- Mitkä sivustoni/sovellukseni sivut saavat eniten katselukertoja?
- Mitkä laskeutumissivut toimivat parhaiten ja tuottavat eniten konversioita?
- Mitä käyttäjät hakevat sivustoltani/sovelluksestani? Miten voisin parantaa sivustoni sisältöä tai rakennetta?
- Miten laskeutumissivujeni tulokset ovat kehittyneet ajan myötä? Päätyvätkö käyttäjät eri sivuille yhtä usein?
- Miten käyttäjät etenevät ostosuppilossa?
- Miten käyttäjät etenevät pelini tasoilla?
- Mikä on saanut käyttäjät lisäämään tuotteen ostoskoriin?
- Mikä on saanut käyttäjät poistamaan sovellukseni?
- Onko eri datasegmenttien välillä kiinnostavia yhtymäkohtia?
- Toimivatko käyttäjät eri tavalla riippuen siitä, milloin he ovat käyneet sivustollani ensimmäistä kertaa?
- Mistä viittauslähteistä tulee arvokkaimpia käyttäjiä?
Mitkä sivustoni/sovellukseni sivut saavat eniten katselukertoja?
Universal Analyticsissa Sivut-raportin ulottuvuutena oli "Sivun polku" ja mittareina esimerkiksi "Katselukerrat", "Yksittäiset katselukerrat" ja "Välitön poistuminen prosenteissa". Google Analytics 4 ‐mittauskokonaisuuksissa Sivut-raportti näyttää erilaiselta, mutta saat edelleen haluamasi asiat helposti näkyviin luomalla kartoituksen Tutki-osiossa.
Ota ensin käyttöön lisäulottuvuus klikkaamalla +-kuvaketta, jolla voit lisätä ulottuvuuksia Tutki-osion Välilehden asetukset ‐paneeliin. Tässä tapauksessa lisäät ulottuvuuden "Sivun polku + kyselymerkkijono". Jos haluat nähdä datan myös sivun otsikon mukaan (UA:ssa Sivut-raportissa näkyy "Sivun polku"), voit ottaa käyttöön lisäulottuvuuden "Sivun otsikko ja näkymän nimi".
Lisää seuraavaksi "Katselukerrat"-mittari, jotta voit ottaa sen mukaan kartoitukseen. Klikkaa Muuttujat-paneelin Mittarit-kohdasta +-kuvaketta ja hae "Katselukerrat"-mittaria.
Sivukartoituksen luominen edellyttää, että poistat seuraavaksi rivi- ja sarakeasetuksista oletusmittarit ja ‐ulottuvuudet ja lisäät riviulottuvuudeksi "Sivun polku + kyselymerkkijono" ja sarakemittariksi "Näkymät". Vertailuja varten voit lisätä sarakemittariksi myös "Aktiiviset käyttäjät", niin saat tietoa siitä, kuinka paljon yksittäisiä käyttäjiä sivuilla on ollut.
Jos poistat kartoituksesta Google Merchandise Storen etusivun (/) ja ostoskorisivun (basket), näet nopeasti, että suosituimmat tuotesivut liittyvät poistomyyntiin (Clearance) ja miesten vaatteisiin (Men's Apparel).
Mitkä laskeutumissivut toimivat parhaiten ja tuottavat eniten konversioita?
Kun tiedät, minne käyttäjät päätyvät ensin sovelluksessasi tai sivustollasi, voit optimoida käyttökokemuksen ja markkinoinnin. Universal Analyticsissa tämä raportti löytyy käyttöliittymästä valmiina, mutta Google Analytics 4 ‐mittauskokonaisuuksissa sitä ei vielä ole. Voit tuoda samat tiedot näkyviin luomalla kartoituksen Tutki-osiossa.
