Quando implementa uma faixa de consentimento para o seu Website ou app, o Analytics perde dados dos utilizadores que recusam o consentimento. A modelagem comportamental do modo de consentimento usa a aprendizagem automática para modelar o comportamento de utilizadores que recusam cookies do Analytics com base no comportamento de utilizadores semelhantes que os aceitam. Os dados modelados permitem obter estatísticas úteis dos relatórios do Analytics, ao mesmo tempo que respeitam a privacidade dos utilizadores.
Por exemplo, a modelagem comportamental estima dados com base em métricas do utilizador e da sessão, como utilizadores ativos diariamente e taxa de conversão, que podem não ser observáveis quando os identificadores, como os cookies ou os IDs dos utilizadores, não estão totalmente disponíveis. Ajuda a responder a perguntas importantes como:
- Quantos utilizadores ativos diariamente tenho?
- Quantos novos utilizadores obtive na minha última campanha?
- Qual é o percurso do utilizador desde a chegada ao meu Website até à realização de uma compra?
- Quantos dos visitantes ao meu site estão sediados na Alemanha vs. no Reino Unido?
- Qual é a diferença no comportamento de utilizadores entre visitantes em dispositivos móveis vs. visitantes na Web?
Dados modelados vs. dados observados
Quando os utilizadores visitam o seu site e dão consentimento para os cookies do Analytics ou quando não recusam a personalização através do ID de publicidade nas Definições do Android, o Analytics associa o comportamento dos utilizadores a vários identificadores para oferecer continuidade na medição. Designamos este tipo de dados como dados observáveis porque provêm de utilizadores que deram autorização ao Analytics para observar o respetivo comportamento.
Quando os utilizadores não dão consentimento, os eventos não são associados a um identificador de utilizador persistente. Por exemplo, se o Analytics recolher 10 eventos de visualizações de páginas, este não consegue observar nem comunicar se são 10 utilizadores ou apenas 1. Em vez disso, o Analytics aplica a aprendizagem automática para estimar o comportamento desses utilizadores com base no comportamento de utilizadores semelhantes que aceitam os cookies do Analytics ou os identificadores de apps equivalentes.
Os dados de preparação usados para a modelagem baseiam-se nos dados do utilizador observados provenientes da propriedade onde a modelagem está ativada.
Abordagem de modelagem comportamental da Google
A abordagem de modelagem comportamental da Google aplica as seguintes práticas recomendadas de aprendizagem automática.
Verifique a precisão e comunique alterações
A validação do holdback mantém a precisão dos modelos da Google. Os dados do utilizador estimados são comparados com uma parte dos dados do utilizador observados que foram retidos pela preparação do modelo, e as informações são usadas para ajustar os modelos. A Google comunica as alterações que podem ter um grande impacto nos seus dados.
Mantenha relatórios rigorosos
A modelagem comportamental só é incluída quando existe uma elevada confiança de qualidade do modelo. Por exemplo, se não existir tráfego consentido suficiente para fornecer mais dados ao modelo, os eventos acionados pelos utilizadores que recusam o consentimento não são comunicados. Isto ajuda a garantir a precisão dos dados.
Personalização em função da sua empresa
O algoritmo de modelagem mais geral da Google é aplicado em separado para refletir o comportamento único da sua empresa e clientes.
Pré-requisitos
Como o modelo é preparado com base nos dados observados para a sua propriedade do Google Analytics 4, a propriedade tem de ter dados suficientes para essa preparação. Para ser elegível para a modelagem comportamental, a sua propriedade tem de cumprir os seguintes critérios:
- O modo de consentimento está ativado em todas as páginas dos seus sites e/ou em todos os ecrãs das suas apps.
- O modo de consentimento tem de ser implementado nas páginas Web para que as etiquetas sejam carregadas antes de a caixa de diálogo de consentimento ser apresentada e as etiquetas Google serem carregadas em todos os casos, e não apenas se o utilizador der o consentimento (implementação avançada).
- A propriedade recolhe, pelo menos, 1000 eventos por dia com analytics_storage='denied' durante, pelo menos, 7 dias.
- A propriedade tem, pelo menos, 1000 utilizadores diários que enviam eventos com analytics_storage='granted' para, pelo menos, 7 dos 28 dias anteriores.
- Pode ser preciso mais de 7 dias para atingir o limite mínimo de dados nesses 28 dias para preparar o modelo com êxito. No entanto, é possível que mesmo os dados adicionais não sejam suficientes para o Analytics preparar o modelo.
A modelagem comportamental começa a partir da data em que uma determinada propriedade se torna elegível.
No caso muito raro de uma propriedade deixar de cumprir os pré-requisitos para a modelagem comportamental depois de os ter cumprido anteriormente, os dados estimados deixarão de estar disponíveis. Se a propriedade cumprir novamente os pré-requisitos, os dados estimados voltarão a estar disponíveis. Os dados estimados só estarão disponíveis a partir da data em que a propriedade se tornou novamente elegível.
