Kapag nagpatupad ka ng banner ng pahintulot para sa iyong website o app, mawawala ng data ang Analytics para sa mga user na tumangging magbigay ng pahintulot. Gumagamit ang pagmomodelo batay sa gawi para sa consent mode ng machine learning para imodelo ang gawi ng mga user na tumanggi sa cookies ng analytics batay sa gawi ng mga katulad na user na tumanggap sa cookies ng analytics. Nagbibigay-daan sa iyo ang nakamodelong data na makakuha ng mga kapaki-pakinabang na insight mula sa mga ulat mo sa Analytics habang iginagalang ang privacy ng iyong mga user.
Halimbawa, tinatantya ng pagmomodelo batay sa gawi ang data batay sa mga sukatan ng user at session, tulad ng mga aktibong user sa isang araw at rate ng conversion, na puwedeng hindi naoobserbahan kapag hindi ganap na available ang mga pagkakakilanlan tulad ng cookies o mga user ID. Tumutulong ito sa iyong masagot ang mahahalagang tanong tulad ng:
- Ilan ang aking Aktibong User sa Isang Araw?
- Ilang bagong user ang nakuha ko mula sa huli kong campaign?
- Ano ang user journey mula sa pagdating sa aking website hanggang sa aktwal na pagbili?
- Ilan sa mga bisita sa aking site ang nasa Germany kumpara sa nasa UK?
- Ano ang pinagkaiba ng gawi ng mga bisita sa mobile kumpara sa web?
Nakamodelong data kumpara sa naobserbahang data
Kapag bumisita ang mga user sa iyong site at nagbigay sila ng pahintulot para sa cookies ng Analytics o kapag hindi sila nag-opt out sa pag-personalize gamit ang advertising ID sa Mga Setting ng Android, inuugnay ng Analytics ang gawi ng user sa iba't ibang identifier para makapagbigay ng ideya ng pagiging tuloy-tuloy sa pagsukat. Tinutukoy namin ang ganitong uri ng data bilang naoobserbahang data dahil galing ito sa mga user na nagbigay sa Analytics ng pahintulot na obserbahan ang kanilang gawi.
Kapag hindi nagbigay ng pahintulot ang mga user, hindi iuugnay ang mga event sa hindi nagbabagong identifier ng user. Halimbawa, kung nangongolekta ang Analytics ng 10 event ng page view, hindi nito maoobserbahan at maiuulat kung 10 user ba iyon o 1 user. Sa halip, maglalapat ang Analytics ng machine learning para tantyahin ang gawi ng mga user na iyon batay sa gawi ng mga katulad na user na tumatanggap ng cookies ng analytics o mga katumbas na identifier ng app.
Nakabatay ang data ng pagsasanay na ginagamit para sa pagmomodelo sa inoobserbahang data ng user mula sa property kung saan naka-activate ang pagmomodelo.
Diskarte ng pagmomodelo batay sa gawi ng Google
Nalalapat ang diskarte ng pagmomodelo batay sa gawi ng Google sa mga sumusunod na pinakamahuhusay na kagawian ng machine learning.
Tingnan ang katumpakan at i-communicate ang mga pagbabago
Pinapanatili ng holdback validation ang katumpakan ng mga modelo ng Google. Ikinukumpara ang tinantyang data ng user sa isang bahagi ng naobserbahang data ng user na na-hold back mula sa pagsasanay ng modelo, at ginagamit ang impormasyon para i-tune ang mga modelo. Iko-communicate ng Google ang mga pagbabagong posibleng may malaking epekto sa iyong data.
Magpanatili ng mabusising pag-uulat
Isinasama lang ang pagmomodelo batay sa gawi kapag malaki ang kumpyansa sa kalidad ng modelo. Halimbawa, kung walang sapat na trapikong nagbigay ng pahintulot para bigyan ng impormasyon ang modelo, hindi iuulat ang mga event na na-trigger ng mga user na tumangging magbigay ng pahintulot. Nakakatulong itong tiyakin ang katumpakan ng data.
Mag-customize para sa iyong negosyo
Inilalapat nang hiwalay ang mas pangkalahatang algorithm ng pagmomodelo ng Google para ipakita ang iyong natatanging negosyo at gawi ng customer.
