3 ميزات Google Analytics 4 للتعويض عن البيانات المفقودة

مع انتهاء العمل بالنسخة القديمة من Google Analytics قريبًا ، فقد دخلنا عصر Google Analytics 4 (GA4). بصرف النظر عن إجراء عملية تغيير كبيرة للوجه ونموذج البيانات ، كانت إحدى أقوى ترقيات النظام الأساسي هي إضافة قدرات التعلم الآلي وتحسينها.

أصبح لدى Google Analytics الآن القدرة على الجمع بين البيانات المرصودة والبيانات غير المرصودة. هذه ليست ميزة فحسب ، بل إنها ضرورية لأن التغييرات في ملفات تعريف الارتباط الخاصة بالمتصفح ومعرفات المستخدم تحد بشكل متزايد من الطريقة القديمة للتتبع.

تفقد أدوات التتبع والتحليل البيانات كما نعرفها - ويجب علينا التكيف. سيساعد استخدام بعض الميزات السهلة في GA في تعويض هذه الخسارة بحيث يمكنك البقاء على اطلاع بالبيانات.

حفر أعمق: 3 أدوات تسويقية "سرية" في Google Analytics 4

البيانات غير المرصودة: كيف تعمل ولماذا هي مهمة

بغض النظر عن أداة التحليلات التي تستخدمها ، تعد الاستفادة من البيانات غير المراقبة أداة رائعة لمواكبة البيئة المتطورة لتحليل التسويق الرقمي. الفرق بين البيانات غير المرصودة والملاحظة هو الفرق بين البيانات المجمعة والبيانات النموذجية .

كان تتبع المستخدمين باستخدام ملفات تعريف الارتباط أكثر موثوقية نظرًا لأن جميع المتصفحات تقريبًا قبلت ملفات تعريف الارتباط. الطريقة التي يعمل بها مع التحليلات هي عن طريق ختم المستخدم تلقائيًا بملف تعريف ارتباط عند وصوله إلى موقع ويب. يسمح ملف تعريف الارتباط هذا للأنظمة الأساسية مثل GA بتحديد المستخدمين حسب معلومات الجهاز والموقع والمعلومات السكانية ، والأهم من ذلك ، معرف عشوائي "ثابت".

عندما يعود هذا المستخدم إلى موقع الويب ، يتعرف GA على المعرف كمستخدم عائد ، والذي يدمج المعلومات السابقة لهذا المستخدم مع نشاط جديد. بالنسبة لتطبيقات الأجهزة المحمولة ، فإن السلوك مشابه. بدلاً من ملف تعريف الارتباط ، تمتلك الأجهزة معرّف إعلان فريدًا كمعرّف (لدى Android و iOS إصدارات مختلفة.)

ومع ذلك ، فقد تغيرت الأمور تدريجياً على مدى السنوات العديدة الماضية وستستمر في التغيير. هناك مشكلة كبيرة في هذا السلوك القديم: فهو يمنح المستخدمين القليل من التحكم في مشاركة معلوماتهم الشخصية أو لا يمنحها مطلقًا. لم تكن الخصوصية موضع اعتبار ، وكانت المنظمات تتحكم بنسبة 100٪ في معلومات جمهورها.

لم يتم تتبع أي معلومات تعريف شخصية (PII) باستخدام Google Analytics افتراضيًا لأن جمع هذه البيانات إلى GA يتعارض مع شروط الخدمة ، لكن تعريف PII قد تغير اعتمادًا على كيفية كتابة السياسات وتفسيرها من قبل مختلف القوانين وفرق الأمان.

الآن ، يمكن للمستخدمين حظر وإلغاء الاشتراك في أدوات التحليل من جمع البيانات. يعد إلغاء الاشتراك التلقائي هو الإعداد الافتراضي للائحة العامة لحماية البيانات (GDPR) ومن المؤكد أن قوانين البلدان الأخرى ستتبنى ذلك. إنه "المستقبل الخالي من الطهي".

