[GA4] Playbook Jelajahi

Dalam artikel ini:

Halaman mana di situs/aplikasi saya yang mendorong tampilan terbanyak?

Di Universal Analytics, biasanya kita melihat laporan Halaman yang diuraikan menurut dimensi "Jalur Halaman" dan metrik seperti "Kunjungan Halaman", "Kunjungan Halaman Unik", "Rasio Pantulan", dan lainnya. Di properti Google Analytics 4, tampilan laporan halamannya berbeda, tetapi Anda tetap dapat dengan mudah membuat ulang laporan halaman yang Anda cari sebagai eksplorasi di Jelajahi.

Pertama, Anda perlu mengaktifkan dimensi tambahan menggunakan ikon + untuk menambahkan dimensi pada panel Setelan Tab di Jelajahi. Khususnya, Anda perlu menambahkan dimensi “Jalur Halaman + String Kueri”. Jika Anda juga ingin memeriksa data menurut judul halaman (di UA, laporan Halaman menggunakan “Jalur Halaman”), Anda dapat mengaktifkan dimensi tambahan “Judul Halaman & Nama Layar”.

Selanjutnya, tambahkan metrik untuk "Tampilan" agar Anda dapat memasukkannya ke dalam eksplorasi. Untuk melakukannya, klik ikon + di bagian Metrik dalam panel Variabel, lalu telusuri metrik “Tampilan” yang ingin ditambahkan.

Untuk membuat eksplorasi halaman, Anda harus menghapus metrik dan dimensi default yang diterapkan pada setelan baris dan kolom, lalu menambahkan “Jalur halaman + String kueri” sebagai dimensi baris dan “Tampilan” sebagai metrik kolom. Sebagai perbandingan, Anda juga dapat menambahkan "Pengguna Aktif" sebagai metrik kolom untuk mendapatkan gambaran tentang popularitas sebuah halaman berdasarkan pengguna unik.

Untuk Google Merchandise Store, jika Anda menghapus halaman beranda (/) dan halaman keranjang, Anda akan dapat langsung memeriksa bahwa halaman produk yang paling populer adalah halaman Clearance dan Men’s Apparel di situs tersebut.

Halaman landing mana yang berperforma terbaik atau mendorong konversi terbanyak?

Mengetahui bagian aplikasi atau situs Anda yang pertama kali dibuka oleh pengguna dapat membantu mengoptimalkan pengalaman pengguna dan upaya pemasaran Anda. Di Universal Analytics, Anda biasanya dapat melihatnya di laporan siap pakai di UI pelaporan, tetapi laporan seperti ini belum ada di properti Google Analytics 4. Anda dapat membuat ulang laporan ini sebagai eksplorasi di fitur Jelajahi.

Ada beberapa hal penting yang diperlukan untuk membuat eksplorasi ini: Dimensi "Halaman landing + string kueri" dan metrik yang relevan seperti "Tampilan", "Sesi", dan "Pengguna". Anda harus mengaktifkan dimensi & metrik tambahan menggunakan ikon + untuk menambahkan dimensi:

Setelah dimensi dan metrik ini dapat digunakan, tambahkan dimensi "Halaman landing + string kueri" sebagai baris, dan metrik yang relevan seperti "Tampilan", "Sesi", dan "Pengguna Aktif" sebagai nilai. Anda akan memperoleh eksplorasi halaman landing berdasarkan metrik tersebut.

Dengan menyertakan metrik tambahan "Pembelian", Anda dapat melihat halaman landing mana yang dibuka saat terjadi pembelian:

Sekarang, Anda dapat memeriksa halaman landing mana yang dibuka saat terjadi pembelian, dan dapat membandingkannya dengan jumlah total secara keseluruhan untuk lebih memahami efektivitas halaman landing.

Apa yang ditelusuri orang di situs/aplikasi saya? Di bagian mana saya dapat meningkatkan kualitas konten atau navigasi situs saya?

