予測指標について
Google アナリティクスでは、Google の機械学習の専門知識をお客様のデータセットに取り入れ、ユーザーの今後の行動を予測することで、自動的にデータの価値を高めます。予測指標を使用すると、構造化されたイベントデータを収集するだけで、顧客についてより詳しく知ることができます。
| 指標 | 定義 |
|---|---|
| 購入の可能性 | 過去 28 日間に操作を行ったユーザーによって、今後 7 日間以内に特定のキーイベントが記録される可能性です。 |
| 離脱の可能性 | 過去 7 日以内にアプリやサイトで操作を行ったユーザーが、今後 7 日以内に操作を行わない可能性です。 |
| 予測収益 | 過去 28 日間に操作を行ったユーザーが今後 28 日間に達成する全購入キーイベントによって得られる総収益の予測です。 |
現時点では、「購入の可能性」指標と「予測収益」指標でサポートされているのは purchase / ecommerce_purchase および in_app_purchase のイベントのみです。
ecommerce_purchase の処理は継続されますが、今後は purchase イベントを使用することをおすすめします。前提条件
予測モデルを正常にトレーニングするには、次の条件を満たしている必要があります。
- 購入ユーザーおよび離脱ユーザーのポジティブ サンプルとネガティブ サンプルの最小数。関連する予測条件をトリガーしたリピーターが過去 28 日の間の 7 日間で 1,000 人以上、トリガーしていないリピーターが 1,000 人以上必要です。
- モデルの品質が一定期間維持されていることが要件になります（プロパティが予測指標の対象となる可能性を最大限に高める方法については、こちらをご覧ください）。
- 購入の可能性と予測収益の各指標の両方を対象とするには、プロパティは
purchase（収集が推奨されるイベント）とin_app_purchase（自動的に収集されるイベント）、またはそのどちらかを送信する必要があります。purchaseイベントを収集する場合、そのイベントのvalueとcurrencyパラメータも収集する必要があります。詳しくは、購入イベントについての記事をご覧ください。
対象となる各モデルの予測指標は、アクティブ ユーザーごとに 1 日に 1 回生成されます。プロパティのモデルの品質が最小しきい値を下回った場合、対応する予測の更新が自動的に停止され、アナリティクスで予測が利用できなくなる場合があります。
オーディエンス作成ツールのオーディエンス テンプレートの候補内にある [予測可能] セクションで、各予測の要件ステータスを確認できます。
予測指標の使用
予測指標は、オーディエンス作成ツールとデータ探索ツールで使用できます。
オーディエンス作成ツール
予測指標を使用して、オーディエンス作成ツールで予測オーディエンスを作成できます。
データ探索ツール
データ探索ツールの [購入の可能性] と [離脱の可能性] は、ユーザーのライフタイムの手法で使用できます。
すべてのユーザーで同じデータを利用できるとは限りません。つまり、Google アナリティクス 4 ですべてのユーザーを含むクエリを使用すると、結果は次の 2 つのグループに分割されます。
- 予測指標が利用可能なユーザー: このグループには、Google アナリティクス 4 で購入の可能性などの指標を計算できるユーザーが含まれます。
- 予測指標が利用できないユーザー: このグループには、Google アナリティクス 4 で予測を計算するのに十分なデータがまだないユーザーが含まれます。
ベスト プラクティス
データ共有設定で、モデリングのためのデータ提供とビジネス分析情報の設定を有効にします。この設定をオンにすると、共有した集計データを使ってアナリティクスでモデルの品質を高め、予測精度を向上できるというメリットがあります。
プロパティのイベントの最適化案を最大限に活用してください。
purchase イベントまたは in_app_purchase イベントが収集されていることを確認してください。in_app_purchase イベントは自動的に収集されます。ただし、Android アプリを使用している場合、in_app_purchase イベントを確認するには Firebase アカウント経由で Google Play にリンクする必要があります。なお、ecommerce_purchase イベントの処理は継続されますが、今後は purchase イベントを使用することをおすすめします。
カスタム オーディエンスを定義して、[アプリ内購入の可能性] と [購入の可能性] を使用する予測条件を追加した場合、purchase と in_app_purchase の両方を達成するユーザーのみがオーディエンスに含まれます。
ユーザーの行動に応じて推奨イベントをより幅広く、多く収集することで、モデルの強化と予測精度の向上に役立ちます。同様に、ユーザーの行動の観点から見て意味を持たないノイズとなるイベントを最小限に抑えることも、予測精度の改善につながります。