1. 맞춤표2. 맞춤 측정기준3. 맞춤 측정항목4. 맞춤 사용자 매개변수 해설.맞춤 측정기준(Custom Dimension)을 사용합니다.작성자 이름은 "홍길동", "김철수"와 같은 텍스트 값으로, 데이터를 분류하고 설명하는 속성입니다. 이러한 텍스트 기반 속성은 측정기준에 해당하므로, 기본 제공되지 않는 작성자 이름을 보고하려면 맞춤 측정기준을 만들어야 합니다.구체적으로는 작성자 이름을 이벤트 매개변수로 수집한 뒤, 이를 이벤트 범위의 맞춤 측정기준으로 등록하면 각 기사 페이지별 작성자 이름을 보고서에서 확인할 수 있습니다.나머지 선택지가 적합하지 않은 이유는 다음과 같습니다. 맞춤 측정항목은 숫자로 측정되는 값(예: 점수, 금액)에 사용하므로 텍스트인 작성자 이름에는 맞지 않습니다. 맞춤 사용자 ..

1. 지난 30일 동안의 기간 설정2. 휴대전화를 사용한 사용자 수3. 기기 유형, 데스크톱, 휴대전화4. 내 사이트에 도달하기 전 사용자의 위치 해설.휴대전화를 사용한 사용자 수가 정답입니다.측정항목(Metric)은 숫자로 측정되는 정량적인 값입니다. "휴대전화를 사용한 사용자 수"는 셀 수 있는 수치이므로 측정항목에 해당합니다.나머지 선택지가 측정항목이 아닌 이유는 다음과 같습니다. "기기 유형, 데스크톱, 휴대전화"는 데이터를 분류하는 속성이므로 측정기준(Dimension)이고, "내 사이트에 도달하기 전 사용자의 위치" 역시 사용자를 분류하는 속성이므로 측정기준입니다. "지난 30일 동안의 기간 설정"은 보고서의 기간 범위를 지정하는 설정일 뿐 측정항목이 아닙니다.

1. 구매 위시리스트에 상품을 추가한 사용자로 구성된 잠재고객 생성2. 지난 30일 내에 구매한 이력이 있는 사용자로 구성된 잠재고객 생성3. 앞으로 7일 이내에 구매할 가능성이 높은 사용자로 구성된 잠재고객 생성4. 결제를 시작했지만 구매를 완료하지 않은 사용자로 구성된 잠재고객 생성 해설.앞으로 7일 이내에 구매할 가능성이 높은 사용자로 구성된 잠재고객 생성이 정답입니다.예측 잠재고객(Predictive Audience)은 머신러닝이 과거 데이터를 학습하여 사용자의 미래 행동을 예측하는 예측 측정항목을 기반으로 만들어집니다. 대표적인 예측 측정항목으로는 구매 가능성(purchase probability), 이탈 가능성(churn probability), 예상 수익 등이 있습니다."앞으로 7일 이내에..

1. 측정항목 2. 이벤트 3. 사용자 4. 측정기준 해설.기기 유형은 측정기준(Dimension)입니다.설명하자면, 보고서는 보통 측정기준과 측정항목으로 구성됩니다.측정기준(Dimension)은 데이터를 분류하고 설명하는 속성입니다. "데스크톱", "휴대전화", "태블릿" 같은 기기 유형은 사용자를 어떤 기준으로 나눌지 정하는 범주이므로 측정기준에 해당합니다. 이 외에도 국가, 페이지 제목, 트래픽 소스 등이 측정기준입니다.측정항목(Metric)은 숫자로 측정되는 정량적 값입니다. 이 보고서에서 각 기기 유형별로 몇 명이 방문했는지를 나타내는 사용자 수가 측정항목이 됩니다.즉, 이 보고서에서는 기기 유형(측정기준)을 기준으로 사용자 수(측정항목)를 나누어 보여주는 구조입니다. 따라서 질문의 답은 측정..