Web siteniz veya uygulamanız için bir izin banner'ı kullandığınızda Analytics, izni reddeden kullanıcılara ait verileri toplamaz. İzin modu için davranış modelleme, Analytics çerezlerini reddeden kullanıcıların davranışlarını, Analytics çerezlerini kabul eden benzer kullanıcıların davranışlarına göre modellemek üzere makine öğrenimini kullanır. Modellenmiş veriler, bir yandan kullanıcılarınızın gizliliğine saygı duyarken diğer yandan Analytics raporlarınızdan faydalı analizler elde etmenizi sağlar.
Örneğin davranış modelleme, çerezler veya kullanıcı kimlikleri gibi tanımlayıcılar eksik olduğunda gözlemlenemeyebilen kullanıcı ve oturum metriklerine (ör. günlük etkin kullanıcı sayısı ve önemli etkinlik oranı) göre verileri tahmin eder. Bu yöntem, aşağıdaki gibi önemli soruları yanıtlamanıza yardımcı olur:
- Günlük etkin kullanıcı sayım kaç?
- Son kampanyamdan kaç tane yeni kullanıcı edindim?
- Web siteme ilk gelişten ürün satın almaya kadar kullanıcı yolculuğu nasıl ilerliyor?
- Sitemi ziyaret edenlerin kaçı Almanya'da ve kaçı Birleşik Krallık'ta yaşıyor?
- Mobil ziyaretçiler ile web ziyaretçileri arasında kullanıcı davranışları açısından ne farklar var?
Kendi dilinizdeki altyazıları görmek için YouTube altyazılarını açın. Video oynatıcının en alt kısmındaki ayarlar simgesini seçtikten sonra "Altyazılar"ı ve dilinizi seçin.
Modellenmiş veriler ile gözlemlenen verilerin karşılaştırması
Kullanıcılar sitenizi ziyaret edip Analytics çerezlerine izin verdiğinde veya Android ayarlarında reklam kimliğini kullanarak kişiselleştirmeyi devre dışı bırakmadığında Analytics, kullanıcı davranışlarını çeşitli tanımlayıcılarla ilişkilendirerek ölçümlemede süreklilik sağlar. Bu tür veriler, davranışlarının Analytics tarafından gözlemlenmesine izin veren kullanıcılardan geldiği için gözlemlenebilir veriler olarak adlandırılır.
Kullanıcılar izin vermediğinde etkinlikler kalıcı bir kullanıcı tanımlayıcısıyla ilişkilendirilmez. Örneğin, Analytics 10 adet sayfa görüntüleme etkinliği topladığında bunun 10 kullanıcı mı yoksa 1 kullanıcı mı olduğunu gözlemleyip bildiremez. Analytics bunun yerine, Analytics çerezlerini veya bunların eşdeğeri uygulama tanımlayıcılarını kabul eden benzer kullanıcıların davranışlarını temel alarak, tanımlayıcıları kabul etmeyen kullanıcıların davranışlarını makine öğrenimi yardımıyla tahmin eder.
Modellemede kullanılan eğitim verileri, modellemenin etkinleştirildiği mülkte gözlemlenen kullanıcı verilerine dayanır.
Google'ın davranış modelleme yaklaşımı
Google'ın davranış modelleme yaklaşımında, makine öğrenimiyle ilgili aşağıdaki en iyi uygulamalardan yararlanılır.
Doğruluğu kontrol etme ve değişiklikleri bildirme
Ayırma doğrulaması, Google modellerinin doğru olmasını sağlar. Gözlemlenen kullanıcı verilerinin bir kısmı model eğitiminden ayrı tutulur ve tahmin edilen kullanıcı verileri, ayrı tutulmuş olan bu verilerle karşılaştırılır. Böylece elde edilen bilgiler, modellerde ince ayarlamalar yapmak için kullanılır. Google, verilerinizi önemli ölçüde etkileyebilecek değişiklikleri size bildirecektir.
Titiz raporlamayı sürdürme
Davranış modelleme, yalnızca model kalitesinden büyük ölçüde emin olunan durumlarda kullanılır. Örneğin, izin verilmiş trafik miktarı modele bilgi sağlamak için yeterli değilse izin vermeyen kullanıcılar tarafından tetiklenen etkinlikler raporlanmaz. Bu yaklaşım, verilerin doğru olmasını sağlamaya yardımcı olur.
