使用Google Analytics（分析）预测性指标做营销计划

在数字营销中，我们除了对已产生的用户数据进行分析外，我们还可以通过机器学习来制定目标，和人们讨论拍脑袋制定目标不同的是，机器学习处理效率更高，而且分析计算要比人工准确。在前面的文章中，我对Google Analytics（分析）相关知识做了普及，所以本文是基于对消费者或者用户群体的研究，也就是我们常说的受众群体。那么接下来我们看看什么是预测性指标。

1、预测性指标简介

Google Analytics（分析）会向您的数据集应用Google机器学习专业知识，以自动充实您的数据，从而预测用户未来的行为。借助预测性指标，您只需收集结构化事件数据便可进一步了解自己的客户。

• 购买几率

过去28天处于活跃状态的用户在未来7天内完成特定转化事件的概率。目前，Google仅支持purchase/ecommerce_purchase和in_app_purchase事件。

系统会使用最近28天的数据来训练这些模型。

• 用户流失概率

过去7天在您应用或网站上处于活跃状态的用户在未来7天内处于非活跃状态的概率。

系统会使用最近28天的数据来训练此模型。

• 预测的收入

过去28天处于活跃状态的用户在未来28天内的所有购买转化操作预计可带来的收入。

2、前提条件

为了成功训练预测模型，Google Analytics（分析）需要达到以下情况：

• 购买者或流失用户的正/反例数量达到下限。触发以及未触发相关预测条件的用户必须各自达到1000人，才算符合条件。
• 模型质量必须稳定保持一段时间，才算符合条件。
• 为了能够使用购买几率和用户流失概率这两个预测模型，媒体资源必须发送purchase和/或in_app_purchase事件（这是自动收集的事件）。

系统会为每个活跃用户生成各个合格模型的预测性指标，每天一次。如果媒体资源的模型质量未达到最低阈值，Google Analytics（分析）将停止更新对应预测，并且您可能无法在Google Analytics（分析）中使用这类指标。

您可以转到受众群体构建工具，在建议受众群体模板的“预测”部分中查看各项预测的资格状态。

3、使用预测性指标

您可以在受众群体构建工具和“分析”功能中使用预测性指标。

4、受众群体构建工具

预测性指标可用于在受众群体构建工具中创建预测性受众群体。

5、“分析”功能

您可以在“分析”功能的“用户生命周期”分析法中使用“购买几率”和“用户流失概率”。

6、最佳做法

• 在数据共享设置中，启用基准化分析设置。启用此设置对您有利，因为Google Analytics（分析）可以使用共享的汇总匿名数据来提升模型质量和预测效果。
• 务必充分利用媒体资源中的推荐的事件。
• 务必收集purchase和/或in_app_purchase事件。系统会自动收集in_app_purchase事件。不过，如果您有Android应用，就必须通过Firebase帐号关联到Google Play，才能看到in_app_purchase事件。另外请注意，尽管系统会继续处理ecommerce_purchase事件，但还是建议您改为收集purchase事件。
• 系统收集到与用户行为所对应有价值事件的种类或数量越多，就越有助于提升模型质量和预测效果。同样，尽可能减少收集对用户行为没有意义的杂乱事件也有助于提升预测效果。

目前，预测性受众群体不能与Firebase Remote Config广告系列和Firebase Cloud Messaging广告系列搭配使用。此外，针对侧重于应用内操作的Google Ads应用广告系列，在其中使用预测性受众群体目前暂时处于Beta版测试阶段。