此外，由于不知道对哪些数据进行建模，识别和纠正报告中可能存在的异常或不一致的情况会更加困难。我们是否因标签数据？或者谷歌在计算中做了什么改变？所有这些都会影响你的团队和利益相关者对数据的信任程度，强调使用这个模型时要非常小心的重要性。当他们告诉我们“分析就是这么说的，但我们不相信它”时，没有人希望那个可怕的时刻到来。
不同GA4报告之间的不一致
使用建模用户的另一个重大影响是 GA4 中不同报告之间出现不一致。建模数据并未统一应用于平台中的所有部分和报告，这可能会导致混乱并使结果难以解释。
例如，受众和细分群体的行为可能不同
虽然某些自定义细分可能包括建模用户，但为再营销活动创建的受众群体则不然。这意味着您可能会发现这些群体的规模和行为存在差异，从而影响您的营销活动的有效性和报告的准确性。
特定报告（例如保留率、生命 电话号码资源 周期价值和预测指标）也不应用建模数据。如果您不了解这些限制，您可能会错误地解释用户的长期趋势或表现，从而影响战略规划和资源优化。
这些都是从未有过用户建模数据的 GA4 网站：
受众：虽然在具有相同配置的分段中您将能够看到没有 cookie 的用户，但从 cookie 开始的受众永远不会包括他们。
用户、群组和 LTV 扫描从不包括建模 与大型课程相关的实施模型 的用户。因此它们与其他报告不同。
如果您的探索有细分，则它们确实包含建模用户，但如果细分是序列，则它们将不再包含它们。
保留报告也不提供此数据。
没有任何预测指标（例如转化概率）
是根据建模用户计算的，如果您应用它们来对包含 tw 列表 它们的基本用户进行估计，则可能会导致错误。
BigQuery 当然也不包含建模数据。比应用建模用户的网站更令人沮丧，而 GA4 事件本身的情况并非如此：
