轉換模擬功能可透過保護隱私權的方式，預測消費者歷程中的不明狀況。
轉換模擬功能完全不需要辨識個人身分，就能根據觀察到的轉換來預測未觀察到的轉換。
| 觀察到的轉換 | 模擬轉換 |
|---|---|
|
使用 Cookie 及其他 ID 連結廣告互動和轉換。 |
在沒有 Cookie 和 ID 的情況下，運用機器學習技術來連結廣告互動和轉換。 |
報表計入模擬轉換的時機
只有在廣告非常可能促成轉換時，報表才會將模擬轉換計入轉換總數。這套嚴謹的做法可避免系統造成的浮報情形。如果我們的資料不足，無法進行可靠的模擬作業，就不會提供轉換模擬。
預留驗證是一種機器學習最佳做法，可以維持 Google 模型的準確度。系統會針對部分觀察到的轉換進行模擬，透過比較模擬結果和觀察到的結果，來瞭解模型的準確度。這項資訊可用來微調模型。
Google 會在推出模擬功能異動前持續執行實驗。若發現異動對資料產生重大影響，將會據實通知使用者。
轉換模擬功能的運作方式如下：
1. 將廣告互動分成兩組
其中一組包含的廣告互動顯然可明確連結到轉換，另一組包含的廣告互動則無法明確連結到轉換。
2. 將觀察到的轉換分成數個子群組
系統會依照共同特徵將觀察到的轉換分成數個子群組，並為每個子群組計算主要指標。舉例來說，上午在法國觀察到的轉換有特定的轉換率，但傍晚的轉換率可能不同。
3. 將未觀察到的轉換歸入上述的子群組
系統會使用這些子群組來歸類未觀察到的廣告互動和轉換。
4. 連結未觀察到的廣告互動和轉換
機器學習技術會檢視系統為觀察到轉換分派的子群組，並根據這些子群組的已知轉換率及其他特徵，正確連結未觀察到的廣告互動和轉換。接著，系統會將觀察到的轉換和模擬轉換整合到轉換資料中，協助您製作資訊更完整的廣告成效報表並填入適合的出價，以便全盤掌握並進一步提升廣告成效。
實務上，系統會使用觀察到的資料，根據各種維度 (包括地點、時間和瀏覽器) 進行計算。計算而得的數據會結合平台 API、問卷調查和使用者樣本群的資料，以得到更精確的模擬結果。
隱私權至上的做法
Google 不允許透過數位指紋採集或其他方式識別個別使用者的身分，而會使用歷來轉換率、裝置類型、時段和地理區域等匯總資料，藉此預測已瀏覽或點選廣告的使用者完成轉換的可能性。
其他資源
- 進一步瞭解轉換模擬和評估資料
- 觀看「Google Ads 轉換模擬的基礎知識」
- 瞭解轉換模擬如何透過新的評估資料來源改善行銷成效
- 觀看「轉換模擬原則」
