我们会发现事件和指标之间的数据根

虽然“总用户数”、“总会话数”和“新用户数”指标确实使用建模数据（前面的情况除外），但我们发现与这些指标相关联的事件有时是建模的，有时不是……
当我们去创建表类型探索时，本不匹配。

这是因为像first_visit、session_start或page_view这

样的事件不使用建模用户并且看起来更小，但指标确实使用它们来查看其他总计。如果你知道，就不会发生什么，但大多数人不知道这个细节。
更重要的是，当我们转到那里的漏斗报告时，这些数据是建模的（有人向我解释一下吗？），因此漏斗报告中的总 session_start 事件与表格报告中的不同。

最后，一些拥有中等用户量（每天 2,000-5,000 个用户）

的企业可以看到其建模用户如何在旺季出 电报数据 现并在淡季消失（由于进入和离开 GA4 所需的最低用户配额）。研究这些数据），从而破坏了我们所看到的趋势。

数据混合对直接渠道和推送支付方式的影响

数据混合模型的使用可以显着影响渠道归因，特别是在直接渠道和推送支付方式中。当包括建模用户时，通常会观察到归因于直接渠道 衡量投资回报率如果 的人为增加的流量。

出现这种情况的原因是

如果没有准确的标识符，当某些用户在不同时间和日期执行多次会话时，GA4 很难追踪其原始来源。使用 cookie 就不会出现太大问题，因为当您在通过营销活动进入 10 天后没有营销活动信息（直接）到达时，GA4 仍然知道是您，并将该营销活 tw 列表 动分配给您（间接最终点击），但在建模用户中它不太可能知道这是同一个人。

因此，它将这些会话分配给直接通道

由于它与 cookie 的行为不同，因此可以增加该通道的权重。至于推送支付方式，例如展示广告或社交媒体活动，效果可能相反。鉴于这些活动具有相当的侵入性，并且通常关注新用户，因此这些渠道中不接受 cookie 的用户比例较高也就不足为奇了。由于 GA4 根据其已知的数据（接受 cookie 的数据）计算其数据，因此在激活建模时它往往会降低这些通道的权重。