3 fitur Google Analytics 4 untuk mengganti data yang hilang

Dengan segera dihentikannya versi lawas Google Analytics, kita telah memasuki era Google Analytics 4 (GA4). Selain mendapatkan facelift besar dan perubahan model data, salah satu peningkatan platform yang paling kuat adalah penambahan dan penyempurnaan kemampuan pembelajaran mesin.

Google Analytics sekarang memiliki kemampuan untuk menggabungkan data yang diamati dan data yang tidak diamati. Hal ini tidak hanya menguntungkan, tetapi juga merupakan keharusan karena perubahan dalam cookie browser dan pengidentifikasi pengguna semakin membatasi cara pelacakan yang lama.

Alat pelacakan dan analitik kami kehilangan data seperti yang kami ketahui — dan kami harus beradaptasi. Menggunakan beberapa fitur mudah di GA akan membantu mengkompensasi kerugian ini sehingga Anda dapat tetap mendapatkan informasi data.

Gali lebih dalam: 3 alat pemasaran 'rahasia' di Google Analytics 4

Data yang tidak teramati: Cara kerjanya dan mengapa itu penting

Apa pun alat analitik yang Anda gunakan, memanfaatkan data yang tidak teramati adalah alat yang hebat untuk mengikuti perkembangan lingkungan analisis pemasaran digital. Perbedaan antara data yang tidak diamati dan yang diamati adalah perbedaan antara data yang dikumpulkan dan data yang dimodelkan .

Melacak pengguna dengan cookie biasanya lebih andal karena hampir semua browser menerima cookie. Cara kerjanya dengan analitik adalah dengan secara otomatis mencap pengguna dengan cookie saat mereka membuka situs web. Cookie ini memungkinkan platform seperti GA untuk mengidentifikasi pengguna berdasarkan informasi perangkat, lokasi, demografi, dan yang paling penting, ID acak yang "melekat".

Saat pengguna tersebut kembali ke situs web, ID tersebut dikenali oleh GA sebagai pengguna yang kembali, yang menggabungkan informasi sebelumnya dari pengguna tersebut dengan aktivitas baru. Untuk aplikasi seluler, perilakunya serupa. Alih-alih cookie, perangkat memiliki ID iklan unik sebagai pengidentifikasi (Android dan iOS memiliki versi yang berbeda.)

Namun, banyak hal telah berubah secara bertahap selama beberapa tahun terakhir dan akan terus berubah. Ada masalah besar dengan perilaku lama ini: ini memberi pengguna sedikit atau tidak ada kontrol atas informasi pribadi mereka yang dibagikan. Privasi bukanlah pertimbangan, dan organisasi memiliki kendali 100% atas informasi audiens mereka.

Tidak ada informasi identitas pribadi (PII) yang pernah dilacak dengan Google Analytics secara default karena mengumpulkan data tersebut ke GA bertentangan dengan persyaratan layanan, namun definisi PII telah berubah bergantung pada bagaimana kebijakan ditulis dan ditafsirkan oleh hukum dan tim keamanan yang berbeda.

Sekarang, pengguna dapat memblokir dan memilih keluar dari alat analitik untuk mengumpulkan data. Penyisihan otomatis adalah default untuk GDPR dan undang-undang negara lain pasti akan mengadopsi ini. Ini adalah "masa depan tanpa kue".

Singkat cerita — kami tidak akan mendapatkan volume atau detail data pengguna yang biasa kami dapatkan, jadi inilah saatnya untuk mengisi celah itu. Di Google Analytics 4, ada beberapa fitur bawaan untuk mengganti data yang hilang. Mereka memerlukan sedikit atau tanpa peningkatan setelah pelacakan disiapkan, sehingga Anda dapat menguji dan memanfaatkannya hari ini. Tiga contohnya adalah:

• Atribusi berdasarkan data
• Metrik prediktif
• Pemodelan perilaku

Gali lebih dalam: Apa yang dilakukan atribusi pemasaran dan alat analitik prediktif?

1. Atribusi berdasarkan data

Di GA4, atribusi berdasarkan data (DDA) mungkin agak sulit ditemukan jika Anda tidak terbiasa dengan antarmukanya. Itu terletak di layar Periklanan, bukan di area Laporan. Laporan Periklanan menarik dan terpisah karena memberikan tampilan data Anda yang berbeda.

Di Universal Analytics (terkadang disebut sebagai GA3), padanan terdekatnya adalah laporan Corong Multisaluran. Ini adalah deskripsi yang bagus karena laporan ini memperluas analisis konversi menjadi beberapa poin kontak dan perjalanan pengguna yang lebih lengkap. Sebelumnya, atribusi berdasarkan data hanya tersedia untuk akun 360 berbayar, tetapi sekarang tersedia untuk semua.

Model atribusi DDA menggunakan model statistik untuk menunjukkan seberapa signifikan saluran dalam membantu konversi. Misalnya, mungkin ada 5.000 pembelian yang diatribusikan ke saluran Penelusuran Organik dalam pelaporan akuisisi GA4 utama, tetapi titik kontak sebelumnya dari saluran Penelusuran Berbayar mungkin berpengaruh secara signifikan bagi pengguna yang akhirnya membeli.

