{"id":48467,"date":"2023-03-27T10:36:10","date_gmt":"2023-03-27T08:36:10","guid":{"rendered":"https:\/\/www.makingscience.com\/?p=48467"},"modified":"2023-03-27T10:36:10","modified_gmt":"2023-03-27T08:36:10","slug":"3-funcionalidades-de-ga4-para-compensar-la-perdida-de-datos","status":"publish","type":"post","link":"https:\/\/www.makingscience.com\/es\/blog\/3-funcionalidades-de-ga4-para-compensar-la-perdida-de-datos\/","title":{"rendered":"3 funcionalidades de GA4 para compensar la p\u00e9rdida de datos"},"content":{"rendered":"<p style=\"text-align: center;\"><iframe title=\"YouTube video player\" src=\"https:\/\/www.youtube.com\/embed\/ffZAk-dJamo\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<p>&nbsp;<\/p>\n<p>Con la retirada de la versi\u00f3n anterior de Google Analytics, hemos entrado en la era de GA4. Esto quiere decir, que adem\u00e1s de un importante lavado de cara y un cambio en el modelo de datos, una de las actualizaciones m\u00e1s potentes de la plataforma es la incorporaci\u00f3n de funciones de machine learning.<\/p>\n<p>GA4 tiene la capacidad de combinar datos observados y datos no observados, es decir datos modelados. Y esto no s\u00f3lo es una ventaja, sino una necesidad, ya que los cambios en las cookies de los navegadores y la GDPR, principalmente,<strong> limitan cada vez m\u00e1s la forma que ten\u00edamos de seguimiento y an\u00e1lisis.<\/strong><\/p>\n<p>Nuestras herramientas de an\u00e1lisis est\u00e1n perdiendo los datos tal y como los conocemos, y debemos adaptarnos. El uso de algunas funciones sencillas de GA4 te ayudar\u00e1n a compensar esta p\u00e9rdida.<\/p>\n<p>Hoy te hablamos sobre tres funcionalidades:<\/p>\n<ol>\n<li>Atribuci\u00f3n data driven<\/li>\n<li>M\u00e9tricas predictivas<\/li>\n<li>Datos de comportamiento modelados<\/li>\n<\/ol>\n<p>&nbsp;<\/p>\n<h3><strong>Atribuci\u00f3n Data Driven<\/strong><\/h3>\n<p>El modelo de atribuci\u00f3n Data driven utiliza un <strong>modelo estad\u00edstico para mostrar la importancia de un canal a la hora de contribuir a una conversi\u00f3n.<\/strong><\/p>\n<p>Por ejemplo, puede haber 5.000 compras atribuidas al canal de SEO en los principales informes de adquisici\u00f3n de GA4, pero los puntos de contacto anteriores del canal de Paid Search, por ejemplo, pueden influir en el usuario que finalmente compra.<\/p>\n<p>Por lo tanto, <strong>el modelo estad\u00edstico tomar\u00e1 los datos sobre el comportamiento de los usuarios y las rutas que conducen a la conversi\u00f3n y determinar\u00e1 el peso que deben tener los diferentes puntos de contacto.<\/strong> Adem\u00e1s, en lugar de asignar el 100% de la conversi\u00f3n a SEO, la conversi\u00f3n se dividir\u00eda por porcentajes entre todos los canales de los que proceden los usuarios antes de realizar una transacci\u00f3n.<\/p>\n<p>&nbsp;<\/p>\n<h3><strong>M\u00e9tricas Predictivas<\/strong><\/h3>\n<p>A d\u00eda de hoy,<strong> est\u00e1 funci\u00f3n solo est\u00e1 disponible para las m\u00e9tricas de Ecommerce y de rotacion.<\/strong> Es decir, podr\u00edamos tener: la probabilidad de compra, la probabilidad de cancelaci\u00f3n, los ingresos previstos y los usuarios volver\u00e1n a la web o app en los pr\u00f3ximos d\u00edas.<\/p>\n<p>Los datos predictivos en GA4 se basan en la actividad pasada de los usuarios. Adem\u00e1s, estos datos pueden utilizarse fuera de Analytics: se pueden crear audiencias y segmentos para aislar a los compradores probables o improbables y utilizarlos en Google Ads para el remarketing.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos de comportamiento modelado<\/h3>\n<p>Se trata de integrar GA4 con la herramienta de gesti\u00f3n del consentimiento de cookies para que Google Analytics pueda recopilar datos sobre los usuarios que no dan su consentimiento para ser rastreados. <strong>Estos datos son an\u00f3nimos y no est\u00e1n relacionados con una cookie ni con ning\u00fan identificador de usuario.<\/strong><\/p>\n<p>El comportamiento de los usuarios observados (usuarios que optan por el seguimiento) entrena un<strong> modelo de aprendizaje autom\u00e1tico para estimar el comportamiento de los usuarios que optan por no dar su consentimiento.<\/strong><\/p>\n<blockquote><p>Combinando estas tres nuevas funcionalidades de GA4 podemos mejorar nuestros an\u00e1lisis y optimizar mejor nuestras campa\u00f1as para mejorar nuestros KPIs de negocio. \u00bfNecesitas ayuda en relaci\u00f3n a Analyticis y GA4? Nuestro equipo de expertos puede ayudarte. \u00a1Cont\u00e1ctanos! \ud83d\ude80<\/p><\/blockquote>\n<p style=\"text-align: center;\"><a style=\"border-radius: 15px; padding: 1em; background-color: #f0076f; color: white;\" href=\"https:\/\/www.makingscience.es\/contacto\/\" target=\"_blank\" rel=\"noopener\">Contacta aqu\u00ed<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>&nbsp; Con la retirada de la versi\u00f3n anterior de Google Analytics, hemos entrado en la era de GA4. Esto quiere decir, que adem\u00e1s de un importante lavado de cara y un cambio en el modelo de datos, una de las actualizaciones m\u00e1s potentes de la plataforma es la incorporaci\u00f3n de funciones de machine learning. GA4 [&hellip;]<\/p>\n","protected":false},"author":40,"featured_media":48474,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[871],"tags":[210,198,116],"class_list":["post-48467","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-martech-adtech-es","tag-data-es","tag-ga4","tag-privacy"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/48467","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/users\/40"}],"replies":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/comments?post=48467"}],"version-history":[{"count":0,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/48467\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media\/48474"}],"wp:attachment":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media?parent=48467"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/categories?post=48467"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/tags?post=48467"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}