Tarvitset kartoitusta varten muutamia asioita: "Laskeutumissivu"-ulottuvuuden sekä sopivia mittareita, kuten "Katselukerrat", "Istunnot" ja "Aktiiviset käyttäjät". Ota ulottuvuus ja mittarit käyttöön +-kuvakkeen avulla:
Kun ulottuvuus ja mittarit ovat käytettävissä, lisää ensin "Laskeutumissivu"-ulottuvuus riviksi ja mittarit (esim. "Katselukerrat", "Istunnot" ja "Aktiiviset käyttäjät") arvoiksi. Näin näet kartoituksen laskeutumissivuista näiden mittareiden mukaan.
Lisäämällä mittariksi vielä "Ostokset" näet, mitä laskeutumissivuja on katseltu ostosten yhteydessä:
Nyt näet kartoituksesta, mitä laskeutumissivuja ostoksia tehneet ovat katselleet, ja voit vertailla lukuja kokonaismääriin saadaksesi käsityksen laskeutumissivujen tehokkuudesta.
Mitä käyttäjät hakevat sivustoltani/sovelluksestani? Miten voisin parantaa sivustoni sisältöä tai rakennetta?
Yksi hyödyllisistä raporteista, jonka voit luoda Tutki-osiossa, on sivustohakukartoitus. Katso ohjeet alta.
Sivustohakudatan kerääminen edellyttää, että sinulla on käytössä joko tehostetun mittauksen tapahtuma tai oma tapahtuma. Jos käytät tehostettua mittausta, tapahtuman nimi on "view_search_results". Seuraavaksi sinun on varmistettava, että olet ottanut "search_term"-parametrin käyttöön omana ulottuvuutena mittauskokonaisuudessasi. Sitten voit käyttää sitä Tutki-osiossa.
Kun tarvittava data on saatavilla, voit luoda kartoituksen. Se koostuu parista osasta. Ota ensin käyttöön "search_term"-ulottuvuus, jotta voit käyttää sitä kartoituksessa:
Lisää sitten ulottuvuus kartoitukseen Rivit-asetuksen kautta. Näet jotakin tämäntapaista:
Kartoituksessa näkyy paljon (not set)-arvoja, koska sen kohteena ovat kaikki tapahtumat. Tarpeettoman datan vähentämiseksi sinun on luotava seuraava suodatin: "Tapahtuman nimi on sama kuin view_search_results". Näin saat näkyviin vain tätä tapahtumaa koskevan datan.
Kun suodatin on käytössä, näet sivustohakutermien kartoituksen eli päivitetyn kartoituksen, jossa on jokaisen listatun termin hakumäärä.
Kun tiedät, mitä käyttäjät hakevat sivustoltasi, voit optimoida sisällön lisätäksesi käyttäjien aktivoitumista ja tyytyväisyyttä. Jos esimerkiksi huomaat piikin tietyn termin hakumäärässä, voit lisätä termiin liittyvää sisältöä, jotta käyttävät löytävät etsimänsä helpommin tai saavat vastauksia kysymyksiinsä.
Miten laskeutumissivujeni tulokset ovat kehittyneet ajan myötä? Päätyvätkö käyttäjät eri sivuille yhtä usein?
Jokaisessa kartoituksessa on useita visualisointivaihtoehtoja. Esimerkiksi viivakaaviosta näet, miten data on muuttunut tietyllä aikavälillä. Jos haluat tutustua laskeutumissivujen trendeihin, muuta visualisointityyppiä klikkaamalla Välilehden asetukset ‐paneelista jotakin kuudesta visualisointivaihtoehdosta.
Jos valitset viivakaavion, näet, miten kymmenen suosituimman laskeutumissivun tulokset ovat kehittyneet.
Jos viet hiiren kaavion päälle, näet kutakin päivää koskevia arvopisteitä.
