3 Google Analytics 4 功能弥补丢失的数据

已发表: 2023-01-09

随着旧版 Google Analytics（分析）即将停用，我们进入了 Google Analytics（分析）4 (GA4) 时代。除了进行重大改造和数据模型更改外，该平台最强大的升级之一是机器学习功能的添加和改进。

Google Analytics 现在可以结合观察到的数据和未观察到的数据。这不仅是一个好处，而且是必要的，因为浏览器 cookie 和用户标识符的变化越来越多地限制了旧的跟踪方式。

正如我们所知，我们的跟踪和分析工具正在丢失数据——我们必须适应。在 GA 中使用一些简单的功能将有助于弥补这种损失，以便您可以随时了解数据。

深入挖掘：Google Analytics 4 中的 3 个“秘密”营销工具

未观察到的数据：它是如何工作的以及它为什么重要

无论您使用哪种分析工具，利用未观察到的数据都是跟上不断发展的数字营销分析环境的好工具。未观察到的数据和观察到的数据之间的区别是收集到的数据和建模数据之间的区别。

使用 cookie 跟踪用户过去更可靠，因为几乎所有浏览器都接受 cookie。它与分析一起工作的方式是在用户登陆网站时自动为用户标记 cookie。此 cookie 允许 GA 等平台通过设备信息、位置、人口统计数据以及最重要的“粘性”随机 ID 来识别用户。

当该用户返回该网站时，该 ID 被 GA 识别为返回用户，该 ID 将该用户过去的信息与新活动拼接在一起。对于移动应用程序，行为是相似的。设备没有 cookie，而是有一个唯一的广告 ID 作为标识符（Android 和 iOS 有不同的版本。）

然而，在过去的几年中，情况正在逐渐发生变化，并将继续发生变化。这种旧行为存在一个巨大的问题：它让用户几乎无法控制他们的个人信息被共享。隐私不是考虑因素，组织可以 100% 控制其受众的信息。

默认情况下，Google Analytics 从未跟踪任何个人身份信息 (PII)，因为将此类数据收集到 GA 违反了服务条款，但 PII 的定义已根据不同法律和安全团队编写和解释政策的方式而改变。

现在，用户可以阻止和选择退出分析工具收集数据。自动选择退出是 GDPR 的默认设置，其他国家/地区的法律肯定会采用这一点。这就是“没有 cookie 的未来”。

长话短说——我们将无法获得过去的用户数据量或详细信息，因此是时候填补这一空白了。在 Google Analytics 4 中，有几个开箱即用的功能可以弥补丢失的数据。设置跟踪后，它们几乎不需要提升，因此您今天就可以测试并利用它们。三个例子是：

数据驱动归因
预测指标
行为建模

深入挖掘：营销归因和预测分析工具有什么作用？

1. 数据驱动归因

在 GA4 中，如果您不熟悉界面，可能很难找到数据驱动归因 (DDA)。它位于广告屏幕而不是报告区域。广告报告很有趣并且分开了，因为它们提供了数据的不同视图。

在 Universal Analytics（有时称为 GA3）中，最接近的等效项是多渠道路径报告。这是一个很好的描述符，因为这些报告将转化分析扩展到多个接触点和更完整的用户旅程。以前，数据驱动的归因仅适用于付费 360 帐户，但现在对所有人都可用。

DDA 归因模型使用统计模型来显示渠道在协助转化方面的重要性。例如，在主要的 GA4 获取报告中可能有 5,000 次购买归因于自然搜索渠道，但之前来自付费搜索渠道的接触点可能对最终购买的用户有重大影响。

统计模型将获取有关导致转化的用户行为和路径的数据，并确定不同接触点应获得多少信用。在前面的示例中，信用将除以用户来自所有渠道的百分比，而不是之前示例中的 100% 信用。

DDA 的可视化位于“广告”>“转化路径”报告中（如上图所示）。

2. 预测指标

我们拥有有关用户看到和参与的内容的数据，但他们接下来会做什么？这是未观察到的数据的最终示例，因为它涉及“未来”行为。请注意，此功能目前仅与电子商务和流失数据相关。

在使用预测指标和预测受众之前，需要设置电子商务跟踪。如果您有电子商务跟踪，查看和使用预测建模的主要区域是探索报告和受众工具。

在 Explore 报告中，预测指标最适用于用户生命周期技术。在此报告类型中，您可以根据购买概率、流失概率和预测收入选择要导入的指标。在选择屏幕上有一个专门用于这些指标的部分。

GA4 中的预测数据（此处和受众工具中的数据）基于过去的用户活动。通过比较已购买用户与未购买用户的数据点，该模型将学习发展概率和百分位数的趋势。对于流失，该模型会查看活跃用户和不活跃用户，以确定下周不会返回您的网站或应用程序的用户。

这些见解也可以在 Google Analytics 之外使用。可以创建受众群体和细分以隔离可能/不太可能的购买者，并在 Google Ads 中用于再营销。要通过几次点击建立预测性受众，您可以转到Admin > Audiences > New Audience > Predictive 。这将为您提供预制的模板化受众，供您使用和自定义您喜欢的方式（如下图所示。）

3.行为建模

行为建模是这三者中最具影响力的机器学习特征，因为它从源头（标识符）影响用户跟踪。它涉及将 GA4 与您的 cookie 同意管理工具集成，以便 Google Analytics 可以收集有关不同意被跟踪的用户的数据。

这听起来违反直觉，但数据是匿名的，与 cookie 或任何用户标识符无关。相反，仅匿名事件数据用于确定用户级别的活动。它非常强大，因为它基于您的网站或应用程序的数据。观察到的用户（选择加入跟踪的用户）的行为训练机器学习模型来估计选择退出跟踪的用户的行为。

如果您有兴趣利用行为建模，Google 关于同意模式的文档可以帮助您围绕使用此用户跟踪方法开始对话和行动。在您的 GA4 帐户中启用行为建模的选项位于Admin > Reporting Identity > Blended中。

充分利用 GA4 的机器学习功能

使用上述工具，关于您的用户和数据的问题可以从“页面 X 收到多少浏览量？”转变为“页面 X 收到了多少浏览量？” 到“哪些用户最有可能在未来 7 天内进行大量购买？” 这种复杂性更具可操作性。

将 GA4 的机器学习方法与再营销和受众共享相结合，可以启动您的分析，从单独分析到即时用例，甚至受众参与和 RoAS 影响。

通过这些故事更深入地了解 GA4。

获取营销技术！日常的。自由。在您的收件箱中。

见条款。

本文中表达的观点是客座作者的观点，不一定是 MarTech。 此处列出了工作人员作者。

将 MarTech 添加到您的 Google 新闻提要中。