[GA4] Dane prognozowane

Informacje o danych prognozowanych

Google Analytics automatycznie wzbogaca Twoje dane, stosując do ich analizy systemy uczące się opracowane przez Google i przewidując na jej podstawie przyszłe zachowania użytkowników. Dzięki danym prognozowanym możesz uzyskiwać więcej informacji o klientach poprzez samo zbieranie uporządkowanych danych dotyczących zdarzeń.

Dane	Definicja
Prawdopodobieństwo zakupu	Prawdopodobieństwo, że użytkownik, który był aktywny w ciągu ostatnich 28 dni, wywoła w ciągu najbliższych 7 dni zarejestrowanie określonego zdarzenia konwersji.
Prawdopodobieństwo rezygnacji	Prawdopodobieństwo, że użytkownik, który w ciągu ostatnich 7 dni był aktywny w witrynie lub aplikacji, nie będzie aktywny w ciągu najbliższych 7 dni.
Prognozowane przychody	Przychody oczekiwane w ciągu najbliższych 28 dni ze wszystkich konwersji polegających na zakupie, które przypuszczalnie wykona użytkownik aktywny w ostatnich 28 dniach.

 

Obecnie w przypadku danych Prawdopodobieństwo zakupu i Prognozowane przychody obsługiwane są tylko zdarzenia purchase, ecommerce_purchase i in_app_purchase.

Chociaż nadal będziemy przetwarzać zdarzenia ecommerce_purchase, zalecamy stosowanie zamiast nich zdarzeń purchase.

Wymagania wstępne

Aby skutecznie trenować modele prognozujące, Analytics wymaga spełnienia tych kryteriów:

1. Minimalnej liczby pozytywnych i negatywnych przykładów użytkowników skłonnych do zakupów lub rezygnacji. Wymagane jest, aby przez 7 kolejnych dni przypadających w ciągu ostatnich 28 dni co najmniej 1000 powracających użytkowników spełniło odpowiedni warunek prognostyczny (zakup lub rezygnacja) i co najmniej 1000 powracających użytkowników nie spełniło tego warunku.
2. Utrzymywania przez pewien czas jakości modeli. (Więcej informacji o tym, jak zwiększyć szanse na to, że usługa będzie mogła korzystać z danych prognozowanych).
3. Aby kwalifikować się do korzystania z danych dotyczących prawdopodobieństwa zakupu i prognozowanych przychodów, usługa musi wysyłać zdarzenia purchase (ich zbieranie jest zalecane) lub in_app_purchase (zbierane automatycznie). Jeśli zbierasz dane na temat zdarzenia purchase, musisz też zbierać parametry value i currency tego zdarzenia. Więcej informacji

Dane prognozowane w przypadku każdego kwalifikującego się modelu będą generowane raz dziennie dla każdego aktywnego użytkownika. Jeśli jakość modelu w Twojej usłudze spadnie poniżej minimalnego progu, Analytics przestanie aktualizować odpowiednie prognozy i mogą się one stać niedostępne w Analytics.

Stan kwalifikowania się każdej prognozy możesz sprawdzić w sekcji Przewidywanie w szablonach sugerowanych odbiorców w Kreatorze list odbiorców.

Korzystanie z danych prognozowanych

Dane prognozowane są dostępne w Kreatorze list odbiorców i w narzędziu Eksploracje.

Kreator list odbiorców

Dane prognozowane mogą służyć w Kreatorze list odbiorców do tworzenia list odbiorców prognozowanych.

Eksploracje

W narzędziu Eksploracje możesz w ramach metody Cykl życia użytkownika używać danych Prawdopodobieństwo zakupu i Prawdopodobieństwo rezygnacji.

Sprawdzone metody

W ustawieniach udostępniania danych włącz ustawienie Wkład w modelowanie i statystyki biznesowe. Będzie to dla Ciebie korzystne, ponieważ umożliwi usłudze Analytics używanie zbiorczych udostępnianych danych do poprawy jakości modeli i doskonalenia prognoz.

Pamiętaj, by w jak największym stopniu korzystać w swojej usłudze z zalecanych zdarzeń.

Upewnij się, że zbierasz zdarzenia purchase lub in_app_purchase (te ostatnie są zbierane automatycznie). Jeśli masz aplikację na Androida, musisz jednak połączyć swoje konto Firebase z Google Play, aby widzieć zdarzenia in_app_purchase. Pamiętaj, że chociaż nadal będziemy przetwarzać zdarzenia ecommerce_purchase, zalecamy stosowanie zamiast nich zdarzeń purchase.

Jeśli zdefiniujesz niestandardową listę odbiorców i dodasz warunki prognostyczne korzystające z danych Prawdopodobieństwo zakupu w aplikacji i Prawdopodobieństwo zakupu, do tej listy będą dodawani tylko użytkownicy, którzy wywołają zarówno zdarzenie purchase, jak i zdarzenie in_app_purchase.

Zbieranie bardziej różnorodnych lub liczniejszych zalecanych zdarzeń związanych z zachowaniem użytkowników pomoże ulepszać nasze modele i zwiększać dokładność prognoz. I podobnie ograniczanie do minimum zbierania częstych zdarzeń, które nie mają znaczenia w kontekście zachowań użytkowników, też może sprzyjać poprawie prognoz.