[GA4] การประมาณด้านพฤติกรรมสำหรับโหมดความยินยอม

เมื่อคุณใช้แบนเนอร์แสดงความยินยอมให้ใช้คุกกี้ทางการตลาดสำหรับเว็บไซต์หรือแอป Analytics จะไม่มีข้อมูลจากผู้ใช้ที่ปฏิเสธให้ความยินยอม การประมาณด้านพฤติกรรมสำหรับโหมดความยินยอมใช้แมชชีนเลิร์นนิงเพื่อประมาณพฤติกรรมของผู้ใช้ที่ปฏิเสธคุกกี้ Analytics โดยอ้างอิงจากพฤติกรรมของผู้ใช้ที่คล้ายกันซึ่งยอมรับคุกกี้ Analytics ซึ่งข้อมูลโดยประมาณจะช่วยให้คุณได้รับข้อมูลเชิงลึกที่มีประโยชน์จากรายงาน Analytics โดยยังเคารพความเป็นส่วนตัวของผู้ใช้  

ยกตัวอย่าง การประมาณด้านพฤติกรรมจะประมาณข้อมูลตามเมตริกผู้ใช้และเซสชัน เช่น ผู้ใช้ที่ใช้งานอยู่รายวันและอัตราเหตุการณ์สำคัญ ซึ่งอาจระบุไม่ได้เมื่อตัวระบุอย่างคุกกี้หรือรหัสผู้ใช้ไม่พร้อมใช้งานอย่างเต็มรูปแบบ ซึ่งจะช่วยตอบคำถามสำคัญ เช่น

• ฉันมีผู้ใช้ที่ใช้งานอยู่รายวันกี่คน
• ฉันได้ผู้ใช้ใหม่จากแคมเปญล่าสุดกี่คน
• เส้นทางของผู้ใช้ตั้งแต่การเข้ามาที่เว็บไซต์ไปจนถึงการซื้อจริงเป็นอย่างไร
• ผู้เข้าชมเว็บไซต์ที่อยู่ในเยอรมนีและสหราชอาณาจักรมีกี่คน
• พฤติกรรมของผู้ใช้ที่เข้าชมในอุปกรณ์เคลื่อนที่กับเว็บแตกต่างกันอย่างไร

Modeling in Google Analytics 4

ข้อมูลโดยประมาณเทียบกับข้อมูลที่ได้จากการสังเกต

เมื่อผู้ใช้เข้าชมเว็บไซต์และให้ความยินยอมให้ใช้คุกกี้ Analytics หรือเมื่อผู้ใช้ไม่ได้เลือกไม่รับการปรับโฆษณาตามโปรไฟล์ด้วยรหัสโฆษณาในการตั้งค่า Android ระบบของ Analytics จะเชื่อมโยงพฤติกรรมของผู้ใช้กับตัวระบุต่างๆ เพื่อการวัดผลอย่างต่อเนื่อง เราถือว่าข้อมูลประเภทนี้เป็นข้อมูลที่ได้รับอนุญาตให้สังเกตพฤติกรรมผู้ใช้ได้ เนื่องจากข้อมูลนี้มาจากผู้ใช้ที่ให้สิทธิ์แก่ Analytics ในการสังเกตพฤติกรรมของตน

เมื่อผู้ใช้ไม่ได้ให้ความยินยอม เหตุการณ์จะไม่เชื่อมโยงกับตัวระบุผู้ใช้ถาวร เช่น หาก Analytics รวบรวมเหตุการณ์การดูหน้าเว็บ 10 รายการ Analytics จะไม่สามารถสังเกตและรายงานได้ว่าเหตุการณ์ดังกล่าวเกิดจากผู้ใช้ 10 หรือ 1 คน แต่ Analytics จะใช้แมชชีนเลิร์นนิงในการประมาณพฤติกรรมของผู้ใช้เหล่านั้นโดยอ้างอิงจากพฤติกรรมของผู้ใช้ที่คล้ายกันซึ่งยอมรับคุกกี้ Analytics หรือตัวระบุแอปที่เทียบเท่า

ข้อมูลการฝึกที่ใช้ในการประมาณจะอ้างอิงจากข้อมูลผู้ใช้ที่สังเกตจากพร็อพเพอร์ตี้ที่เปิดใช้งานการประมาณ 

แนวทางที่ Google ใช้ในการประมาณด้านพฤติกรรม

Google ได้นำแนวทางปฏิบัติแนะนำเกี่ยวกับแมชชีนเลิร์นนิงต่อไปนี้มาใช้เป็นแนวทางในการประมาณด้านพฤติกรรม

