- Untuk mendapatkan informasi tentang dimensi dan metrik di Google Analytics 4, buka [GA4] Dimensi dan metrik Analytics.
- Untuk informasi tentang cakupan dimensi sumber traffic di Google Analytics 4, buka [GA4] Cakupan dimensi sumber traffic.
Ringkasan
Setiap laporan dalam Analytics terdiri atas dimensi dan metrik.
Dimensi merupakan atribut data Anda. Misalnya, dimensi Kota menunjukkan kota, misalnya, "Paris" atau "New York", tempat sesi berasal. Dimensi Halaman menunjukkan URL halaman yang dilihat.
Metrik merupakan pengukuran kuantitatif. Metrik Sesi adalah jumlah total sesi. Metrik Halaman/Sesi adalah jumlah rata-rata halaman yang dilihat per sesi.
Tabel di sebagian besar laporan Analytics mengatur nilai dimensi ke dalam baris, dan metrik ke dalam kolom. Misalnya, tabel ini menunjukkan satu dimensi (Kota) dan dua metrik (Sesi dan Halaman/Sesi).
| DIMENSI | METRIK | METRIK |
|---|---|---|
| Kota | Sesi | Halaman/Sesi |
| San Francisco | 5.000 | 3,74 |
| Berlin | 4.000 | 4,55 |
Dalam sebagian besar laporan Analytics, Anda dapat mengubah dimensi dan/atau menambahkan dimensi sekunder. Misalnya, menambahkan Browser sebagai dimensi sekunder ke tabel di atas akan menghasilkan hal berikut:
| DIMENSI | DIMENSI | METRIK | METRIK |
|---|---|---|---|
| Kota | Browser | Sesi | Halaman/Sesi |
| San Francisco | Chrome | 3.000 | 3,5 |
| San Francisco | Firefox | 2.000 | 4,1 |
| Berlin | Chrome | 2.000 | 5,5 |
| Berlin | Safari | 1.000 | 2,5 |
| Berlin | Firefox | 1.000 | 4,7 |
Kombinasi dimensi-metrik yang valid
Tidak setiap metrik dapat dikombinasikan dengan setiap dimensi. Setiap dimensi dan metrik memiliki cakupan: tingkat pengguna, tingkat sesi, atau tingkat hit. Pada sebagian besar kasus, hanya dimensi dan metrik yang menggunakan cakupan sama yang dapat digabungkan. Misalnya, Sesi merupakan metrik berbasis sesi, sehingga metrik tersebut hanya dapat digunakan dengan dimensi tingkat sesi seperti Sumber atau Kota. Sesi dengan dimensi tingkat hit seperti Halaman tidak mungkin digabungkan.
Untuk mengetahui daftar pasangan dimensi-metrik yang valid, gunakan Referensi Dimensi dan Metrik.
Cara penghitungan metrik
Dalam Analytics, metrik pengguna dihitung dalam dua cara dasar:
- Sebagai total ringkasan
di mana metrik ditampilkan sebagai statistik ringkasan untuk keseluruhan situs Anda, seperti rasio pantulan atau total tayangan halaman. - Terkait dengan satu atau beberapa dimensi pelaporan
ketika nilai metrik dikualifikasikan berdasarkan dimensi yang dipilih.
Diagram berikut mengilustrasikan dua jenis penghitungan tersebut dengan contoh sederhana. Pada sisi kiri, data pengguna dihitung sebagai metrik ringkasan, sementara pada sisi kanan, data yang sama dihitung menggunakan dimensi Pengguna Baru.
Pada contoh Laporan Ringkasan, penghitungan untuk waktu di situs dilakukan menggunakan perbedaan waktu antara sesi awal setiap pengguna dan saat ia keluar, dengan jumlah durasi setiap sesi dari tiga sesi dirata-ratakan. Angka ini didasarkan pada penghitungan yang relatif sederhana dengan mengumpulkan data label waktu pada tingkat permintaan.
Pada contoh Laporan Baru vs Kembali, rata-rata tidak dihitung untuk semua sesi, namun menggunakan dimensi Jenis Pengguna. Dengan memasangkan metrik Waktu Di Situs dengan dimensi, Anda dapat menganalisis metrik ini melalui pengguna kembali vs baru, yang penghitungannya dimodifikasi berdasarkan dimensi yang diminta. Penggunaan dimensi tersebut menawarkan insight seputar perilaku pengguna yang tidak diberikan dalam laporan ringkasan: pengguna baru sudah pasti menghabiskan waktu lebih banyak di situs Anda dibandingkan dengan pengguna yang kembali.
Penghitungan metrik juga dipengaruhi oleh penumpukan beberapa dimensi dengan metrik khusus. Dalam laporan kustom dan yang telah diformat, Anda dapat menggunakan beberapa dimensi secara bersamaan. Misalnya, Anda menggunakan dimensi Jenis Pengguna dan dimensi Bahasa untuk menganalisis waktu di situs untuk situs web Anda. Pada kasus ini, penghitungan untuk pengguna baru versus kembali adalah sama, namun ketika Anda membuka lebih jauh untuk melihat pengguna baru menggunakan dimensi Bahasa, penghitungan dimodifikasi lebih lanjut oleh dimensi tambahan. Jadi, misalnya, perincian pengguna mungkin terlihat seperti ini, dengan waktu situs yang tertinggi dicantumkan secara berurutan:
| Jenis Pengguna | Bahasa | Rta. Waktu di Situs |
|---|---|---|
| Semua Jenis | Semua Bahasa | 3:25 |
| Kembali | Semua Bahasa | 5:03 |
| Suomi | 29:49 | |
| Vietnam | 20:44 | |
| Indonesia | 16:55 | |
| Baru | Semua Bahasa | 2:09 |
| Malaysia | 17:38 | |
| Inggris (Britania Raya) | 16:56 | |
| China (tradisional) | 16:20 |
Angka ini didasarkan pada laporan Analytics aktual. Pada kasus ini, Anda dapat mengetahui apakah pengguna baru atau kembali yang bertahan paling lama, dan dengan menggunakan dimensi tambahan, bahasa mana di setiap kategori ini yang menghasilkan waktu di situs yang terlama.