Saatat nähdä myös poikkeamadataa, jonka kohdalla on tyhjä ympyrä. Jos osoitat sitä hiirellä, näet poikkeaman tiedot. Alla olevassa esimerkissä Google Analytics odotti aiemman datan perusteella, että etusivulle tulisi 2. helmikuuta noin 1 000 aktiivista käyttäjää. Heitä havaittiin kuitenkin 2 200, mikä oli 116 % odotettua enemmän.
Suppiloiden avulla voit visualisoida helposti käyttäjien etenemistä vaiheesta toiseen. Esimerkiksi verkkokaupat voivat käyttää niitä osto- tai kassakäyttäytymisen tutkimiseen. Pelikehittäjät puolestaan voivat seurata, miten käyttäjät etenevät pelin eri tasoilla. Katsotaan seuraavaksi näitä esimerkkejä tarkemmin.
Miten käyttäjät etenevät ostosuppilossa?
Ostokäyttäytymistä tutkittaessa voit esimerkiksi analysoida, miten eri käyttäjäsegmentit etenevät ostokäyttäytymissuppilossa, jonka vaiheet ovat tuotteen katselu, ostoskoriin lisääminen ja ostaminen. Voit luoda suppilon alusta alkaen itse tai käyttää jotakin Google Merchandise Storen GA4-demotilin malleista. Löydät mallin siirtymällä kartoitussivulle, vierittämällä alaspäin ja valitsemalla Demo-kartoituksista "Shopping Behavior Funnel".
Kartoitus avautuu "vain luku" ‑muotoisena, mutta voit klikata oikeasta yläkulmasta "Kopioi", jos haluat tehdä kartoituksesta kopion, joka on sinun omistuksessasi. Voit muokata kopiota tarpeen mukaan.
Google Merchandise Storessa myydään Googlen oheistuotteita, ja Android- ja YouTube-brändätyt tuotteet ovat suosittuja tuotekategorioita. Niiden vertailu voi auttaa ymmärtämään ostokäyttäytymistä. Luo vertailua varten kaksi uutta segmenttiä, yksi kummallekin kategorialle. Lisää segmenteille seuraavat ehdot: tapahtuma on "select_item" ja parametri joko "item_name sisältää Android" tai "item_name sisältää YouTube".
Näistä segmenteistä näet käyttäjät, jotka ovat kulkeneet ostokäyttäytymissuppilon läpi ja klikanneet ainakin jotakin Android- tai YouTube-brändättyä tuotetta. Näyttää siltä, että Android-brändättyä tuotetta klikanneet ovat ostaneet jotakin kaksi kertaa todennäköisemmin kuin YouTube-brändättyä tuotetta klikanneet. Huomioithan, että he eivät välttämättä ole ostaneet brändättyä tuotetta, vaan ainoastaan klikanneet sitä. Jos olet kiinnostunut vain tiettyjen brändättyjen tuotteiden ostoista, käytä sen sijaan "purchase"-tapahtumaa:
Kun segmentit on otettu käyttöön, ostokäyttäytymissuppilon vertailu näyttää tältä:
GA4:n suppiloissa on uusi ominaisuus, jonka avulla voit nähdä, miten suppilon tulokset ovat kehittyneet ajan myötä. Vaihda Välilehden asetukset ‐paneelista visualisointityypiksi "Trendisuppilo". Näin saat näkyviin suppilon kaikkien vaiheiden trendit valitulla aikavälillä. Voit viedä hiiren viivojen päälle nähdäksesi kunkin vaiheen ja segmentin päiväkohtaiset määrät.
Voit myös tutkia vain yhden vaiheen kehitystä kerrallaan, jotta muutokset on helpompi hahmottaa. Alta näet, että esimerkiksi 10. maaliskuuta on ollut ostopiikki, joka ei käynyt ilmi edellisestä datanäkymästä. Mielenkiintoista kyllä, ero Android- ja YouTube-tuotteita katselleiden tekemissä ostoksissa näyttää ajoittuvan lähes kokonaan tämän piikin jälkeiselle ajalle. Se voi kertoa siitä, että sivuston asettelu tai markkinointi on muuttunut niin, että Android-tuotteiden näkyvyys on lisääntynyt.