Laporan umum lainnya yang sebaiknya Anda buat di Jelajahi adalah eksplorasi Site Search. Ada beberapa langkah untuk membuatnya.

Pertama, Anda harus mengaktifkan peristiwa Pengukuran yang Ditingkatkan atau peristiwa kustom untuk mengumpulkan data penelusuran situs Anda. Jika menggunakan Pengukuran yang Ditingkatkan, peristiwa ini akan bernama "view_search_results". Selanjutnya, Anda harus memastikan bahwa parameter untuk "search_term" telah diaktifkan sebagai Dimensi Kustom di properti Anda. Setelah aktif, parameter ini akan dapat digunakan di Jelajahi.

Setelah data yang tepat terkumpul, Anda dapat membuat eksplorasi. Eksplorasi ini akan terdiri dari beberapa elemen. Pertama, Anda harus mengaktifkan dimensi agar parameter "search_term" dapat digunakan di Eksplorasi:

Setelah dimensi ini diaktifkan, Anda dapat menambahkannya ke eksplorasi di setelan "Baris". Kemudian, Anda akan mengamati output yang mirip dengan screenshot berikut:

Eksplorasi ini menampilkan banyak nilai (not set) karena eksplorasi ini mengamati semua peristiwa. Untuk mengurangi derau, Anda harus membuat filter untuk "Nama peristiwa" yang sama persis dengan "view_search_results" agar data yang ditampilkan hanyalah untuk peristiwa tersebut:

Setelah filter diterapkan, eksplorasi yang diperbarui akan menunjukkan jumlah penelusuran untuk setiap istilah yang tercantum, sehingga eksplorasi istilah penelusuran situs akan terlihat seperti berikut:

Mengetahui apa yang ditelusuri pengguna di situs Anda adalah langkah yang bagus untuk membantu mengoptimalkan konten agar engagement pengguna dan kepuasan pengguna meningkat. Misalnya, jika Anda menemukan lonjakan penelusuran istilah tertentu, sebaiknya tambahkan lebih banyak konten yang terkait dengan istilah tersebut agar pengguna situs lebih mudah menemukan hal yang dicari atau jawaban atas pertanyaan mereka.

Bagaimana performa halaman landing saya seiring waktu? Apakah pengguna membuka berbagai halaman pada kecepatan yang sama?

Anda memiliki beberapa opsi visualisasi untuk setiap eksplorasi. Salah satu opsi visualisasi yang mungkin berguna adalah diagram garis, yang dapat digunakan untuk mengamati tren data seiring waktu. Jika ingin memeriksa tren halaman landing seiring waktu, cukup ubah jenis visualisasi dengan mengklik salah satu dari 6 opsi visualisasi di panel Setelan Tab.

Jika visual data diubah ke diagram garis, grafik akan menampilkan 10 halaman landing teratas yang trending seiring waktu.

Jika kursor diarahkan ke diagram tersebut, Anda akan menemukan titik data yang tercantum untuk masing-masing hari.

Anda juga mungkin menemukan data anomali yang ditandai dengan lingkaran kosong. Jika kursor diarahkan ke lingkaran kosong ini, Anda akan melihat informasi data anomali tersebut. Pada contoh di bawah, berdasarkan data yang dikumpulkan sebelumnya, Google Analytics memperkirakan sekitar 1.000 pengguna aktif akan mengunjungi halaman beranda pada 2 Februari, tetapi ternyata jumlah pengguna aktif yang tercatat adalah 2.200, yang berarti 116% lebih tinggi dari perkiraan.

Funnel adalah alat yang efektif untuk dengan mudah memvisualisasikan cara pengguna melalui serangkaian langkah yang Anda perkirakan. Kasus penggunaan funnel yang umum adalah alur perilaku belanja atau alur perilaku checkout untuk bisnis e-commerce. Bagi developer game, Anda mungkin ingin memeriksa cara pengguna melewati berbagai level di game Anda. Mari kita lihat contoh spesifik dari setiap funnel tersebut.

