[GA4] Meritve za predvidevanje

O meritvah za predvidevanje

Google Analytics samodejno obogati vaše podatke tako, da z Googlovim znanjem in izkušnjami s področja strojnega učenja na podlagi vašega nabora podatkov predvidi prihodnje vedenje uporabnikov. Z meritvami za predvidevanje lahko izveste več o svojih strankah tako, da preprosto zbirate strukturirane podatke o dogodkih.

Meritev	Definicija
Verjetnost nakupa	Verjetnost, da bo uporabnik, ki je bil aktiven v zadnjih 28 dneh, zabeležil določen dogodek konverzije v naslednjih 7 dneh.
Verjetnost odliva	Verjetnost, da uporabnik, ki je bil v zadnjih 7 dneh aktiven v vaši aplikaciji ali na spletnem mestu, v naslednjih 7 dneh ne bo aktiven.
Predvideni prihodek	Predvideni prihodek od vseh nakupnih konverzij v naslednjih 28 dneh od uporabnika, ki je bil aktiven v zadnjih 28 dneh.

 

Trenutno so za meritvi verjetnosti nakupa in predvidevanja prihodka podprti samo dogodki purchase/ecommerce_purchase in in_app_purchase.

Čeprav bomo dogodke ecommerce_purchase še naprej obdelovali, vam zdaj priporočamo, da namesto njih uporabljate dogodke purchase.

Predpogoji

Za uspešno učenje modelov za predvidevanje Analytics zahteva, da so izpolnjena naslednja merila:

1. Najmanjše število pozitivnih in negativnih primerov kupcev in uporabnikov, ki niso več aktivni. V zadnjih 28 dneh je bilo v 7-dnevnem obdobju vsaj 1000 uporabnikov, ki se vračajo in ki so sprožili ustrezen pogoj za predvidevanje (nakup ali odliv), ter vsaj 1000 uporabnikov, ki se vračajo in ki tega niso storili.
2. Model mora imeti stalno kakovost skozi čas, da je primeren. (Preberite več o tem, s katerimi ukrepi lahko poskrbite, da bo vaša znamka imela najboljše možnosti, da bo primerna za meritve za predvidevanje.)
3. Znamka mora pošiljati dogodke purchase (priporočeno za zbirko) in/ali in_app_purchase (samodejno zbrano), da je primerna tako za meritev verjetnosti nakupa kot tudi za meritev predvidevanja prihodka. Pri zbiranju dogodka purchase morate zbirati tudi parametra value in currency za ta dogodek. Več o tem

Meritve za predvidevanje za vsak primeren model se ustvarijo za vsakega aktivnega uporabnika enkrat dnevno. Če kakovost modela za znamko pade pod najnižji prag, se v storitvi Analytics nehajo posodabljati ustrezne meritve za predvidevanje, ki sčasoma morda ne bodo več na voljo v tej storitvi.

Stanje primernosti posameznega modela za predvidevanje lahko preverite v razdelku za predvidevanje znotraj predlog predlaganih ciljnih skupin v ustvarjalniku ciljnih skupin.

Uporaba meritev za predvidevanje

Meritve za predvidevanje so na voljo v ustvarjalniku ciljnih skupin in Raziskovanjih.

Ustvarjalnik ciljnih skupin

Meritve za predvidevanje lahko uporabite za ustvarjanje ciljnih skupin na podlagi predvidevanja v ustvarjalniku ciljnih skupin.

Raziskovanje

V Raziskovanjih lahko uporabite Verjetnost nakupa in Verjetnost odliva, ki sta na voljo znotraj postopka glede dolgotrajne vrednosti uporabnikov.

Najboljši postopki

V nastavitvah deljenja podatkov omogočite nastavitev »Modeliranje prispevkov in poslovni vpogledi«. Vklop te nastavitve je za vas koristen zato, ker lahko Analytics uporabi deljene združene podatke za izboljšanje kakovosti modelov in predvidevanja.

Poskrbite, da boste v svoji znamki kar najbolje izkoristili priporočila za dogodke.

Prepričajte se, da zbirate dogodke purchase in/ali in_app_purchase. Dogodki in_app_purchase se zbirajo samodejno. Če imate aplikacijo za Android, pa morate za ogled dogodkov in_app_purchase vzpostaviti povezavo z Googlom Play prek računa Firebase. Čeprav bomo dogodke ecommerce_purchase še naprej obdelovali, vam zdaj priporočamo, da namesto njih uporabljate dogodke purchase.

Če določite ciljno skupino po meri in dodate pogoja na podlagi meritev za predvidevanje Verjetnost nakupa v aplikaciji in Verjetnost nakupa, bodo v ciljno skupino vključeni samo uporabniki, ki izvedejo dogodka purchase in in_app_purchase.

Z zbiranjem raznovrstnejših ali številnejših priporočenih dogodkov, ki ustrezajo vedenju uporabnikov, nam boste pomagali izboljšati modele in predvidevanje. Prav tako pa se bo predvidevanje izboljšalo z minimizacijo dogodkov, ki niso pomembni z vidika vedenja uporabnikov.