 이상입니다. Wald 대신 Wilson이나 Agresti-Coull 구간을 사용하시고, 최종 결정을 내리기 전에 데이터를 더 수집하는 것이 좋습니다.
• 적색 — 작은 표본 크기. n·p̂ 또는 n·(1 − p̂) 중 하나가 5 미만입니다. 현재의 전환율은 대략적인 지표로만 취급하고 실질적으로 더 많은 데이터를 수집해야 합니다.

일반적인 전환율 벤치마크

채널 / 단계	일반적인 범위	참고사항
이커머스 사이트 전반	2% – 3%	성숙한 쇼핑몰은 2.5% 안팎에 모여 있으며, 모바일이 데스크톱보다 낮은 경우가 많습니다.
이커머스 장바구니 담기 → 결제	20% – 35%	사이트 전반이 아닌 특정 깔대기 단계의 전환율입니다.
랜딩 페이지 (유료 트래픽)	3% – 10%	강력한 카피라이팅과 매력적인 제안이 뒷받침되면 기준점 이상으로 상승합니다.
SaaS 무료 트라이얼 가입	5% – 12%	가입 장벽이 낮을수록 높게 나타나며, 신용카드 입력이 필수인 경우 낮아집니다.
SaaS 무료 → 유료 전환	2% – 5%	깔대기 하단에서 일어나는 트라이얼-유료 가입 전환율입니다.
B2B 리드 생성 양식	1% – 5%	양식 항목이 길어질수록 급감하며, 정보성 콘텐츠(Gated Content) 제공 시 전환율이 올라갑니다.
디스플레이 광고 클릭률	0.05% – 1%	소재의 창의성과 게재 위치에 따라 크게 좌우됩니다.
검색 광고 클릭률	2% – 6%	브랜드 키워드 검색의 경우 10%를 초과하기도 합니다.
이메일 열람 → 클릭	2% – 10%	열람된 이메일 기준이며, 타겟 세분화(Segmentation)를 통해 전환율을 높일 수 있습니다.

신뢰구간이 중요한 이유

유한한 방문자 표본을 바탕으로 측정한 전환율은 실제 근본적인 전환율의 추정치일 뿐입니다. 특정 편향된 동전을 100번 던졌을 때 앞면이 47번 나올 수도 있고, 다시 던졌을 때 53번 나올 수도 있습니다. 깔대기 분석도 마찬가지입니다. 순수한 무작위성 때문에 매일 측정되는 수치는 실제 전환율 주변에서 오르내리게 됩니다. 신뢰구간은 실제 전환율이 존재할 법한 타당한 범위를 알려주므로 두 가지 전형적인 실수를 방지해 줍니다. 즉, 단순 노이즈를 보고 승자를 선언해 버리는 실수와 테스트 규모가 너무 작아 변화를 감지하지 못했음에도 "아무 일도 일어나지 않았다"고 결론짓는 실수를 막아줍니다.

Wilson vs Wald vs Agresti-Coull

세 가지 신뢰구간 방법은 동일한 질문에 답하지만 계산하는 방식이 다릅니다.

• Wald 방법은 교과서에 나오는 공식인 p̂ ± z·√[p̂(1−p̂)/n]입니다. 간단하고 빠르지만, 표본이 작거나 전환율이 0% 혹은 100%에 가까울 때는 성립하지 않습니다. 하한값이 음수가 되거나 상한값이 100%를 초과하는 불가능한 결과를 만들어내기도 합니다.
• Wilson 방법은 Score 신뢰구간입니다. 이는 Score 검정의 역산 방식이며, 모든 표본 크기에서 신뢰구간이 항상 [0, 100%] 이내로 유지되고 어떤 전환율에서든 명목 커버리지에 근접하므로 통계 연구의 모범 사례와 일치하여 기본 권장값으로 사용됩니다.
• Agresti-Coull 방법은 의사 관측치(Pseudo-Observations, 절반은 전환, 절반은 비전환)를 z²만큼 더한 후, 조정된 카운트에 Wald 공식을 적용합니다. 설명하기 쉬우면서도 약간 보수적인 절충안입니다.

실무에서는 기본적으로 Wilson 방법을 사용하는 것이 좋습니다. Wald 방법은 표본이 매우 크고 전환율이 0이나 100%에서 완전히 멀리 떨어져 있을 때만 사용하십시오. Agresti-Coull 방법은 유도하기 직관적이면서도 약간 더 넓고 보수적인 구간을 원할 때 사용하세요.

목표 오차한계를 위한 표본 크기 계획

만약 목표가 전환율 주변으로 ±E 백분율 포인트만큼의 신뢰구간을 확보하는 것이라면, 필요한 표본 크기는 다음과 같습니다.

전환율 측정 시 흔히 발생하는 함정

• 방문자 범위 혼동 — 한 버전은 세션 수로 측정하고 다른 버전은 순 방문자 수(Unique Users)로 측정하면 어느 한쪽의 전환율이 왜곡됩니다. 하나의 범위를 선택하고 일관되게 적용하세요.
• 봇 트래픽 — 방문자 수에 필터링되지 않은 봇 노출이 포함되면 전환율이 낮아집니다. 계산 전에 알려진 크롤러와 헤드리스 트래픽을 필터링하세요.
• 조기 종료 — 결과를 매일 확인하다가 처음으로 유의미한 상승이 보일 때 테스트를 종료하면 위양성(False Positives) 확률이 높아집니다. 목표 표본 크기를 미리 결정해 두세요.