ตรวจสอบความถูกต้องและแจ้งการเปลี่ยนแปลง

Holdback Validation จะช่วยให้โมเดลของ Google ทำงานได้อย่างถูกต้องแม่นยำ โดยระบบจะนำข้อมูลผู้ใช้โดยประมาณมาเปรียบเทียบกับข้อมูลผู้ใช้ที่ได้จากการสังเกตส่วนหนึ่งซึ่งไม่มีอยู่ในการฝึกโมเดล และใช้ข้อมูลนั้นเพื่อปรับปรุงโมเดล Google จะแจ้งการเปลี่ยนแปลงที่อาจส่งผลกระทบอย่างมากต่อข้อมูลของคุณ

หมั่นรายงานอย่างเคร่งครัดอยู่เสมอ

ระบบจะนำการประมาณด้านพฤติกรรมมาใช้ร่วมด้วยเมื่อมั่นใจว่าโมเดลมีคุณภาพเท่านั้น เช่น หากมีการเข้าชมที่ได้รับความยินยอมไม่เพียงพอที่จะเป็นข้อมูลให้กับโมเดล ระบบจะไม่รายงานเหตุการณ์ซึ่งเกิดจากผู้ใช้ที่ปฏิเสธที่จะให้ความยินยอม วิธีนี้จะช่วยรับประกันความถูกต้องของข้อมูล

ปรับให้เหมาะกับธุรกิจของคุณ

ระบบจะนำอัลกอริทึมการประมาณของ Google ที่เจาะจงน้อยกว่าไปใช้แบบแยกต่างหาก เพื่อแสดงข้อมูลพฤติกรรมที่เฉพาะเจาะจงของธุรกิจและลูกค้า

ข้อกำหนดเบื้องต้น

เนื่องจากโมเดลได้รับการฝึกโดยใช้ข้อมูลที่ได้จากการสังเกตสำหรับพร็อพเพอร์ตี้ Google Analytics 4 พร็อพเพอร์ตี้ของคุณจึงต้องมีข้อมูลที่เพียงพอที่จะนำไปฝึกโมเดล พร็อพเพอร์ตี้ต้องมีคุณสมบัติตรงตามเกณฑ์ต่อไปนี้จึงจะมีสิทธิ์ใช้การประมาณด้านพฤติกรรม

• มีการเปิดใช้โหมดความยินยอมในเว็บไซต์ทุกหน้าและ/หรือแอปทุกหน้า
• ต้องติดตั้งโหมดความยินยอมสำหรับหน้าเว็บเพื่อให้แท็กโหลดก่อนที่กล่องโต้ตอบความยินยอมจะปรากฏขึ้น และแท็ก Google จะโหลดในทุกกรณี โดยไม่ได้โหลดเมื่อผู้ใช้ให้ความยินยอมเท่านั้น (การใช้งานขั้นสูง)
• พร็อพเพอร์ตี้รวบรวมเหตุการณ์อย่างน้อย 1,000 รายการต่อวันด้วย analytics_storage='denied' เป็นเวลาอย่างน้อย 7 วัน
• พร็อพเพอร์ตี้มีผู้ใช้รายวันอย่างน้อย 1,000 รายที่ส่งเหตุการณ์ด้วย analytics_storage='granted' เป็นเวลาอย่างน้อย 7 วันในช่วง 28 วันก่อนหน้านี้ 
  • การเก็บรวบรวมข้อมูลให้ครบตามจำนวนข้อมูลขั้นต่ำที่ต้องการภายในช่วง 28 วันดังกล่าวเพื่อฝึกโมเดลให้เสร็จสมบูรณ์อาจใช้เวลามากกว่า 7 วัน แต่ก็เป็นไปได้ว่าข้อมูลเพิ่มเติมดังกล่าวก็อาจไม่เพียงพอให้ Analytics ใช้เพื่อฝึกโมเดล

จะมีการเริ่มใช้การประมาณด้านพฤติกรรมตั้งแต่วันที่พร็อพเพอร์ตี้นั้นๆ มีสิทธิ์ใช้งาน
 