Bagaimana pengguna melalui funnel belanja?

Untuk perilaku belanja, Anda sebaiknya menganalisis bagaimana berbagai segmen pengguna melalui funnel perilaku belanja "melihat item", "menambahkan ke keranjang", dan "membeli". Untuk memulai, Anda dapat membuat funnel ini dari awal, atau, Anda dapat menggunakan salah satu template praktis yang tersedia di akun demo GA4 - Google Merchandise Store. Untuk memilih funnel ini, buka hub Eksplorasi, scroll ke bawah, lalu pilih “Funnel Perilaku Belanja” dari eksplorasi “Demo” yang tercantum.

Saat dibuka, eksplorasi ini hanya dapat dibaca, tetapi Anda dapat mengklik “Buat salinan” di sudut kanan atas untuk membuat salinan eksplorasi demo dan Anda akan menjadi pemiliknya. Setelah memiliki salinan eksplorasi, Anda dapat mengedit dan menyesuaikannya berdasarkan keinginan Anda.

Google Merchandise Store menjual perlengkapan bermerek Google. Dua kategori perlengkapan yang populer di situs ini adalah item bermerek Android dan item bermerek YouTube. Anda dapat memahami perilaku belanja pengguna dengan membandingkan 2 kategori item tersebut. Untuk membandingkan, Anda perlu membuat 2 segmen baru, satu segmen untuk masing-masing kategori. Dalam hal ini, Anda dapat membuat segmen dengan kondisi yang menyertakan peristiwa "select_item" dan parameter "item_name" berisi "Android" atau "YouTube".

Selanjutnya, segmen ini akan menampilkan pengguna yang melewati funnel perilaku belanja yang minimal telah mengklik sebuah produk bermerek Android atau sebuah produk bermerek YouTube. Uniknya, data menunjukkan bahwa pengguna yang minimal telah mengklik sebuah produk bermerek Android hampir 2 kali lipat lebih cenderung akan membeli sesuatu dibandingkan pengguna yang berinteraksi dengan sebuah produk bermerek YouTube. Perlu diingat bahwa mengklik produk bermerek tidak berarti pengguna akan membelinya. Jika Anda hanya tertarik pada pembelian perlengkapan bermerek tertentu, Anda dapat menggunakan peristiwa pembelian, seperti berikut:

Setelah segmen ini diterapkan, perbandingan funnel Perilaku Belanja Anda akan terlihat seperti ini:

Fitur baru untuk funnel di GA4 adalah kemampuan melihat funnel tren ini dari waktu ke waktu. Untuk melakukannya, ubah jenis visualisasi menjadi “Funnel tren” di panel Setelan Tab. Tindakan ini akan membuka tampilan funnel tren dan menampilkan tren semua langkah seiring waktu. Anda dapat mengarahkan kursor ke halaman ini untuk memeriksa jumlah pengguna untuk setiap langkah dan segmen berdasarkan hari.

Anda juga dapat melihat langkah yang sedang tren satu per satu untuk memvisualisasikan perubahan seiring waktu dengan lebih mudah. Dalam contoh ini, Anda dapat menemukan bahwa sejak 10 Maret, ada lonjakan pembelian yang kurang terlihat saat menggunakan tampilan data sebelumnya. Uniknya, perbedaan jumlah pembelian dari pengguna yang melihat produk bermerek Android vs YouTube tampaknya terjadi hampir seluruhnya setelah lonjakan ini. Perbedaan ini menunjukkan bahwa mungkin ada perubahan dalam tata letak situs atau upaya pemasaran sehingga produk Android lebih terlihat setelah waktu lonjakan tersebut.

Bagaimana pengguna melewati berbagai level di game saya?

Sebagian besar developer mungkin mempertanyakan hal ini terkait game atau aplikasinya. Anda dapat menganalisis pertanyaan ini dengan menggunakan funnel.

