Tentang metrik prediktif
Google Analytics secara otomatis memperkaya data Anda dengan menghadirkan keahlian machine learning Google untuk diterapkan pada set data Anda guna memprediksi perilaku pengguna di masa mendatang. Dengan metrik prediktif, Anda mempelajari pelanggan lebih lanjut hanya dengan mengumpulkan data peristiwa terstruktur.
| Metrik | Definisi |
|---|---|
| Probabilitas pembelian | Probabilitas bahwa pengguna yang aktif dalam 28 hari terakhir akan menghasilkan peristiwa utama tertentu dalam 7 hari ke depan. |
| Kemungkinan churn | Probabilitas bahwa pengguna yang aktif di aplikasi atau situs Anda dalam 7 hari terakhir tidak akan aktif dalam 7 hari ke depan. |
| Prediksi pendapatan | Pendapatan yang diperkirakan dari semua peristiwa utama pembelian dalam 28 hari berikutnya dari pengguna yang aktif dalam 28 hari terakhir. |
Saat ini, hanya peristiwa purchase/ecommerce_purchase dan in_app_purchase yang didukung untuk metrik Probabilitas pembelian dan Prediksi pendapatan.
ecommerce_purchase, sekarang kami merekomendasikan peristiwa purchase sebagai gantinya.Prasyarat
Agar berhasil melatih model prediktif, Analytics mengharuskan kriteria berikut terpenuhi:
- Jumlah minimum contoh positif dan negatif dari pembeli dan pengguna yang melakukan churn. Dalam 28 hari terakhir, selama jangka waktu tujuh hari, harus ada setidaknya 1.000 pengguna yang kembali yang memicu kondisi prediktif yang relevan (pembelian atau churn) dan setidaknya 1.000 pengguna yang kembali yang tidak memicu kondisi tersebut.
- Kualitas model harus dipertahankan selama jangka waktu tertentu agar memenuhi syarat. (Pelajari lebih lanjut tindakan yang dapat Anda lakukan untuk memastikan properti Anda berpeluang besar memenuhi syarat untuk metrik prediktif.)
- Agar memenuhi syarat untuk metrik probabilitas pembelian dan prediksi pendapatan, properti harus mengirimkan peristiwa
purchase(direkomendasikan untuk pengumpulan) dan/atauin_app_purchase(dikumpulkan secara otomatis). Saat mengumpulkan peristiwapurchase, Anda juga perlu mengumpulkan parametervaluedancurrencyuntuk peristiwa tersebut. Pelajari lebih lanjut peristiwa pembelian.
Metrik prediktif untuk setiap model yang memenuhi syarat akan dibuat untuk setiap pengguna aktif satu kali per hari. Jika kualitas model untuk properti Anda berada di bawah batas minimum, Analytics akan berhenti memperbarui prediksi yang sesuai dan prediksi ini mungkin menjadi tidak tersedia di Analytics.
Anda dapat memeriksa status kelayakan setiap prediksi dengan membuka bagian prediktif dalam template audiens yang direkomendasikan di pembuat audiens.
Menggunakan metrik prediktif
Metrik prediktif tersedia di pembuat audiens dan Eksplorasi.
Pembuat audiens
Metrik prediktif dapat digunakan untuk membuat audiens prediktif di pembuat audiens.
Eksplorasi
Anda dapat menggunakan Probabilitas pembelian dan Probabilitas churn di Eksplorasi dalam Teknik masa aktif pengguna.
Tidak semua pengguna memiliki data yang sama. Artinya, saat menggunakan kueri yang menyertakan semua pengguna di Google Analytics 4, Anda akan melihat hasil yang dikelompokkan menjadi 2 grup:
- Pengguna dengan metrik prediksi: Grup ini mencakup pengguna yang data-datanya seperti probabilitas pembelian dapat dihitung oleh Google Analytics 4.
- Pengguna tanpa metrik prediksi: Grup ini mencakup pengguna yang datanya belum cukup untuk penghitungan prediksi oleh Google Analytics 4.
Praktik terbaik
Di setelan berbagi data, aktifkan setelan Pemodelan kontribusi & insight bisnis. Anda akan mendapatkan manfaat jika setelan ini AKTIF karena Analytics dapat menggunakan data gabungan yang dibagikan untuk meningkatkan kualitas model dan prediksi Anda.
Pastikan untuk memaksimalkan penggunaan rekomendasi peristiwa di properti Anda.
Pastikan Anda mengumpulkan peristiwa purchase dan/atau in_app_purchase. Peristiwa in_app_purchase dikumpulkan secara otomatis. Namun, Anda harus menautkan ke Google Play melalui akun Firebase untuk melihat peristiwa in_app_purchase jika Anda memiliki aplikasi Android. Perhatikan bahwa meskipun kami akan terus memproses peristiwa ecommerce_purchase, sekarang kami merekomendasikan peristiwa purchase sebagai gantinya.
Jika Anda menentukan audiens kustom dan menambahkan kondisi prediktif untuk menggunakan Probabilitas pembelian dalam aplikasi dan Probabilitas pembelian, hanya pengguna yang menyelesaikan peristiwa purchase dan in_app_purchase yang akan disertakan dalam audiens.
Mengumpulkan lebih beragam dan lebih banyak peristiwa yang direkomendasikan sesuai dengan perilaku pengguna akan membantu menyempurnakan model kami dan meningkatkan prediksi. Demikian juga, meminimalkan peristiwa yang tidak relevan dalam hal perilaku pengguna juga akan membantu meningkatkan prediksi.