3 funkcje Google Analytics 4, aby nadrobić utracone dane

Ponieważ starsza wersja Google Analytics wkrótce zostanie wycofana, wkroczyliśmy w erę Google Analytics 4 (GA4). Oprócz znacznego liftingu i zmiany modelu danych, jednym z najpotężniejszych ulepszeń platformy było dodanie i udoskonalenie możliwości uczenia maszynowego.

Google Analytics ma teraz możliwość łączenia obserwowanych danych i nieobserwowanych danych. Jest to nie tylko korzyść, ale konieczność, ponieważ zmiany w plikach cookie przeglądarki i identyfikatorach użytkowników w coraz większym stopniu ograniczają stary sposób śledzenia.

Nasze narzędzia śledzące i analityczne tracą znane nam dane — i musimy się dostosować. Korzystanie z prostych funkcji w GA pomoże zrekompensować tę stratę, dzięki czemu będziesz mógł pozostać na bieżąco z danymi.

Kop głębiej: 3 „tajne” narzędzia marketingowe w Google Analytics 4

Nieobserwowane dane: jak to działa i dlaczego jest ważne

Bez względu na to, jakiego narzędzia analitycznego używasz, wykorzystanie nieobserwowanych danych jest doskonałym narzędziem do nadążania za zmieniającym się środowiskiem analizy marketingu cyfrowego. Różnica między danymi nieobserwowanymi a obserwowanymi jest różnicą między danymi zebranymi a danymi modelowanymi .

Śledzenie użytkowników za pomocą plików cookie było kiedyś bardziej niezawodne, ponieważ prawie wszystkie przeglądarki akceptowały pliki cookie. Sposób, w jaki działa z analityką, polega na automatycznym stemplowaniu użytkownika za pomocą pliku cookie, gdy trafia on na stronę internetową. Ten plik cookie umożliwia platformom takim jak GA identyfikację użytkowników na podstawie informacji o urządzeniu, lokalizacji, danych demograficznych i, co najważniejsze, losowego identyfikatora, który jest „lepki”.

Kiedy ten użytkownik powraca na stronę, identyfikator jest rozpoznawany przez GA jako powracający użytkownik, który łączy wcześniejsze informacje tego użytkownika z nową aktywnością. W przypadku aplikacji mobilnych zachowanie jest podobne. Zamiast pliku cookie urządzenia mają unikalny identyfikator reklamowy jako identyfikator (Android i iOS mają różne wersje).

Jednak sytuacja zmieniała się stopniowo w ciągu ostatnich kilku lat i będzie się zmieniać nadal. Istnieje ogromny problem z tym starym zachowaniem: dawało ono użytkownikom niewielką lub żadną kontrolę nad udostępnianiem ich danych osobowych. Prywatność nie była brana pod uwagę, a organizacje miały 100% kontrolę nad informacjami o swoich odbiorcach.

Żadne dane osobowe (PII) nie były nigdy domyślnie śledzone przez Google Analytics, ponieważ gromadzenie takich danych do GA jest niezgodne z warunkami korzystania z usługi, ale definicja danych osobowych zmieniała się w zależności od tego, jak zasady są pisane i interpretowane przez różne przepisy i zespoły ds. bezpieczeństwa.

Teraz użytkownicy mogą zablokować narzędzia analityczne i zrezygnować z gromadzenia danych. Automatyczna rezygnacja jest opcją domyślną dla RODO, a przepisy innych krajów z pewnością ją przyjmą. To „przyszłość bez ciasteczek”.

Krótko mówiąc — nie uzyskamy takiej ilości ani szczegółowości danych użytkowników, jak kiedyś, więc czas wypełnić tę lukę. W Google Analytics 4 dostępnych jest kilka gotowych funkcji, które umożliwiają uzupełnienie utraconych danych. Po skonfigurowaniu śledzenia wymagają niewielkiej lub żadnej windy, więc możesz je przetestować i skorzystać z nich już dziś. Oto trzy przykłady:

• Atrybucja oparta na danych
• Metryki predykcyjne
• Modelowanie zachowań

Sięgnij głębiej: do czego służą marketingowe narzędzia do atrybucji i analizy predykcyjnej?

1. Atrybucja oparta na danych

W GA4 atrybucja oparta na danych (DDA) może być nieco trudna do znalezienia, jeśli nie znasz interfejsu. Znajduje się na ekranie Reklamy, a nie w obszarze Raporty. Raporty reklamowe są interesujące i podzielone, ponieważ zapewniają inny widok danych.

W Universal Analytics (czasami określanym jako GA3) najbliższym odpowiednikiem są raporty Ścieżki wielokanałowe. To dobry opis, ponieważ te raporty rozszerzają analizę konwersji na wiele punktów kontaktu i pełniejszą podróż użytkownika. Wcześniej atrybucja oparta na danych była dostępna tylko na płatnych kontach 360, ale teraz jest dostępna dla wszystkich.

Model atrybucji DDA wykorzystuje model statystyczny, aby pokazać, jak istotny był kanał we wspomaganiu konwersji. Na przykład w głównym raporcie pozyskiwania GA4 może być przypisanych 5000 zakupów do kanału wyszukiwania bezpłatnego, ale poprzednie punkty styku z kanału płatnego wyszukiwania mogą mieć znaczący wpływ na użytkownika, który ostatecznie dokona zakupu.

