ایمپورت داده های متا ادز در آنالیتیکس ۴ چگونه انجام می شود؟

Analytics Advisor یک دستیار هوشمند جدید در گوگل آنالیتیکس است که با استفاده از Gemini کار میکند. این ابزار به شما امکان میدهد درباره داده ها و نحوه پیاده سازی آنالیتیکس سوال بپرسید و خیلی سریع به پاسخ های کاربردی برسید، بدون اینکه لازم باشد بین گزارش های مختلف جابه جا شوید.

اگر تا امروز کار با گوگل آنالیتیکس برای شما پیچیده بوده یا مجبور بودید برای پیدا کردن یک پاسخ ساده چندین گزارش را بررسی کنید، Analytics Advisor این مسیر را بسیار ساده تر میکند. این ابزار فرصت های مهم را به شما نشان میدهد، تغییرات مهم در داده ها را برجسته میکند و به شما اجازه میدهد سوال بپرسید، در جزئیات عمیق تر شوید و حتی پیشنهادهایی برای بهبود وب سایت، بازاریابی و عملکرد کلی خود دریافت کنید.

در این مطلب با نحوه کار Analytics Advisor، محل دسترسی به آن و روش هایی که میتوانید از این ابزار برای تحلیل بهتر و تصمیم گیری دقیق تر استفاده کنید آشنا میشوید.

Analytics Advisor چیست؟

Analytics Advisor یک قابلیت مکالمه ای مبتنی بر هوش مصنوعی است که به صورت مستقیم داخل گوگل آنالیتیکس قرار گرفته است. با این ابزار میتوانید فقط با استفاده از زبان ساده و طبیعی، داده های خود را بررسی کنید و بر اساس اطلاعات موجود در پراپرتی، اطلاعات های شخصی سازی شده، نمودارهای قابل فهم و توصیه های کاربردی دریافت کنید.

به جای اینکه مجبور باشید چندین گزارش مختلف را باز کنید یا یک گزارش اکسپلوریشن بسازید، کافی است سوال خود را مطرح کنید. مثلا بپرسید «چرا key events در ماه اکتبر کاهش داشتند؟» یا «عملکرد وب سایت در این ماه چگونه بوده است؟» Analytics Advisor داده های موجود را بررسی میکند و مهم ترین روندها، تغییرات و فرصت ها را به شما نشان میدهد.

در تست هایی که خودم انجام دادم، این ابزار برای تایید سریع مشاهدات، کشف فرصت ها و ارتباط دادن داده ها با استراتژی های محتوا و کمپین ها بسیار مفید بود.

Analytics Advisor چطور کار میکند؟

گوگل میگوید Analytics Advisor یک دستیار هوش مصنوعی «عامل» است. یعنی فقط به شما یک جواب ساده نمیدهد، بلکه چند مسیر مختلف را بررسی میکند و بر اساس مرتبط ترین گزارش ها و شاخص های موجود، بهترین بینش ها را در اختیار شما قرار میدهد.

در پشت صحنه چه اتفاقی می افتد؟

• ابتدا سوال شما را تفسیر میکند و تشخیص میدهد کدام متریک ها، دایمنشن ها یا ایونتها برای پاسخ گویی مهم هستند.
• سپس داده های موجود در همان پراپرتی گوگل آنالیتیکس که در حال مشاهده آن هستید را بررسی میکند. یعنی فقط از داده های همان پراپرتی استفاده میشود، نه جای دیگر.
• بر اساس این داده ها، بینش ها و نمودارهایی مثل روندها، مقایسه ها، شاخص های کلیدی و چارت های تحلیلی تولید میکند.
• در ادامه توضیح میدهد که برای رسیدن به این نتیجه چه مراحلی را طی کرده است تا شما بتوانید مسیر تحلیل را ببینید و دنبال کنید.
• همچنین سوالات پیشنهادی بعدی به شما میدهد تا بتوانید عمیق تر شوید و تحلیل خود را دقیق تر کنید.

یکی از مزیت های مهم Analytics Advisor این است که معمولا نمودارها را در کنار یک توضیح متنی ساده و قابل فهم نمایش میدهد. این ترکیب باعث میشود بتوانید به راحتی نتایج را با گزارش های عادی خود در گوگل آنالیتیکس چک و تایید کنید.

برای مثال، در یکی از تست ها، به من نشان داد که وب سایت در ۳۰ دقیقه اخیر بیش از ۲۵ هزار کاربر داشته است. مشخص بود این عدد غیرواقعی است، اما به راحتی توانستم وارد گزارش های Real-Time شوم و تعداد واقعی کاربران را بررسی کنم. پس هرچند اینکه پاسخ اولیه اشتباه بود نکته خوبی نیست، اما اینکه داده های مورد استفاده را شفاف نمایش میدهد یک مزیت مهم است؛ چون هر زمان نیاز باشد میتوانید تحلیل را دوباره بررسی و صحت آن را کنترل کنید.

ChatGPT said:

Analytics Advisor را کجا پیدا کنیم؟

بعد از فعال شدن Analytics Advisor در پراپرتی شما، این ابزار در بخش بالای صفحه و سمت راست رابط کاربری گوگل آنالیتیکس قابل مشاهده است.

مراحل دسترسی به این قابلیت به این صورت است:

1. وارد پراپرتی گوگل آنالیتیکس خود شوید.
2. روی آیکون Analytics Advisor (سه جرقه) در بالا و سمت راست کلیک کنید، یا داخل نوار جستجو کلیک کنید و گزینه “Ask Analytics Advisor” را انتخاب کنید.
3. پنجره چت در سمت راست صفحه باز میشود.
4. حالا میتوانید سوال خود را تایپ کنید و مکالمه با Analytics Advisor را شروع کنید.

Analytics Advisor در حال حاضر به صورت تدریجی برای تمام پراپرتی های انگلیسی زبان عرضه میشود و در هر دو نسخه استاندارد و GA360 در سراسر جهان قابل استفاده خواهد بود.

چه نوع سوال هایی را میتوانید از Analytics Advisor بپرسید

گوگل شش دسته اصلی از سوالاتی را معرفی کرده که میتوانید از Analytics Advisor بپرسید. در ادامه، یک مرور کلی از این دسته ها و نمونه هایی از هر کدام ارائه میشود.