İşletmeniz için özelleştirme
Google'ın genel modelleme algoritması, işletmenizin ve müşterilerinizin benzersiz davranışlarını yansıtacak şekilde ayrı olarak uygulanır.
Ön koşullar
Model, Google Analytics 4 mülkünüzün gözlemlenen verileriyle eğitildiğinden mülkünüzün modeli eğitmek için yeterli veriye sahip olması gerekir. Mülkünüzün davranış modellemeye uygun olması için aşağıdaki ölçütleri karşılaması gerekir:
- İzin modu, sitelerinizin tüm sayfalarında ve/veya uygulamalarınızın tüm uygulama ekranlarında etkinleştirilmiştir.
- Web sayfaları için izin modu, izin iletişim kutusu görünmeden önce etiketlerin yükleneceği ve Google etiketlerinin yalnızca kullanıcının izin verdiği durumlarda değil, her durumda yükleneceği şekilde uygulanmalıdır (gelişmiş uygulama).
- Mülk, en az 7 gün boyunca, analytics_storage='denied' ayarını içeren en az 1.000 etkinliği günlük olarak toplamalıdır.
- Mülkte, son 28 gün içindeki en az 7 günde etkinlik gönderen, analytics_storage='granted' ayarına sahip en az 1.000 günlük kullanıcı olmalıdır.
- Modelin başarıyla eğitilebilmesi için veri eşiğinin söz konusu 28 gün içindeki 7 günden daha uzun süre boyunca karşılanması gerekebilir. Ancak daha fazla veri bile bazen Analytics'in modeli eğitmesi için yeterli olmayabilir.
Belirli bir mülk uygun hale geldiğinde, davranış modelleme otomatik olarak etkinleştirilir. Modelleme etkinleştirildiğinde, "Karışım" raporlama kimliğinin açıklamasında seçilebilir hale gelir.
Çok nadir de olsa bir mülk, davranış modellemenin daha önce karşıladığı ön koşulları artık karşılamazsa tahmini veriler artık kullanılamaz. Mülk daha sonra ön koşulları tekrar karşılarsa tahmini veriler tekrar kullanılabilir olur. Tahmini veriler yalnızca, mülkün davranış modellemeye yeniden uygun hale geldiği tarihten itibaren kullanılabilir.
Modellenmiş verileri raporlarda gösterme veya gizleme
Raporlarınızda modellenmiş verileri görmek için raporlama kimliği ayarını "Karışım" olarak seçin:
- Yönetici bölümünde, Veri görüntüleme bölümünde Raporlama kimliği'ni tıklayın.
Modellenmiş verileri raporlarınızda göstermenize veya gizlemenize olanak tanıyan raporlama kimliği ayarını kontrol etmek için Önceki bağlantı, eriştiğiniz son Analytics mülkünü açar. Mülk seçiciyi kullanarak mülkü değiştirebilirsiniz. Düzenleyici rolüne veya daha üst düzey bir role sahip olmanız gerekir şunun için mülk düzeyinde .
- Karışım'ı seçin.
- Kaydet'i tıklayın.
Modellenmiş verilerin gösterilmesini durdurmak için başka bir seçenek belirleyin. Belirleyeceğiniz seçenek, veri toplamayı veya işlemeyi etkilemez. Veriler üzerinde kalıcı bir etki oluşturmadan seçenekler arasında dilediğiniz gibi geçiş yapabilirsiniz. Raporlama kimliği hakkında daha fazla bilgi edinin.
Davranış modelleme, Google Analytics'te nasıl görünür?
Analytics, modellenmiş verileri ve gözlemlenmiş verileri raporlarınıza sorunsuz şekilde entegre eder. Analytics'te modellenmiş veriler kullanıldığında, yalnızca gözlemlenen verileri içeren raporlara kıyasla bazı farklılıklar görmeniz olasıdır (ör. modellenmiş veriler içeren raporlardaki kullanıcı sayısı daha yüksektir).
Modellenmiş verilerin ne zaman entegre edildiğini görmek için veri kalitesi simgesini (aşağıda gösterilmiştir) kullanabilirsiniz.
