Google Analytics 4 a récemment élargi la disponibilité de la métrique de probabilité de désabonnement, l’une des statistiques prédictives de GA4, de sorte que de nombreux utilisateurs qui n’étaient pas admissibles à l’utilisation de cette métrique sont en mesure d’en bénéficier dès à présent. Bon, je pense pas que cela permettra de lire dans le marc de café pour 2022, mais bon ! J’avais déjà pu parler de ce genre de statistiques ici.

Que sont les  statistiques prédictives ?

Google Analytics enrichit automatiquement vos données grâce à l’expertise de Google en termes de machine Learning afin de prédire le comportement futur de vos utilisateurs. Les métriques prédictives vous permettent d’en savoir plus sur vos clients en collectant des données d’événement structurées.

3 types de prediction

3 types de prediction

Exemple du Taux de Churn ou désabonnement

Pour rappel, cette métrique de probabilité de désabonnement prédit la probabilité que les utilisateurs récemment actifs ne visitent pas le site ou l’app.  dans les sept prochains jours. En utilisant cette mesure, on peut créer  une audience prédictive, par exemple, l’audience suggérée « Likely 7-day churning users », qui inclut les utilisateurs actifs qui ne sont pas susceptibles de visiter le site web ou l’  application dans les sept prochains jours.

Bien sûr l’intérêt pour Google est de monétiser ensuite cette audience via google ads et une campagne de reciblage

Construction de segments d'audiences prédictifs

Construction de segments d’audiences prédictifs

Outre la création d’audiences, ces  métriques prédictives analysent les  données . Par exemple, il est possible d’ utiliser la technique de la durée de vie de l’utilisateur (LTV) pour identifier les campagnes de marketing susceptibles d’entraîner le plus de désabonnement.

Prédiction ga4 dans explorer

Prédiction ga4 dans explorer

Conseil en matière de mesures prédictives

Dans les paramètres de partage des données, activez le paramètre d’analyse comparative. Lorsqu’on active ce paramètre, Analytics est en mesure d’utiliser des données anonymes et globales partagées pour améliorer la qualité du modèle ainsi que les  prédictions.

Amélioration de l'analyse comparative

Amélioration de l’analyse comparative

Le collecte  des événements d’achat et/ou in_app_purchase est primordial. Les événements in_app_purchase sont collectés par défaut. Toutefois, il préférable d’ associer le compte à Google Play via le compte Firebase pour que l’événement in_app_purchase s’affiche si vous bien sûr le compte possède une application Android. Enfin il est préférable de remplacer l’événement ecommerce_purchase (même si traité encore comme tel), par l’événement purchase .

La collecte d’un plus grand nombre ou d’une plus grande variété d’événements recommandés correspondant au comportement des utilisateurs   permet d’améliorer les  modèles ainsi que les prédictions. De même, la réduction des événements non significatifs en termes de comportement des utilisateurs permet d’améliorer ces prédictions.