۱. سوالات عمومی درباره داده ها
این سوالات برای بررسی عملکرد کلی وب سایت مناسب هستند.

• عملکرد وب سایت در این ماه چگونه بوده است؟
• کاربران فعال در ۹۰ روز گذشته چه رفتاری داشته اند؟
• تعداد کاربران جدید نسبت به سال گذشته چه تغییری داشته است؟
• نرخ تعامل فعلی وب سایت چقدر است؟

۲. سوالات دقیق و متمرکز
در این دسته میتوانید درباره متریک ها، دیمنشن ها یا ایونت های خاص سوال بپرسید.

• روند کاربران فعال در ۳۰ روز گذشته چگونه بوده است؟
• تعداد خریدهایی که هفته گذشته از سرچ ارگانیک انجام شده چقدر بوده است؟
• در این ماه چند رویداد کلیدی ثبت شده است؟
• ارزش کل خریدها در ماه اکتبر چقدر بوده است؟

۳. سوالات «چرا»
این سوالات برای تحلیل علت افزایش ها یا کاهش های ناگهانی بسیار کاربردی هستند.

• چرا درآمد کل من در یکم آگوست کاهش داشته است؟
• چرا تعداد کاربران جدید نسبت به ماه قبل پایین آمده است؟
• چرا کاربران فعال در ۲۵ سپتامبر افزایش داشته اند؟
• چرا تعداد خریدها در این هفته بیشتر شده است؟

۴. سوالات «چطور»
برای کمک گرفتن در راه اندازی، تنظیم یا استفاده از بخش های مختلف گوگل آنالیتیکس.

• چطور میتوانم یک مخاطب جدید بسازم؟
• چطور باید گوگل ادز را به آنالیتیکس لینک کنم؟
• چطور یک گزارش اکسپلوریشن برای صفحات لندینگ ایجاد کنم؟
• چطور میتوانم ترافیک داخلی را از گزارش ها حذف کنم؟

۵. سوالات مربوط به پیکربندی
در این بخش میتوانید درباره جزئیات فنی پراپرتی سوال بپرسید.

• Measurement ID من چیست؟
• چند data stream در پراپرتی وجود دارد؟
• چند audience در اکانت لینک شده گوگل ادز من وجود دارد؟
• آیا من دسترسی ادمین به پراپرتی دارم؟

۶. سوالات مربوط به بهینه سازی و توصیه ها
این بخش برای دریافت پیشنهادهای عملی بر اساس اهداف و وضعیت وب سایت کاربردی است.

• برای بهبود عملکرد وب سایت چه کاری باید انجام بدهم؟
• چطور میتوانم کاربران را دوباره درگیر کنم تا خرید کنند؟
• چه محتوایی باید در ادامه برای وب سایت تولید کنم؟
• برای کمپین بعدی بهتر است کدام مخاطبان را هدف بگیرم؟

بهترین روش ها برای گرفتن پاسخ دقیق و مفید

برای اینکه بهترین نتیجه را از Analytics Advisor بگیرید، چند نکته مهم را در نظر داشته باشید:

• محدوده زمانی را دقیق مشخص کنید؛ مثلا بپرسید «۷ روز گذشته» یا «در تاریخ ۲۵ سپتامبر».
• از نام متریک های واضح و دقیق استفاده کنید؛ مثل active users، purchases یا key events.
• سوالات تکمیلی بپرسید تا بتوانید تحلیل را عمیق تر کنید.
• تحلیل ها و فرضیه های خود را با داده های واقعی موجود در پراپرتی مقایسه و بررسی کنید.
• با استفاده از گزینه های thumbs up یا thumbs down بازخورد بدهید تا این قابلیت دقیق تر و بهتر شود.

مقایسه Analytics Advisor با Ads Advisor

زمانی که گوگل Analytics Advisor را معرفی کرد، ابزار مشابه دیگری نیز به نام Ads Advisor برای Google Ads منتشر شد. هر دو ابزار نقش یک دستیار هوش مصنوعی را دارند، اما کاربردهای متفاوتی را پوشش میدهند.

Analytics Advisor (در گوگل آنالیتیکس) برای موارد زیر کاربرد دارد:

• درک رفتار کاربران
• تحلیل عملکرد وب سایت یا اپلیکیشن
• شناسایی و بررسی علت تغییرات
• دریافت راهنمایی درباره تنظیمات و اندازه گیری

Ads Advisor (در گوگل ادز) برای موارد زیر مناسب است:

• پایش عملکرد کمپین ها
• بررسی خطاهای رد شدن تبلیغات و مشکلات مربوط به قوانین
• کمک در ساخت تبلیغات، دارایی ها و کیوردهای جدید
• ارائه پیشنهادهای شخصی سازی شده برای بهینه سازی کمپین ها

محدودیت های فعلی Analytics Advisor

با وجود اینکه Analytics Advisor گام مهمی برای ساده تر کردن دسترسی به داده ها محسوب میشود، چند محدودیت فعلی را باید در نظر داشته باشید:

• این قابلیت فقط زمانی در دسترس است که زبان رابط کاربری روی انگلیسی تنظیم شده باشد.
• داده ها فقط از همان پراپرتی در حال مشاهده استخراج میشوند و اطلاعات از پراپرتی های دیگر خوانده نمیشود.
• برخی پاسخ ها ممکن است ناقص یا نادقیق باشند.
• همیشه پیش از اعمال هر تغییری، نتیجه تحلیل را با گزارش های واقعی بررسی کنید.

در تست هایی که انجام شده، برخی درخواست ها به خوبی پاسخ داده نشده است. چند نمونه از آنها:

• «چند کاربر فعال الان در سایت من هستند؟» این سوال ابتدا یک عدد کاملا اشتباه ارائه کرد و سپس اعلام کرد به داده های Real-Time دسترسی ندارد.
• «عملکرد مدل last-click را با data-driven برای درآمد مقایسه کن.» Analytics Advisor فعلا به داده های انتساب یا Attribution در گزارش های Advertising دسترسی ندارد.
• «اگر client ID را بدهم، میتوانی یک purchase event ثبت کنی؟» این قابلیت میتواند تنظیمات پراپرتی را بررسی کند، اما نمیتواند داده آفلاین آپلود کند یا از طریق Measurement Protocol رویداد ارسال کند.

