3 recursos do Google Analytics 4 para compensar a perda de dados

Com a desativação da versão herdada do Google Analytics em breve, entramos na era do Google Analytics 4 (GA4). Além de obter um grande facelift e mudança no modelo de dados, uma das atualizações mais poderosas da plataforma foi a adição e o refinamento dos recursos de aprendizado de máquina.

O Google Analytics agora tem a capacidade de combinar dados observados e dados não observados. Isso não é apenas um benefício, mas também uma necessidade, pois as alterações nos cookies do navegador e nos identificadores de usuário limitam cada vez mais a maneira antiga de rastreamento.

Nossas ferramentas de rastreamento e análise estão perdendo dados como os conhecemos - e devemos nos adaptar. O uso de alguns recursos fáceis no GA ajudará a compensar essa perda para que você possa permanecer informado sobre os dados.

Vá mais fundo: 3 ferramentas de marketing 'secretas' no Google Analytics 4

Dados não observados: como funcionam e por que são importantes

Não importa qual ferramenta de análise você use, alavancar dados não observados é uma ótima ferramenta para acompanhar o ambiente em evolução da análise de marketing digital. A diferença entre dados não observados e observados é a diferença entre dados coletados e dados modelados .

O rastreamento de usuários com cookies costumava ser mais confiável, pois quase todos os navegadores aceitavam cookies. A maneira como funciona com a análise é marcando automaticamente um usuário com um cookie quando ele acessa um site. Esse cookie permite que plataformas como o GA identifiquem os usuários por informações do dispositivo, localização, dados demográficos e, o mais importante, um ID aleatório que é “adesivo”.

Quando esse usuário retorna ao site, o ID é reconhecido pelo GA como um usuário recorrente, que junta as informações anteriores desse usuário com a nova atividade. Para aplicativos móveis, o comportamento é semelhante. Em vez de um cookie, os dispositivos têm um ID de publicidade exclusivo como identificador (Android e iOS têm versões diferentes).

No entanto, as coisas têm mudado gradualmente ao longo dos últimos anos e continuarão a mudar. Há um grande problema com esse antigo comportamento: ele dava aos usuários pouco ou nenhum controle sobre o compartilhamento de suas informações pessoais. A privacidade não era levada em consideração e as organizações tinham 100% de controle sobre as informações de seu público.

Nenhuma informação de identificação pessoal (PII) foi rastreada com o Google Analytics por padrão, pois a coleta desses dados para o GA é contra os termos de serviço, mas a definição de PII mudou dependendo de como as políticas são escritas e interpretadas por diferentes leis e equipes de segurança.

Agora, os usuários podem bloquear e impedir que as ferramentas de análise coletem dados. A desativação automática é o padrão do GDPR e as leis de outros países certamente adotarão isso. É o “futuro sem biscoito”.

Para encurtar a história - não obteremos o volume ou os detalhes dos dados do usuário que costumávamos obter, então é hora de preencher essa lacuna. No Google Analytics 4, existem vários recursos prontos para uso para compensar a perda de dados. Eles exigem pouco ou nenhum levantamento depois que o rastreamento é configurado, para que você possa testá-los e aproveitá-los hoje. Três exemplos são:

• Atribuição baseada em dados
• Métricas preditivas
• Modelagem de comportamento

Vá mais fundo: o que a atribuição de marketing e as ferramentas de análise preditiva fazem?

1. Atribuição baseada em dados

No GA4, a atribuição baseada em dados (DDA) pode ser um pouco difícil de encontrar se você não estiver familiarizado com a interface. Ele está localizado na tela Publicidade em vez da área Relatórios. Os relatórios de publicidade são interessantes e divididos porque fornecem uma visão diferente dos seus dados.

No Universal Analytics (às vezes chamado de GA3), o equivalente mais próximo são os relatórios de funil multicanal. É um bom descritor porque esses relatórios expandem a análise de conversões em vários pontos de contato e uma jornada de usuário mais completa. Anteriormente, a atribuição baseada em dados estava disponível apenas para contas 360 pagas, mas agora está disponível para todos.

O modelo de atribuição DDA usa um modelo estatístico para mostrar a importância de um canal na assistência a uma conversão. Por exemplo, pode haver 5.000 compras atribuídas ao canal de pesquisa orgânica no principal relatório de aquisição do GA4, mas os pontos de contato anteriores do canal de pesquisa paga podem influenciar significativamente o usuário que acaba comprando.