Pertama, Anda harus menyusun langkah-langkah yang spesifik untuk progres level. Dalam contoh ini, Anda dapat menggunakan peristiwa "level_up" dan menyusun 5 langkah untuk 5 level di akun demo GA4 - Flood-it!.

Selanjutnya, langkah-langkah yang Anda terapkan akan menunjukkan bagaimana pengguna melewati setiap level game.

Sepertinya pengguna yang melewati level 1 lebih cenderung akan terus bermain. Informasi ini dapat membantu Anda melakukan pengujian A/B terhadap skenario saat Anda memperkenalkan tips atau metode lain untuk membantu pengguna menyelesaikan level 1 sehingga peluang terjadinya churn berkurang.

Jika Anda menjadikan funnel di atas sebagai tren seiring waktu, Anda juga akan melihat peningkatan di semua langkah yang dimulai sekitar 19 Maret. Peningkatan ini menunjukkan bahwa mungkin terjadi perubahan pada promosi atau visibilitas game pada saat itu.

Anda juga dapat menyegmentasikan funnel ini untuk memeriksa apakah saluran akuisisi yang berbeda memengaruhi progres dalam melewati setiap tingkat funnel secara keseluruhan. Dalam contoh ini, Anda dapat melihat akuisisi Traffic Langsung vs Berbayar. Anda akan melihat bahwa pengguna yang diperoleh melalui kampanye berbayar benar-benar bertahan lebih lama (rasio pengabaian lebih rendah) daripada pengguna yang diperoleh secara langsung. Data ini menunjukkan bahwa iklan berbayar Anda mungkin berfungsi sebagaimana mestinya.

Fitur lain yang sangat berguna dari Eksplorasi funnel adalah Anda dapat membuat segmen atau audiens berdasarkan pengguna yang tidak menyelesaikan konversi. Dalam contoh di bawah ini, Anda akan melihat bahwa rasio pengabaian mulai meningkat pada level 4. Anda sebaiknya membuat segmen dari pengguna yang berhenti pada Level 4 (tidak berhasil mencapai level 5) dan menggunakan pengguna tersebut sebagai audiens untuk memperluas jangkauan atau mengirim notifikasi push yang mendorong pengguna untuk kembali menyelesaikan level dan terus memainkan game.

Untuk membuat segmen tersebut, klik kanan pada langkah yang Anda inginkan dan pilih sebagai dasar pembuatan segmen. Segmen yang dapat Anda gunakan di sini juga akan menyertakan kriteria pengecualian untuk level 5 sehingga Anda menargetkan audiens yang tepat.

Terakhir, sebaiknya Anda menambahkan metrik baru “Waktu Berlalu” ke eksplorasi funnel. Anda dapat melakukannya dengan mengaktifkan tombol "Tampilkan Waktu Berlalu" di panel Setelan. Tindakan ini akan menambahkan kolom metrik baru ke tabel Anda:

Melihat waktu rata-rata yang dibutuhkan pemain dalam melewati langkah demi langkah dapat menjadi indikator penting terkait keberhasilan pemain Anda, atau dalam kasus ini, seberapa mudah atau sulit sebuah level untuk diselesaikan. Indikator ini juga bisa menjadi contoh kasus yang bagus untuk membuat audiens yang akan ditindaklanjuti, seperti mengirimkan notifikasi push atau pesan pemasaran ulang kepada audiens tersebut. Misalnya, sepertinya dibutuhkan waktu rata-rata 3 jam 53 menit untuk menyelesaikan level 2. Anda dapat membuat audiens yang berhenti bermain di level ini dengan mengklik kanan dan memilih opsi tersebut:

Audiens ini nantinya akan menjadi audiens yang tepat untuk diberi dorongan agar mereka tidak meninggalkan game atau aplikasi Anda.