• 서로 다른 시간대 간의 전환율 비교 — 주말 대 평일, 성수기 대 비수기, 출시 전 대 출시 후의 데이터 비교는 기준점을 왜곡합니다. 동일한 조건하에서 비교해야 합니다.
• 세그먼트 간 이질성 무시 — 4%라는 종합 전환율 이면에는 모바일 전환율 2%와 데스크톱 전환율 8%가 숨겨져 있을 수 있습니다. 결론을 내리기 전에 규모가 큰 깔대기는 세그먼트별로 분리해 보세요.
• 동일 사용자 중복 계산 — 한 방문자가 전환하기 전에 세 번 방문했다면 이를 1개의 전환으로 볼지, 3개 세션 중 1개 전환으로 볼지 결정해야 합니다. 불일치는 전환율에 편향을 줍니다.
• 트래킹 유실 — 완료 페이지의 픽셀이 유실되면 전환 수와 전환율이 소리 없이 낮게 측정됩니다. 데이터를 신뢰하기 전에 깔대기 전반의 트래킹을 검증하세요.

A/B 테스트와의 연결

전환율은 모든 A/B 테스트의 기본 구성 요소입니다. 두 전환율이 통계적으로 유의미하게 다른지 테스트하려면 신뢰구간을 비교하거나, 더 정확하게는 두 비율에 대해 z-검정(Two-Proportion Z-Test)을 수행합니다. A/B 테스트 유의성 계산기는 이 비교를 직접 처리합니다. 비율 신뢰구간 계산기는 순수하게 구간 자체에만 집중합니다. 이 세 가지 도구를 함께 사용하면 대부분의 깔대기 분석 요구사항을 해결할 수 있습니다.

자주 묻는 질문 (FAQ)

전환율이란 무엇인가요?

전환율은 구매, 가입, 클릭, 다운로드 또는 리드 생성과 같은 특정 목표 행동을 완료한 방문자의 비율입니다. 전환 수를 방문자 수로 나눈 값을 백분율로 나타냅니다. "사용자가 X 행동을 완료했는가"로 표현될 수 있는 모든 것은 전환 이벤트가 될 수 있습니다.

전환율에 신뢰구간이 왜 필요한가요?

유한한 방문자 표본을 바탕으로 측정한 전환율은 실제 근본적인 전환율의 추정치일 뿐입니다. 신뢰구간은 데이터가 주어졌을 때 실제 전환율이 존재할 법한 타당한 범위를 알려주며, 이는 A/B 테스트, 깔대기 분석, 그리고 어떤 전환율이 다른 전환율보다 확실히 더 나은지 판단해야 하는 모든 의사결정에 필수적입니다.

어떤 신뢰구간 방법을 사용해야 하나요?

기본값으로 Wilson score 신뢰구간을 사용하는 것이 좋습니다. 이 방법은 모든 표본 크기에서 정확하며 0% 미만이나 100%를 초과하는 불가능한 값을 절대 생성하지 않습니다. Wald 방법은 표본이 크고 전환율이 0%나 100%에서 멀리 떨어져 있을 때만 사용하십시오. Agresti-Coull 방법은 약간 보수적이면서도 설명하기 쉬운 대안을 원할 때 사용합니다.

오차한계는 어떻게 계산되나요?

오차한계는 신뢰구간 너비의 절반입니다. Wald 구간의 경우 z · √[p̂(1 − p̂) / n]과 같으며, 여기서 z는 선택한 신뢰수준에 해당하는 표준 정규 분위수(95%의 경우 1.96)입니다. Wilson 및 Agresti-Coull 방법의 경우 공식은 약간 다르지만 해석은 동일합니다. 즉, 상한값과 하한값이 점추정치로부터 얼마나 떨어져 있는지를 나타냅니다.

신뢰할 수 있는 전환율을 얻으려면 얼마나 많은 방문자가 필요한가요?

경험칙상 n · p̂과 n · (1 − p̂)이 둘 다 최소 10 이상일 때 표본을 신뢰할 수 있습니다. 1% 전환율의 경우 대략 1000명의 방문자가 필요함을 의미하며, 5% 전환율의 경우 200명의 방문자가 필요합니다. 본 계산기는 ±1%와 같은 목표 오차한계에 도달하기 위해 필요한 정확한 표본 크기를 보여줍니다.

오차한계를 절반으로 줄이려면 어떻게 해야 하나요?

오차한계는 표본 크기의 제곱근에 반비례하여 줄어들기 때문에, 오차한계를 절반으로 줄이려면 대략 4배의 방문자가 필요합니다. "더 정밀한 추정을 위해 필요한 방문자 수는?" 패널에서 현재 데이터를 기반으로 한 정확한 숫자를 확인할 수 있습니다.

전환율은 클릭률(CTR)과 같은 개념인가요?

수학적으로는 동일합니다. 둘 다 "이벤트 수 ÷ 기회 수"입니다. 클릭률은 노출 수 중 클릭이 발생한 비율이며, 전환율은 방문자 수 중 전환 이벤트가 발생한 비율입니다. 수학적 및 통계적 처리 방식이 동일하므로 본 계산기를 양쪽 모두에 사용할 수 있습니다.

전환율이 정확히 0% 또는 100%이면 어떻게 되나요?

Wald 구간은 경계값에서 너비가 0으로 축소되어 오해의 소지가 있습니다. 동전을 단 한 번 던져서 앞면이 나왔다고 해서 그 동전이 항상 앞면만 나온다고 증명할 수는 없기 때문입니다. Wilson 구간은 이러한 경계값 상황을 올바르게 처리하여 0이 아닌 범위를 제공합니다. 극단적인 값일수록 항상 Wilson 방법을 우선적으로 사용하세요.