با این حال، Analytics Advisor در حال بهبود است و احتمالا در ماه های آینده عملکرد دقیق تر و امکانات بیشتری خواهد داشت.

گزارش User Lifetime در Google Analytics 4 یک قابلیت جدید و کاربردی است که دید بسیار عمیقی از رفتار کاربران در اختیار شما قرار می دهد. این گزارش به شما نشان می دهد کاربران از همان اولین بازدید تا دیروز چگونه در سایت یا اپ شما رفتار کرده اند و چطور می توانید بر اساس رفتارهای گذشته، عملکرد آینده آنها را پیش بینی کنید. این گزارش بخشی از قابلیت های جدید بخش Explore در GA4 است و به کمک الگوریتم های ماشین لرنینگ، احتمال اقدامات بعدی کاربران مثل خرید، فعالیت، یا درآمدزایی را پیش بینی می کند. به بیان ساده، شما می توانید با تحلیل رفتار گذشته، تصویر واضح تری از گام های بعدی کاربران به دست بیاورید.

در این مقاله یاد می گیرید که چطور گزارش User Lifetime را در GA4 راه اندازی و تفسیر کنید تا براساس داده های دقیق، تصمیم های هوشمندانه تری برای کسب و کارتان بگیرید.

چرا باید از گزارش User Lifetime در آنالیتیکس ۴ استفاده کنیم؟

۱. تفاوت میان گزارش دادن و پیش بینی رفتار کاربران

گزارش قدیمی Lifetime Value فقط داده های تاریخی را نشان می داد. دانستن اینکه در گذشته چه اتفاقی افتاده مهم است، اما توانایی پیش بینی رفتار آینده کاربران یک سطح بالاتر از هوشمندی است. تصور کنید شما به عنوان یک مارکتر یا صاحب کسب و کار بتوانید احتمال بازگشت کاربران، احتمال خرید دوباره یا میزان درآمد آتی را پیش بینی کنید. این همان امتیاز بزرگ GA4 است.

البته برای فعال شدن این قابلیت، گوگل باید ابتدا رفتار کاربران در سایت یا اپ شما را یاد بگیرید و این فقط زمانی ممکن است که شرایط مشخصی برقرار باشد. مثلا باید حداقل هزار کاربر داشته باشید که در یک بازه ۷ یا ۲۸ روزه به سایت برمی گردند و هزار کاربر که برنمی گردند.

اگر می خواهید بدانید سایت شما برای استفاده از گزارش های پیش بینی کننده واجد شرایط هست یا نه، در GA4 این مراحل را انجام دهید:

• در ستون Variable روی علامت مثبت کنار SEGMENTS کلیک کنید
• سپس روی PREDICTIVE کلیک کنید
• اگر سایت شما شرایط لازم را نداشته باشد، این بخش با رنگ قرمز مشخص می شود

۲. داده های بیشتر، تجربه کاربری بهتر، دقت بالاتر

نسبت به گزارش قدیمی LTV، در User Lifetime می توانید تعداد بسیار بیشتری از دایمنشن و متریکها را به گزارش اضافه کنید. همچنین از طریق دو منوی Variable و Tab Settings می توانید ظاهر و ساختار گزارش را به راحتی تغییر دهید. این موضوع یک پیشرفت بزرگ در رابط کاربری GA4 محسوب می شود.

نکته دیگر، کمک بصری رنگ هاست که تنظیم و ساخت گزارش را سریع تر می کند:

• دایمنشن (نوار سبز) را می توانید به بخش سطرها منتقل کنید
• متریکها (نوار آبی) را می توانید به بخش متریک اضافه کنید

همچنین امکان اختصاص امتیازهای صدکی باعث می شود تحلیل ها دقیق تر و قابل اعتمادتر باشند.

به بیان ساده، امکانات جدید تقریبا نامحدود هستند؛ فقط زمان شما محدود است.

۳. تفاوت میان Audience و Users در GA4

گوگل نام گزارش را از Audience به Users تغییر داده و این تغییر کاملا حساب شده است. کاربران سایت یا اپ فقط بخشی از مخاطبان شما محسوب می شوند. برای مثال، همه دنبال کننده های شما در اینستاگرام لزوما وارد سایتتان نمی شوند.

از دید بیزینسی، تفاوت بزرگی میان Audience، Users و Customers وجود دارد. یک مخاطب ممکن است هرگز از شما خرید نکند، اما یک کاربر احتمالا تعامل بیشتری دارد، و یک مشتری ارزش مستقیم مالی ایجاد می کند.

نکته مثبت GA4 این است که شما می توانید از میان Users، مخاطبان جدید بسازید. برای این کار:

• به جدول Variables بروید
• روی سه نقطه قرمز کنار یک سگمنت کلیک کنید
• Edit را انتخاب کنید
• شرایط مورد نظر خود را اضافه کنید

در سمت راست صفحه می توانید ببینید آیا این شرایط منجر به یک سگمنت قابل استفاده می شود یا نه. اگر نتیجه مناسب بود، گزینه Build an Audience را فعال کنید و دکمه Save and publish را بزنید.

بعدا می توانید این Audience ها را با یکدیگر مقایسه کنید و ارزش طول عمر آنها را تحلیل کنید.

۴. دوره ریتنشن ۹۰ روز در برابر ۱۲۰ روز

در گزارش قدیمی LTV فقط می توانستید متوسط درآمد یک کاربر را در ۸۹ روز پس از اولین بازدید او ببینید. اما در گزارش جدید GA4، این بازه تا ۱۲۰ روز افزایش پیدا کرده است. این امکان دقت بیشتری در تحلیل رفتار کاربران جدید می دهد.

آنالیتیکس ۴ چگونه User Lifetime Value را محاسبه می کند؟

محاسبه User Lifetime Value در GA4 کاملا ساده و مبتنی بر دو عامل اصلی است:

1. Rt – مجموع درآمدی که یک گروه از کاربران ایجاد کرده اند
2. Ut – تعداد کل کاربرانی که در آن گروه قرار دارند

فرمول محاسبه نیز به شکل زیر است:

LTV = Rt / Ut

یعنی GA4 مجموع درآمد یک گروه از کاربران را بر تعداد همان کاربران تقسیم می کند و میانگین ارزش آنها را به عنوان User Lifetime Value نمایش می دهد.