Miten käyttäjät etenevät pelini tasoilla?
Tämä kysymys kiinnostaa monia peli- ja sovelluskehittäjiä. Voit etsiä siihen vastausta suppilon avulla.
Luo ensin tasoilla etenemiseen liittyviä vaiheita. Tässä esimerkissä voit käyttää "level_up"-tapahtumaa ja luoda GA4-demotilille viisi vaihetta Flood-it!-sovelluksen viittä tasoa varten.
Otettuasi vaiheet käyttöön näet, miten käyttäjät ovat edenneet pelin kullakin tasolla.
Pelaamisen jatkaminen näyttää olevan todennäköisempää tason 1 läpäisemisen jälkeen. Voit tehdä tietojen pohjalta A/B-testejä, joissa autat käyttäjiä vinkeillä tai muilla tavoin läpäisemään tason 1 vähentääksesi käytön lopettamista.
Jos tutkit, miten suppilo on kehittynyt ajan myötä, huomaat 19. maaliskuuta tienoilla nousun kaikkien vaiheiden kohdalla. Tämä voi kertoa siitä, että pelin mainonta tai näkyvyys on siinä kohtaa muuttunut jotenkin.
Voit myös segmentoida suppilon nähdäksesi, onko eri hankintakanavilla vaikutusta tasoilla etenemiseen. Tässä esimerkissä voit verrata suoraa ja maksettua liikennettä. Vertailusta näkyy, että maksetuilla kampanjoilla hankitut säilyvät käyttäjinä pidempään (poistumisprosentit ovat pienempiä) kuin suoraan hankitut. Tämä voi kertoa siitä, että maksettu mainonta toimii odotetusti.
Suppilon kartoituksesta löytyy myös hyödyllinen ominaisuus, jonka avulla voit luoda poistuneista käyttäjistä segmentin tai yleisön. Alla olevassa esimerkissä poistumisprosentti alkaa kasvaa tason 4 kohdalla. Voit luoda segmentin käyttäjistä, jotka ovat poistuneet tasolla 4 (eivät ole päässeet tasolle 5) ja käyttää sitä sitten yleisönä laajentaaksesi tavoittavuuttasi tai lähettääksesi käyttäjille ilmoituksen, jossa kannustat heitä pelaamaan tason loppuun ja jatkamaan pelin käyttöä.
Luo segmentti klikkaamalla haluamaasi vaihetta kakkospainikkeella ja valitsemalla segmentin luominen. Tässä segmenttiin lisätään myös poissulkemisehto tasolle 5 sen varmistamiseksi, että kohteena on oikea yleisö.
Lopuksi suppilon kartoitukseen kannattaa lisätä "Kulunut aika" ‐mittari. Voit tehdä tämän laittamalla Asetukset-paneelista päälle "Näytä kulunut aika". Sen jälkeen taulukkoon ilmestyy uusi mittarisarake:
Vaiheesta toiseen siirtymiseen menevä keskimääräinen aika voi olla hyvä asiakasmenestyksen mittari – tai tässä tapauksessa sen mittari, miten helppoa tai vaikeaa tason läpäiseminen on. Tällaisessa tilanteessa voi olla kannattavaa luoda yleisö, jolle lähetetään esimerkiksi ilmoitus tai uudelleenmarkkinointiviesti. Esimerkiksi tason 2 läpäisemiseen näyttää menevän keskimäärin 3 tuntia 53 minuuttia. Voit luoda yleisön tässä vaiheessa poistuneista klikkaamalla kakkospainikkeella ja valitsemalla kyseisen vaihtoehdon:
Seuraavaksi voit kohdistaa yleisölle jonkinlaista kannustusta, jotta käyttäjät eivät poistuisi pelistä tai sovelluksesta.