Aşağıdaki tabloda, simge aracılığıyla görebileceğiniz mesajlar özetlenmektedir.
| Veri kalitesi simgesinin durumu | Açıklama |
|---|---|
| Tahmini kullanıcı verileri dahil | [Modelleme geçerlilik tarihi] tarihinden itibaren Analytics, çerez izni gibi faktörlerden dolayı eksik olan verileri tahmin ediyor. |
| Tahmini kullanıcı verileri dahil |
[Modelleme geçerlilik tarihi] tarihinden itibaren Analytics, çerez izni gibi faktörlerden dolayı eksik olan tüm olası verileri tahmin ediyor. |
| Tahmini kullanıcı verileri dahil |
[Modelleme geçerlilik tarihi] tarihinden itibaren Analytics, çerez izni gibi faktörlerden dolayı eksik olan verileri tahmin ediyor. * Bir önceki güne ait tahmini veriler henüz sunulmayabilir. |
| Tahmini kullanıcı verileri hariç | Mülkünüzün raporlama kimliği ayarı, Analytics'in çerez izni gibi faktörlerden dolayı eksik olan verileri tahmin etmesini engelliyor. Karışım ayarını kullanmadığınız sürece, raporlarınıza yalnızca tanımlayıcıların kullanımına izin veren kullanıcıların verileri dahil edilir. |
| Tahmini kullanıcı verileri kullanılamıyor | Seçilen tarih aralığı, bu mülkün tahmini veriler için uygun hale geldiği tarihten daha öncedir. |
| Tahmini kullanıcı verileri kullanılamıyor | Bu rapor, elde tutma verilerine veya adım sırası içeren bir segmente sahiptir. Bu nedenle raporda tahmini veriler yer almaz. |
| Tahmini kullanıcı verileri kullanılamıyor | Mülkünüz tahmini verileri kullanmak için uygunluk ölçütlerini karşılamıyor. |
Analytics arayüzündeki bazı sayfalarda da modelleme durumu hakkında bilgi veren bir banner görüntülenir.
Aşağıdaki tabloda, banner aracılığıyla görebileceğiniz mesajlar özetlenmektedir.
| Banner mesajı | Banner konumu |
|---|---|
| Tahmini kullanıcı verilerinin yer aldığı serbest biçim ve segment çakışması şablonları hariç olmak üzere, çoğu şablonda yalnızca tanımlayıcıların kullanılmasını kabul eden kullanıcıların verileri yer alır. | Keşifler ana sayfası |
| Adım sırası içeren bir segmente sahip keşifler, yalnızca tanımlayıcıların kullanımına izin veren kullanıcıların verilerini gösterir. | Keşif ayrıntıları sayfası |
| Bu [rapor/keşif/kitle] yalnızca tanımlayıcıların kullanımına izin veren kullanıcıların verilerini içerir. | Keşif ayrıntıları sayfası |
| Bu segment bir adım sırası içeriyorsa segment yalnızca tanımlayıcıların kullanılmasını kabul eden kullanıcıların verilerini gösterir. | Segment oluşturucu |
Keşiflerde modelleme
Yol ve dönüşüm hunisi keşiflerinde modelleme, raporlara kıyasla farklı şekilde uygulanır. Raporlarda modelleme; kullanıcı, oturum ve yeni kullanıcı sayısı gibi metriklere uygulanır. Ancak page_view, first_visit ve session_start gibi etkinlik sayılarına modelleme uygulanmaz. Kullanıcılar Analytics'in kendileriyle kalıcı bir kullanıcı tanımlayıcısı ilişkilendirmesine izin vermezse Analytics, etkinliklerin aynı kullanıcının işlemi olup olmadığını tespit edemez. Söz konusu kullanıcılar sayfayı her yüklediğinde etkinlik gönderileceği için, bu durum first_visit ve session_start etkinliklerinin sayısının artmasına neden olur.
Öte yandan, dönüşüm yolu veya dönüşüm hunisi keşfinde first_visit ve session_start etkinliklerine modelleme uygulanır. Kullanıcılar Analytics'in kendileriyle kalıcı bir kullanıcı tanımlayıcısı ilişkilendirmesine izin vermezse Analytics, first_visit ve session_start etkinliklerinin gerçek sayısını tahmin eder. Bu nedenle, first_visit ve session_start etkinliklerinin sayısı, raporlara kıyasla dönüşüm yolu ve dönüşüm hunisi keşiflerinde daha düşüktür.
Desteklenmeyen özellikler
Aşağıdaki özellikler, modellenmiş davranış verilerinin kullanılmasını desteklemez:
- Kitleler
- Kullanıcı gezgini, kohort ve kullanıcı yaşam boyu tekniği keşifleri
- Adım sırası içeren segmentler
- Elde tutma raporları
- Tahmini metrikler
- Veri dışa aktarma (ör. BigQuery Export)
