Gdy wdrożysz w swojej witrynie lub aplikacji baner z prośbą o zgodę na przetwarzanie danych, Analytics utraci dane użytkowników, którzy nie wyrazili zgody. Modelowanie behawioralne na potrzeby trybu uzyskiwania zgody korzysta z systemów uczących się, aby modelować zachowania użytkowników, którzy odrzucają pliki cookie Analytics, na podstawie zachowań podobnych użytkowników, którzy je akceptują. Modelowane dane umożliwiają uzyskiwanie przydatnych statystyk z raportów Analytics przy jednoczesnym poszanowaniu prywatności użytkowników.
Modelowanie behawioralne podaje np. szacunkowe informacje oparte na danych o użytkownikach i sesjach, takich jak liczba aktywnych użytkowników dziennie i współczynnik konwersji, które mogą być niedostępne, gdy nie da się w pełni korzystać z identyfikatorów takich jak pliki cookie i identyfikatory użytkowników. Pomaga odpowiadać na ważne pytania, na przykład:
- Jaka jest liczba aktywnych użytkowników dziennie?
- Ilu nowych użytkowników udało się pozyskać dzięki ostatniej kampanii?
- Jak wygląda ścieżka użytkownika prowadząca od strony docelowej w witrynie do zakupu?
- Ilu użytkowników witryny znajduje się w Niemczech, a w ilu w Wielkiej Brytanii?
- Czym różnią się zachowania użytkowników korzystających z urządzeń mobilnych i użytkowników komputerów?
Dane modelowane a dane rzeczywiste
Gdy użytkownicy odwiedzają Twoją witrynę i udzielają zgody na używanie plików cookie Analytics lub nie rezygnują z personalizacji przy użyciu identyfikatora wyświetlania reklam w ustawieniach Androida, Analytics łączy zachowanie użytkowników z różnymi identyfikatorami, aby zapewnić ciągłość pomiarów. Tego rodzaju dane nazywamy dostępnymi do obserwacji, ponieważ pochodzą od użytkowników, którzy udzielili Analytics zezwolenia na obserwowanie ich zachowań.
Jeśli użytkownicy nie wyrażą zgody, zdarzenia nie zostaną powiązane z trwałym identyfikatorem użytkownika. Na przykład, gdy Analytics zarejestruje 10 zdarzeń odsłon, nie jest w stanie określić ani odnotować w raporcie, czy zdarzenia te pochodzą od 1 czy 10 użytkowników. Zamiast tego Analytics korzysta z systemów uczących się do oszacowania zachowań tych użytkowników na podstawie zachowań podobnych użytkowników, którzy akceptują pliki cookie Analytics lub odpowiednie identyfikatory w aplikacjach.
Dane treningowe używane do modelowania bazują na zaobserwowanych danych pochodzących z usługi z włączonym modelowaniem.
Podejście Google do modelowania behawioralnego
Podejście Google do modelowania behawioralnego wykorzystuje poniższe sprawdzone metody związane z systemami uczącymi się.
Sprawdzanie dokładności i informowanie o zmianach
Walidacja na zbiorze testowym pozwala zachować dokładność modeli Google. Szacunkowe dane użytkowników są porównywane z częścią danych rzeczywistych, które nie zostały użyte do trenowania modelu. Te informacje są wykorzystywane w celu dostosowywania modeli. Google informuje o zmianach, które mogą mieć znaczący wpływ na dane.
Utrzymanie rygorystycznego procesu raportowania
Modelowanie behawioralne jest uwzględniane tylko wtedy, gdy jakość modelu jest pewna. Jeśli np. nie ma wystarczającej ilości danych od użytkowników, którzy wyrazili zgodę, raport nie uwzględnia zdarzeń wywołanych przez użytkowników, którzy nie wyrazili zgody. Pomaga to zapewnić prawidłowość danych użytych w modelu.
Dostosowywanie do działalności
Oddzielnie stosowany jest ogólniejszy algorytm modelowania Google, który pozwala odpowiednio odzwierciedlać charakter Twojej działalności i zachowanie Twoich klientów.