قصة قصيرة طويلة - لن نحصل على حجم أو تفاصيل بيانات المستخدم التي اعتدنا عليها ، لذا فقد حان الوقت لملء هذه الفجوة. في Google Analytics 4 ، هناك العديد من الميزات الجاهزة لتعويض البيانات المفقودة. إنها تتطلب القليل من الرفع أو لا تتطلب أي رفع بمجرد إعداد التتبع ، حتى تتمكن من اختبارها والاستفادة منها اليوم. ثلاثة أمثلة هي:

• الإحالة المستندة إلى البيانات
• المقاييس التنبؤية
• نمذجة السلوك

التعمق أكثر: ماذا تفعل أدوات الإحالة التسويقية والتحليلات التنبؤية؟

1. الإسناد المستند إلى البيانات

في GA4 ، قد يكون من الصعب إلى حد ما العثور على الإحالة المستندة إلى البيانات (DDA) إذا لم تكن على دراية بالواجهة. إنه موجود في شاشة الإعلانات بدلاً من منطقة التقارير. تعد تقارير الإعلانات مثيرة للاهتمام ومقسمة لأنها تقدم طريقة عرض مختلفة لبياناتك.

في Universal Analytics (يُشار إليه أحيانًا باسم GA3) ، فإن أقرب مكافئ هو تقارير المسارات متعددة القنوات. إنه وصف جيد لأن هذه التقارير توسع تحليل التحويلات إلى نقاط اتصال متعددة ورحلة مستخدم كاملة. في السابق ، كانت الإحالة المستندة إلى البيانات متاحة فقط لحسابات 360 المدفوعة ولكنها الآن متاحة للجميع.

يستخدم نموذج إحالة DDA نموذجًا إحصائيًا لتوضيح مدى أهمية القناة في مساعدة التحويل. على سبيل المثال ، قد يكون هناك 5000 عملية شراء تُنسب إلى قناة البحث المجاني في تقرير الاكتساب الرئيسي في GA4 ، لكن نقاط الاتصال السابقة من قناة نتائج البحث المدفوعة قد تكون مؤثرة بشكل كبير على المستخدم الذي يشتري في النهاية.

سيأخذ النموذج الإحصائي البيانات المتعلقة بسلوك المستخدمين والمسارات التي تؤدي إلى التحويل ويحدد مقدار الإسهام الذي يجب أن تحصل عليه نقاط الاتصال المختلفة. بدلاً من تحويل الرصيد بنسبة 100٪ إلى عضوي في المثال السابق ، سيتم تقسيم الائتمان على النسب المئوية عبر جميع القنوات التي جاء منها المستخدمون قبل إجراء أي معاملة.

يوجد التمثيل البصري لـ DDA في الإعلان> تقرير مسارات التحويل (في الصورة أعلاه).

2. المقاييس التنبؤية

لدينا بيانات حول ما شاهده المستخدمون وتفاعلوا معه ، ولكن ماذا سيفعلون بعد ذلك؟ هذا هو المثال النهائي للبيانات غير المرصودة لأنها تنطوي على سلوك "مستقبلي". كملاحظة ، تتعلق هذه الميزة حاليًا فقط بالتجارة الإلكترونية والبيانات المتضاربة.

يجب إعداد تتبع التجارة الإلكترونية قبل استخدام المقاييس التنبؤية والجماهير التنبؤية. إذا كان لديك تتبع التجارة الإلكترونية ، فإن أهم المناطق التي يجب رؤيتها واستخدام النمذجة التنبؤية موجودة في تقارير الاستكشاف وأداة الجمهور.

في تقارير الاستكشاف ، من الأفضل استخدام المقاييس التنبؤية في أسلوب User Lifetime. في نوع التقرير هذا ، يمكنك اختيار المقاييس المراد استيرادها استنادًا إلى احتمالية الشراء ، واحتمالية التغيير والإيرادات المتوقعة. يوجد قسم مخصص لتلك المقاييس على شاشة التحديد.