Mostre ou oculte os dados modelados nos relatórios
Para ver dados modelados nos seus relatórios, escolha a identidade de relatórios Mista. Tem de ser um administrador para controlar esta definição:
- Em Administração, em Apresentação de dados, clique em Identidade de relatórios.
- Selecione Mista.
- Clique em Guardar.
Para deixar de ver dados modelados, selecione outra opção. A opção escolhida não afeta a recolha nem o processamento de dados. Pode alternar entre as opções em qualquer altura sem que isso afete os dados de forma permanente. Saiba mais acerca da identidade de relatórios.
Como a modelagem comportamental aparece no Google Analytics
O Analytics integra perfeitamente dados modelados e dados observados nos relatórios. Quando o Analytics inclui dados modelados, é provável que os anunciantes vejam diferenças em comparação com os relatórios que incluem apenas dados observados (por exemplo, contagens de utilizadores mais elevadas em relatórios que incluem dados modelados).
Use o ícone de qualidade de dados (apresentado abaixo) para ver quando os dados modelados são integrados.
A seguinte tabela resume as mensagens que poderá ver através do ícone.
| Estado do ícone de qualidade de dados | Descrição |
|---|---|
| Incluindo dados do utilizador estimados | Desde [data de entrada em vigor da modelagem], o Analytics está a estimar os dados em falta devido a fatores como o consentimento de cookies. |
| Incluindo dados do utilizador estimados |
Desde [data de entrada em vigor da modelagem], o Analytics está a estimar todos os dados possíveis em falta devido a fatores como o consentimento de cookies. |
| Incluindo dados do utilizador estimados |
Desde [data de entrada em vigor da modelagem], o Analytics está a estimar os dados em falta devido a fatores como o consentimento de cookies. * Os dados estimados podem ainda não estar disponíveis para ontem. |
| Excluindo dados do utilizador estimados | A definição da identidade de relatórios da sua propriedade não permite que o Analytics estime os dados em falta devido a fatores como o consentimento de cookies. A menos que use a definição mista, os seus relatórios incluem apenas os dados disponíveis de utilizadores que consentiram a utilização de identificadores. |
| Dados do utilizador estimados indisponíveis | O intervalo de datas selecionado é anterior à data em que esta propriedade se tornou elegível para os dados estimados. |
| Dados do utilizador estimados indisponíveis | Este relatório inclui dados de retenção ou um segmento que inclui uma sequência. Como tal, não inclui dados estimados. |
| Dados do utilizador estimados indisponíveis | A sua propriedade não cumpre os critérios de elegibilidade para usar os dados estimados. |
Algumas páginas na interface do Analytics apresentarão também uma faixa com informações acerca do estado da modelagem.
A tabela seguinte resume as mensagens que poderá ver através de uma faixa.
| Mensagem da faixa | Localização da faixa |
|---|---|
| A maioria dos modelos inclui apenas dados de utilizadores que consentiram a utilização de identificadores, exceto os modelos de forma livre e sobreposição de segmentos, que incluem dados de utilizadores estimados. | Página inicial de Explorações |
| Se uma exploração tiver um segmento com uma sequência, apresenta apenas dados de utilizadores que consentiram a utilização de identificadores. | Página de detalhes da exploração |
| Este [relatório/público-alvo/esta exploração] inclui apenas dados de utilizadores que consentiram a utilização de identificadores. | Página de detalhes da exploração |
| Se este segmento incluir uma sequência, irá apresentar apenas dados de utilizadores que consentiram a utilização de identificadores. | Criador de segmentos |
Modelagem em explorações
A modelagem nas explorações do caminho e do funil é aplicada de forma diferente da usada nos relatórios. Nos relatórios, a modelagem é aplicada a métricas como utilizadores, sessões e contagens de novos utilizadores. No entanto, a modelagem não é aplicada a contagens de eventos, como page_view, first_visit e session_start. Se os utilizadores não consentirem que o Analytics associe um identificador de utilizador persistente aos mesmos, o Analytics não consegue detetar se os eventos são a ação do mesmo utilizador. Isso resulta num maior número de eventos first_visit e session_start para esses utilizadores, uma vez que o evento é enviado sempre que carregam uma página.
Por outro lado, em explorações de funil/caminhos, a modelagem é aplicada ao evento first_visit e session_start. Se os utilizadores não consentirem que o Analytics associe um identificador de utilizador persistente aos mesmos, o Analytics estima o número real de eventos first_visit e session_start. Assim, a contagem de eventos first_visit e session_start em explorações de funil/caminhos é inferior à dos relatórios.
Funcionalidades não suportadas
As seguintes funcionalidades não suportam a utilização de dados comportamentais modelados:
- Públicos-alvo
- Explorador de utilizadores, coorte e explorações da duração do utilizador
- Segmentos com uma sequência
- Relatórios de retenção
- Métricas preditivas
- Exportação de dados (por exemplo, BigQuery Export)
