Här följer en sammanfattning av branschstandarderna för mätning av videoexponeringar och videosynlighet.
Den befintliga ackrediteringen från Media Rating Council (MRC) styrker att
|
Nedan följer en översikt över den videomätningsprocess som används i YouTube Reserve.
För vad är Google ackrediterat?
Vad ingår i granskningen?
Endast videosynlighetsrapporten för YouTube Reserve är ackrediterad för MRC-videomätvärden. Du hittar en definition av dessa mätvärden i avsnittet ”Glossary” i rapporten.
Granskningen innefattar all mätning, sammanställning och behandling som ligger till grund för videosynlighetsrapporten för YouTube Reserve. Här ingår överhoppningsbara och inte överhoppningsbara in stream-annonser samt bumpervideoannonser som säljs via direktreservation.
Vad ingår inte i granskningen?
Googles annonseringslösningar som inte baseras på videoexponeringar, som Google Marketing Platform, och system som mäter klick för icke-kommersiella syften (som Google Sök) ingår inte i granskningen. Exempel på andra system som inte ingår i granskningen är relaterade support- och hanteringssystem, som Google Analytics. Följande ingår inte heller i ackrediteringen:
- andra kundrapporter (till exempel för unik räckvidd, varumärkespåverkan och placering) för YouTube Reserve
- inriktning, varumärkesintegritet
- andra enhetstyper
- klickmätvärden
- YouTube TV, sponsring, YouTube Kids och toppannonser
Metodik för mätning av videoexponeringar och videosynlighet
Google använder ett internt bokningsverktyg för att planera och reservera YouTube-kampanjer för annonsörer som väljer att använda direktreservationstjänsten.
Googles egenutvecklade Interactive Media Ads Software Development Kit (IMA SDK) integreras direkt i YouTube-videospelaren, YouTube-appen och videopartners webbplatser och appar för att underlätta kommunikation mellan videospelarna och annonsservern för videomätning. IMA SDK är en VAST (Video Ad Serving Template) (version 2.0, 3.0 eller 4.0) med en kompatibel taggimplementation som används för att mäta både linjärt och icke-linjärt videoannonsinnehåll för visning och spårning av digitala videoannonser. IMA SDK har även stöd för VPAID (Video Player Ad Serving Interface) (version 2.0), som gör det möjligt för videoannonsen och videospelaren att kommunicera med varandra, samt VMAP (Video Multiple Ad Playlist), som gör att flera annonser kan spelas upp i videoannonsinnehållet.
Alla YouTube-videoannonser som mäts och ingår i videosynlighetsrapporten visas in stream. Mätningen av exponeringar av videoannonser sker med metoden ”count-on-begin-to-render” (räkning vid renderingens början). Lösningarna med Google Ads IMA SDK uppfyller kraven i riktlinjerna för videoexponering avseende initiering av mäthändelsen efter buffring. Klassificeringen av enhetstyper i videosynlighetsrapporten för YouTube Reserve sker med en kombination av användaragent- och app-SDK-data från interna och externa källor. Rapporten baseras inte på klassificeringar från tredje part.
I vissa situationer är kontinuerlig uppspelning en faktor, till exempel när automatisk uppspelning är aktiverad eller när användaren tittar på en video på en spellista. I dessa fall gäller särskilda regler. Med wifi-anslutning stoppas kontinuerlig uppspelning automatiskt efter fyra timmar. Med anslutning via mobilnätverk stoppas kontinuerlig uppspelning när användaren har varit inaktiv i 30 minuter. Ungefär 17 % av all videotrafik är automatisk uppspelning. Läs mer i avsnittet om ansluten tv för fall där enheten stängs av.
Google Ads använder Active View description of methodology för att mäta videosynlighet så som den rapporteras på YouTube Reserve-rapportplattformen. Videosynlighetsrapporten för YouTube Reserve räknar en synlig videoexponering när minst 50 % av videoannonsen syns i visningsområdet i användarens webbläsare eller app under två sekunder i följd.