تستند البيانات التنبؤية في GA4 (سواء هنا أو في أداة الجمهور) إلى نشاط المستخدم السابق. من خلال نقاط بيانات المستخدمين الذين أجروا عملية شراء مقارنةً بمن لم يجروا عملية شراء ، سيتعرف النموذج على الاتجاهات التي تطور الاحتمالات والنسب المئوية. بالنسبة إلى الاضطراب ، ينظر النموذج إلى المستخدمين النشطين والمستخدمين غير النشطين لتحديد من لن يعود إلى موقعك أو تطبيقك في الأسبوع المقبل.

يمكن استخدام الأفكار خارج Google Analytics أيضًا. يمكن إنشاء شرائح الجمهور وعزل المشترين المحتملين / غير المحتملين واستخدامها في إعلانات Google لتجديد النشاط التسويقي. لبناء جمهور تنبؤي ببضع نقرات ، يمكنك الانتقال إلى المسؤول> الجماهير> جمهور جديد> تنبؤي . سيعطيك هذا جماهير مسبقة الصنع لاستخدامها وتخصيصها بالطريقة التي تريدها (في الصورة أدناه).

3. نمذجة السلوك

تعد نمذجة السلوك أكثر ميزات التعلم الآلي تأثيراً من بين هذه الثلاثة لأنها تؤثر على تتبع المستخدم مباشرة من المصدر - المعرف. يتضمن دمج GA4 مع أداة إدارة الموافقة على ملفات تعريف الارتباط الخاصة بك حتى يتمكن Google Analytics من جمع البيانات عن المستخدمين الذين لا يوافقون على تتبعهم.

هذا يبدو غير بديهي ، لكن البيانات مجهولة المصدر ولا تتعلق بملف تعريف الارتباط أو أي معرف مستخدم. بدلاً من ذلك ، يتم استخدام بيانات الحدث المجهول فقط لتحديد النشاط على مستوى المستخدم. إنه قوي لأنه يعتمد على بيانات موقعك أو تطبيقك. يقوم سلوك المستخدمين الذين تمت ملاحظتهم (المستخدمون الذين يختارون الاشتراك في التتبع) بتدريب نموذج التعلم الآلي لتقدير سلوك المستخدمين الذين يختارون عدم الاشتراك في التتبع.

إذا كنت مهتمًا بالاستفادة من نمذجة السلوك ، فيمكن أن تساعد وثائق Google بشأن وضع الموافقة في بدء المحادثات واتخاذ إجراء بشأن استخدام طريقة تتبع المستخدم هذه. يتوفر خيار تمكين نمذجة السلوك في حساب GA4 الخاص بك في المسؤول> هوية الإبلاغ> مدمج .

تحقيق أقصى استفادة من ميزات التعلم الآلي في GA4

باستخدام الأدوات المذكورة أعلاه ، يمكن أن تتحول الأسئلة المتعلقة بالمستخدمين والبيانات من "كم عدد المشاهدات التي تلقتها الصفحة X؟" إلى "من هم المستخدمون الذين يُرجح إجراؤهم لعملية شراء كبيرة في غضون الأيام السبعة المقبلة؟" هذا التطور هو أكثر قابلية للتنفيذ.

يمكن أن يؤدي الجمع بين أساليب التعلم الآلي في GA4 مع تجديد النشاط التسويقي ومشاركة الجمهور إلى إطلاق تحليلاتك من التحليل فقط إلى حالات الاستخدام الفوري وحتى مشاركة الجمهور وتأثير عائد النفقات الإعلانية.

تعمق في GA4 بهذه القصص.

الآراء الواردة في هذا المقال هي آراء المؤلف الضيف وليست بالضرورة آراء MarTech. مؤلفو طاقم العمل مدرجون هنا.

أضف MarTech إلى موجز أخبار Google الخاص بك.

---