Googleアナリティクス 4（以下、GA4）の特徴の１つとして、機械学習の活用があげられます。
例えば、購入や離脱の予測や、過去の傾向から新しい変化の気付きを通知してくれる、データの利活用を推進できる機能です。
一方で昨今、デジタルマーケティングを取り巻く環境は急速に変化しており、重要な変化として、サードパーティーCookieの廃止、プライバシー規制の厳格化などがあげられます。
これまで利用してきた従来のトラッキング方法の信頼性が低下しており、このような変化による影響を低減するための試みに機械学習の活用が必要になってきている点も忘れてはいけません。
いくつかGA4の機械学習を活用した機能について説明をします。
GA4の予測オーディエンス・指標
機能概要：
GA4で計測したアプリ・ウェブサイト内行動データとGoogleの機械学習技術を掛け合わせることで、ユーザーの購入の可能性・離脱の可能性・収益を予測します。
予測結果をもとにオーディエンスや指標を作成し、分析やGoogle広告の施策に活用できます。
引用：アナリティクスヘルプ ＞ [GA4] 予測指標、[GA4] 予測オーディエンス
前提条件：
- purchaseもしくはin_app_purchaseイベントの計測
- 予測モデルを正常にトレーニングするための一定数のpurchaseもしくはin_app_purchaseイベントのボリューム
おすすめの方法：
GA4管理画面のアカウント設定内にある「データ共有設定 ＞ モデリングのためのデータ提供とビジネス分析情報」をチェック（有効）します。
共有することで集計データを使ってモデルの品質を高め、予測精度の向上に役立ちます。
また、ユーザーの行動に応じて、推奨イベント をより幅広く、多く収集することで、モデルの品質を高め、予測精度の向上に役立ちます。
同様に、ユーザーの行動の観点から見て意味を持たないノイズになるイベントを最小限に抑えることも、予測精度の向上につながります。
アナリティクス インサイト
機能概要：
- 異常値検知：過去のデータに基づき、現在の指標の値が予測され、異常な傾向がある場合は通知します
- 貢献同分析：異常値の要因になったユーザセグメントを検知し通知します
- 最適化案の提案：お客様に適したGA4の活用案を通知します
前提条件：
設定の有無はないが、表示条件は開示されておらず、システムが自動的に判断して表示、通知する
おすすめの方法：
異常値が検出された場合、アナリティクスインサイトは、その異常値の原因になっているユーザーセグメントを発見し、そのセグメントのオーディエンスを作成するリンクを準備してくれます。
作成したオーディエンスは、エクスポートして広告キャンペーンのターゲットに設定することもできますし、データ探索ツールで利用することで、根本的な原因究明を行う事もできます。
同意モードの行動モデリング
機能概要：
ウェブサイトやアプリでCookieに関する同意モードを使用すると、ユーザーの同意状況に基づいてGoogleタグの動作を制御できます。
GA4とGoogle広告で利用するCookieの使用について、ユーザーの同意が得られているかどうかを検知し、ユーザーによる同意が得られた場合にのみ、Cookieを指定された目的で使用できます。
この場合、同意を拒否したユーザーに関するデータの欠損が生じますが、同意モードの行動モデリングを利用すると、Cookieを受け入れた類似ユーザーの行動を元に、プライバシーを尊重しながら、拒否したユーザーのデータを推定しレポートを表示します。
前提条件：
- 同意モードのタグ実装
- モデリングするために十分なデータ量
- レポート用識別子方法のハイブリッドを選択（モデリングが含まれる）
補足説明：
レポート識別子のハイブリッドを選択すると、モデル化されたデータと実測データがレポート上に合算されて表示されます。
モデル化データが含まているかは、レポートのデータ品質アイコンから確認できます。
探索ツールの、自由形式レポートにおいて、ユーザー数、セッション数、新規ユーザー数などの指標にモデリングが適用されます。
ただし、page_view、first_visits、session_startなどのイベント数には適用されないため注意が必要です。
引用：アナリティクスヘルプ ＞ [GA4] 同意モードの行動モデリング
推定コンバージョン
機能概要：
ユーザープライバシーやブラウザCookieの有効期限の制限、デバイス間のユーザー遷移などの理由で、同一ユーザーかどうか特定できず、広告の正確なコンバージョン アトリビューションの計測が出来ない場合があります。
GA4の機械学習モデルは直接測定されたコンバージョンとそうでないコンバージョンとの間に見られる傾向を利用し、コンバージョン アトリビューションを予測します。直接測定されたコンバージョンと推定されたコンバージョンを含めたレポートが利用できます。
参考：アナリティクスヘルプ ＞[GA4] 推定コンバージョンについて
前提条件：
2021年7月末以降のGA4では、有料チャネルとオーガーニックチャネルにおいて推定コンバージョンが含まれるようになりました。
適用可否を選択することはできません。
補足説明：
各レポートにおいて、クロスチャネルのコンバージョンに対して「総数」は変わりませんが、チャネルへの内訳配分が変更されます。
似たような機能に「データドリブンアトリビューション」という機能があります。
推定コンバージョンは、技術、環境、ユーザー選択（Cookie同意モードなど）により同一ユーザーかどうか特定できない場合に自動的にチャネルの貢献度を推定しますが、後者の「データドリブンアトリビューション」は、直接測定されたデータをもとに統計的にアトリビューションのモデルを作り貢献度を推定しレポートします。
参考：アユダンテコラム ＞ GA4の推定コンバージョンと予測指標とは？
データドリブン アトリビューション
機能概要：
機械学習アリゴリズムを利用しコンバージョンしたチャネルと非コンバージョンチャネルの両方を評価します。
評価には、コンバージョンからの経過時間、デバイスの種類、広告の表示順序やクリエイティブアセットの種類などの要素を利用し、データドリブンモデルは経路毎のコンバージョンに与える貢献度をレポートします。
前提条件：
設定は必要ありませんが、機械学習の特性上、統計元のデータが少ないとその結果の確からしさも高まりません。
データがアカウント単位で 30 日以内に 600 回以上のコンバージョンを獲得する必要があるなど、一定の基準を下回るとデータドリブンアトリビューション自体が利用できなくなります。
補足説明：
2022年1月末以降、アトリビューション設定がデータドリブン アトリビューション モデルに自動アップグレードされ、「ラストクリック」と「データドリブン」に変更されました。
参考：アユダンテコラム ＞ GA4のクロスチャネル型データドリブンアトリビューションモデルを使って流入を評価する
さいごに
デジタルマーケティングを取り巻く環境の大きな変化として、プライバシー規制の厳格化は避けては通れません。
ユーザーの信頼を獲得するにあたり「セキュリティ」「透明性」「コントロール」「実用性」の4つの要素が重要です。
つまり、ユーザーは、企業が運営するWebサービスにおいて、自身のデータの取り扱いを明確にしてほしく、通知の設定を簡単にオプトイン、オプトアウトしたいが、自分が必要だと思った広告だけを見たい。と思っています。
デジタルマーケティングを遂行していく上で、従来のユーザーを捉え追随するトラッキング方法は未来永劫利用できなくなるため、ユーザーに許諾を得たファーストパーティ情報による追跡と機械学習を活用したデータ補完の考え方にシフトしていく必要があります。
機械学習を用いた集計は、Web解析、アプリ解析になくてはならないものになってきました。
