Google Analytics 4 里有很多基于机器学习/AI 的功能，这些功能能大幅提升你的工作效率。
智能提问（智能搜索）
- 智能提问：你可以去问Google Analytics一些数据上的问题，它会给你解答的，问得越多，随着时间的推移，它会变得越来月智能。如可以问“为什么我的流量会下降？”“为什么我的跳出率会上升？”“上周收入增加的原因有哪些？”
直接点击Google Analytics 4 中间的搜索框，在里面搜索问题，就会看到：
Insights就是智能提问，点击确认就可以看到解答：
再来问一个难一点的问题，跳出率为什么增加？
它会告诉你是因为direct流量增加，而且跳出率是比较高的，所以导致整体的跳出率增加。
我们去看一些direct渠道的跳出率情况，验证一下：
确实是direct的跳出率增加导致，这个功能还是挺有用的。
数据分析
GA4里的数据分析就是智能提醒，异常监测的功能，它会是时常扫描的你的数据，检查其中是否存在异常。
数据分析可以分为自动数据分析和自定义数据分析。
自动数据分析是GA4自动对一些指标做检测，自定义数据分析是用户可以主动设定规则和指标去对指标做监测。
自动数据分析
你可以在GA4的「首页」——「数据分析」里看到如下信息：
这些就是自动数据分析。
自定义数据分析
自定义数据分析就是你创建一组规则来生成数据洞见。当满足该规则的条件时，你将会收到电子邮件通知。
它是属于数据分析的一种，因为数据分析可以分为自动数据分析和自定义数据分析。
贡献分析
贡献分析是在异常监测的基础上，可以识别对指标异常值有贡献的用户细分，就是可以告诉你只受众群体导致的数据异常。
异常值检测
探索里自由形式，可以用选择折线图做异常值检测，例如将“活跃用户数”拖动到值的位置，就会出现一个直线图：
折线图中使用异常值检测来识别数据中的离群值，它是基于贝叶斯状态时空序列模型。
它的原理是基于过去的历史数据，每天监测是基于过去90天的数据，每周监测是基于过去32周的数据，然后使用贝叶斯状态时空序列模型去建模，使用带 p 值阈值的统计显著性测试，将数据点标记为异常。
预测性指标
预测性指标是GA4通过机器学习专业知识处理你的数据集，以自动充实你的数据，从而预测用户未来的行为。
分为预测性转化指标和预测性受众群体。
预测性转化指标
GA4的数据满足一定的要求，在过去 28 天内，触发以及未触发相关预测条件（购买或流失）的回访用户必须在 7 天内各自达到至少 1,000 人，它就会利用 Google 机器学习专业知识处理你的数据集，以自动充实你的数据，从而预测用户未来的行为。
一共有三个指标：
| 购买几率 | 过去 28 天处于活跃状态的用户在未来 7 天内完成特定转化事件的概率。 |
| 用户流失概率 | 过去 7 天在您应用或网站上处于活跃状态的用户在未来 7 天内处于非活跃状态的概率。 |
| 预测收入 | 过去 28 天处于活跃状态的用户在未来 28 天内的所有购买转化操作预计可带来的收入 |
预测性受众群体
预测性受众群体包含：
- 未来 7 天内有可能流失的购买者
- 未来 7 天内有可能流失的用户
- 未来 7 天内有可能进行购买的用户
- 未来 7 天内有可能进行首次购买的用户
- 在未来 28 天预计花费最多的用户
你可以对群体是指转化率概率：
