A modelagem de conversões é um processo respeitador da privacidade que preenche os dados desconhecidos no percurso do cliente.
A modelagem de conversões usa conversões observadas para prever conversões não observadas sem identificar nenhum indivíduo.
| Conversões observadas | Conversões modeladas |
|---|---|
|
Usam cookies e outros identificadores para associar as conversões às interações com anúncios. |
Usam a aprendizagem automática para atribuir associações entre interações com anúncios e conversões, e tem em conta os casos em que os cookies e os identificadores não estavam disponíveis. |
Quando são incluídas as conversões modeladas nos relatórios
As conversões modeladas são incluídas no total de conversões comunicadas apenas quando existe uma elevada confiança de que o anúncio resultou em conversões. Este rigor garante que evitamos sistematicamente a comunicação de conversões em excesso. Nos casos em que não temos dados suficientes para conseguir modelar conversões com confiança, não disponibilizamos a modelagem de conversões.
A validação do holdback (uma prática recomendada da aprendizagem automática) mantém a precisão dos modelos da Google. A metodologia de modelagem é aplicada a um subconjunto de conversões observadas para compreender a precisão do modelo ao compará-lo com os resultados observados. Estas informações são usadas para otimizar os modelos.
A Google realiza experiências constantemente antes de implementar quaisquer alterações à modelagem e, se detetarmos um impacto significativo nos dados, comunicamos essas alterações em conformidade.
A modelagem de conversões funciona da seguinte forma:
1. As interações com anúncios estão separadas em dois grupos
Um grupo contém interações com anúncios que têm uma associação clara e observável a uma conversão. O outro grupo contém interações com anúncios que não têm uma associação clara e observável a uma conversão.
2. O grupo de conversões observadas está dividido em subgrupos
As conversões observadas são divididas em subgrupos com base nas caraterísticas partilhadas e as principais métricas são calculadas para cada um desses subgrupos. Por exemplo, verifica-se que as conversões observadas de manhã em França têm uma determinada taxa de conversão, mas esta taxa pode ser diferente à noite.
3. O grupo de conversões não observadas divide-se nos mesmos subgrupos
Esses subgrupos são usados para ordenar as interações com anúncios e as conversões não observadas.
4. As conversões e as interações com anúncios não observadas são associadas
Através das taxas de conversão conhecidas e de outras caraterísticas dos subgrupos de conversões observadas, a aprendizagem automática associa interações com anúncios a conversões não observadas quando apropriado. As conversões observadas e modeladas são integradas nos dados de conversão para ajudar a tomar decisões informadas acerca dos relatórios de desempenho de anúncios. Também são introduzidas na licitação para oferecer uma vista imparcial do seu desempenho. Deste modo, obtém uma melhor otimização.
Na prática, os cálculos baseados nos dados observados baseiam-se em várias dimensões, incluindo a localização, a hora e o navegador. Estes são combinados com dados de APIs de plataformas, inquéritos e painéis de utilizadores para refinar ainda mais a modelagem.
Abordagem centrada na privacidade
A Google não permite fingerprinting ou outras tentativas de identificar utilizadores individuais. Em vez disso, a Google usa dados agregados (como o histórico das taxas de conversão, o tipo de dispositivo, a hora do dia, a localização geográfica e muito mais) para prever a probabilidade das conversões dos utilizadores que viram ou clicaram num anúncio.
Recursos adicionais
- Saiba mais acerca da modelagem de conversões e dos dados de medição
- Veja o vídeo acerca dos princípios básicos da modelagem de conversões no Google Ads
- Saiba como a modelagem de conversões melhora o seu marketing com novas origens de dados de medição
- Veja o vídeo acerca dos princípios da modelagem de conversões