GA4:n Tutki-osiossa on myös uusi kätevä reitin kartoitusominaisuus. Voit valita reitin aloitus- tai päätepisteeksi tietyn tapahtuman tai sivun/näkymän nähdäksesi, miten käyttäjät etenevät sivustollasi tai sovelluksessasi. Käyttäjäreittien selvittäminen on pitkään toivottu ominaisuus, ja nyt se on viimein saatavilla GA4:ssä.
Mikä on saanut käyttäjät lisäämään tuotteen ostoskoriin?
Tämä kysymys kiinnostaa monia verkkokauppoja, ja nyt asiaa voi tutkia käyttämällä taaksepäin suuntautuvaa reitin kartoitusta.
Aloita avaamalla uusi reitin kartoitus ja klikkaamalla oikeasta yläkulmasta "Aloita alusta". Valitse sitten reitin päätepisteeksi "Tapahtuman nimi".
Valitse seuraavaksi valikosta tapahtuma, johon johtavaa reittiä haluat tutkia. Tässä tapauksessa haluamme nähdä, mikä on saanut käyttäjät lisäämään jotakin ostoskoriin, joten valitsemme "add_to_cart". Jos et näe haluamasi tapahtuman nimeä, klikkaa "Lataa lisää" tai hae tapahtumaa yläreunan hakukentän avulla.
Näytölle latautuu kartoitus, jossa on valmiina muutama tapahtuman nimeen perustuva vaihe. Jos haluat käyttää reitin perusteena sivun nimeä, muuta valintaa kunkin vaiheen kohdalta. Alla olevassa esimerkissä perusteeksi on muutettu "Sivun otsikko ja näkymän luokka" ja kartoituksesta näkyy, että hyvä määrä asiakkaita on lisännyt tuotteen ostoskoriin alesivulta (Sale). Voit myös tutkia alesivun dataa tarkemmin nähdäksesi, ovatko tietyt tuotteet kiinnostaneet asiakkaita erityisen paljon. Tämä voi auttaa tekemään markkinointistrategiaa koskevia päätöksiä.
Mikä on saanut käyttäjät poistamaan sovellukseni?
Sovelluskehittäjien on tärkeää tietää, mikä on aiheuttanut käytön lopettamisen (sovelluksen poistamisen). Reitin tutkiminen taaksepäin voi auttaa asian selvittämisessä. Aloita uuden taaksepäin suuntautuvan reitin luominen valitsemalla reitin kartoituksen yläosasta "Aloita alusta". Valitse sitten päätepisteeksi tapahtuman nimi "app_remove".
Jos tutkit paria vaihetta ennen päätepistettä, näet tapahtumia, jotka ovat voineet johtaa käytön lopettamiseen. Tässä tapauksessa näemme, että noin 13 % käytön lopettaneista on nähnyt mainosimpression sovelluksen poistamista edeltäneen kahden vaiheen aikana. Tämä on melko suuri prosenttiosuus ja kertoo siitä, että mainosten näkymistä kannattaa ehkä muuttaa, jotta sen negatiivinen vaikutus käyttäjiin ja sovelluksen käytön lopettamiseen vähenee.
Onko eri datasegmenttien välillä kiinnostavia yhtymäkohtia?
Segmenttien päällekkäisyystekniikan avulla voit visualisoida helposti, miten eri käyttäjäsegmentit liittyvät toisiinsa. Voit visualisoida esimerkiksi uutiskirjeen tilanneiden tietokoneen käyttäjien ja mobiilikäyttäjien päällekkäisyyttä. Näin näet helpommin, mistä valtaosa uutiskirjeen tilauksista on peräisin, verrattuna siihen, että tutkisit taulukkomuodossa olevaa kartoitusta.
Aloita lisäämällä analysoitavat segmentit Muuttujat-paneeliin. Voit lisätä uusia segmenttejä klikkaamalla +-kuvaketta (joka avaa segmenttityökalun).
