[GA4] Métricas preditivas

Acerca das métricas preditivas

O Google Analytics enriquece automaticamente os dados ao aplicar os conhecimentos da aprendizagem automática da Google ao conjunto de dados, para prever o comportamento futuro dos utilizadores. Com as métricas preditivas, basta recolher dados de eventos estruturados para saber mais acerca dos seus clientes.

Métrica	Definição
Probabilidade de compra	A probabilidade de um utilizador que estava ativo nos últimos 28 dias registar um evento de conversão específico nos próximos 7 dias.
Probabilidade de abandono	A probabilidade de um utilizador que estava ativo na app ou no site, nos últimos 7 dias, não estar ativo nos próximos 7 dias.
Receita prevista	A receita esperada de todas as conversões de compras nos próximos 28 dias da parte de um utilizador que esteve ativo nos últimos 28 dias.

 

Atualmente, apenas são suportados os eventos purchase/ecommerce_purchase e in_app_purchase para as métricas preditivas Probabilidade de compra e Receita.

Embora possamos continuar a processar o evento ecommerce_purchase, atualmente recomendamos que use o evento purchase.

Pré-requisitos

Para treinar modelos preditivos com êxito, o Analytics requer que os seguintes critérios sejam cumpridos:

1. Um número mínimo de exemplos positivos e negativos de compradores e utilizadores que abandonaram. Nos últimos 28 dias, durante um período de sete dias, pelo menos 1000 utilizadores de retorno têm de ter acionado a condição preditiva relevante (compra ou abandono) e pelo menos 1000 utilizadores de retorno não o podem ter feito.
2. A qualidade dos modelos tem de ser mantida ao longo de algum tempo para ser elegível. (Saiba mais acerca das ações que pode realizar para confirmar que a sua propriedade tem a melhor probabilidade de ser elegível para métricas preditivas.)
3. Para ser elegível para a métrica de probabilidade de compra e para a receita prevista, uma propriedade tem de enviar os eventos purchase (recomendado para recolha) e/ou in_app_purchase (recolhido automaticamente). Quando recolhe o evento purchase, também tem de recolher os parâmetros value e currency para esse evento. Saiba mais

As métricas preditivas para cada modelo elegível são geradas para cada utilizador ativo uma vez por dia. Se a qualidade dos modelos da sua propriedade estiver abaixo do limite mínimo, o Analytics deixa de atualizar as previsões correspondentes e as métricas podem ficar indisponíveis no Analytics.

Pode verificar o estado de elegibilidade de cada previsão ao aceder à secção Preditivo nos modelos de públicos-alvo sugeridos no construtor de públicos-alvo.

Usar métricas preditivas

As métricas preditivas estão disponíveis no construtor de públicos-alvo e no Explorações.

Construtor de públicos-alvo

As métricas preditivas podem ser utilizadas para criar públicos-alvo preditivos no construtor de públicos-alvo.

Exploração

Pode utilizar a Probabilidade de compra e a Probabilidade de abandono do Explorações na técnica Duração do utilizador.

Práticas recomendadas

Nas definições de partilha de dados, ative a definição Contribuições de modelagem e estatísticas empresariais. Beneficia quando esta definição está ATIVADA, porque o Analytics pode usar dados agregados partilhados para melhorar a qualidade dos modelos e as previsões.

Certifique-se de que utiliza o maior número possível de recomendações de eventos na sua propriedade.

Certifique-se de que está a recolher os eventos purchase e/ou in_app_purchase. Os eventos in_app_purchase são recolhidos automaticamente. No entanto, se tiver uma app Android, tem de estabelecer uma associação ao Google Play através da sua conta do Firebase para ver o evento in_app_purchase. Tenha em atenção que, apesar de continuarmos a processar o evento ecommerce_purchase, atualmente recomendamos que utilize o evento purchase.

Se definir um público-alvo personalizado e adicionar condições baseadas em métricas preditivas para utilizar a Probabilidade de compra na app e a Probabilidade de compra, apenas os utilizadores que concluírem uma purchase e um uma in_app_purchase serão incluídos no público-alvo.

A recolha de uma maior variedade ou volume de eventos recomendados correspondentes ao comportamento dos utilizadores ajuda a melhorar os nossos modelos e as previsões. Da mesma forma, minimizar os eventos intermitentes que não são importantes em termos do comportamento dos utilizadores também ajuda a melhorar as previsões.