Mga Prerequisite
Dahil sinasanay ang modelo sa inoobserbahang data para sa iyong property sa Google Analytics 4, dapat na may sapat na data ang property mo para sanayin ang modelo. Para maging kwalipikado para sa pagmomodelo batay sa gawi, dapat na matugunan ng iyong property ang sumusunod na mga pamantayan:
- Naka-enable ang consent mode sa lahat ng page ng iyong mga site at/o lahat ng screen ng app ng mga app mo.
- Dapat na ipatupad ang consent mode para sa mga web page para ma-load ang mga tag bago lumabas ang dialog tungkol sa pahintulot, at ilo-load ang mga tag sa lahat ng sitwasyon, hindi lang kapag nagbigay ng pahintulot ang user (advanced na pagpapatupad).
- Nangongolekta ang property ng hindi bababa sa 1,000 event bawat araw na may analytics_storage='denied' sa loob ng hindi bababa sa 7 araw.
- May hindi bababa sa 1,000 pang-araw-araw na user ang property na nagpapadala ng mga event na may analytics_storage='granted' sa loob ng hindi bababa sa 7 araw sa nakaraang 28 araw.
- Puwedeng abutin nang mahigit 7 araw ng pag-abot sa threshold ng data sa loob ng 28 araw na iyon bago matagumpay na masanay ang modelo; gayunpaman, posibleng hindi sapat kahit ang karagdagang data para masanay ng Analytics ang modelo.
Nag-uumpisa ang pagmomodelo batay sa gawi mula sa petsa kung kailan naging kwalipikado ang isang partikular na property.
Sa napakabihirang pagkakataon na hindi na nakakatugon sa mga prerequisite para sa pagmomodelo batay sa gawi ang isang property matapos itong matugunan dati, hindi na magiging available ang tinantyang data. Kung matutugunan ulit ng property ang mga prerequisite, magiging available ulit ang tinantyang data. Magiging available lang ang tinantyang data mula sa petsa kung kailan naging kwalipikado ulit ang property.
Ipakita o itago ang nakamodelong data sa mga ulat
Para makita ang nakamodelong data sa iyong mga ulat, piliin ang Pinagsama-samang pagkakakilanlan sa pag-uulat. Dapat Administrator ka para makontrol ang setting na ito:
- Sa Admin, sa Display ng data, i-click ang Pagkakakilanlan sa pag-uulat.
- Piliin ang Pinagsama-sama.
- I-click ang I-save.
Para hindi makakita ng nakamodelong data, pumili ng ibang opsyon. Hindi makakaapekto ang opsyong pipiliin mo sa pagkolekta o pagproseso ng data. Puwede kang magpalipat-lipat sa mga opsyon anumang oras nang hindi gumagawa ng anumang permanenteng epekto sa data. Matuto pa tungkol sa Pagkakakilanlan sa pag-uulat.
Paano lalabas ang pagmomodelo batay sa gawi sa Google Analytics
Maayos na isinasama ng Analytics ang nakamodelong data at naobserbahang data sa iyong mga ulat. Kapag isinama ng Analytics ang nakamodelong data, malamang na makakita ka ng mga pagkakaiba kung ihahambing sa mga ulat na naobserbahang data lang ang kasama (hal., mas maraming user sa mga ulat na may kasamang nakamodelong data).
Gamitin ang icon ng kalidad ng data (ipinapakita sa ibaba) para makita kapag na-integrate ang nakamodelong data.
Ibinubuod ng sumusunod na talahanayan ang mga mensaheng posibleng makita mo sa pamamagitan ng icon.