Luo uutiskirjeen tilaamistapahtuma valitsemalla tapahtumasegmentti ja sitten sopiva tapahtumasuodatin (tässä tapauksessa "sign_up").
Kun olet luonut visualisoitavat segmentit, ota ne käyttöön kaksoisklikkaamalla, jolloin ne lisätään Välilehden asetukset ‐paneeliin. Voit lisätä enintään kolme segmenttiä kerralla ja nähdä niiden päällekkäisyyden Venn-diagrammista.
Tähän esimerkkiin on lisätty segmentit "Tietokoneliikenne", "Mobiililiikenne" ja "Uutiskirjeen tilaus", jotta näemme, mistä suurin osa uutiskirjeen tilauksista tulee.
Kuten sekä Venn-diagrammista että sen alta taulukon riviltä 6 näkyy, valtaosa uutiskirjeen tilauksista tulee tietokoneen käyttäjiltä. Tämä voi kertoa siitä, että mobiilikäyttökokemusta ei ole räätälöity tälle tavoitteelle, tai siitä, että käyttökokemuksessa on jokin ongelma, joka vaikeuttaa uutiskirjeen tilaamista. Asiaa kannattaa ehkä tutkia tarkemmin kehittäjä- ja UX-tiimin kanssa.
Segmenttien päällekkäisyystekniikka sisältää hyödyllisen ominaisuuden, jolla päällekkäisestä datasta voi luoda uuden segmentin. Jos esimerkiksi haluat luoda uuden segmentin, joka kattaa tietokoneliikenteen ja uutiskirjeen tilaukset, voit klikata kakkospainikkeella haluamaasi datan osaa joko Venn-diagrammista tai taulukosta ja valita segmentin luomisen.
Näytölle avautuu segmenttityökalu, jossa on valmiina valitsemiisi segmentteihin perustuvat ehdot. Segmentin nimenä on yhdistettyjä ehtoja kuvaava nimi, mutta voit halutessasi muuttaa sitä.
Voit myös luoda päällekkäiseen dataan perustuvan yleisön valitsemalla oikeassa yläkulmassa olevan ruudun. Näin voit jakaa yleisön muille Google Marketing Platform ‐tuotteille (esim. Google Adsille), mikä auttaa sinua tavoittamaan enemmän ihmisiä.
Toimivatko käyttäjät eri tavalla riippuen siitä, milloin he ovat käyneet sivustollani ensimmäistä kertaa?
Kohorttikartoitus on hyödyllinen työkalu, jolla voit tutkia sivuston eri käyttäjäryhmien toimintaa sen mukaan, milloin ja miten käyttäjät ovat liittyneet kohorttiin. Analysoinnissa käytetyn mittarin tai laskentatavan muuttaminen voi tehdä kohorttikartoituksesta vielä hyödyllisemmän.
Kun avaat Tutki-osiossa uuden kohorttikartoituksen, näet valmiiksi luodun kartoituksen, jonka ehdot ovat seuraavat: kohorttiin on lisätty käyttäjiä "first_touch"-tapahtuman perusteella (tässä tapauksessa ensimmäisen käynti sivustolla tai sovelluksessa), palautusehto on "mikä tahansa tapahtuma" (käyttäjät ovat tulleet takaisin ja tehneet jotakin sivustolla tai sovelluksessa), mittari on "aktiiviset käyttäjät" ja laskentatapa on "vakio". Tuloksena on peruskohorttikartoitus, josta näkyy, kuinka moni palaa sivustolle tai sovellukseen viikoittain viiden viikon kuluessa ja vaihteleeko tämä sen mukaan, milloin käyttäjä on tullut sinne ensimmäisen kerran.
Jos valitset kartoituksen mittarityypiksi "Kohorttikäyttäjää kohden" "Summan" sijaan, näet palanneiden viikoittaiset prosenttiosuudet. Tästä on todennäköisesti enemmän hyötyä kuin summan käytöstä, koska näin voit vertailla kohorttien palaavien käyttäjien osuuksia.