Model atribusi
Karena Analytics mencoba menjawab berbagai pertanyaan tentang perilaku pengguna, Analytics menggunakan jenis penghitungan yang berbeda atau model atribusi untuk mendapatkan data yang Anda lihat dalam laporan. Pikirkan tentang setiap laporan Analytics sebagai jawaban atas jenis tertentu dari pertanyaan analisis pengguna. Sering kali, pertanyaan ini masuk ke kategori yang berbeda:
- Konten: Berapa kali halaman tertentu dilihat?
- Sasaran: URL halaman mana yang menghasilkan rasio konversi sasaran tertinggi?
- E-commerce: Berapa nilai yang diberikan oleh halaman tertentu untuk sebuah transaksi?
- Penelusuran Internal: Istilah penelusuran internal mana yang menghasilkan sebuah transaksi?
Untuk setiap kategori utama ini dan laporan yang berada di dalamnya, Analytics menggunakan model atribusi yang berbeda. Karena setiap model atribusi dirancang untuk menghitung sekumpulan metrik yang telah diketahui, Anda mungkin memperhatikan bahwa beberapa metrik—seperti Kunjungan halaman—hanya muncul dalam laporan tertentu dan tidak muncul dalam laporan lain. Ini karena model atribusi yang digunakan untuk laporan tersebut.
Laporan Analytics menggunakan tiga model atribusi:
Atribusi Sesuai Permintaan
Atribusi ini memberikan nilai agregat untuk metrik tunggal atau untuk pemasangan metrik/dimensi. Ini adalah jenis atribusi Analytics yang paling umum dan mudah, karena nilai ditentukan dari permintaan GIF pengguna individual. Sehingga, dimensi dan/atau metrik tertentu untuk permintaan tertentu dapat dicari.
Nilai dimensi paling banyak tersedia di tingkat permintaan dan selalu ada melalui permintaan HTTP/GET itu sendiri, atau dalam permintaan GIF, untuk setiap permintaan halaman atau peristiwa yang dibuat ke situs Anda. Beberapa dimensi umum yang tersedia di tingkat permintaan adalah:
- URI halaman—tersedia lewat setiap permintaan ke situs Anda, ini mengindikasikan jalur halaman yang sedang diakses
- kampanye—jika pengguna datang melalui kampanye, kampanye tersebut akan tetap ada lewat setiap permintaan berikutnya, sampai kampanye itu sendiri berubah.
- agen pengguna—setiap permintaan dari pengguna berisi informasi browser untuk pengguna tersebut, yang dikirim melalui permintaan
HTTP/GETdari browser dan disimpan dalam file log secara langsungand stored in the log files directly.
Atribusi Nilai Halaman
Tujuan dari jenis atribusi ini adalah untuk menjawab pertanyaan: "Seberapa bergunanya halaman saya dalam kaitannya dengan nilai pendapatan atau sasaran?" Model atribusi ini digunakan untuk menentukan nilai Nilai Halaman untuk sebuah halaman atau beberapa halaman. Ilustrasi berikut menunjukkan serangkaian kunjungan halaman pengguna dalam kaitannya dengan sasaran dan pembelian, seperti apa yang mungkin terjadi di situs Anda.
Model atribusi ini disebut sebagai model atribusi "harapan", karena model ini menerapkan nilai ke halaman dengan mengharapkan sasaran dan/atau pembelian terjadi setelah halaman dikunjungi. Tabel berikut menunjukkan nilai yang diatribusikan ke setiap halaman dalam urutan ini.
| Halaman | Nilai Pendapatan/Sasaran |
|---|---|
| P1 | Rp550.000 + Sasaran 1 |
| P2 | Rp550.000 + Sasaran 1 |
| P3 | Rp350.000 + Sasaran 1 |
| P4 | Rp0 |
Model atribusi ini tidak digunakan dalam laporan Sasaran atau E-commerce, karena laporan tersebut tidak menampilkan URI atau judul halaman dalam kaitannya dengan aktivitas e-commerce.
Atribusi Penelusuran Situs
Model atribusi ini memungkinkan laporan Penelusuran Situs untuk menampilkan rasio konversi sasaran dan nilai sasaran untuk setiap istilah penelusuran.
Model atribusi ini bekerja dengan cara berbeda dari atribusi Nilai Halaman, karena nilai Sasaran diatribusikan dengan istilah penelusuran terdekat yang mengarah ke konversi, bukan setelahnya. Diagram berikut mengilustrasikan urutan penelusuran situs internal bersama penayangan halaman dan pembelian.
Menggunakan model ini, istilah penelusuran yang diatribusikan dengan Sasaran 1 dan transaksi adalah:
- Sepatu—Rp200.000
- Bunga—Rp250.000
Pada model ini, transaksi atau sasaran dikaitkan dengan istilah penelusuran tepat sebelum sasaran atau transaksi
