3 funciones de Google Analytics 4 para compensar la pérdida de datos

Con la próxima retirada de la versión heredada de Google Analytics, hemos entrado en la era de Google Analytics 4 (GA4). Además de obtener un importante lavado de cara y un cambio en el modelo de datos, una de las actualizaciones más poderosas de la plataforma fue la adición y el refinamiento de las capacidades de aprendizaje automático.

Google Analytics ahora tiene la capacidad de combinar datos observados y datos no observados. Esto no solo es un beneficio, sino que es una necesidad, ya que los cambios en las cookies del navegador y los identificadores de usuario limitan cada vez más la antigua forma de seguimiento.

Nuestras herramientas de seguimiento y análisis están perdiendo datos tal como los conocemos, y debemos adaptarnos. El uso de algunas funciones sencillas en GA ayudará a compensar esta pérdida para que pueda mantenerse informado sobre los datos.

Profundice: 3 herramientas de marketing 'secretas' en Google Analytics 4

Datos no observados: cómo funciona y por qué es importante

Independientemente de la herramienta de análisis que utilice, aprovechar los datos no observados es una excelente herramienta para mantenerse al día con el entorno en evolución del análisis de marketing digital. La diferencia entre los datos no observados y los observados es la diferencia entre los datos recopilados y los datos modelados .

El seguimiento de los usuarios con cookies solía ser más fiable ya que casi todos los navegadores aceptaban cookies. La forma en que funciona con el análisis es estampando automáticamente a un usuario con una cookie cuando ingresa a un sitio web. Esta cookie permite que plataformas como GA identifiquen a los usuarios por la información del dispositivo, la ubicación, los datos demográficos y, lo que es más importante, una identificación aleatoria que es "fija".

Cuando ese usuario regresa al sitio web, GA reconoce la identificación como un usuario que regresa, lo que une la información anterior de ese usuario con la nueva actividad. Para las aplicaciones móviles, el comportamiento es similar. En lugar de una cookie, los dispositivos tienen una ID de publicidad única como identificador (Android e iOS tienen versiones diferentes).

Sin embargo, las cosas han ido cambiando gradualmente en los últimos años y seguirán cambiando. Hay un gran problema con este antiguo comportamiento: daba a los usuarios poco o ningún control sobre la información personal que se comparte. La privacidad no era una consideración y las organizaciones tenían un control del 100 % sobre la información de su audiencia.

Ninguna información de identificación personal (PII, por sus siglas en inglés) nunca fue rastreada con Google Analytics de forma predeterminada, ya que la recopilación de dichos datos para GA va en contra de los términos del servicio, pero la definición de PII ha cambiado dependiendo de cómo las diferentes leyes y equipos de seguridad redactan e interpretan las políticas.

Ahora, los usuarios pueden bloquear y optar por que las herramientas de análisis no recopilen datos. La exclusión automática es la opción predeterminada para GDPR y las leyes de otros países seguramente lo adoptarán. Es el “futuro sin cookies”.

Para resumir, no obtendremos el volumen o el detalle de los datos de usuario que solíamos obtener, por lo que es hora de llenar ese vacío. En Google Analytics 4, hay varias funciones listas para usar para compensar la pérdida de datos. Requieren poca o ninguna elevación una vez que se ha configurado el seguimiento, por lo que puede probarlos y aprovecharlos hoy. Tres ejemplos son:

• Atribución basada en datos
• Métricas predictivas
• Modelado de comportamiento

Profundice: ¿Qué hacen las herramientas de atribución de marketing y análisis predictivo?

1. Atribución basada en datos

En GA4, la atribución basada en datos (DDA) puede ser algo difícil de encontrar si no está familiarizado con la interfaz. Se encuentra en la pantalla Publicidad en lugar del área de Informes. Los informes de publicidad son interesantes y están divididos porque brindan una vista diferente de sus datos.

En Universal Analytics (a veces denominado GA3), el equivalente más cercano son los informes de embudo multicanal. Es un buen descriptor porque estos informes amplían el análisis de las conversiones en múltiples puntos de contacto y un viaje de usuario más completo. Anteriormente, la atribución basada en datos solo estaba disponible para cuentas pagas de 360, pero ahora está disponible para todos.

El modelo de atribución DDA utiliza un modelo estadístico para mostrar qué tan importante fue un canal para ayudar a una conversión. Por ejemplo, puede haber 5000 compras atribuidas al canal de búsqueda orgánica en el informe principal de adquisiciones de GA4, pero los puntos de contacto anteriores del canal de búsqueda paga pueden tener una influencia significativa para el usuario que finalmente compra.

