Om forutsigende beregninger
Med Google Analytics får du automatisk mer detaljerte data ved at Googles maskinlæringsteknologi finstemmer datasettet ditt i den hensikt å forutsi fremtidig atferd hos brukerne dine. Med forutsigende beregninger kan du finne ut mer om kundene dine ved å samle inn strukturerte data om hendelser.
Beregning | Definisjon |
---|---|
Sannsynlighet for kjøp |
Dette er sannsynligheten for at en bruker som var aktiv i løpet av de siste 28 dagene, får registrert en bestemt konverteringshendelse i løpet av de neste sju dagene. |
Sannsynlighet for frafall |
Dette er sannsynligheten for at en bruker som var aktiv i appen din eller på nettstedet ditt i løpet av de siste sju dagene, ikke er aktiv i løpet av de neste sju dagene. |
Anslått inntekt |
Dette er den forventede inntekten fra alle kjøpskonverteringer i løpet av de neste 28 dagene fra en bruker som var aktiv de siste 28 dagene. |
Per nå er det bare hendelsene purchase
/ecommerce_purchase
og in_app_purchase
som støttes i forbindelse med beregningen for henholdsvis sannsynlighet for kjøp og anslått inntekt.
ecommerce_purchase
-hendelser, anbefaler vi i stedet at du bruker purchase
-hendelser.Forutsetninger
Kriteriene nedenfor må være oppfylt for at Analytics skal kunne utarbeide pålitelige forutsigende modeller:
- Det må foreligge et minimumsantall av positive og negative eksempler på kjøpere og brukere som ikke lenger bruker et gitt produkt eller en gitt tjeneste. Innenfor et tidsrom på 7 dager i løpet av de siste 28 dagene må minst 1000 returnerende brukere ha utløst den relevante forutsigende betingelsen (kjøp eller frafall), og minst 1000 returnerende brukere skal ikke ha gjort det.
- Kvaliteten på modellen må holdes på et visst nivå over en gitt tidsperiode for at modellen skal være kvalifisert. (Finn ut mer om hva du kan gjøre for å øke sjansene for at du kan bruke forutsigende beregninger for området ditt.)
- For at et område skal være kvalifisert for både beregningen for sannsynlighet for kjøp og beregningen for anslått inntekt, må det sende
purchase
- (anbefales for innsamling) og/ellerin_app_purchase
-hendelsen (samles inn automatisk). Når du samler innpurchase
-hendelsen, må du også samle inn den tilhørendevalue
- ogcurrency
-parameteren. Finn ut mer
De forutsigende beregningene for hver av de kvalifiserte modellene blir generert én gang per dag for hver aktive bruker. Hvis kvaliteten på modellen for området ditt faller under den nedre grensen, slutter Analytics å oppdatere de tilhørende forslagene, og de blir kanskje ikke vist i Analytics lenger.
Du kan sjekke kvalifikasjonsstatusen for de enkelte forslagene ved å gå til forutsigende-delen i malene for foreslåtte målgrupper i målgruppebyggeren.
Bruk av forutsigende beregninger
Du har tilgang til forutsigende beregninger i Utforskninger og målgruppebyggeren.
Målgruppebyggeren
Med forutsigende beregninger kan du opprette forutsigende målgrupper i målgruppebyggeren.
Utforskning
I Utforskninger kan du bruke sannsynligheten for kjøp og sannsynligheten for frafall i teknikken hele brukerens levetid.
Anbefalte fremgangsmåter
Slå på innstillingen for bedriftsstatistikk og bidrag til modellering i innstillingene for datadeling. Det er fordelaktig for deg om denne innstillingen er PÅ, for da kan nemlig Analytics bruke samlede data som deles, til å heve kvaliteten på modellen og gi deg bedre forslag.
Pass på at du maksimerer bruken av anbefalte hendelser i området ditt.
Sørg for at du samler inn purchase
- og/eller in_app_purchase
-hendelser. in_app_purchase
-hendelser blir automatisk samlet inn. Hvis du har en Android-app, må du imidlertid knytte den sammen med Google Play via Firebase-kontoen din for å kunne se in_app_purchase
-hendelser. Vær oppmerksom på at selv om vi fortsatt kommer til å behandle ecommerce_purchase
-hendelser, anbefaler vi i stedet at du bruker purchase
-hendelser.
Hvis du selv definerer en målgruppe og legger til forutsigende betingelser for å bruke sannsynlighet for kjøp i appen og sannsynlighet for kjøp, er det bare brukere som fullfører både en purchase
- og en in_app_purchase
-hendelse som tas med i målgruppen.
Hvis du samler inn et større utvalg eller store volumer av anbefalte hendelser som svarer til brukeratferd, fører dette til at både modellene og forslagene våre blir bedre. Du kan også få bedre forslag ved å minimere antallet støyende hendelser som ikke er relevante med tanke på brukeratferd.