3 Google Analytics 4 Funktionen, um verlorene Daten auszugleichen

Da die Legacy-Version von Google Analytics bald eingestellt wird, sind wir in die Ära von Google Analytics 4 (GA4) eingetreten. Abgesehen von einem umfassenden Facelifting und einer Änderung des Datenmodells war eines der leistungsstärksten Upgrades der Plattform die Hinzufügung und Verfeinerung von maschinellen Lernfunktionen.

Google Analytics hat jetzt die Fähigkeit, beobachtete Daten und unbeobachtete Daten zu kombinieren. Dies ist nicht nur ein Vorteil, sondern auch eine Notwendigkeit, da Änderungen bei Browser-Cookies und Benutzerkennungen die alte Art der Nachverfolgung zunehmend einschränken.

Unsere Tracking- und Analysetools verlieren Daten, wie wir sie kennen – und wir müssen uns anpassen. Die Verwendung einiger einfacher Funktionen in GA hilft dabei, diesen Verlust auszugleichen, sodass Sie immer auf dem Laufenden bleiben.

Tiefer graben: 3 „geheime“ Marketing-Tools in Google Analytics 4

Unbeobachtete Daten: Wie es funktioniert und warum es wichtig ist

Unabhängig davon, welches Analysetool Sie verwenden, die Nutzung unbeobachteter Daten ist ein großartiges Tool, um mit dem sich entwickelnden Umfeld der digitalen Marketinganalyse Schritt zu halten. Der Unterschied zwischen unbeobachteten und beobachteten Daten ist der Unterschied zwischen gesammelten Daten und modellierten Daten .

Das Tracking von Benutzern mit Cookies war früher zuverlässiger, da fast alle Browser Cookies akzeptierten. Die Art und Weise, wie es mit Analytics funktioniert, besteht darin, einen Benutzer automatisch mit einem Cookie zu versehen, wenn er auf einer Website landet. Dieses Cookie ermöglicht es Plattformen wie GA, Benutzer anhand von Geräteinformationen, Standort, demografischen Merkmalen und vor allem einer zufälligen ID zu identifizieren, die „sticky“ ist.

Wenn dieser Benutzer auf die Website zurückkehrt, wird die ID von GA als wiederkehrender Benutzer erkannt, wodurch die früheren Informationen dieses Benutzers mit neuen Aktivitäten verknüpft werden. Bei mobilen Apps ist das Verhalten ähnlich. Anstelle eines Cookies haben Geräte eine eindeutige Werbe-ID als Kennung (Android und iOS haben unterschiedliche Versionen.)

Die Dinge haben sich jedoch in den letzten Jahren allmählich geändert und werden sich weiterhin ändern. Es gibt ein großes Problem mit diesem alten Verhalten: Es gab den Benutzern wenig bis gar keine Kontrolle über die Weitergabe ihrer persönlichen Daten. Datenschutz spielte keine Rolle, und Organisationen hatten 100 % Kontrolle über die Informationen ihrer Zielgruppe.

Mit Google Analytics wurden standardmäßig keine personenbezogenen Daten (PII) verfolgt, da das Sammeln solcher Daten an GA gegen die Nutzungsbedingungen verstößt, aber die Definition von PII hat sich geändert, je nachdem, wie Richtlinien geschrieben und von verschiedenen Gesetzen und Sicherheitsteams interpretiert werden.

Jetzt können Benutzer die Erfassung von Daten durch Analysetools blockieren und ablehnen. Die automatische Abmeldung ist die Standardeinstellung für die DSGVO, und die Gesetze anderer Länder werden dies mit Sicherheit übernehmen. Es ist die „cookielose Zukunft“.

Um es kurz zu machen – wir werden nicht mehr die Menge oder Details der Benutzerdaten erhalten, die wir früher hatten, also ist es an der Zeit, diese Lücke zu schließen. In Google Analytics 4 gibt es mehrere sofort einsatzbereite Funktionen, um verlorene Daten auszugleichen. Sie erfordern wenig bis gar keinen Auftrieb, sobald die Verfolgung eingerichtet wurde, sodass Sie sie noch heute testen und nutzen können. Drei Beispiele sind:

• Datengesteuerte Zuordnung
• Vorhersagemetriken
• Verhaltensmodellierung

Tiefer graben: Was leisten Marketing-Attribution- und Predictive-Analytics-Tools?

1. Datengesteuerte Zuordnung

In GA4 ist die datengesteuerte Attribution (DDA) möglicherweise etwas schwer zu finden, wenn Sie mit der Benutzeroberfläche nicht vertraut sind. Es befindet sich im Werbebildschirm statt im Berichtsbereich. Die Werbeberichte sind interessant und aufgeteilt, weil sie eine andere Sicht auf Ihre Daten bieten.

In Universal Analytics (manchmal auch als GA3 bezeichnet) sind die Multi-Channel-Trichter-Berichte das nächste Äquivalent. Es ist ein guter Deskriptor, da diese Berichte die Analyse von Konversionen auf mehrere Berührungspunkte und eine vollständigere Benutzerreise erweitern. Früher war die datengesteuerte Attribution nur für kostenpflichtige 360-Konten verfügbar, aber jetzt ist sie für alle verfügbar.

Das DDA-Zuordnungsmodell verwendet ein statistisches Modell, um zu zeigen, wie wichtig ein Kanal bei der Unterstützung einer Conversion war. Beispielsweise können 5.000 Käufe dem Kanal Organische Suche im Hauptakquisitionsbericht von GA4 zugeordnet werden, aber die vorherigen Berührungspunkte des Kanals Bezahlte Suche können den Benutzer, der letztendlich kauft, erheblich beeinflussen.