| Status ng icon ng kalidad ng data | Paglalarawan |
|---|---|
| Kasama ang tinantyang data ng user | Simula [petsa ng pagkakaroon ng bisa ng pagmomodelo], tinatantya ng Analytics ang data na wala dahil sa mga salik tulad ng pahintulot sa cookie. |
| Kasama ang tinantyang data ng user |
Simula [petsa ng pagkakaroon ng bisa ng pagmomodelo], tinatantya ng Analytics ang lahat ng posibleng data na kulang dahil sa mga salik tulad ng pahintulot sa cookie. |
| Kasama ang tinantyang data ng user |
Simula [petsa ng pagkakaroon ng bisa ng pagmomodelo], tinatantya ng Analytics ang data na wala dahil sa mga salik tulad ng pahintulot sa cookie. * Baka hindi pa available ang tinantyang data para sa nakaraang araw. |
| Hindi kasama ang tinantyang data ng user | Hindi pinapayagan ng setting ng pagkakakilanlan sa pag-uulat ng iyong property ang Analytics na tantyahin ang data na kulang dahil sa mga salik tulad ng pahintulot sa cookie. Maliban kung ginagamit mo ang setting na blended, data lang na available mula sa mga user na nagpahintulot sa paggamit ng mga identifier ang kasama sa iyong mga ulat. |
| Hindi available ang tinantyang data ng user | Ang piniling hanay ng petsa ay nauna sa kung kailan naging kwalipikado ang property na ito para sa tinantyang data. |
| Hindi available ang tinantyang data ng user | Kasama sa ulat na ito ang data ng pagpapanatili o isang segment na may kasamang sequence. Bilang resulta, wala itong kasamang tinantyang data. |
| Hindi available ang tinantyang data ng user | Hindi nakakatugon ang iyong property sa mga pamantayan sa pagiging kwalipikado para makagamit ng tinantyang data. |
Magpapakita rin ang ilang page sa interface ng Analytics ng banner na may impormasyon tungkol sa status ng pagmomodelo.
Ibinubuod ng sumusunod na talahanayan ang mga mensaheng posible mong makita sa pamamagitan ng banner.
| Mensahe sa banner | Lokasyon ng banner |
|---|---|
| Ang karamihan ng template ay magkakaroon lang ng data mula sa mga user na sumang-ayon sa paggamit ng mga pagkakakilanlan, maliban sa mga template na free form at pag-overlap ng segment na may data mula sa mga tinatantyang user. | Home page ng Mga Pag-explore |
| Kung may segment na may sequence ang pag-explore, magpapakita lang ito ng data para sa mga user na nagbigay ng pahintulot sa paggamit ng mga pagkakakilanlan. | Page ng datelye ng Pag-explore |
| Data mula sa mga user lang na nagbigay ng pahintulot sa paggamit ng mga pagkakakilanlan ang kasama sa [ulat/pag-explore/audience] na ito. | Page ng datelye ng Pag-explore |
| Kung may sequence ang segment na ito, magpapakita lang ito ng data para sa mga user na sumang-ayon sa paggamit ng mga pagkakakilanlan. | Tagabuo ng segment |
Pagmomodelo sa mga pag-explore
Iba ang paraan ng paglalapat ng pagmomodelo sa mga pag-explore ng path at funnel kaysa sa mga ulat. Sa mga ulat, inilalapat ang pagmomodelo sa mga sukatang tulad ng mga bilang ng mga user, session, at bagong user. Gayunpaman, hindi inilalapat ang pagmomodelo sa mga bilang ng event gaya ng page_view, first_visit, at session_start. Kung hindi magbibigay ng pahintulot ang mga user para makapag-ugnay ang Analytics ng persistent na user identifier sa kanila, hindi made-detect ng Analytics kung ang mga event ay pagkilos ng parehong user. Hahantong iyon sa mas mataas na bilang ng mga event na first_visit at session_start para sa mga user na iyon, dahil ipinapadala ang event sa tuwing maglo-load sila ng page.
Sa kabilang banda, sa pag-explore ng path o funnel, inilalapat ang pagmomodelo sa event na first_visit at session_start. Kung hindi magbibigay ng pahintulot ang mga user para makapag-ugnay ang Analytics ng persistent na user identifier sa kanila, tatantyahin ng Analytics ang totoong bilang ng mga event na first_visit at session_start. Kaya naman, mas mababa ang bilang ng event na first_visit at session_start sa mga pag-explore ng path at funnel kaysa sa mga ulat.
Mga hindi sinusuportahang feature
Hindi sinusuportahan ng mga sumusunod na feature ang paggamit ng data ng nakamodelong gawi:
- Mga Audience
- Mga pag-explore ng explorer ng user, cohort, at lifetime ng user
- Mga segment na may sequence
- Mga ulat sa pagpapanatili
- Mga Predictive Metric
- Pag-export ng data (hal., BigQuery export)