Wymagania wstępne
Model jest trenowany na podstawie zaobserwowanych danych dla usługi w Google Analytics 4, więc usługa musi mieć wystarczającą ilość danych, aby wytrenować model. Aby móc korzystać z modelowania behawioralnego, Twoja usługa musi spełniać te kryteria:
- Tryb uzyskiwania zgody włączony na wszystkich stronach Twojej witryny lub na wszystkich ekranach w Twojej aplikacji.
- Tryb uzyskiwania zgody wdrożony na stronach internetowych w taki sposób, aby tagi wczytywały się przed wyświetleniem okna z prośbą o zgodę na przetwarzanie danych osobowych, a tagi Google były wczytywane we wszystkich przypadkach, nie tylko wtedy, gdy użytkownik wyrazi zgodę (implementacja zaawansowana).
- Usługa rejestruje co najmniej 1000 zdarzeń dziennie z parametrem analytics_storage='denied' przez co najmniej 7 dni.
- Usługa ma co najmniej 1000 użytkowników w ujęciu dziennym wysyłających zdarzenia z parametrem analytics_storage='granted' przez co najmniej 7 z ostatnich 28 dni.
- Do skutecznego wytrenowania modelu przez Analytics może być konieczne osiąganie wymaganego progu przez więcej niż 7 z 28 dni. Może się jednak okazać, że nawet te dodatkowe dane nie wystarczą.
Modelowanie behawioralne zaczyna się od dnia zakwalifikowania się danej usługi.
W bardzo rzadkich przypadkach, gdy usługa nie spełnia już wymagań wstępnych w przypadku modelowania behawioralnego, szacunkowe dane przestaną być dostępne. Jeśli usługa ponownie spełni wymagania wstępne, szacunkowe dane staną się znów dostępne. Szacunkowe dane będą dostępne tylko od dnia, w którym usługa ponownie spełniła wymagania.
Wyświetlanie i ukrywanie w raportach danych modelowanych
Aby wyświetlać w raportach modelowane dane, wybierz mieszaną tożsamość na potrzeby raportowania. Aby zmieniać to ustawienie, musisz być administratorem:
- W sekcji Administracja na liście Wyświetlanie danych kliknij Tożsamość na potrzeby raportowania.
- Wybierz Mieszana.
- Kliknij Zapisz.
Aby przestać wyświetlać modelowane dane, wybierz inną opcję. Wybrana opcja nie ma wpływu na zbieranie ani przetwarzanie danych. W każdej chwili możesz przełączać te opcje, nie wywierając trwałego wpływu na dane. Więcej informacji o tożsamości na potrzeby raportowania.
Jak wygląda modelowanie behawioralne w Google Analytics
Analytics płynnie integruje dane modelowane i rzeczywiste w Twoich raportach. Jeśli Analytics uwzględnia dane modelowane, prawdopodobnie zauważysz różnice w stosunku do raportów zawierających tylko dane rzeczywiste (np. wyższą liczbę użytkowników w raportach uwzględniających dane modelowane).
Kliknij ikonę jakości danych (widoczną poniżej), by dowiedzieć się, czy raport zawiera dane modelowane.
Tabela poniżej zawiera podsumowanie wiadomości, które możesz zobaczyć po kliknięciu ikony.