Model statistik akan mengambil data tentang perilaku dan jalur pengguna yang mengarah ke konversi dan menentukan berapa banyak kredit yang harus diterima oleh poin kontak yang berbeda. Alih-alih 100% kredit menjadi organik pada contoh sebelumnya, kredit akan dibagi dengan persentase di semua saluran asal pengguna sebelum melakukan transaksi.

Visualisasi DDA terletak di laporan Periklanan > Jalur Konversi (gambar di atas.)

2. Metrik prediktif

Kami memiliki data tentang apa yang dilihat dan dilakukan pengguna, tetapi apa yang akan mereka lakukan selanjutnya? Ini adalah contoh utama dari data yang tidak teramati karena melibatkan perilaku "masa depan". Sebagai catatan, fitur ini saat ini hanya terkait dengan e-niaga dan data yang berputar.

Pelacakan e-niaga perlu disiapkan sebelum metrik prediktif dan audiens prediktif dapat digunakan. Jika Anda memiliki pelacakan e-niaga, area teratas untuk melihat dan menggunakan pemodelan prediktif ada di laporan Jelajahi dan alat Audiens.

Dalam laporan Jelajahi, metrik prediktif paling baik digunakan dalam teknik Seumur Hidup Pengguna. Dalam jenis laporan ini, Anda dapat memilih metrik untuk diimpor berdasarkan probabilitas pembelian, probabilitas churn, dan prediksi pendapatan. Ada bagian yang didedikasikan untuk metrik tersebut di layar pemilihan.

Data prediktif di GA4 (baik di sini maupun di alat Audiens) didasarkan pada aktivitas pengguna sebelumnya. Dengan titik data pengguna yang telah melakukan pembelian dibandingkan dengan yang belum, model akan mempelajari tren yang mengembangkan probabilitas dan persentil. Untuk churn, model melihat pengguna yang aktif dan pengguna yang menjadi tidak aktif untuk menentukan siapa yang tidak akan kembali ke situs atau aplikasi Anda minggu depan.

Wawasan juga dapat digunakan di luar Google Analytics. Audiens dan segmen dapat dibuat untuk mengisolasi pembeli yang mungkin/tidak mungkin dan digunakan di Google Ads untuk pemasaran ulang. Untuk membuat audiens prediktif dengan beberapa klik, Anda dapat membuka Admin > Audiens > Audiens Baru > Prediktif . Ini akan memberi Anda audiens template siap pakai untuk digunakan dan menyesuaikan seperti yang Anda inginkan (gambar di bawah.)

3. Pemodelan perilaku

Pemodelan perilaku adalah fitur pembelajaran mesin yang paling berdampak dari ketiga fitur ini karena memengaruhi pelacakan pengguna langsung dari sumbernya — pengidentifikasi. Ini melibatkan pengintegrasian GA4 dengan alat manajemen izin cookie Anda sehingga Google Analytics dapat mengumpulkan data tentang pengguna yang tidak setuju untuk dilacak.

Ini terdengar kontra-intuitif, tetapi datanya dianonimkan dan tidak terkait dengan cookie atau pengidentifikasi pengguna apa pun. Sebagai gantinya, data khusus peristiwa anonim digunakan untuk menentukan aktivitas tingkat pengguna. Ini kuat karena didasarkan pada data situs atau aplikasi Anda. Perilaku pengguna yang diamati (pengguna yang ikut serta dalam pelacakan) melatih model pembelajaran mesin untuk memperkirakan perilaku pengguna yang memilih tidak mengikuti pelacakan.

Jika Anda tertarik untuk memanfaatkan pemodelan perilaku, dokumentasi Google tentang mode izin dapat membantu memulai percakapan dan tindakan menggunakan metode pelacakan pengguna ini. Opsi untuk mengaktifkan pemodelan perilaku di akun GA4 Anda ada di Admin > Reporting Identity > Blended .

Manfaatkan fitur pembelajaran mesin GA4 secara maksimal

Dengan alat di atas, pertanyaan tentang pengguna dan data Anda dapat diubah dari “Berapa banyak tampilan yang diterima halaman X?” hingga “Pengguna mana yang paling mungkin melakukan pembelian dalam jumlah besar dalam 7 hari ke depan?” Kecanggihan ini jauh lebih bisa ditindaklanjuti.

Menggabungkan metode pembelajaran mesin GA4 dengan pemasaran ulang dan berbagi audiens dapat meluncurkan analitik Anda dari analisis semata hingga kasus penggunaan langsung dan bahkan keterlibatan audiens dan dampak RoAS.

Gali lebih dalam GA4 dengan kisah-kisah ini.

Pendapat yang diungkapkan dalam artikel ini adalah dari penulis tamu dan belum tentu MarTech. Penulis staf tercantum di sini.

Tambahkan MarTech ke feed Google News Anda.

---