Fitur baru yang sangat berguna pada bagian Jelajahi di GA4 adalah Eksplorasi jalur. Anda kini dapat memilih peristiwa atau halaman/layar tertentu yang ingin dianalisis jalur mundur atau majunya untuk mengamati bagaimana pengguna menjelajahi situs atau aplikasi Anda. Beberapa pemilik situs sudah lama meminta fitur untuk memahami alur pengguna melalui situs, dan permintaan tersebut akhirnya terwujud melalui fitur Eksplorasi jalur yang baru di GA4.

Apa yang mendorong pengguna menambahkan produk ke keranjang?

Sebagian besar situs e-commerce mungkin mempertanyakan hal ini dan sekarang mereka dapat melacaknya menggunakan fitur analisis jalur mundur.

Untuk memulai, buka Eksplorasi jalur baru, lalu tekan “Mulai Lagi” di sudut kanan atas. Kemudian, Anda dapat memilih endpoint. Pilih “Nama peristiwa”.

Selanjutnya, Anda harus memilih peristiwa yang ingin Anda lacak ke belakang di menu panel samping. Dalam kasus ini, karena kita ingin memeriksa apa yang mendorong pengguna menambahkan produk ke keranjang, kita akan memilih "tambahkan ke keranjang". Jika nama peristiwa yang diinginkan tidak muncul, Anda dapat menekan “Muat lainnya” atau cukup gunakan kotak penelusuran di bagian atas untuk mencarinya.

Eksplorasi akan dimuat dengan beberapa langkah yang sudah terisi berdasarkan nama peristiwa. Jika ingin melihat jalur berdasarkan nama halaman, Anda dapat mengubahnya untuk masing-masing langkah. Pada contoh di bawah, dimensi telah diubah menjadi "Page title and screen class" (Judul halaman dan jenis layar) dan terlihat bahwa jumlah pengguna yang menambahkan produk ke keranjang dari halaman Sale cukup besar. Setelah itu, Anda mungkin ingin meninjau peristiwa ini lebih lanjut dengan mencari tahu apa item yang paling diminati di halaman Sale tersebut agar Anda dapat menentukan strategi pemasaran yang tepat.

Apa yang menyebabkan pengguna menghapus aplikasi saya?

Masalah besar bagi developer aplikasi adalah terjadinya churn (yakni, pengguna menghapus aplikasi). Analisis jalur mundur dapat menjadi solusi yang efektif untuk membantu mengetahui penyebab pelanggan melakukan churn dari suatu aplikasi. Untuk memulai, Anda perlu membuat jalur mundur baru dengan menekan tombol “Mulai lagi” di bagian atas Eksplorasi jalur. Selanjutnya, Anda perlu memilih nama peristiwa “app_remove” sebagai titik awal.

Jika melacak beberapa langkah ke belakang, Anda dapat mengamati aktivitas yang mungkin menyebabkan terjadinya churn. Dalam hal ini, sekitar 13% pengguna yang melakukan churn telah melihat tayangan iklan dalam 2 langkah sebelum mereka menghapus aplikasi. Persentase yang cukup besar ini menunjukkan bahwa Anda mungkin perlu mengoptimalkan cara menampilkan iklan agar tidak memengaruhi pengguna secara negatif, sehingga jumlah churn pun akan berkurang.

Apakah ada irisan yang menarik di antara berbagai segmen data saya?

Teknik Tumpang-Tindih Segmen adalah cara yang efektif untuk memvisualisasikan interaksi antar-berbagai segmen pengguna dengan mudah. Misalnya, saya dapat memvisualisasikan tumpang-tindih pengguna desktop vs pengguna seluler yang berlangganan newsletter situs. Dengan visualisasi ini, saya dapat dengan mudah melihat dari mana sebagian besar pendaftaran newsletter berasal, bukan dengan mengelompokkan eksplorasi tabel untuk mendapatkan informasi ini.

Untuk membuat visualisasi tumpang-tindih, Anda harus menambahkan segmen yang ingin dianalisis ke panel variabel terlebih dahulu. Klik ikon + untuk menambahkan segmen baru (tindakan ini akan membuka pembuat segmen).

