เกี่ยวกับเมตริกตามการคาดการณ์
Google Analytics ทำให้ข้อมูลของคุณสมบูรณ์ขึ้นโดยอัตโนมัติ ด้วยการนำความเชี่ยวชาญด้านแมชชีนเลิร์นนิงของ Google มาใช้กับชุดข้อมูลเพื่อคาดการณ์พฤติกรรมในอนาคตของผู้ใช้ เมตริกตามการคาดการณ์ช่วยให้ทราบเพิ่มเติมเกี่ยวกับลูกค้าเพียงแค่ใช้การรวบรวมข้อมูลเหตุการณ์ที่มีแบบแผนเท่านั้น
เมตริก | คำจำกัดความ |
---|---|
ความน่าจะเป็นของการซื้อ | ความน่าจะเป็นที่ผู้ใช้ที่ใช้งานอยู่ในช่วง 28 วันที่ผ่านมานั้นจะทำให้เกิดเหตุการณ์สำคัญหนึ่งๆ ภายใน 7 วันข้างหน้า |
ความน่าจะเป็นของการเลิกใช้งาน | ความน่าจะเป็นที่ผู้ใช้ที่ใช้งานอยู่ในแอปหรือเว็บไซต์ภายในช่วง 7 วันที่ผ่านมานั้นจะไม่ใช้งานภายใน 7 วันข้างหน้า |
รายได้ที่คาดการณ์ | รายได้ที่คาดไว้จากเหตุการณ์สำคัญการซื้อทั้งหมดภายใน 28 วันข้างหน้าจากผู้ใช้ที่ใช้งานอยู่ในช่วง 28 วันที่ผ่านมา |
ปัจจุบัน ระบบรองรับเฉพาะเหตุการณ์ purchase
/ecommerce_purchase
และ in_app_purchase
สำหรับความน่าจะเป็นของการซื้อและเมตริกการคาดการณ์รายได้
ecommerce_purchase
ต่อไป แต่เราขอแนะนําให้ใช้เหตุการณ์ purchase
แทนข้อกำหนดเบื้องต้น
Analytics กำหนดให้ต้องเป็นไปตามเกณฑ์ต่อไปนี้จึงจะฝึกโมเดลตามการคาดการณ์ได้สำเร็จ
- จํานวนตัวอย่างขั้นต่ำที่เป็นบวกและลบของผู้ซื้อและผู้ใช้ที่เลิกใช้งาน ในช่วง 28 วันที่ผ่านมา ภายในช่วงระยะเวลา 7 วัน ผู้ใช้ที่กลับมาอย่างน้อย 1,000 คนต้องมีการทริกเกอร์เงื่อนไขตามการคาดการณ์ที่เกี่ยวข้อง (การซื้อหรือการเลิกใช้งาน) และผู้ใช้ที่กลับมาอีกอย่างน้อย 1,000 คนต้องไม่ทริกเกอร์
- คุณภาพของโมเดลต้องอยู่คงที่ในช่วงระยะเวลาหนึ่งจึงจะมีสิทธิ์ (ดูข้อมูลเพิ่มเติมเกี่ยวกับการดําเนินการที่คุณทําได้เพื่อให้พร็อพเพอร์ตี้มีโอกาสที่ดีที่สุดในการมีสิทธิ์ได้รับเมตริกตามการคาดการณ์)
- เพื่อที่จะมีสิทธิ์ได้ทั้งความน่าจะเป็นของการซื้อและเมตริกรายได้ที่คาดการณ์ พร็อพเพอร์ตี้จะต้องส่งเหตุการณ์
purchase
(แนะนำสำหรับการรวบรวม) และ/หรือin_app_purchase
(รวบรวมโดยอัตโนมัติ) เมื่อรวบรวมเหตุการณ์purchase
คุณต้องรวบรวมพารามิเตอร์value
และcurrency
สําหรับเหตุการณ์นั้น ดูข้อมูลเพิ่มเติมเกี่ยวกับเหตุการณ์ purchase
ระบบจะสร้างเมตริกตามการคาดการณ์สำหรับแต่ละโมเดลที่มีสิทธิ์วันละครั้งให้กับผู้ใช้ที่ใช้งานอยู่ หากคุณภาพของโมเดลสำหรับพร็อพเพอร์ตี้ของคุณอยู่ต่ำกว่าเกณฑ์ขั้นต่ำ Analytics จะหยุดอัปเดตการคาดการณ์ที่เกี่ยวข้องและอาจไม่พร้อมใช้งานใน Analytics