ข้อมูลโดยประมาณจะใช้ไม่ได้อีกต่อไป หากพร็อพเพอร์ตี้ไม่มีคุณสมบัติตามข้อกำหนดเบื้องต้นในการใช้การประมาณด้านพฤติกรรม แม้ว่าก่อนหน้านี้จะเคยมีคุณสมบัติตามข้อกำหนดก็ตาม ซึ่งเป็นกรณีที่พบได้น้อยมาก หากพร็อพเพอร์ตี้มีคุณสมบัติเป็นไปตามข้อกำหนดเบื้องต้นอีกครั้งในภายหลัง ข้อมูลโดยประมาณก็จะกลับมาใช้งานได้อีกครั้ง ข้อมูลโดยประมาณจะใช้ได้นับตั้งแต่วันที่พร็อพเพอร์ตี้มีสิทธิ์ใช้งานอีกครั้งเท่านั้น

แสดงหรือซ่อนข้อมูลโดยประมาณในรายงาน

หากต้องการดูข้อมูลโดยประมาณในรายงาน ให้เลือกข้อมูลระบุตัวตนในการรายงานแบบรวม คุณต้องเป็นผู้ดูแลระบบจึงจะควบคุมการตั้งค่านี้ได้

1. คลิกข้อมูลระบุตัวตนในการรายงานในส่วนผู้ดูแลระบบ ภายในการแสดงข้อมูล
2. เลือกแบบรวม
3. คลิกบันทึก

เลือกตัวเลือกอื่นหากไม่ต้องการดูข้อมูลโดยประมาณ ตัวเลือกที่เลือกจะไม่มีผลกับการเก็บรวบรวมหรือการประมวลผลข้อมูล และคุณจะเปลี่ยนไปใช้ตัวเลือกอื่นได้ทุกเมื่อโดยไม่ส่งผลกระทบต่อข้อมูลอย่างถาวร ดูข้อมูลเพิ่มเติมเกี่ยวกับข้อมูลระบุตัวตนในการรายงาน

รูปแบบการแสดงการประมาณด้านพฤติกรรมใน Google Analytics

Analytics จะผสานรวมข้อมูลโดยประมาณและข้อมูลที่ได้จากการสังเกตไว้ในรายงานอย่างราบรื่น เมื่อ Analytics รวมข้อมูลโดยประมาณ คุณอาจเห็นความแตกต่างเมื่อเทียบกับรายงานที่มีเฉพาะข้อมูลที่ได้จากสังเกต (เช่น จำนวนผู้ใช้ในรายงานที่รวมข้อมูลโดยประมาณมีจำนวนสูงกว่า)

ใช้ไอคอนคุณภาพของข้อมูล (ดังที่แสดงด้านล่าง) เพื่อดูว่ามีการผสานรวมข้อมูลโดยประมาณเมื่อใด

ตารางต่อไปนี้สรุปข้อความที่คุณอาจเห็นผ่านไอคอน

สถานะไอคอนคุณภาพของข้อมูล	คำอธิบาย
รวมข้อมูลผู้ใช้โดยประมาณ	ณ วันที่ [วันที่การประมาณมีผล] Analytics กำลังประเมินข้อมูลที่ขาดหายไปเนื่องจากปัจจัยต่างๆ เช่น ความยินยอมในการใช้คุกกี้
รวมข้อมูลผู้ใช้โดยประมาณ	ณ วันที่ [วันที่การประมาณมีผล] Analytics กำลังประเมินข้อมูลที่เป็นไปได้ทั้งหมดที่ขาดหายไปเนื่องจากปัจจัยต่างๆ เช่น ความยินยอมในการใช้คุกกี้
รวมข้อมูลผู้ใช้โดยประมาณ	ณ วันที่ [วันที่การประมาณมีผล] Analytics กำลังประเมินข้อมูลที่ขาดหายไปเนื่องจากปัจจัยต่างๆ เช่น ความยินยอมในการใช้คุกกี้ * อาจยังไม่มีข้อมูลโดยประมาณของเมื่อวาน
ไม่รวมข้อมูลผู้ใช้โดยประมาณ	การตั้งค่าข้อมูลระบุตัวตนในการรายงานของพร็อพเพอร์ตี้ไม่อนุญาตให้ Analytics ประเมินข้อมูลที่ขาดหายไปเนื่องจากปัจจัยต่างๆ เช่น ความยินยอมในการใช้คุกกี้ และรายงานจะรวมเฉพาะข้อมูลจากผู้ใช้ที่ยินยอมให้ใช้ตัวระบุ เว้นแต่ว่าคุณใช้การตั้งค่าแบบรวม
ข้อมูลผู้ใช้โดยประมาณไม่พร้อมใช้งาน	ช่วงวันที่ที่เลือกอยู่ก่อนวันที่ที่พร็อพเพอร์ตี้นี้จะมีสิทธิ์รับข้อมูลโดยประมาณ
ข้อมูลผู้ใช้โดยประมาณไม่พร้อมใช้งาน	รายงานนี้มีข้อมูลการคงผู้ใช้ไว้หรือกลุ่มที่มีลำดับ ด้วยเหตุนี้ จึงไม่มีข้อมูลโดยประมาณ
ข้อมูลผู้ใช้โดยประมาณไม่พร้อมใช้งาน	พร็อพเพอร์ตี้ไม่ตรงตามเกณฑ์การมีสิทธิ์ในการใช้ข้อมูลโดยประมาณ