| Stan ikony Jakość danych | Opis |
|---|---|
| Z uwzględnieniem szacunkowych danych użytkowników | Od [data wejścia w życie modelu] Analytics podaje szacunkowe wartości danych brakujących z powodu takich czynników jak zgoda użytkownika na stosowanie plików cookie. |
| Z uwzględnieniem szacunkowych danych użytkowników |
Od [data wejścia w życie modelu] Analytics podaje szacunkowe wartości wszystkich możliwych danych brakujących z powodu takich czynników jak zgoda użytkownika na stosowanie plików cookie. |
| Z uwzględnieniem szacunkowych danych użytkowników |
Od [data wejścia w życie modelu] Analytics podaje szacunkowe wartości danych brakujących z powodu takich czynników jak zgoda użytkownika na stosowanie plików cookie. * Szacunkowe dane z poprzedniego dnia mogą być niedostępne. |
| Bez szacunkowych danych użytkowników | Ustawienia tożsamości na potrzeby raportowania w Twojej usłudze nie pozwalają Analytics oszacować danych brakujących z powodu takich czynników jak zgoda użytkownika na stosowanie plików cookie. Jeśli nie korzystasz z ustawienia Mieszana, Twoje raporty zawierają tylko dane użytkowników, którzy wyrazili zgodę na stosowanie identyfikatorów. |
| Szacunkowe dane użytkowników są niedostępne | Wybrany zakres dat przypada przed datą zakwalifikowania tej usługi do korzystania z danych szacunkowych. |
| Szacunkowe dane użytkowników są niedostępne | Raport zawiera dane o utrzymaniu lub segment zawierający sekwencję. Dlatego też nie zawiera danych szacunkowych. |
| Szacunkowe dane użytkowników są niedostępne | Twoja usługa nie spełnia kryteriów kwalifikacji do korzystania z danych szacunkowych. |
Na niektórych stronach w interfejsie Analytics pojawi się też baner z informacjami o stanie modelowania.
Tabela poniżej zawiera podsumowanie komunikatów, które możesz zobaczyć na banerze.
| Komunikat na banerze | Lokalizacja banera |
|---|---|
| Większość szablonów uwzględnia tylko dane użytkowników, którzy wyrazili zgodę na stosowanie identyfikatorów. Wyjątek stanowią szablony eksploracji swobodnej i pokrywania się segmentów, które zawierają szacunkowe dane o użytkownikach. | Strona główna narzędzia Eksploracje |
| Jeśli eksploracja zawiera segment z sekwencją, będzie wyświetlać tylko dane o użytkownikach, którzy wyrazili zgodę na stosowanie identyfikatorów. | Strona z informacjami narzędzia Eksploracje |
| [Ten raport / Ta eksploracja / Ta grupa odbiorców] zawiera tylko dane użytkowników, którzy wyrazili zgodę na stosowanie identyfikatorów. | Strona z informacjami narzędzia Eksploracje |
| Jeśli segment zawiera sekwencję, będzie wyświetlać tylko dane o użytkownikach, którzy wyrazili zgodę na stosowanie identyfikatorów. | Kreator segmentów |
Modelowanie w eksploracjach
Modelowanie w eksploracjach ścieżek i sekwencji ścieżek jest stosowane inaczej niż w raportach. W raportach modelowanie jest stosowane do danych takich jak liczba użytkowników, liczba sesji i liczba nowych użytkowników. Modelowanie nie jest jednak stosowane do zliczanych zdarzeń takich jak page_view, first_visit i session_start. Jeśli użytkownicy nie wyrażą zgody na przypisanie do nich w Analytics stałego identyfikatora użytkownika, Analytics nie może wykryć, czy zdarzenia są wynikiem działań tego samego użytkownika. Sprawia to, że w przypadku takich użytkowników jest rejestrowana większa liczba zdarzeń first_visit i session_start, ponieważ zdarzenie jest wysyłane przy każdym wczytaniu strony.
W przypadku eksploracji ścieżki lub sekwencji ścieżki do zdarzeń first_visit i session_start jest stosowane modelowanie. Jeśli użytkownicy nie wyrażą zgody na przypisanie do nich w Analytics stałego identyfikatora użytkownika, Analytics oszacuje rzeczywistą liczbę zdarzeń first_visit i session_start. Dlatego liczba zdarzeń first_visit i session_start w eksploracjach ścieżek i sekwencji ścieżek jest mniejsza niż w raportach.
Nieobsługiwane funkcje
Te funkcje nie obsługują użycia danych modelu behawioralnego:
- Odbiorcy
- Eksploracje dotyczące kohorty, eksploratora zachowania użytkownika i cyklu życia użytkownika
- segmenty z sekwencją,
- raporty dotyczące utrzymania,
- dane prognozowane,
- eksportowanie danych (np. BigQuery Export).