Verkkokaupan kannattaa ehkä myös valita Arvot-kohdan mittariksi "Ostostulot" "Aktiivisten käyttäjien" sijaan, jotta kartoituksessa eivät näy vain käyttäjät vaan myös kunkin kohortin tuottamat tulot. Voit nähdä tulot kohortin summana tai kohorttikäyttäjää kohden. Alla olevasta esimerkistä näkyy, että kaksi ensimmäistä kohorttia ovat tuottaneet hyvin vähän tuloja joka viikko, mutta kolmannesta kohortista lähtien tulot ovat alkaneet kasvaa.
Jos vaihdat laskentatyypin vakiosta kumulatiiviseen, näet kunkin kohortin kokonaisvaikutuksen tuloihin.
Tässä esimerkissä data osoittaa, että markkinointi on todennäköisesti lisääntynyt 7. maaliskuuta alkaneella viikolla ja tuonut Google Merchandise Storeen paljon konversioita tuottavia käyttäjiä.
Mistä viittauslähteistä tulee arvokkaimpia käyttäjiä?
Tämän tiedon pohjalta markkinointitiimi voi tehdä päätöksiä siitä, minkä viittauslähteiden kanssa kannattaa ehkä tehdä yhteistyötä. Arvot kertovat esimerkiksi, kuinka todennäköisesti käyttäjät lopettavat käytön, mitkä ovat odotetut elinkaaritulot ja mikä on aiempi elinkaariarvo.
Aloita kartoituksen luominen valitsemalla ne mittarit ja ulottuvuudet, joita tarvitaan esimerkiksi käytön lopettamisen, elinkaariarvon ja elinkaaritulojen tutkimiseen. Tässä esimerkissä käytetään ulottuvuuksina liikenteen lähdettä ja tulotapaa. Mittareita lisätään Muuttujat-paneelin "Käyttäjän elinkaari" ‑kohdasta +-kuvakkeen avulla.
Kun otat käyttöön nämä mittarit ja ulottuvuudet, huomaat, että monilla riveillä ei ole arvoja käytön lopettamisen todennäköisyydelle. Tämä johtuu siitä, että käyttäjät eivät täytä käytön lopettamisen mallinnuksen ehtoja. Voit luoda suodattimen "Käytön lopettamisen todennäköisyys > 0" sulkeaksesi pois käyttäjät, joille ei ole laskettu lopettamisen todennäköisyyttä. Sen jälkeen kartoitus näyttää tältä:
Seuraavaksi voit lajitella datan sen mukaan, kuinka todennäköistä käytön lopettaminen on, ja tarkistaa, onko jokin kampanja tuonut paljon käyttäjiä, joiden ennustettu lopettamisprosentti on alhainen. Nämä kampanjat tuottavat todennäköisesti aktiivisempia käyttäjiä kuin kampanjat, joiden kohdalla prosentti on korkeampi.
Voit tutkia samalla tavalla myös ennustettuja ostoksia, aiempaa elinkaariarvoa ja ennustettua aktivoitumista saadaksesi selville hankittujen käyttäjien arvon yksittäisen istunnon jälkeen.
Alla olevasta kuvakaappauksesta näkyy, että muutamalla rivillä on muita kuin Googleen liittyviä viittauslähteitä, joista on tullut Google Merchandise Storeen melko vähän käyttäjiä. Heidän kohdallaan käytön lopettamisen todennäköisyys on kuitenkin pienempi, aktivoitumisen kesto pidempi, tapahtumien määrä suurempi ja keskimääräinen elinkaariarvo hyvä. Nämä viittauslähteet näyttävät olevan hyödyllisiä, joten markkinointitiimin kannattaa ottaa niihin yhteyttä yhteistyön lisäämiseksi.