Anda dapat membuat peristiwa Pendaftaran Newsletter dengan memilih segmen peristiwa dan memilih peristiwa yang sesuai untuk difilter, misalnya, "sign_up"

Setelah membuat segmen yang ingin divisualisasikan, Anda harus menerapkannya dengan mengklik dua kali pada segmen tersebut untuk ditambahkan ke panel Setelan Tab. Anda dapat menambahkan hingga 3 segmen sekaligus untuk memvisualisasikan tumpang-tindih segmen melalui diagram Venn.

Dalam contoh ini, segmen untuk "Traffic desktop", "Traffic seluler", dan "Pendaftaran Newsletter" telah ditambahkan untuk memeriksa dari mana sebagian besar pendaftaran newsletter berasal.

Seperti yang dapat Anda temukan pada diagram Venn dan baris 6 pada tabel di bawah, sebagian besar pendaftaran newsletter berasal dari pengguna desktop. Hasil ini mungkin menunjukkan bahwa pengalaman seluler tidak dirancang untuk tujuan ini, atau mungkin ada masalah UX yang menyulitkan pengguna untuk berlangganan newsletter. Insight penting ini mungkin akan saya bahas lebih lanjut dengan tim developer dan UX saya.

Fitur dari teknik Tumpang-Tindih Segmen yang sangat berguna adalah kemampuan untuk membuat segmen baru berdasarkan segmen yang tumpang-tindih. Misalnya, jika saya ingin membuat segmen baru yang menyertakan traffic desktop dan pendaftaran newsletter, saya dapat mengklik kanan pada irisan data yang saya minati di diagram Venn atau tabel, lalu memilih opsi untuk membuat segmen.

Tindakan ini akan membuka pembuat segmen dengan kondisi yang telah ditentukan sebelumnya berdasarkan kumpulan segmen yang Anda pilih. Segmen akan diberi nama deskriptif yang merupakan kondisi dari segmen yang digabungkan, tetapi Anda dapat mengubahnya jika ingin.

Anda bahkan dapat memilih untuk membuat audiens berdasarkan segmen tumpang-tindih ini dengan mencentang kotak di sudut kanan atas. Kemudian, Anda dapat membagikan audiens ini ke produk Google Marketing Platform lainnya, seperti Google Ads, untuk membantu memperluas jangkauan Anda.

Apakah terdapat perbedaan perilaku pengguna berdasarkan waktu pertama kali mereka mengunjungi situs saya?

Eksplorasi kelompok adalah alat yang berguna untuk memahami perilaku berbagai grup pengguna situs Anda, berdasarkan waktu dan cara mereka masuk ke dalam kelompok. Anda dapat mengubah metrik atau penghitungan hal yang Anda analisis di eksplorasi kelompok agar eksplorasi ini lebih berguna.

Saat pertama kali membuka eksplorasi kelompok baru di fitur Jelajahi, Anda akan menemukan eksplorasi yang dibuat untuk Anda berdasarkan penyertaan kelompok first_touch (atau kondisi agar seseorang dapat disertakan ke dalam kelompok - dalam hal ini, waktu pertama kali dia mengunjungi situs atau aplikasi), kriteria kembali untuk setiap peristiwa (artinya, pengguna kembali dan melakukan tindakan apa pun di situs atau aplikasi Anda), metrik pengguna aktif, dan jenis penghitungan standar. Tindakan ini akan menghasilkan eksplorasi kelompok dasar yang menampilkan jumlah pengguna yang berhasil Anda tarik kembali ke situs setiap minggunya selama 5 minggu, dan menunjukkan apakah jumlah tersebut bervariasi bergantung pada kapan pertama kali mereka membuka situs atau aplikasi Anda.