Filtreringsmetod
- Google använder inte filtrering som tillhandahålls av tredje part.
- Källor som används för identifiering av aktiviteter som inte genereras manuellt: Google använder listan IAB/ABCe International Spiders & Robots List samt ytterligare filter baserat på tidigare robotaktivitet. Uteslutningsfilen från IAB Robots List används.
- Aktivitetsbaserade filtreringsprocesser: Aktivitetsbaserad identifiering inbegriper vissa typer av mönsteranalyser som letar efter aktivitetsbeteenden som sannolikt tyder på icke-mänsklig trafik. Googles team för annonstrafikens kvalitet använder sig av system för att avgöra om en aktivitet är misstänkt och utför sådan aktivitetsbaserad filtrering på lämpligt sätt.
- All filtrering utförs i efterhand och passivt. Det innebär att användaren (webbläsaren, roboten osv.) får det begärda innehållet utan någon indikering av att trafiken har flaggats eller på annat sätt kommer att filtreras eller tas bort, eftersom Google inte vill visa för användaragenten att aktiviteten har aktiverat någon av Googles filtreringsmekanismer. I vissa fall används också frontend-blockering när det är troligt att den resulterande annonsbegäran kan leda till ogiltig aktivitet. Historiskt sett blockeras mindre än två procent av alla annonsförfrågningar.
- Processer har införts för att ta bort självanmäld förhämtningsaktivitet.
- När inkonsekvenser eller fel upptäcks finns det processer som korrigerar denna data och utfärdar återbetalningar till annonsörerna. Dessa återbetalningar syns i faktureringsöversikterna. Det händer mycket sällan att det uppstår fel i loggfilerna, men om detta skulle inträffa finns det metoder för att återställa dem.
- Processer har införts för radering av aktivitet från Google-interna IP-adresser.
- Regler och gränsvärden för filtrering övervakas kontinuerligt. De kan ändras manuellt och uppdateras regelbundet automatiskt.
Maskininlärning
Google använder övervakade AI-tekniker1 med metoder som klassificering (till exempel tillvägagångssättet med neurala nätverk), där modellen förutser ogiltig trafik genom att fatta ett ja/nej-beslut om huruvida en händelse är ogiltig, samt logistisk regression där modellen poängsätter olika aktiviteter och ett beslut om ogiltig trafik fattas utifrån poänggränsvärden. Övervakade modeller för Googles AI kan även innefatta trädmetoder och diagrammetoder.
Datakällor som används för Googles AI omfattar loggar för sökfrågor och interaktioner (så kallade annonsloggar), data som inte kommer från loggar som kan kopplas till annonsloggar samt andra tilläggssignaler som ägs av Google. Google förlitar sig på hundratals olika datakällor av olika storlekar. Det totala antalet poster per datakälla sträcker sig från tusentals till biljontals, beroende på datakällan. Trafikbaserade modeller måste utvärderas med indata från minst sju dagars trafik.
Som ett aktivt skydd har Google övervakningsprocesser för trafiksignalerna (inlärningsdata) som matas in i modellerna. Detta utlöser varningar för manuella ingrepp om vissa gränsvärden inte uppfylls. Noggrannheten till följd av detta förväntas minska minimalt, om alls.
Modellerna tränas om kontinuerligt när det är lämpligt. Vi utvärderar även regelbundet eller löpande hur modellerna presterar. På ett liknande sätt som med övervakningsprocedurerna som beskrivs ovan, förväntas noggrannheten till följd av detta minska minimalt, om alls.
Bias i inlärnings- och utvärderingsdata för Googles AI är minimal, men om den skulle bli betydande godkänns inte försvarsmekanismerna mot ogiltig trafik. Alla Googles AI-projekt (lanseringar) genomgår en flerfunktionell granskningsprocess innan de godkänns. Som ett led i denna process utvärderas eventuell bias i modellen/modellerna och motsvarande data. Projekten måste uppfylla fördefinierade kvalitetskriterier för annonstrafik innan de godkänns. Kontinuerlig övervakning finns på plats för att identifiera bias i modellerna, vilket utlöser varningar samt utvärdering, analys och uppdatering av modellerna.
