예측 측정항목 정보
Google 애널리틱스는 Google 머신러닝 전문성을 내 데이터 세트에 적용해 사용자의 향후 행동을 예측하여 자동으로 데이터를 보강합니다. 예측 측정항목을 사용하면 구조화된 이벤트 데이터를 수집하여 고객에 대해 자세히 알아볼 수 있습니다.
| 측정항목 | 정의 |
|---|---|
| 구매 가능성 | 지난 28일 동안 활성 상태였던 사용자가 향후 7일 이내에 특정 주요 이벤트를 기록할 가능성입니다. |
| 이탈 가능성 | 지난 7일 동안 앱 또는 사이트에서 활성 상태였던 사용자가 다음 7일 동안 활성 상태가 아닐 가능성입니다. |
| 예측 수익 | 최근 28일 동안 활성 상태였던 사용자에게서 향후 28일 내에 발생할 것으로 예상되는 모든 구매 주요 이벤트의 수익입니다. |
현재 purchase/ecommerce_purchase 및 in_app_purchase 이벤트에만 구매 가능성 및 수익 예측 측정항목이 지원됩니다.
ecommerce_purchase 이벤트는 계속 처리되지만 이제 purchase 이벤트가 권장됩니다.기본 요건
예측 모델을 성공적으로 학습시키려면 애널리틱스에서 다음 기준이 충족되어야 합니다.
- 구매자 및 앱 제거 사용자의 긍정적/부정적 예시 수가 최소 요건을 충족해야 합니다. 최근 28일 동안 7일간의 기간에 대해 1,000명 이상의 재사용자가 관련 예측 조건(구매 또는 앱 제거)을 트리거했어야 하며, 1,000명 이상의 재사용자는 트리거하지 않았어야 합니다.
- 일정 기간 동안 모델 품질을 유지해야 요건을 충족할 수 있습니다. 속성이 예측 측정항목으로 사용될 수 있는 가능성을 최대화하기 위해 취할 수 있는 조치에 대해 자세히 알아보세요.
- 구매 가능성과 예측 수익 측정항목을 모두 사용하려면 속성에서
purchase(수집을 위해 권장) 또는in_app_purchase(자동으로 수집됨) 이벤트를 전송해야 합니다.purchase이벤트를 수집하려면 해당 이벤트에 대한value및currency매개변수도 수집해야 합니다. 구매 이벤트에 대해 자세히 알아보세요.
요건을 충족하는 각 모델의 예측 측정항목은 각 활성 사용자에 대해 하루에 한 번 생성됩니다. 속성의 모델 품질이 최소 기준 미만이면 애널리틱스에서 해당 예측 업데이트를 중지하고 애널리틱스에서 속성을 사용할 수 없게 됩니다.
잠재고객 만들기의 추천 잠재고객 템플릿에 있는 예측 섹션으로 이동하여 각 예측의 사용 가능 상태를 확인할 수 있습니다.
예측 측정항목 사용
예측 측정항목은 잠재고객 만들기와 탐색 분석에서 사용할 수 있습니다.
잠재고객 만들기
예측 측정항목은 잠재고객 만들기에서 예측 잠재고객을 생성하는 데 사용할 수 있습니다.
탐색 분석
사용자 전체 기간 기법에 있는 탐색 분석에서 구매 가능성 및 앱 제거 가능성을 사용할 수 있습니다.
모든 사용자가 동일한 데이터를 사용할 수 있는 것은 아닙니다. 즉, Google 애널리틱스 4의 모든 사용자가 포함된 쿼리를 사용하면 결과가 다음 두 그룹으로 분류되어 표시됩니다.
- 예측 측정항목이 있는 사용자: 이 그룹에는 Google 애널리틱스 4에서 구매 가능성과 같은 항목을 계산할 수 있는 사용자가 포함됩니다.
- 예측 측정항목이 없는 사용자: 이 그룹에는 Google 애널리틱스 4에 아직 예측을 계산하기에 충분한 데이터가 없는 사용자가 포함됩니다.
권장사항
데이터 공유 설정에서 '참여 모델링 및 비즈니스 통계' 설정을 사용 설정하세요. 이 설정을 사용 설정하면 애널리틱스에서 공유 집계 및 익명 데이터를 사용하여 모델 품질을 높이고 예측을 개선할 수 있으므로 도움이 됩니다.
속성에서 이벤트 추천을 최대한 활용하세요.
purchase 또는 in_app_purchase 이벤트를 수집해야 합니다. in_app_purchase 이벤트는 자동으로 수집됩니다. 하지만 Android 앱이 있는 경우 in_app_purchase 이벤트를 보려면 Firebase 계정을 통해 Google Play에 연결해야 합니다. ecommerce_purchase 이벤트는 계속 처리되지만 이제 purchase 이벤트가 권장됩니다.
맞춤 잠재고객을 정의하고 예측 조건을 추가하여 인앱 구매 가능성 및 구매 가능성을 사용하는 경우 purchase 및 in_app_purchase를 모두 완료한 사용자만 잠재고객에 포함됩니다.
사용자 행동에 따라 더 다양한 이벤트나 추천 이벤트를 수집하면 모델을 개선하고 예측을 개선하는 데 도움이 됩니다. 마찬가지로 사용자 행동 측면에서 의미가 없는 노이즈 이벤트를 최소화하는 것도 예측 개선에 도움이 됩니다.