Model statystyczny zbierze dane o zachowaniach użytkowników i ścieżkach prowadzących do konwersji i określi, ile punktów powinny otrzymać różne punkty styku. Zamiast 100% kredytu przechodzącego do organicznego w poprzednim przykładzie, kredyt zostałby podzielony przez wartości procentowe we wszystkich kanałach, z których pochodzili użytkownicy przed dokonaniem transakcji.

Wizualizacja DDA znajduje się w raporcie Reklama > Ścieżki konwersji (obrazek powyżej).

2. Metryki predykcyjne

Mamy dane o tym, co użytkownicy widzieli i czym się zajmowali, ale co zrobią dalej? Jest to ostateczny przykład nieobserwowanych danych, ponieważ obejmuje zachowanie „przyszłe”. Uwaga: ta funkcja dotyczy obecnie tylko handlu elektronicznego i przetwarzania danych.

Śledzenie e-commerce będzie musiało zostać skonfigurowane, zanim będzie można użyć wskaźników predykcyjnych i przewidywanych odbiorców. Jeśli korzystasz ze śledzenia e-commerce, najważniejsze obszary do wyświetlenia i użycia modelowania predykcyjnego znajdują się w raportach Eksploruj i narzędziu Odbiorcy.

W raportach Eksploruj metryki predykcyjne najlepiej sprawdzają się w technice User Lifetime. W tym typie raportu możesz wybrać dane do zaimportowania na podstawie prawdopodobieństwa zakupu, prawdopodobieństwa rezygnacji i przewidywanych przychodów. Na ekranie wyboru znajduje się sekcja poświęcona tym metrykom.

Dane predykcyjne w GA4 (zarówno tutaj, jak i w narzędziu Odbiorcy) opierają się na wcześniejszej aktywności użytkowników. Dzięki punktom danych użytkowników, którzy dokonali zakupu w porównaniu z tymi, którzy tego nie zrobili, model nauczy się trendów, które opracują prawdopodobieństwa i percentyle. W przypadku rezygnacji model analizuje użytkowników, którzy są aktywni, i użytkowników, którzy stają się nieaktywni, aby określić, kto nie wróci do Twojej witryny lub aplikacji w następnym tygodniu.

Spostrzeżenia mogą być również wykorzystywane poza Google Analytics. Listy odbiorców i segmenty można tworzyć w celu wyodrębnienia potencjalnych/nieprawdopodobnych nabywców i używać ich w Google Ads do remarketingu. Aby utworzyć przewidywaną grupę odbiorców za pomocą kilku kliknięć, możesz przejść do opcji Administracja > Odbiorcy > Nowi odbiorcy > Przewidywana . W ten sposób otrzymasz gotowe szablony odbiorców, których możesz używać i dostosowywać według własnych upodobań (na zdjęciu poniżej).

3. Modelowanie zachowań

Modelowanie zachowań jest najbardziej wpływową funkcją uczenia maszynowego z tych trzech, ponieważ wpływa na śledzenie użytkownika bezpośrednio ze źródła — identyfikatora. Obejmuje integrację GA4 z narzędziem do zarządzania zgodą na pliki cookie, aby Google Analytics mógł zbierać dane o użytkownikach, którzy nie zgadzają się na śledzenie.

Brzmi to sprzecznie z intuicją, ale dane są anonimizowane i nie są powiązane z plikiem cookie ani żadnym identyfikatorem użytkownika. Zamiast tego anonimowe dane dotyczące tylko zdarzeń są używane do określania aktywności na poziomie użytkownika. Jest potężny, ponieważ opiera się na danych Twojej witryny lub aplikacji. Zachowanie obserwowanych użytkowników (użytkowników, którzy wyrazili zgodę na śledzenie) trenuje model uczenia maszynowego w celu oszacowania zachowania użytkowników, którzy zrezygnują ze śledzenia.

Jeśli chcesz skorzystać z możliwości modelowania zachowań, dokumentacja Google dotycząca trybu uzyskiwania zgody może pomóc w rozpoczęciu rozmów i działań związanych z wykorzystaniem tej metody śledzenia użytkowników. Opcja włączenia modelowania zachowań na koncie GA4 znajduje się w sekcji Administracja > Reporting Identity > Blended .

Maksymalne wykorzystanie funkcji uczenia maszynowego GA4

Dzięki powyższym narzędziom pytania dotyczące użytkowników i danych mogą zmienić się z „Ile wyświetleń uzyskała strona X?” do „Którzy użytkownicy najprawdopodobniej dokonają dużego zakupu w ciągu najbliższych 7 dni?” To wyrafinowanie jest znacznie bardziej praktyczne.

Połączenie metod uczenia maszynowego GA4 z remarketingiem i udostępnianiem odbiorców może sprawić, że Twoje analizy nie będą już tylko analizą, ale staną się natychmiastowymi przypadkami użycia, a nawet zaangażowaniem odbiorców i wpływem RoAS.

Zagłęb się w GA4 dzięki tym historiom.

Opinie wyrażone w tym artykule są opiniami gościa i niekoniecznie MarTech. Autorzy personelu są wymienieni tutaj.

Dodaj MarTech do swojego kanału Google News.

---