El modelo estadístico tomará los datos sobre el comportamiento de los usuarios y las rutas que conducen a la conversión y determinará cuánto crédito deben recibir los diferentes puntos de contacto. En lugar de que el 100 % del crédito sea orgánico en el ejemplo anterior, el crédito se dividiría por porcentajes en todos los canales de los que procedían los usuarios antes de realizar una transacción.

La visualización de DDA se encuentra en el informe Publicidad > Rutas de conversión (en la imagen de arriba).

2. Métricas predictivas

Tenemos datos sobre lo que los usuarios vieron y con lo que interactuaron, pero ¿qué harán a continuación? Este es el último ejemplo de datos no observados porque implica un comportamiento "futuro". Como nota, esta característica actualmente solo se relaciona con el comercio electrónico y los datos de rotación.

El seguimiento de comercio electrónico deberá configurarse antes de que se puedan usar las métricas predictivas y las audiencias predictivas. Si tiene un seguimiento de comercio electrónico, las áreas principales para ver y usar modelos predictivos se encuentran en los informes Explorar y la herramienta Audiencia.

En los informes de exploración, las métricas predictivas se utilizan mejor en la técnica de duración del usuario. En este tipo de informe, puede elegir métricas para importar en función de la probabilidad de compra, la probabilidad de abandono y los ingresos previstos. Hay una sección dedicada a esas métricas en la pantalla de selección.

Los datos predictivos en GA4 (tanto aquí como en la herramienta Audiencia) se basan en la actividad anterior del usuario. Con los puntos de datos de los usuarios que han realizado una compra en comparación con los que no lo han hecho, el modelo aprenderá las tendencias que desarrollan las probabilidades y los percentiles. Para el abandono, el modelo analiza a los usuarios que están activos y los usuarios que se vuelven inactivos para determinar quién no volverá a su sitio o aplicación en la próxima semana.

Los conocimientos también se pueden utilizar fuera de Google Analytics. Se pueden crear audiencias y segmentos para aislar a los compradores probables o improbables y utilizarlos en Google Ads para el remarketing. Para crear una audiencia predictiva con unos pocos clics, puede ir a Admin > Audiencias > Nueva audiencia > Predictivo . Esto le dará audiencias con plantillas prefabricadas para usar y personalizar como desee (en la imagen a continuación).

3. Modelado de comportamiento

El modelado de comportamiento es la característica de aprendizaje automático más impactante de estas tres porque afecta el seguimiento del usuario directamente desde la fuente: el identificador. Se trata de integrar GA4 con su herramienta de gestión de consentimiento de cookies para que Google Analytics pueda recopilar datos sobre los usuarios que no dan su consentimiento para ser rastreados.

Esto suena contrario a la intuición, pero los datos se anonimizan y no están relacionados con una cookie ni con ningún identificador de usuario. En su lugar, los datos anónimos de solo eventos se utilizan para determinar la actividad a nivel de usuario. Es poderoso porque se basa en los datos de su sitio o aplicación. El comportamiento de los usuarios observados (usuarios que optan por el seguimiento) entrena un modelo de aprendizaje automático para estimar el comportamiento de los usuarios que optan por no seguir el seguimiento.

Si está interesado en aprovechar el modelo de comportamiento, la documentación de Google sobre el modo de consentimiento puede ayudarlo a iniciar conversaciones y acciones sobre el uso de este método de seguimiento de usuarios. La opción para habilitar el modelado de comportamiento en su cuenta de GA4 se encuentra en Admin > Reporting Identity > Blended .

Aprovechar al máximo las funciones de aprendizaje automático de GA4

Con las herramientas anteriores, las preguntas sobre sus usuarios y datos pueden transformarse de "¿Cuántas vistas recibió la página X?" a "¿Qué usuarios tienen más probabilidades de realizar una gran compra en los próximos 7 días?" Esta sofisticación es mucho más procesable.

La combinación de los métodos de aprendizaje automático de GA4 con el remarketing y el uso compartido de la audiencia puede lanzar sus análisis desde el análisis exclusivo hasta los casos de uso inmediatos e incluso la participación de la audiencia y el impacto del RoAS.

Profundice en GA4 con estas historias.

Las opiniones expresadas en este artículo pertenecen al autor invitado y no necesariamente a MarTech. Los autores del personal se enumeran aquí.

Agregue MarTech a su feed de noticias de Google.

---