چرا تاریخ ۱۶ آگوست ۲۰۲۰ در GA4 مهم است؟

تاریخ ۱۶ آگوست ۲۰۲۰ یک نقطه عطف برای Google Analytics 4 است. از این تاریخ به بعد، GA4 شروع به جمع آوری داده برای گزارش User Lifetime کرد. یعنی هر تحلیلی که بر اساس این گزارش انجام می دهید، عملا بر پایه داده هایی است که از ۱۶ آگوست ۲۰۲۰ به بعد ثبت شده اند.

این تاریخ برای شما مهم است اگر:

• قبل از این تاریخ، GA4 را راه اندازی و استفاده از آن را شروع کرده اید
• نمی خواهید تصمیم های بیزینسی خود را بر اساس داده های اشتباه و ناقص بگیرید

تصمیم گیری بر اساس داده های نادرست می تواند به صورت مستقیم برای کسب و کار شما هزینه مالی ایجاد کند.

۲ مثال از کاربرد گزارش User Lifetime در GA4

هر کسب و کار ویژگی های خاص خودش را دارد. حتی اگر شما و رقیبتان دقیقا یک مدل تی شرت را با یک قیمت بفروشید، استراتژی بازاریابی شما در بخش های زیادی با هم متفاوت خواهد بود؛ از جمله:

• بودجه
• کانال های تبلیغاتی
• کمپین ها
• مخاطبان
• محتوا
• و موارد دیگر

گزارش User Lifetime می تواند درباره تمام این بخش ها به شما اطلاعات بدهد. اما پاسخ هایی که شما نیاز دارید لزوما همان چیزهایی نیست که رقیبتان دنبال آن است. مثال های زیر فقط دیدی کلی از قدرت این گزارش به شما می دهند. در عمل، کسب و کار شما ممکن است به ابعاد، متریک ها و سگمنت های متفاوتی نیاز داشته باشد.

سوال ۱: کدام یک از کمپین های پولی شما بالاترین میانگین تراکنش طول عمر کاربر را ایجاد کرده است؟

فرض کنیم شما یک کمپین ویدئویی در یوتیوب اجرا کرده اید تا کاربران را به سایت یا اپ جذب کنید. همزمان یک کمپین سرچ در گوگل ادز هم فعال بوده است. حالا می خواهید عملکرد این دو کمپین را با هم مقایسه کنید تا تصمیم بگیرید بودجه تبلیغات آنلاین هفته های آینده را کجا هزینه کنید.

در ادامه یک مسیر احتمالی برای ساخت گزارش User Lifetime آورده شده است:

مراحل پیشنهادی برای ساخت گزارش:

1. ایجاد یک سگمنت جدید
2. Suggested segments > Templates > Acquisition
3. First User Source > YouTube
4. First User Campaign > انتخاب کمپین مورد نظر از لیست
5. ذخیره و اعمال سگمنت
6. دوباره به Suggested segments بروید
7. Templates > Acquisition
8. First User Source > Google
9. First User Campaign > انتخاب کمپین مورد نظر از لیست
10. یک نام مشخص و قابل فهم برای سگمنت تعیین کنید (اختیاری ولی مفید)
11. ذخیره و اعمال سگمنت

با این کار، شما دو سگمنت مجزا خواهید داشت: یکی برای کاربرانی که اولین بار از طریق تبلیغات یوتیوب وارد سایت شده اند و دیگری برای کاربرانی که از طریق Google Ads جذب شده اند. اکنون می توانید میانگین تراکنش طول عمر هر گروه را در گزارش User Lifetime مقایسه کنید و درباره تخصیص بودجه تصمیم دقیق تری بگیرید.

سوال ۲: کدام مدیوم در ۲۸ روز آینده احتمال بیشتری برای ایجاد درآمد بالاتر دارد؟

اگر هدف شما این است که بدانید در ۲۸ روز آینده کدام مدیوم بیشترین بازدهی را ایجاد می کند، گزارش User Lifetime در GA4 می تواند به صورت مستقیم به این پرسش پاسخ بدهد. این تحلیل به شما کمک می کند منابع و بودجه خود را روی کانال هایی سرمایه گذاری کنید که احتمال بیشتری برای ایجاد درآمد دارند.

در ادامه یک مسیر پیشنهادی برای پیکربندی این گزارش ارائه شده است:

1. ایجاد یک سگمنت جدید
2. از مسیر Suggested Segments وارد بخش Predictive شوید
3. گزینه Predicted 28-day top spenders را انتخاب کنید
   • این سگمنت بر اساس مدل های یادگیری ماشین GA4 پیش بینی می کند کدام کاربران در ۲۸ روز آینده احتمال بیشتری برای خرید و ایجاد درآمد دارند.
4. در بخش Rows مقدار First User Medium را قرار دهید
   • با این کار، گزارش شما درآمد احتمالی ۲۸ روز آینده را بر اساس مدیوم های مختلف مثل CPC، Organic، Referral، Social و … مقایسه می کند.

خروجی این تنظیمات چه چیزی به شما می دهد؟

این تنظیمات به شما اجازه می دهد:

• مدیوم هایی را که بیشترین احتمال درآمدزایی در ۲۸ روز آینده دارند شناسایی کنید
• تصمیم بگیرید بودجه تبلیغات را به کدام مدیوم اختصاص دهید
• عملکرد مدل های مختلف جذب کاربر را در بازه زمانی آینده مقایسه کنید
• یک نگاه آینده نگر نسبت به بازگشت سرمایه داشته باشید، نه فقط تحلیل داده های گذشته

به کمک این روش، می توانید به شکلی هوشمندانه تر برنامه ریزی کنید و از فرصت های بازاریابی پیش رو بیشترین استفاده را ببرید.

۲ نکته مهم برای تفسیر صحیح گزارش User Lifetime در GA4

بسته به اینکه چه متریک هایی را در گزارش User Lifetime تنظیم می کنید، ممکن است به نتایج کاملا متفاوتی برسید. پیش از اینکه بر اساس این گزارش تصمیمی درباره سایت، اپ، کمپین، بودجه یا استراتژی کلی کسب و کار بگیرید، باید دو محدودیت مهم را به دقت درک کنید.

