Identyfikacja Tożsamości w Google Analytics 4

Wyobraźcie sobie taki scenariusz:

Sprawdzam w Google Analytics 4:

1. dane z 9.08 – mam wartość X
2. dane z 10.08 – mam wartość Y
3. dane z 11.08 – mam wartość Z

Przedział 9.08 – 11.08 i nie dostaję wartość X + Y + Z, a zupełnie inną. Jak to się dzieje? Niedawno zadał mi to pytanie klient.

Dlaczego tak się dzieje? Odpowiedź to progowanie przy niewielkim wolumenie danych. Odpalając Google signals w analizie tożsamości użytkowników włączamy progowanie dla małych wartości. Działa to w skrócie tak, że GA4 nie pozwoli Wam badać zbyt precyzyjnie małych próbek danych (np. o zainteresowaniach z Google signals) w trosce o prywatność użytkowników.

I tu dwie ciekawostki:

• istnieje 3 ukryty sposób raportowania danych o tożsamości – deviced based. Trzeba rozwinąć odpowiednią opcję widoczną na screenie. Nie korzysta ona z Google signals więc jest marginalizowana (chyba z tego powodu – nie wiem dokładnie).
• nie wiadomo dlaczego te opcje są w adminie i kojarzą się z czymś zmienianym na stałe, jak większość opcji w tej sekcji panelu. Otóż opcje te możemy dowolnie zmieniać i działają one retroaktywnie (czyli zobaczymy efekt tej zmiany w stosunku do wszystkich danych, które zebraliśmy do tej pory, a nie tylko od momentu zmiany.  Czyli nie popsujecie sobie danych i zobaczycie zmianę również wstecz.

Ekran zmiany sposobu identyfikacji

Jak zmiana sposobu raportowania wiąże się z modelowaniem? Zobaczcie screen:

Porównanie liczby użytkowników przy aktywnych różnych modelach

Na screenach widzicie porównanie 3 modeli:

• Blended – 353k użytkowników + aktywne progowanie i dane z Google signals (tu z racji wolumenu nie ma to znaczenia) i modelowanie (czyli dostajemy modelowanych matematycznie użytkowników)
• Observed – 252k + aktywne progowanie i dane z Google signals
• Device based – 252k bez progowania, ale i bez danych z Google signals.

Mamy więc różnice między modelami na poziomie 100k użytkowników.

Pamiętajcie więc, że możecie swobodnie przełączać się między trybami identyfikowania tożsamości i tym samym unikać progowania lub widoczności modelowanych danych. Zmiana trybów jest możliwa w każdym momencie i nie rodzi żadnych trwałych konsekwencji dla Waszych danych.