3 функции Google Analytics 4 для восполнения потерянных данных

Поскольку устаревшая версия Google Analytics скоро выйдет из эксплуатации, мы вступили в эру Google Analytics 4 (GA4). Помимо серьезной реконструкции и изменения модели данных, одним из самых мощных обновлений платформы стало добавление и усовершенствование возможностей машинного обучения.

Google Analytics теперь может объединять наблюдаемые данные и ненаблюдаемые данные. Это не только преимущество, но и необходимость, поскольку изменения в файлах cookie браузера и идентификаторах пользователей все больше ограничивают старый способ отслеживания.

Наши инструменты отслеживания и аналитики теряют данные в том виде, в каком мы их знаем, и мы должны адаптироваться. Использование некоторых простых функций в GA поможет компенсировать эту потерю, чтобы вы могли оставаться в курсе данных.

Копаем глубже: 3 «секретных» маркетинговых инструмента в Google Analytics 4

Ненаблюдаемые данные: как это работает и почему это важно

Независимо от того, какой аналитический инструмент вы используете, использование ненаблюдаемых данных — отличный инструмент, позволяющий идти в ногу с развивающейся средой анализа цифрового маркетинга. Разница между ненаблюдаемыми и наблюдаемыми данными — это разница между собранными данными и смоделированными данными .

Отслеживание пользователей с помощью файлов cookie раньше было более надежным, поскольку почти все браузеры принимали файлы cookie. Как это работает с аналитикой, это автоматически отмечать пользователя с помощью файла cookie, когда он попадает на веб-сайт. Этот файл cookie позволяет таким платформам, как GA, идентифицировать пользователей по информации об устройстве, местоположению, демографическим данным и, что наиболее важно, по случайному идентификатору, который является «липким».

Когда этот пользователь возвращается на веб-сайт, идентификатор GA распознается как вернувшийся пользователь, который объединяет прошлую информацию этого пользователя с новой активностью. Для мобильных приложений поведение аналогичное. Вместо файла cookie устройства имеют в качестве идентификатора уникальный рекламный идентификатор (для Android и iOS разные версии).

Однако за последние несколько лет ситуация постепенно менялась и будет продолжать меняться. В этом старом поведении есть огромная проблема: оно практически не давало пользователям контроля над передачей их личной информации. Конфиденциальность не принималась во внимание, и организации имели 100% контроль над информацией своей аудитории.

Никакая личная информация (PII) никогда не отслеживалась с помощью Google Analytics по умолчанию, поскольку сбор таких данных в GA противоречит условиям обслуживания, но определение PII менялось в зависимости от того, как политики пишутся и интерпретируются различными законами и группами безопасности.

Теперь пользователи могут блокировать сбор данных с помощью инструментов аналитики и отказываться от них. Автоматический отказ является стандартным для GDPR, и законы других стран обязательно примут его. Это «будущее без печенья».

Короче говоря, мы не получим того объема и детализации пользовательских данных, к которым привыкли, поэтому пришло время восполнить этот пробел. В Google Analytics 4 есть несколько готовых функций для восполнения потерянных данных. Они практически не требуют подъема после настройки отслеживания, поэтому вы можете протестировать и воспользоваться ими уже сегодня. Вот три примера:

• Атрибуция на основе данных
• Прогнозные показатели
• Моделирование поведения

Копните глубже: что делают инструменты маркетинговой атрибуции и предиктивной аналитики?

1. Атрибуция на основе данных

В GA4 атрибуцию на основе данных (DDA) может быть сложно найти, если вы не знакомы с интерфейсом. Он расположен на экране «Реклама», а не в области «Отчеты». Отчеты по рекламе интересны и разделены, потому что они предоставляют другое представление ваших данных.

В Universal Analytics (иногда называемом GA3) ближайшим эквивалентом являются отчеты по многоканальным последовательностям. Это хороший дескриптор, потому что эти отчеты расширяют анализ конверсий до нескольких точек взаимодействия и более полного пути пользователя. Раньше атрибуция на основе данных была доступна только для платных аккаунтов 360, но теперь она доступна всем.

Модель атрибуции DDA использует статистическую модель, чтобы показать, насколько значимой была роль канала в содействии конверсии. Например, может быть 5000 покупок, связанных с каналом органического поиска в основном отчете о привлечении GA4, но предыдущие точки взаимодействия из канала платного поиска могут иметь значительное влияние на пользователя, который в конечном итоге совершает покупку.