۱. لایف تایم در این گزارش معادل با عمر واقعی کاربر نیست

همانطور که پیش تر اشاره شد، GA4 تمام کاربران شما را از تاریخ ۱۶ آگوست ۲۰۲۰ به بعد، به عنوان کاربران جدید در نظر می گیرد. اگر کاربری قبل از این تاریخ خرید یا تعامل داشته باشد، در گزارش User Lifetime به عنوان کاربر جدید نمایش داده می شود. بنابراین ممکن است بخشی از داده های تاریخی کاربران در تحلیل شما نادیده گرفته شود.

این موضوع اگر در تحلیل ها نادیده بماند، می تواند تفسیرهای شما از ارزش طول عمر کاربر را دچار خطا کند.

۲. دستگاه برابر با کاربر نیست

به دلیل قوانین سخت گیرانه تر حوزه حریم خصوصی، شناسایی کاربران در دستگاه های مختلف سخت تر شده است. به همین دلیل بسیاری از کسب و کارها به سمت Server Side Tracking رفته اند. گوگل تلاش می کند کاربران را تا جایی که ممکن است منحصر به فرد شناسایی کند، اما تلاش همیشه برابر با موفقیت نیست.

در GA4 سه شناسه اصلی برای تشخیص کاربران وجود دارد:

User ID: قابل اعتمادترین روش، اما با یک شرط

User ID دقیق ترین راه برای شناسایی یک کاربر است، اما فقط زمانی که کاربر وارد حساب کاربری خود شده باشد.

Device ID: روش دوم، اما کاملا قابل اعتماد نیست

وقتی User ID وجود نداشته باشد، نوبت به Device ID می رسد. اما این روش هم مشکلات خودش را دارد.

ممکن است گاهی یک فرد در محل کارش و با دسکتاپ شرکت، در زمان ناهار و با حالت Incognito از سایت شما سفارش دهد. در این حالت، گوگل هیچ اطلاعات پایداری برای شناسایی او ندارد. نتیجه این است که در گزارش شما او باز هم به عنوان کاربر جدید شناسایی می شود.

نتیجه مهم برای تفسیر گزارش

به خاطر داشته باشید:

• اگر کاربران شما با چند دستگاه خرید می کنند
• اگر وارد حساب کاربری نمی شوند
• اگر از مرورگرهای خصوصی مثل Incognito استفاده می کنند

احتمال خطا در شناسایی آنها و در نتیجه خطا در تحلیل User Lifetime بالا می رود.

برای تفسیر دقیق این گزارش باید این محدودیت ها را در ذهن داشته باشید تا بر اساس داده های ناقص، تصمیمی اشتباه برای کسب و کار خود نگیرید.

تفاوت گزارش User Lifetime Value در GA4 با دایمنشن Customer LTV چیست؟

گوگل آنالیتیکس ۴ یک گزارش اختصاصی با عنوان User Lifetime در بخش Exploration ارائه می کند. در نگاه اول ممکن است این گزارش شبیه مفهوم پرکاربرد Customer Lifetime Value باشد، اما تفاوت های مهمی میان این دو وجود دارد که نادیده گرفتن آنها می تواند به برداشت اشتباه منجر شود.

Customer Lifetime Value چیست؟

Customer LTV یک دایمنشن سفارشی است که توسط ابزارهایی مثل Littledata ارسال می شود و نشان می دهد یک مشتری در طول کل رابطه خود با یک کسب و کار چقدر درآمد ایجاد کرده است. این مقدار می تواند شامل خریدهای مشتری قبل از انتقال فروشگاه به Shopify یا حتی سفارش هایی باشد که از پلتفرم قبلی وارد شده اند.

دو عامل مهم که مستقیما بر Customer LTV تاثیر می گذارند:

• وفاداری مشتری
• نرخ ریزش یا Churn

هرچه مشتری مدت طولانی تری از یک کسب و کار خرید کند، ارزش طول عمر او افزایش پیدا می کند.

دو تفاوت اساسی Customer LTV با User LTV در GA4

۱. User Lifetime Value همه کاربران را شامل می شود، نه فقط خریداران را

User LTV در GA4 رفتار تمام کاربران سایت یا اپ را بررسی می کند؛ چه خرید کرده باشند و چه هیچ مبلغی پرداخت نکرده باشند.
به همین دلیل مقدار User LTV همیشه خیلی کمتر از Customer LTV است.

وجود کاربران غیرخریدار تاثیر قابل توجهی بر میانگین User LTV دارد و این موضوع دید گسترده تری از عملکرد کلی کاربران ارائه می دهد، نه فقط مشتریان پولی.

۲. Customer LTV یک معیار بلندمدت است، اما User LTV در GA4 وابسته به بازه زمانی است

Customer LTV کل طول عمر مشتری را شامل می شود؛ یعنی از اولین خرید تا امروز، بدون محدودیت بازه زمانی.

اما User LTV در GA4 کاملا به بازه زمانی انتخاب شده در گزارش وابسته است.
این گزارش نشان می دهد یک گروه خاص از کاربران در یک دوره مشخص چگونه عمل کرده اند، نه در کل رابطه آنها با کسب و کار.

ربات‌ها می‌توانند کاربردهای خوب یا بد داشته باشند، اما در هر دو حالت باید از ورود ترافیک ربات‌ها به گوگل آنالیتیکس جلوگیری کنید. در Google Analytics 4، ترافیک ربات‌های شناخته‌شده به صورت خودکار مسدود می‌شود.
با این حال، لازم است گزارش‌های خود را به طور منظم بررسی کنید تا هرگونه رفتار غیرعادی یا مشکوک به ربات را شناسایی کنید.
برای جلوگیری از انحراف داده‌ها، می‌توانید هم در داخل اکانت آنالیتیکس ۴ و هم در خارج از آن اقداماتی انجام دهید. بهترین راه برای حفظ دقت گزارش‌ها و پاک نگه داشتن داده‌ها از ترافیک ربات‌ها این است که فرایند «بازبینی کیفیت داده» را به طور مستمر در جریان کاری خود اجرا کنید. در ادامه این مطلب با آموزش شناسایی ترافیک ربات ها در آنالیتیکس ۴ و حذف آنها همراه من باشید.