Jika Anda mengubah jenis metrik eksplorasi ini dari “jumlah” menjadi “per pengguna kelompok”, Anda dapat memperkirakan persentase pengguna kembali per minggu. Jenis metrik ini mungkin lebih berguna daripada jumlah untuk tampilan khusus ini karena Anda dapat memperoleh gambaran tentang perbandingan pengguna yang kembali antar-kelompok.

Untuk situs e-commerce, Anda mungkin juga merasakan manfaat jika mengubah Nilai dari metrik "Pengguna Aktif" menjadi metrik "Pendapatan Pembelian" karena nilai ini tidak hanya menampilkan pengguna, tetapi juga nilai pendapatan yang dihasilkan oleh setiap kelompok. Anda dapat mengamatinya sebagai jumlah untuk kelompok, atau per pengguna kelompok. Dalam contoh di bawah ini, Anda akan melihat bahwa 2 kelompok pertama menghasilkan pendapatan yang sangat kecil setiap minggunya, tetapi mulai dari kelompok ketiga, pendapatan terus meningkat.

Jika jenis penghitungan diubah dari Standar menjadi Kumulatif, Anda dapat mengamati keseluruhan dampak dari setiap kelompok terhadap pendapatan bisnis.

Dalam contoh ini, data menunjukkan bahwa pada minggu yang dimulai dari 7 Maret, kemungkinan telah terjadi peningkatan upaya pemasaran dalam mendorong pengguna yang lebih cenderung akan berkonversi untuk mengunjungi Google Merchandise Store.

Apa sumber rujukan yang menghasilkan pengguna paling bernilai?

Dengan mengetahui informasi ini, tim pemasaran Anda dapat menentukan sumber rujukan yang mungkin ingin mereka dukung sebagai partner. Dalam kasus ini, nilai menunjukkan pengguna cenderung tidak melakukan churn, memiliki perkiraan pendapatan nilai masa aktif yang lebih tinggi, dan LTV historis yang lebih tinggi.

Untuk membuat eksplorasi ini, pertama-tama Anda harus memasukkan metrik dan dimensi yang diperlukan untuk mengeksplorasi hal-hal seperti Churn, LTV, dan pendapatan nilai masa aktif. Kita akan menggunakan sumber dan media sebagai dimensi. Sedangkan untuk metrik, kita akan memasukkan beberapa metrik tambahan dari bagian "Masa Aktif Pengguna" menggunakan ikon + di bagian metrik pada panel variabel.

Setelah menerapkan metrik dan dimensi ini, Anda akan menemukan bahwa banyak baris dengan nilai probabilitas churn 0 karena pengguna di baris tersebut tidak memenuhi syarat untuk pemodelan prediksi churn. Anda dapat membuat filter dengan probabilitas churn > 0 untuk mengecualikan semua pengguna yang nilai probabilitas churn-nya 0. Selanjutnya, Anda akan melihat eksplorasi yang lebih terstruktur seperti ini:

Kemudian, Anda dapat mengurutkan data berdasarkan probabilitas churn dan memeriksa apakah ada kampanye yang memiliki jumlah pengguna yang cukup besar dan perkiraan churn yang rendah. Kampanye dengan kriteria seperti ini cenderung akan menghasilkan lebih banyak pengguna yang berinteraksi daripada kampanye dengan prediksi nilai churn yang lebih tinggi.

Anda juga dapat melihat prediksi pembelian, LTV historis, dan interaksi prediktif untuk mengetahui nilai pengguna yang diperoleh tidak hanya dari satu sesi saja.

Lihat screenshot di bawah ini, dalam kasus ini, ada beberapa baris rujukan non-Google ke Google Merchandise Store yang jumlah penggunanya rendah, tetapi memiliki churn yang lebih rendah, durasi engagement yang lebih tinggi, transaksi yang lebih tinggi, dan LTV rata-rata yang bagus. Rujukan ini akan berguna bagi toko. Jadi, kami akan menyarankan tim pemasaran untuk menjangkau sumber rujukan ini guna menjalin hubungan yang lebih erat.