3 Google Analytics 4 功能彌補丟失的數據
已發表: 2023-01-09隨著舊版 Google Analytics（分析）即將停用，我們進入了 Google Analytics（分析）4 (GA4) 時代。 除了進行重大改造和數據模型更改外，該平台最強大的升級之一是機器學習功能的添加和改進。
Google Analytics 現在可以結合觀察到的數據和未觀察到的數據。 這不僅是一個好處，而且是必要的，因為瀏覽器 cookie 和用戶標識符的變化越來越多地限制了舊的跟踪方式。
正如我們所知，我們的跟踪和分析工具正在丟失數據——我們必須適應。 在 GA 中使用一些簡單的功能將有助於彌補這種損失，以便您可以隨時了解數據。
深入挖掘：Google Analytics 4 中的 3 個“秘密”營銷工具
未觀察到的數據：它是如何工作的以及它為什麼重要
無論您使用哪種分析工具，利用未觀察到的數據都是跟上不斷發展的數字營銷分析環境的好工具。 未觀察到的數據和觀察到的數據之間的區別是收集到的數據和建模數據之間的區別。
使用 cookie 跟踪用戶過去更可靠，因為幾乎所有瀏覽器都接受 cookie。 它與分析一起工作的方式是在用戶登陸網站時自動為用戶標記 cookie。 此 cookie 允許 GA 等平台通過設備信息、位置、人口統計數據以及最重要的“粘性”隨機 ID 來識別用戶。
當該用戶返回該網站時，該 ID 被 GA 識別為返回用戶，該 ID 將該用戶過去的信息與新活動拼接在一起。 對於移動應用程序，行為是相似的。 設備沒有 cookie，而是有一個唯一的廣告 ID 作為標識符（Android 和 iOS 有不同的版本。）
然而，在過去的幾年中，情況正在逐漸發生變化，並將繼續發生變化。 這種舊行為存在一個巨大的問題：它讓用戶幾乎無法控制他們的個人信息被共享。 隱私不是考慮因素，組織可以 100% 控制其受眾的信息。
默認情況下，Google Analytics 從未跟踪任何個人身份信息 (PII)，因為將此類數據收集到 GA 違反了服務條款，但 PII 的定義已根據不同法律和安全團隊編寫和解釋政策的方式而改變。
現在，用戶可以阻止和選擇退出分析工具收集數據。 自動選擇退出是 GDPR 的默認設置，其他國家/地區的法律肯定會採用這一點。 這就是“沒有 cookie 的未來”。
長話短說——我們將無法獲得過去的用戶數據量或詳細信息，因此是時候填補這一空白了。 在 Google Analytics 4 中，有幾個開箱即用的功能可以彌補丟失的數據。 設置跟踪後，它們幾乎不需要提升，因此您今天就可以測試並利用它們。 三個例子是：
- 數據驅動歸因
- 預測指標
- 行為建模
深入挖掘：營銷歸因和預測分析工具有什麼作用？
1. 數據驅動歸因
在 GA4 中，如果您不熟悉界面，可能很難找到數據驅動歸因 (DDA)。 它位於廣告屏幕而不是報告區域。 廣告報告很有趣並且分開了，因為它們提供了數據的不同視圖。
在 Universal Analytics（有時稱為 GA3）中，最接近的等效項是多渠道路徑報告。 這是一個很好的描述符，因為這些報告將轉化分析擴展到多個接觸點和更完整的用戶旅程。 以前，數據驅動的歸因僅適用於付費 360 帳戶，但現在對所有人都可用。
DDA 歸因模型使用統計模型來顯示渠道在協助轉化方面的重要性。 例如，在主要的 GA4 獲取報告中可能有 5,000 次購買歸因於自然搜索渠道，但之前來自付費搜索渠道的接觸點可能對最終購買的用戶有重大影響。
統計模型將獲取有關導致轉化的用戶行為和路徑的數據，並確定不同接觸點應獲得多少信用。 在前面的示例中，信用將除以用戶來自所有渠道的百分比，而不是之前示例中的 100% 信用。
DDA 的可視化位於“廣告”>“轉化路徑”報告中（如上圖所示）。
2. 預測指標
我們擁有有關用戶看到和參與的內容的數據，但他們接下來會做什麼？ 這是未觀察到的數據的最終示例，因為它涉及“未來”行為。 請注意，此功能目前僅與電子商務和流失數據相關。
在使用預測指標和預測受眾之前，需要設置電子商務跟踪。 如果您有電子商務跟踪，查看和使用預測建模的主要區域是探索報告和受眾工具。
在 Explore 報告中，預測指標最適用於用戶生命週期技術。 在此報告類型中，您可以根據購買概率、流失概率和預測收入選擇要導入的指標。 在選擇屏幕上有一個專門用於這些指標的部分。
GA4 中的預測數據（此處和受眾工具中的數據）基於過去的用戶活動。 通過比較已購買用戶與未購買用戶的數據點，該模型將學習發展概率和百分位數的趨勢。 對於流失，該模型會查看活躍用戶和不活躍用戶，以確定下週不會返回您的網站或應用程序的用戶。
這些見解也可以在 Google Analytics 之外使用。 可以創建受眾群體和細分以隔離可能/不太可能的購買者，並在 Google Ads 中用於再營銷。 要通過幾次點擊建立預測性受眾，您可以轉到Admin > Audiences > New Audience > Predictive 。 這將為您提供預製的模板化受眾，供您使用和自定義您喜歡的方式（如下圖所示。）
3.行為建模
行為建模是這三者中最具影響力的機器學習特徵，因為它從源頭（標識符）影響用戶跟踪。 它涉及將 GA4 與您的 cookie 同意管理工具集成，以便 Google Analytics 可以收集有關不同意被跟踪的用戶的數據。
這聽起來違反直覺，但數據是匿名的，與 cookie 或任何用戶標識符無關。 相反，僅匿名事件數據用於確定用戶級別的活動。 它非常強大，因為它基於您的網站或應用程序的數據。 觀察到的用戶（選擇加入跟踪的用戶）的行為訓練機器學習模型來估計選擇退出跟踪的用戶的行為。
如果您有興趣利用行為建模，Google 關於同意模式的文檔可以幫助您圍繞使用此用戶跟踪方法開始對話和行動。 在您的 GA4 帳戶中啟用行為建模的選項位於Admin > Reporting Identity > Blended中。
充分利用 GA4 的機器學習功能
使用上述工具，關於您的用戶和數據的問題可以從“頁面 X 收到多少瀏覽量？”轉變為“頁面 X 收到了多少瀏覽量？” 到“哪些用戶最有可能在未來 7 天內進行大量購買？” 這種複雜性更具可操作性。
將 GA4 的機器學習方法與再營銷和受眾共享相結合，可以啟動您的分析，從單獨分析到即時用例，甚至受眾參與和 RoAS 影響。
通過這些故事更深入地了解 GA4。
獲取營銷技術！ 日常的。 自由。 在您的收件箱中。
見條款。
本文中表達的觀點是客座作者的觀點，不一定是 MarTech。 此處列出了工作人員作者。
相關故事
MarTech 上的新功能