منظور از ترافیک ربات چیست؟

ترافیک ربات شامل تمام بازدیدهایی است که از سوی انسان‌ها انجام نمی‌شود. ربات‌ها در واقع برنامه‌هایی هستند که با اهداف خوب یا بد ساخته می‌شوند. در هر حال، شما نمی‌خواهید این نوع ترافیک را به اشتباه به عنوان بازدید کاربران واقعی یا مخاطبان هدف خود در نظر بگیرید.

همه ربات‌ها کاربرد خوبی ندارند، اما بدون شک تعدادشان در فضای وب بسیار زیاد است. بر اساس یک مطالعه، در سال ۲۰۲۲ حدود ۴۷ درصد از کل ترافیک وب در جهان توسط ربات‌ها ایجاد شده است.

لحظه‌ای مکث کنید و به این عدد فکر کنید. یعنی در سال ۲۰۲۲ فقط ۵۲ درصد از ترافیک اینترنت واقعا توسط انسان‌ها بوده است.

برای اینکه بهتر بدانید در گوگل آنالیتیکس با چه چیزی روبه‌رو هستید، بیایید نگاهی بیندازیم به انواع ربات‌هایی که می‌توانند وارد سایت شما شوند و گزارش‌هایتان را دچار انحراف کنند.

۳ نمونه از ربات‌های مخرب

ربات‌های مخرب در اشکال مختلفی وجود دارند و می‌توانند به روش‌های غیرمنتظره‌ای به سایت شما آسیب بزنند.

۱. ربات‌های دلال (Scalper Bots)
این ربات‌های زیرک، بلیت‌ها یا محصولات خاص را به‌صورت خودکار خریداری می‌کنند تا بعدها آن‌ها را با قیمت بالاتر بفروشند. در ظاهر ممکن است فروش سریع محصولات گران‌قیمت جذاب به نظر برسد، اما در واقعیت، این کار می‌تواند به شدت به اعتبار برند شما آسیب بزند. هیچ کاربری دوست ندارد از ربات‌ها شکست بخورد.

۲. ربات‌های اسپم (Spam Bots)
این ربات‌ها در مزاحمت مهارت دارند. مثلا می‌توانند در مدت زمان بسیار کوتاهی بخش نظرات وبلاگ‌ها را با پیام‌های بی‌ربط یا تبلیغاتی پر کنند، سریع‌تر از آن‌که شما بتوانید آن‌ها را حذف کنید.

۳. ربات‌های کپی‌بردار (Scraper Bots)
این برنامه‌ها در مقیاس وسیع از محتوای وب‌سایت‌ها سرقت می‌کنند. هدف اصلی آن‌ها اغلب کپی‌کردن محتوای رقبا و آسیب‌زدن به آن‌ها در مراحل بعدی است.

۳ نمونه از ربات‌های مفید

ربات‌های مفید می‌توانند به رشد کسب‌وکارها کمک کنند. آن‌ها کارهای تکراری را در کسری از ثانیه انجام می‌دهند و داده‌های عظیمی را جمع‌آوری می‌کنند که در حالت عادی ممکن است روزها یا حتی ماه‌ها طول بکشد.

۱. خزنده‌های وب یا ربات‌های موتور جستجو (Web Crawlers / Search Engine Bots)
ربات‌های گوگل (Googlebots) پیشرفته‌ترین نمونه‌ها هستند. آن‌ها به طور مداوم اینترنت را برای یافتن تصاویر، ویدیوها، متون، لینک‌ها و سایر محتواها بررسی می‌کنند. بدون این ربات‌ها، سایت شما هیچ بازدیدی از سرچ ارگانیک دریافت نمی‌کرد.

۲. ربات‌های بررسی بک‌لینک (Backlink Checkers)
این برنامه‌ها کمک می‌کنند تا تمام لینک‌هایی که از سایر سایت‌ها به وب‌سایت شما داده شده شناسایی شوند. ابزارهای ضروری برای متخصصان سئو هستند.

۳. ربات‌های پایش سایت (Website Monitoring Bots)
این ربات‌ها وضعیت سایت را زیر نظر دارند و مثلا در صورتی که سایت مورد حمله هکری قرار گیرد یا از دسترس خارج شود، بلافاصله مالک را مطلع می‌کنند.

آیا گوگل آنالیتیکس ۴ ترافیک ربات‌ها را مسدود می‌کند؟

بله، نسخه GA4 ترافیک ربات‌های شناخته‌شده را به طور خودکار مسدود می‌کند. برای شناسایی ربات‌های خوب و بد، از دو منبع اصلی استفاده می‌کند:
اول، تحقیقات داخلی گوگل؛
و دوم، فهرست بین‌المللی IAB/ABC Spiders and Bots List که به صورت ماهانه به‌روزرسانی می‌شود.

از زمان معرفی Google Analytics 4، اوضاع به شکل محسوسی بهتر شد و حجم ترافیک اسپم در گزارش‌ها کاهش پیدا کرد. اما باید توجه داشت که اسپم تنها یکی از انواع ترافیک رباتی است که می‌تواند داده‌های شما را آلوده کند.
انواع مختلفی از ربات‌ها دائما سایت‌ها را اسکن، خزیده یا حتی مورد حمله قرار می‌دهند. و گاهی خود ما هم به‌طور ناخواسته ربات‌هایی را به سمت سایت‌مان می‌فرستیم.

چطور ترافیک ربات‌ها را در آنالیتیکس ۴ شناسایی کنیم؟

برای شناسایی ترافیک ربات در GA4 باید به دنبال داده‌های غیرعادی بگردید. منظور داده‌هایی است که به‌طور کامل با الگوی کلی گزارش‌های شما تفاوت دارند.

فرض کنید در گزارش خود جدولی می‌بینید که در یک سشن بیش از ۱۰ هزار ایونت ثبت شده، اما نرخ تعامل (Engagement Rate) صفر درصد است. این دقیقا نشانه‌ای از حضور ربات‌هاست.

در ادامه، مهم‌ترین نشانه‌هایی را مرور می‌کنیم که به شما کمک می‌کند ترافیک غیرانسانی را در گزارش‌های گوگل آنالیتیکس تشخیص دهید.