O modelo estatístico coletará os dados sobre o comportamento e os caminhos dos usuários até a conversão e determinará quanto crédito os diferentes pontos de contato devem receber. Em vez de 100% do crédito ir para o orgânico no exemplo anterior, o crédito seria dividido por porcentagens em todos os canais de onde os usuários vieram antes de fazer uma transação.

A visualização do DDA está localizada no relatório Advertising > Conversion Paths (foto acima).

2. Métricas preditivas

Temos dados sobre o que os usuários viram e interagiram, mas o que eles farão a seguir? Este é o melhor exemplo de dados não observados porque envolve comportamento “futuro”. Como observação, esse recurso atualmente se refere apenas a dados de comércio eletrônico e rotatividade.

O rastreamento de comércio eletrônico precisará ser configurado antes que métricas preditivas e audiências preditivas possam ser usadas. Se você tiver rastreamento de comércio eletrônico, as principais áreas para ver e usar a modelagem preditiva estão nos relatórios do Explore e na ferramenta Audience.

Nos relatórios do Explore, as métricas preditivas são mais bem utilizadas na técnica User Lifetime. Nesse tipo de relatório, você pode escolher as métricas a serem importadas com base na probabilidade de compra, probabilidade de rotatividade e receita prevista. Há uma seção dedicada a essas métricas na tela de seleção.

Os dados preditivos no GA4 (tanto aqui quanto na ferramenta Audience) são baseados em atividades anteriores do usuário. Com os pontos de dados dos usuários que fizeram uma compra em comparação com aqueles que não fizeram, o modelo aprenderá as tendências que desenvolvem as probabilidades e os percentis. Para rotatividade, o modelo analisa os usuários ativos e os inativos para determinar quem não voltará ao seu site ou aplicativo na próxima semana.

Os insights também podem ser usados ​​fora do Google Analytics. Públicos e segmentos podem ser criados para isolar compradores prováveis/improváveis ​​e usados ​​no Google Ads para remarketing. Para criar um público preditivo com apenas alguns cliques, você pode acessar Admin > Públicos > Novo público > Preditivo . Isso fornecerá a você modelos de público pré-fabricados para usar e personalizar como desejar (imagem abaixo).

3. Modelagem de comportamento

A modelagem de comportamento é o recurso de aprendizado de máquina mais impactante desses três porque afeta o rastreamento do usuário desde a fonte - o identificador. Isso envolve a integração do GA4 com sua ferramenta de gerenciamento de consentimento de cookies para que o Google Analytics possa coletar dados sobre usuários que não consentem em ser rastreados.

Isso parece contra-intuitivo, mas os dados são anonimizados e não estão relacionados a um cookie ou a qualquer identificador de usuário. Em vez disso, os dados anônimos somente do evento são usados ​​para determinar a atividade no nível do usuário. É poderoso porque é baseado nos dados do seu site ou aplicativo. O comportamento dos usuários observados (usuários que optam por rastrear) treina um modelo de aprendizado de máquina para estimar o comportamento dos usuários que optam por não rastrear.

Se você estiver interessado em tirar proveito da modelagem de comportamento, a documentação do Google sobre o modo de consentimento pode ajudar a iniciar conversas e ações sobre o uso desse método de rastreamento do usuário. A opção para habilitar a modelagem de comportamento em sua conta do GA4 está em Admin > Reporting Identity > Blended .

Aproveitar ao máximo os recursos de aprendizado de máquina do GA4

Com as ferramentas acima, as perguntas sobre seus usuários e dados podem se transformar em “Quantas visualizações a página X recebeu?” para "Quais usuários têm maior probabilidade de fazer uma compra grande nos próximos 7 dias?" Essa sofisticação é muito mais acionável.

Combinar os métodos de aprendizado de máquina do GA4 com remarketing e compartilhamento de público pode lançar suas análises de análise exclusiva para casos de uso imediatos e até mesmo envolvimento do público e impacto de RoAS.

Aprofunde-se no GA4 com essas histórias.

As opiniões expressas neste artigo são do autor convidado e não necessariamente da MarTech. Os autores da equipe estão listados aqui.

Adicione MarTech ao seu feed do Google Notícias.

---