Google tillämpar en kombination av AI och/eller manuella åtgärder/granskningstekniker på all trafik. För vissa försvarsmekanismer förlitar sig Google på AI-baserad generering av potentiella kunder som sedan följs av mänsklig granskning. Andra försvarsmekanismer inleds med mänsklig granskning av data och använder Googles AI för att generalisera resultatet. Vår användning av AI och manuella åtgärder/granskningstekniker utvecklas löpande och skiftar baserat på flera kriterier, bland annat varningar, eskaleringar och organiska variationer av vilka typer av ogiltig trafik som kan förekomma. Det betyder att distributionen inte är statisk, och i vilken grad vi förlitar oss på Googles AI och mänskliga åtgärder/granskningar växlar över tid.
1 Googles AI under övervakning bygger på kategoriserad indata och utdata. Det innebär att det finns en förväntan på vad utdata från en AI-modell ska vara.
Kvalificering av företagspartners
Annonspolicyerna på plattformsnivå för YouTube gäller alla parter. Läs mer om annonspolicyer för annonsörer.
Google filtrerar löpande bort ogiltig trafik och granskar alla företagspartners som tar emot stora mängder ogiltig trafik. Partners som ofta tar emot stora mängder ogiltig trafik kan få sina konton tillfälligt eller permanent avstängda.
Rapportering av videodata
I MRC-ackrediteringen ingår endast de mätvärden som anges i videosynlighetsrapporten. En obetydlig mängd YouTube TV-trafik kan ingå i videosynlighetsrapporten för ackrediterade dator- och mobilmiljöer. Ackrediteringsgranskningen inbegriper inte annan rapportering av mätvärden för videoexponering och videosynlighet i de övriga tillgängliga YouTube Reserve-rapporterna.
Mätvärdena i videosynlighetsrapporten för YouTube Reserve är rapporterad total netto-AOT för datorer, mobila enheter, webb och app. Cirka 23 % av den totala ogiltiga videoexponeringstrafiken beräknas vara generell ogiltig trafik.
- Överhoppningsbara in stream-annonser: I en överhoppningsbar videoannons kan tittaren välja att hoppa över annonsen efter fem sekunder. Videoannonsen räknas in i antalet YouTube-visningar efter 30 sekunders uppspelning eller när hela videoannonsen har spelats upp från början till slut (annonsmaterialet måste vara minst tolv sekunder långt för att räknas). Överhoppningsbara videoannonser får vara högst sex minuter långa.
- Bumperannonser: Korta videoannonser på cirka sex sekunder som visas före, under eller efter YouTube-videoinnehåll. Bumperannonser är inte överhoppningsbara.
- Inte överhoppningsbara in stream-annonser: I videoannonser som inte är överhoppningsbara kan tittarna inte hoppa över annonsen. Videoannonser som inte är överhoppningsbara räknas inte in i det totala antalet visningar. Annonser som inte är överhoppningsbara kan högst vara 15 eller 20 sekunder långa, beroende på i vilken region annonsen visas.
Tidszonen för videosynlighetsrapporten för YouTube Reserve är samma som tidszonen för motsvarande kampanj. Rapporten innehåller dessutom en vattenstämpel som gör det möjligt att kvalitetskontrollera basmätvärdena (exponeringar, ogiltiga exponeringar, mätbara exponeringar, inte mätbara exponeringar, synliga exponeringar och inte synliga exponeringar). Du kan jämföra totalsummorna i dessa basmätvärden i vattenstämpeln med motsvarande värden i rapporttabellen. Kontakta din Google-representant om du upptäcker avvikelser. Videosynlighetsrapporten för YouTube utgår från anpassningsbara datumintervall. Kontakta din Google-representant för att begära rapporten.
Information om ändringar i metodiken
Alla eventuella ändringar av metodiken meddelas via tillkännagivanden i hjälpen för Google Ads.