۱. منبع ترافیک «دایرکت» یا «Unassigned»

گوگل سعی می‌کند منبع هر بازدید را به یکی از کانال‌های شناخته‌شده (مثل Organic، Paid، Email و…) نسبت دهد. این بخش را می‌توانید در گزارش Traffic Acquisition ببینید.
اما ربات‌ها معمولا از مسیرهای ناشناخته یا مستقیم وارد سایت می‌شوند و به همین دلیل در گزارش‌ها به عنوان ترافیک دایرکت یا Unassigned نمایش داده می‌شوند.
اگر در این بخش سشن هایی با نرخ تعامل پایین می‌بینید، احتمال حضور ربات‌ها زیاد است.

بیشتر بخوانید: افزایش ترافیک دایرکت در آنالیتیکس

۲. افزایش ناگهانی در نرخ تبدیل (Conversions)

کانورژن ها یکی از مهم‌ترین شاخص‌ها در GA4 هستند، چون نشان می‌دهند که آیا سایت در مسیر درستی برای دستیابی به اهداف نهاییقرار دارد یا نه.
اما گاهی ربات‌ها باعث می‌شوند آمار کانورژن های شما غیرواقعی به نظر برسد.
مثلا ممکن است فرمها را به‌صورت خودکار پر کنند و این تصور را ایجاد کنند که سایت شما سرنخ‌های واقعی (Leads) تولید کرده است.
پس اگر در گزارش‌های Conversion یا Monetization با داده‌های مشکوک مواجه شدید، حتما آن‌ها را دقیق‌تر بررسی کنید.

۳. منابع یا ریفرال مشکوک (Suspicious Sources and Referrals)

بعضی توسعه‌دهندگان حتی تلاشی برای پنهان‌کردن منبع ترافیک ربات‌هایشان نمی‌کنند و این ترافیک معمولا به‌سرعت در فهرست ربات‌های مسدودشده قرار می‌گیرد.
اما برخی دیگر به‌راحتی از فیلترها عبور می‌کنند و به سرعت ظاهر می‌شوند.
برای شناسایی این منابع، وارد مسیر Reports > Acquisition > Traffic Acquisition شوید و بعد، ستون اصلی را به Source/Medium تغییر دهید.
در اینجا به دنبال داده‌هایی باشید که تعداد کاربران بالا اما میانگین زمان تعامل بسیار پایین دارند.

۴. نرخ پرش بالا (High Bounce Rate)

البته نرخ پرش یا بانس ریت بالا همیشه نشانه بدی نیست، اما اگر صفحاتی دارید که نرخ تعامل بالایی از آنها انتظار دارید و با این حال نرخ پرش بالایی دارند، باید شک کنید.
می‌توانید یک گزارش در اکسپلور (Exploration) در GA4 بسازید که شبیه گزارش Entrances باشد اما از شاخص Bounce استفاده کند تا منشا این رفتار را پیدا کنید.

۵. سشن با تعامل پایین (Low Engagement Sessions)

در GA4 شاخصی داخلی به نام Engaged Sessions وجود دارد که نشان می‌دهد کاربران چقدر با سایت تعامل دارند.
سشن هایی با نرخ تعامل پایین معمولا مربوط به ربات‌ها هستند.
می‌توانید از این شاخص برای ساخت Audience Segment استفاده کنید و داده‌های مشکوک را در گزارش‌های اکسپلور جدا کنید.
البته این روش کاملا دقیق نیست، چون ممکن است شامل کاربران واقعی هم بشود.

۶. نرخ تعامل پایین (Low Engagement Rate)

به‌طور کلی، تمام شاخص‌های تعامل در مقابله با ترافیک ربات مفید هستند. انسان‌ها رفتار متفاوتی نسبت به برنامه‌های خودکار دارند.
می‌توانید این شاخص‌ها را در گزارش‌های پیش‌فرض GA4 ببینید یا در گزارش‌های سفارشی خود به کار بگیرید.

۷. زمان تعامل صفر (Zero Engagement Time)

هرچه یک ربات سریع‌تر کار خود را انجام دهد، برای صاحب آن بهتر است. ربات‌ها فقط وارد سایت می‌شوند، داده جمع می‌کنند یا اسپم ارسال می‌کنند و بلافاصله خارج می‌شوند.
اگر در گزارش‌ها سشن هایی می‌بینید که زمان تعامل آن‌ها صفر یا فقط چند میلی‌ثانیه است، تقریبا مطمئن باشید با ترافیک رباتی مواجه هستید.

۸. ترافیک مشکوک از شهرها یا کشورها

اگر ناگهان شاهد افزایش بازدید از شهرها، مناطق یا کشورهایی هستید که تا کنون آنها را تارگت نکرده اید، عجله نکنید و به فکر جشن گرفتن نیفتید.
می‌توانید اطلاعات لوکیشن کاربران را در مسیر Reports > User Attributes > Overview مشاهده کنید تا لوکیشن های مشکوک را تشخیص دهید.

چطور ترافیک ربات‌ها را از گزارش‌های آنالینیکس ۴ حذف کنیم؟

هیچ‌کس نمی‌تواند تضمین کند که گزارش‌های شما در GA4 کاملا عاری از ترافیک ربات باشند.
برای مقابله با ربات‌ها باید همیشه هوشیار باشید، نه اینکه صرفا به فیلترهای خودکار گوگل اعتماد داشته باشید.

دلیلش ساده است:
وقتی داده‌های ربات‌ها وارد گزارش‌های شما شوند، بعدا آن‌ها را نمیتوانید حذف کنید. بنابراین باید از همان ابتدا پیشگیری کنید تا این ترافیک وارد داده‌های شما نشود. در ادامه، چند روش کاربردی برای جلوگیری از ورود ترافیک ربات‌ها به حساب GA4 را مرور می‌کنیم.

۱. استفاده از نرم‌افزارهای امنیتی و محافظت وب‌سایت

ابزارهایی مثل CDN، فایروال وب‌سایت و افزونه‌های امنیتی می‌توانند جلوی ورود ربات‌ها را بگیرند.
این ابزارها در واقع ترافیکی را مسدود می‌کنند که ممکن است گوگل آنالیتیکس قادر به شناسایی آن نباشد.
در نتیجه، داده‌هایی که وارد گزارش‌های شما می‌شوند تمیزتر و دقیق‌تر خواهند بود.