บางหน้าในอินเทอร์เฟซ Analytics จะแสดงแบนเนอร์ที่มีข้อมูลเกี่ยวกับสถานะของการประมาณด้วย

ตารางต่อไปนี้สรุปข้อความที่คุณอาจเห็นผ่านแบนเนอร์

ข้อความในแบนเนอร์	ตำแหน่งของแบนเนอร์
เทมเพลตส่วนใหญ่มีเฉพาะข้อมูลจากผู้ใช้ที่ยินยอมให้ใช้ตัวระบุ ยกเว้นเทมเพลตรูปแบบอิสระและกลุ่มที่ซ้อนกันซึ่งมีข้อมูลจากผู้ใช้ที่ประมาณไว้	หน้าแรกของการสำรวจ
หากการสำรวจมีกลุ่มที่ประกอบด้วยลำดับ ระบบจะแสดงเฉพาะข้อมูลของผู้ใช้ที่ยินยอมให้ใช้ตัวระบุ	หน้ารายละเอียดการสำรวจ
[รายงาน/การสำรวจ/กลุ่มเป้าหมาย] นี้มีเฉพาะข้อมูลจากผู้ใช้ที่ยินยอมให้ใช้ตัวระบุ	หน้ารายละเอียดการสำรวจ
หากกลุ่มนี้ประกอบด้วยลำดับ ระบบจะแสดงเฉพาะข้อมูลของผู้ใช้ที่ยินยอมให้ใช้ตัวระบุ	ตัวสร้างกลุ่ม

การประมาณในการสำรวจ

การใช้การประมาณในการสำรวจเส้นทางและการสำรวจ Funnel จะแตกต่างจากการใช้ในรายงาน ในรายงานจะใช้การประมาณกับเมตริกต่างๆ เช่น จำนวนผู้ใช้ จำนวนเซสชัน และจำนวนผู้ใช้ใหม่ แต่จะไม่มีการใช้การประมาณกับจำนวนเหตุการณ์ เช่น page_view, first_visit และ session_start หากผู้ใช้ไม่ได้มอบความยินยอมให้ Analytics เชื่อมโยงตัวระบุผู้ใช้ถาวร Analytics ก็จะไม่สามารถตรวจสอบได้ว่าเหตุการณ์ดังกล่าวเป็นการกระทำที่เกิดจากผู้ใช้รายเดียวกันหรือไม่ ซึ่งจะส่งผลให้เหตุการณ์ first_visit และ session_start ของผู้ใช้เหล่านั้นมีจำนวนสูงขึ้น เนื่องจากระบบจะส่งเหตุการณ์ทุกครั้งเมื่อผู้ใช้โหลดหน้าเว็บ

ในทางตรงกันข้าม ในการสำรวจเส้นทางหรือการสำรวจ Funnel จะใช้การประมาณกับเหตุการณ์ first_visit และ session_start หากผู้ใช้ไม่ได้มอบความยินยอมให้ Analytics เชื่อมโยงตัวระบุผู้ใช้ถาวร Analytics ก็จะประมาณจำนวนเหตุการณ์ first_visit และ session_start ตามจริง ดังนั้นจำนวนเหตุการณ์ first_visit และ session_start ในการสำรวจเส้นทางและการสำรวจ Funnel จึงน้อยกว่าในรายงาน

ฟีเจอร์ที่ไม่รองรับ

ฟีเจอร์ต่อไปนี้ไม่รองรับการใช้ข้อมูลเชิงพฤติกรรมโดยประมาณ

• กลุ่มเป้าหมาย
• โปรแกรมสำรวจผู้ใช้ กลุ่มประชากรตามรุ่น และการสำรวจอายุการใช้งานของผู้ใช้
• กลุ่มที่มีลำดับ
• รายงานการคงผู้ใช้ไว้
• เมตริกตามการคาดการณ์
• การส่งออกข้อมูล เช่น BigQuery Export