Das statistische Modell nimmt die Daten über das Nutzerverhalten und die Pfade, die zur Conversion führen, und bestimmt, wie viel Anerkennung die verschiedenen Touchpoints erhalten sollten. Anstelle von 100 % der Gutschrift, die im vorherigen Beispiel an das organische Guthaben ging, würde das Guthaben durch Prozentsätze über alle Kanäle geteilt, aus denen Benutzer kamen, bevor sie eine Transaktion durchführten.

Die Visualisierung von DDA befindet sich im Bericht Werbung > Conversion-Pfade (siehe Abbildung oben).

2. Vorhersagemetriken

Wir haben Daten darüber, was Benutzer gesehen und womit sie interagiert haben, aber was werden sie als Nächstes tun? Dies ist das ultimative Beispiel für unbeobachtete Daten, da es sich um „zukünftiges“ Verhalten handelt. Hinweis: Diese Funktion bezieht sich derzeit nur auf E-Commerce und Abwanderungsdaten.

E-Commerce-Tracking muss eingerichtet werden, bevor Vorhersagemetriken und Vorhersagezielgruppen verwendet werden können. Wenn Sie über E-Commerce-Tracking verfügen, befinden sich die wichtigsten Bereiche zum Anzeigen und Verwenden von Vorhersagemodellen in den Explore-Berichten und im Audience-Tool.

In den Explore-Berichten werden prädiktive Metriken am besten in der User-Lifetime-Technik verwendet. In diesem Berichtstyp können Sie Metriken auswählen, die basierend auf der Kaufwahrscheinlichkeit, der Abwanderungswahrscheinlichkeit und dem prognostizierten Umsatz importiert werden sollen. Auf dem Auswahlbildschirm gibt es einen Abschnitt, der diesen Metriken gewidmet ist.

Die Vorhersagedaten in GA4 (sowohl hier als auch im Audience-Tool) basieren auf früheren Benutzeraktivitäten. Mit den Datenpunkten von Benutzern, die einen Kauf getätigt haben, im Vergleich zu denen, die dies nicht getan haben, lernt das Modell Trends, die die Wahrscheinlichkeiten und Perzentile entwickeln. Für die Abwanderung betrachtet das Modell Benutzer, die aktiv sind, und Benutzer, die inaktiv werden, um festzustellen, wer Ihre Website oder App in der nächsten Woche nicht erneut besucht.

Die Erkenntnisse können auch außerhalb von Google Analytics verwendet werden. Zielgruppen und Segmente können erstellt werden, um wahrscheinliche/unwahrscheinliche Käufer zu isolieren, und in Google Ads für das Remarketing verwendet werden. Um mit wenigen Klicks eine prädiktive Zielgruppe aufzubauen, gehen Sie zu Admin > Audiences > New Audience > Predictive . Dadurch erhalten Sie vorgefertigte Zielgruppenvorlagen, die Sie verwenden und anpassen können, wie Sie möchten (siehe Abbildung unten).

3. Verhaltensmodellierung

Die Verhaltensmodellierung ist die wirkungsvollste dieser drei Funktionen für maschinelles Lernen, da sie die Benutzerverfolgung direkt von der Quelle – der Kennung – beeinflusst. Dazu gehört die Integration von GA4 in Ihr Cookie-Consent-Management-Tool, damit Google Analytics Daten über Benutzer sammeln kann, die der Nachverfolgung nicht zustimmen.

Das klingt kontraintuitiv, aber die Daten sind anonymisiert und nicht mit einem Cookie oder einer Benutzerkennung verbunden. Stattdessen werden die anonymen Ereignisdaten verwendet, um die Aktivität auf Benutzerebene zu bestimmen. Es ist leistungsstark, weil es auf den Daten Ihrer Website oder App basiert. Das Verhalten von beobachteten Benutzern (Benutzer, die sich für das Tracking entscheiden) trainiert ein maschinelles Lernmodell, um das Verhalten von Benutzern zu schätzen, die sich vom Tracking abmelden.

Wenn Sie daran interessiert sind, die Vorteile der Verhaltensmodellierung zu nutzen, kann die Google-Dokumentation zum Zustimmungsmodus Ihnen dabei helfen, Gespräche und Aktionen rund um die Verwendung dieser Benutzerverfolgungsmethode zu beginnen. Die Option zum Aktivieren der Verhaltensmodellierung in Ihrem GA4-Konto finden Sie unter Admin > Reporting Identity > Blended .

Holen Sie das Beste aus den maschinellen Lernfunktionen von GA4 heraus

Mit den oben genannten Tools können sich Fragen zu Ihren Benutzern und Daten von „Wie viele Aufrufe hat Seite X erhalten?“ ändern. zu „Welche Nutzer werden in den nächsten 7 Tagen am ehesten einen großen Einkauf tätigen?“ Diese Raffinesse ist viel umsetzbarer.

Durch die Kombination der maschinellen Lernmethoden von GA4 mit Remarketing und Zielgruppenfreigabe können Sie Ihre Analysen von der reinen Analyse zu sofortigen Anwendungsfällen und sogar zur Zielgruppenbindung und RoAS-Auswirkung führen.

Tauchen Sie mit diesen Geschichten tiefer in GA4 ein.

Die in diesem Artikel geäußerten Meinungen sind die des Gastautors und nicht unbedingt die von MarTech. Mitarbeiter Autoren sind hier aufgelistet.

Fügen Sie MarTech zu Ihrem Google News-Feed hinzu.

---