۲. مسدود کردن ربات‌ها در فایل robots.txt

برای استفاده از این روش باید از دولوپرها کمک بگیرید. فایل robots.txt یکی از ساده‌ترین روش‌ها برای جلوگیری از دسترسی برخی ربات‌ها به سایت است، و در نتیجه باعث می‌شود این ترافیک وارد گوگل آنالیتیکس نشود.
البته نباید بیش از حد روی این روش حساب کنید، چون ربات‌های مخرب معمولا اهمیتی به این محدودیت نمی‌دهند.

با این حال، استفاده از robots.txt می‌تواند به کاهش مصرف منابع سرور کمک کند. در واقع، وقتی ربات‌های بی‌فایده را مسدود کنید، عملکرد سایت نیز بهتر می‌شود. برای بررسی تأثیر این اقدام، می‌توانید سرعت سایت را از طریق گزارش‌های سرعت سایت در آنالیتیکس ۴ بررسی کنید.

۳. فیلتر کردن ترافیک ربات‌ها بر اساس آدرس IP

روش‌های مختلفی برای شناسایی IP ربات‌ها وجود دارد، اما معمولا باید خارج از GA4 انجام شوند.
به عنوان مثال، می‌توانید از تیم فنی بخواهید تا لاگ‌های سرور را بررسی کند، یا از افزونه‌های ضداسپم استفاده کنید تا IP ربات‌ها را شناسایی کنند.

اما یک نکته مهم را در نظر داشته باشید:
به دلیل قوانین حریم خصوصی و GDPR، در GA4 امکان محدود کردن ترافیک داخلی از طریق ثبت IPها وجود دارد.
هرچند این قابلیت در اصل برای فیلتر کردن ترافیک داخلی طراحی شده، می‌توانید از آن برای مسدود کردن IP اسپمرها هم استفاده کنید تا داده‌هایشان وارد گزارش نشود.

۴. شخصی‌سازی تنظیمات GA4

بسته به نوع ترافیک مشکوکی که در گزارش‌های خود مشاهده می‌کنید، می‌توانید از تنظیمات مختلف برای بررسی داده‌ها استفاده کنید.
به‌صورت کلی، این مرحله شامل سفارشی‌سازی گزارش‌ها و ساخت فیلترهای هدفمند است.

در اینجا چند روش مؤثر را معرفی می‌کنم:

• ایجاد Audience Segment برای مناطق جغرافیایی مشکوک؛
• استفاده از Comparisons برای فیلتر کردن داده‌های ناخواسته در گزارش‌ها؛
• ساخت گزارش‌های Exploration که ترکیبی از شاخص‌هایی مثل بانس ریت، نرخ تعامل یا مدت‌زمان سشن را نشان می‌دهند تا ترافیک ربات راحت‌تر شناسایی شود؛
• شخصی‌سازی گزارش‌های پیش‌فرض GA4 و ذخیره آن‌ها برای استفاده شخصی یا تیمی تا همه افراد با داده‌های تمیزتر و دقیق‌تر کار کنند.

چرخه بازبینی کیفیت داده در آنالیتیکس ۴

بسیاری از کاربران گوگل آنالیتیکس فراموش می‌کنند که این ابزار از نوع «راه‌اندازی و فراموش کن» نیست. اگر می‌خواهید تصمیم‌های خود را بر پایه داده بگیرید، باید مطمئن شوید داده‌هایتان تمیز هستند و همین‌طور تمیز باقی می‌مانند.

فیلتر کردن ترافیک ربات‌ها یک تنظیم ساده نیست، بلکه بخشی از یک فرایند دائمی است که به آن چرخه بازبینی کیفیت داده گفته می‌شود.

این چرخه از پنج مرحله تشکیل شده است:

1. تحلیل ترافیک در گزارش‌ها
   ابتدا باید داده‌ها و الگوهای رفتاری کاربران را در گزارش‌های خود بررسی کنید.
2. شناسایی ناهنجاری‌ها (Anomalies)
   در مرحله بعد، به دنبال داده‌های غیرعادی یا رفتارهای مشکوک بگردید که با سایر بخش‌های گزارش تفاوت دارند.
3. یافتن علت ناهنجاری‌ها
   پس از شناسایی مشکل، باید ریشه آن را پیدا کنید؛ مثلا آیا ورودی یک کمپین اشتباه است، یا ورود ربات‌ها باعث آن شده؟
4. رفع مشکل
   زمانی که علت را پیدا کردید، اقدام اصلاحی لازم را انجام دهید، مثلا فیلتر جدید بسازید، تنظیمات را اصلاح کنید یا منبع ترافیک را مسدود کنید.
5. ثبت و مستندسازی ایرادها
   در نهایت، ایرادها و اقداماتی که انجام داده‌اید را با ابزارهایی مثل Annotations یا گزارش‌های داخلی مستند کنید تا در آینده قابل پیگیری باشند.

و بعد… این چرخه دوباره تکرار می‌شود. شما باید به طور مداوم گزارش‌ها را بررسی کنید تا ببینید آیا ترافیک مشکوک جدیدی وارد نشده است یا نه.
تحلیل داده همیشه همراه با انتظار است؛ باید صبر کنید تا داده‌ها جمع‌آوری شوند و بتوانید نتایج را ارزیابی کنید.

داده‌های خود را دوباره بررسی کنید، یک روز، یک هفته یا یک ماه بعد، تا مطمئن شوید راه‌حل‌هایی که اعمال کرده‌اید مؤثر بوده‌اند.

نکته مثبت این است که GA4 می‌تواند از طریق ایمیل شما را از بروز اتفاقات عجیب و غیر قابل انتظار در سایت آگاه کند. اگر موردی غیرعادی دیدید، حتما بررسی دقیق انجام دهید.

با استفاده از این چرخه، می‌توانید در آینده کیفیت داده‌های خود را حفظ کنید و مطمئن باشید تصمیم‌هایی که می‌گیرید بر اساس داده‌های واقعی و قابل اعتماد است.