ตรวจสอบสถานะการมีสิทธิ์ของการคาดการณ์แต่ละรายการได้โดยไปที่ส่วนตามการคาดการณ์ในเทมเพลตกลุ่มเป้าหมายที่แนะนําในเครื่องมือสร้างกลุ่มเป้าหมาย
การใช้เมตริกตามการคาดการณ์
เมตริกตามการคาดการณ์มีให้ใช้ในเครื่องมือสร้างกลุ่มเป้าหมายและในการสำรวจ
เครื่องมือสร้างกลุ่มเป้าหมาย
คุณใช้เมตริกตามการคาดการณ์เพื่อสร้างกลุ่มเป้าหมายตามการคาดการณ์ในเครื่องมือสร้างกลุ่มเป้าหมายได้
การสำรวจ
คุณสามารถใช้ความน่าจะเป็นของการซื้อและความน่าจะเป็นของการเลิกใช้งานในการสำรวจภายในเทคนิคการวิเคราะห์ตลอดอายุการใช้งานของผู้ใช้ได้
ผู้ใช้บางรายอาจมีข้อมูลไม่เหมือนกัน ซึ่งหมายความว่าเมื่อใช้คําค้นหาที่มีผู้ใช้ทั้งหมดใน Google Analytics 4 คุณจะเห็นผลลัพธ์ที่แบ่งออกเป็น 2 กลุ่ม ดังนี้
- ผู้ใช้ที่มีเมตริกการคาดการณ์: กลุ่มนี้ประกอบด้วยผู้ใช้ที่ Google Analytics 4 สามารถคํานวณข้อมูลต่างๆ เช่น ความน่าจะเป็นในการซื้อ
- ผู้ใช้ที่ไม่มีเมตริกการคาดการณ์: กลุ่มนี้ประกอบด้วยผู้ใช้ที่ Google Analytics 4 ยังไม่มีข้อมูลเพียงพอที่จะคํานวณการคาดการณ์
แนวทางปฏิบัติแนะนำ
ในการตั้งค่าการแชร์ข้อมูล ให้เปิดใช้การตั้งค่าการประมาณการมีส่วนร่วมและข้อมูลเชิงลึกทางธุรกิจ คุณจะได้รับประโยชน์เมื่อเปิดการตั้งค่านี้ เนื่องจากจะทำให้ Analytics สามารถใช้ข้อมูลที่รวบรวมไว้และแชร์ร่วมกันเพื่อพัฒนาคุณภาพของโมเดลและปรับปรุงการคาดการณ์ได้
ใช้คำแนะนำเหตุการณ์ในพร็อพเพอร์ตี้ให้ได้อย่างเต็มที่
อย่าลืมรวบรวมเหตุการณ์ purchase
และ/หรือ in_app_purchase
ระบบจะรวบรวมเหตุการณ์ in_app_purchase
โดยอัตโนมัติ อย่างไรก็ตาม คุณต้องลิงก์กับ Google Play ผ่านบัญชี Firebase เพื่อดูเหตุการณ์ in_app_purchase
หากมีแอป Android โปรดทราบว่าแม้เราจะยังคงประมวลผลเหตุการณ์ ecommerce_purchase
ต่อไป แต่เราขอแนะนําให้ใช้เหตุการณ์ purchase
แทน
หากคุณกําหนดกลุ่มเป้าหมายที่กําหนดเองและเพิ่มเงื่อนไขตามการคาดการณ์เพื่อใช้ความน่าจะเป็นของการซื้อในแอปและความน่าจะเป็นของการซื้อ ระบบจะรวมเฉพาะผู้ใช้ที่ดำเนินการทั้งเหตุการณ์ purchase
และ in_app_purchase
จนเสร็จสิ้นเท่านั้นไว้ในกลุ่มเป้าหมาย
การรวบรวมเหตุการณ์ที่แนะนำปริมาณมากหรือหลากหลายมากยิ่งขึ้นที่สอดคล้องกับพฤติกรรมของผู้ใช้ จะช่วยเราเพิ่มประสิทธิภาพโมเดลและปรับปรุงการคาดการณ์ได้ ในทำนองเดียวกัน การลดเหตุการณ์รบกวนที่ไม่มีความหมายในแง่พฤติกรรมของผู้ใช้ก็จะช่วยปรับปรุงการคาดการณ์ได้เช่นกัน