Статистическая модель будет собирать данные о поведении пользователей и путях, ведущих к конверсии, и определять, какую ценность должны получать различные точки взаимодействия. Вместо того, чтобы в предыдущем примере 100% кредита переходил к органическому, кредит будет делиться на проценты по всем каналам, с которых пользователи пришли до совершения транзакции.

Визуализация DDA находится в отчете Реклама > Пути конверсии (на фото выше).

2. Прогностические показатели

У нас есть данные о том, что пользователи видели и с чем взаимодействовали, но что они будут делать дальше? Это окончательный пример ненаблюдаемых данных, потому что он включает «будущее» поведение. Обратите внимание, что в настоящее время эта функция относится только к электронной торговле и обработке данных.

Прежде чем можно будет использовать прогнозные показатели и прогнозируемые аудитории, необходимо настроить отслеживание электронной торговли. Если у вас есть отслеживание электронной торговли, основные области для просмотра и использования прогнозного моделирования находятся в отчетах «Исследование» и в инструменте «Аудитория».

В отчетах Explore прогнозные метрики лучше всего использовать в методике User Lifetime. В этом типе отчета вы можете выбрать показатели для импорта на основе вероятности покупки, вероятности оттока и прогнозируемого дохода. На экране выбора есть раздел, посвященный этим показателям.

Прогнозные данные в GA4 (как здесь, так и в инструменте «Аудитория») основаны на прошлой активности пользователя. Сопоставляя точки данных пользователей, совершивших покупку, с теми, кто этого не сделал, модель будет изучать тенденции, которые определяют вероятности и процентили. Для оттока модель рассматривает активных и неактивных пользователей, чтобы определить, кто не вернется на ваш сайт или в приложение на следующей неделе.

Информацию можно использовать и вне Google Analytics. Можно создавать аудитории и сегменты, чтобы изолировать вероятных/маловероятных покупателей и использовать их в Google Ads для ремаркетинга. Чтобы создать предиктивную аудиторию в несколько кликов, вы можете перейти в « Администрирование» > «Аудитории» > «Новая аудитория» > «Предиктивная» . Это даст вам предварительно созданные шаблонные аудитории, которые вы можете использовать и настраивать по своему усмотрению (на фото ниже).

3. Моделирование поведения

Моделирование поведения — самая эффективная функция машинного обучения из этих трех, потому что она влияет на отслеживание пользователей прямо из источника — идентификатора. Это включает в себя интеграцию GA4 с вашим инструментом управления согласием на использование файлов cookie, чтобы Google Analytics мог собирать данные о пользователях, которые не дают согласия на отслеживание.

Это звучит нелогично, но данные анонимны и не связаны с файлом cookie или каким-либо идентификатором пользователя. Вместо этого анонимные данные только о событиях используются для определения активности на уровне пользователя. Это мощно, потому что оно основано на данных вашего сайта или приложения. Поведение наблюдаемых пользователей (пользователей, которые соглашаются на отслеживание) обучает модель машинного обучения для оценки поведения пользователей, которые отказываются от отслеживания.

Если вы заинтересованы в том, чтобы воспользоваться преимуществами моделирования поведения, документация Google по режиму согласия может помочь начать разговор и принять меры по использованию этого метода отслеживания пользователей. Параметр, позволяющий включить моделирование поведения в вашей учетной записи GA4, находится в разделе « Администрирование» > «Идентификация для отчетности» > «Смешанный» .

Максимальное использование возможностей машинного обучения GA4

С помощью инструментов, описанных выше, вопросы о ваших пользователях и данных могут трансформироваться из вопроса «Сколько просмотров получила страница X?» на «Кто из пользователей с наибольшей вероятностью совершит крупную покупку в течение следующих 7 дней?» Эта изощренность гораздо более действенна.

Сочетание методов машинного обучения GA4 с ремаркетингом и разделением аудитории может превратить вашу аналитику из простого анализа в непосредственные варианты использования и даже вовлечение аудитории и влияние RoAS.

Погрузитесь глубже в GA4 с этими историями.

Мнения, выраженные в этой статье, принадлежат приглашенному автору, а не обязательно MarTech. Штатные авторы перечислены здесь.

Добавьте MarTech в свою ленту новостей Google.

---