Google Analytics lo scorso luglio ha annunciato l’introduzione di due nuove metriche predittive. Grazie al monitoraggio delle azioni che gli utenti compiono sull’app o sul sito, potrai avere nuove informazioni utili a creare sponsorizzazioni mirate per il coinvolgimento del tuo pubblico.

Questa funzionalità, prevede gli eventi futuri attraverso lo studio dei dati registrati in passato utilizzando l’apprendimento automatico. Crea di fatto un modello statistico per analizzare i dati degli utenti e definire con un alto grado di probabilità loro comportamenti futuri, come per esempio l’abbandono del carrello o la propensione all’acquisto.

Combinando queste informazioni con le analisi dei dati svolta dal machine learning di Google Ads, Analytics può prevedere le azioni future sul tuo e-commerce semplificando la gestione del budget e la scelta dei diversi tag dei tuoi annunci.

La probabilità che un utente attivo negli ultimi 28 giorni registri un evento di conversione specifico nei prossimi sette giorni. Al momento sono supportati solo gli eventi purchase/ecommerce_purchase e in_app_purchase.

La probabilità che un utente attivo sulla tua app o sito negli ultimi sette giorni non sia attivo nei prossimi sette giorni.

Entrambe le metriche sono generate sulla base dei dati raccolti nei 28 giorni precedenti ed Analytics richiede:

• Un numero minimo di esempi positivi e negativi relativi ad acquirenti o utenti che hanno abbandonato il sito. Affinché il modello sia idoneo, è necessario che 1000 utenti abbiano attivato la condizione predittiva pertinente e che 1000 utenti non abbiano.
• Affinché il modello sia idoneo, la qualità del modello deve essere sostenuta per un periodo di tempo.
• Per essere idonea sia per la probabilità di acquisto che per la probabilità di abbandono, una proprietà deve inviare eventi purchase e/o in_app_purchase  (che vengono raccolti automaticamente).

Le metriche predittive per ciascun modello idoneo verranno generate per ogni utente attivo una volta al giorno. Se la qualità del modello per la tua proprietà è inferiore alla soglia minima, Analytics interromperà l’aggiornamento delle previsioni corrispondenti che potrebbero non essere più disponibili in Analytics.

Attraverso la creazione di nuovi pubblici personalizzati, è possibile creare annunci remarketing più efficaci per condurre l’utente verso la conversione finale o per re-ingaggiare tutte quelle persone che avevano dimostrato interesse per i nostri prodotti, ma ora non si dimostrano più attivi sul nostro sito o app.

Potresti inoltre analizzare questi dati per distribuire il budget nelle campagne in modo ottimizzato, migliorando la gestione dell’importo speso.

Per finire, studiando Google Analytics, potresti identificare quale campagna ti ha permesso di raggiungere il pubblico con la più alta probabilità di conversione utilizzando la tecnica della user lifetime.