Google משתמשת במודלים לצורך הערכה של המרות דיגיטליות שאי אפשר לבחון בצורה ישירה. יצירת מודלים מאפשרת שיוך (Attribution) מדויק של המרות ללא זיהוי משתמשים (למשל מסיבות שקשורות לפרטיות המשתמשים, בגלל מגבלות טכניות או במצבים שבהם משתמשים עוברים בין מכשירים). הכללת המרות לפי מודלים מאפשרת ל-Google לשפר את הדיוק של דוחות, לבצע אופטימיזציה של קמפיינים פרסומיים ולייעל את הבידינג האוטומטי.
הסבר על המרות לפי מודלים
המודלים של Google מזהים מגמות בקשר בין המרות שתועדו ישירות להמרות שלא תועדו ישירות. לדוגמה, אם המרות משויכות שמגיעות מדפדפן אחד דומות להמרות לא משויכות מדפדפן אחר, מודל למידת המכונה חוזה את השיוך הכולל. בשלב הבא, המערכת מחשבת את ההמרות המצטברות על בסיס התחזית הזו, כולל המרות לפי מודלים והמרות שתועדו.
העקרונות של בניית מודל המרות ב-Google
בדיקת רמת הדיוק ומסירת הודעות לגבי שינויים
כדי להבטיח שהמודלים של Google יישארו מדויקים, אנחנו משתמשים בשמירת נתונים לצורך אימות (Holdback Validation, שיטה מומלצת בתחום הלמידה החישובית). המערכת משווה בין המרות לפי מודל להמרות מתועדות שהנתונים שלהן נשמרו ולאחר מכן מכווננת את המודלים לפי המידע הזה. Google תמסור מידע לגבי שינויים שעשויה להיות להם השפעה משמעותית על הנתונים שלכם.
שמירה על האיכות הגבוהה של הדוחות
המרות לפי מודל נכללות בדוחות רק כאשר ישנה ודאות גבוהה שמדובר בנתונים איכותיים. אם נפח התנועה קטן מדי ולא מאפשר חישובים תקינים במסגרת המודל, ההמרות לפי מודל לא מדווחות (לחלופין, כשמדובר ב-Google Analytics, הן משויכת לערוץ 'ישיר'). הגישה הזו מאפשרת ל-Google לפצות על אובדן יכולת המעקב ובאותה עת למנוע חיזוי יתר.
התאמה אישית לפי הצרכים העסקיים שלכם
האלגוריתם הכללי יותר של Google לבניית מודלים מיושם בנפרד, במטרה לשקף את האופי הייחודי של העסק והלקוחות שלכם.
אין לזהות משתמשים ספציפיים
Google לא מאפשרת להשתמש בזיהוי לפי טביעות אצבע ובכל אמצעי אחר לזיהוי משתמשים ספציפיים. במקום זאת, Google צוברת נתונים (כמו שיעורי המרה היסטוריים, סוג המכשיר, השעה ביום, האזור הגיאוגרפי וכולי) במטרה לחזות את הסיכויים להמרה.
המרות לפי מודל בנכסי Google Analytics 4
הוספנו לנכסי Google Analytics 4 נתוני המרות לפי מודל בערוצים אורגניים ובערוצים בתשלום בערך בסוף יולי 2021. נתונים שהתקבלו לפני התאריך הזה לא מושפעים.
נתונים לפי מודל יהיו כלולים בדוחות ליבה (כמו הדוחות אירוע, המרות, ו-Attribution) ובכלי ניתוחים שמאפשרים לבחור מאפיינים ברמת האירוע. בדוחות האלה, המערכת משייכת באופן אוטומטי אירועי המרה בכל הערוצים, על בסיס שילוב של נתונים מתועדים (אם זה אפשרי) ונתונים לפי מודל (אם צריך להשתמש בהם).
דוגמאות לבניית מודל המרות
- אם דפדפנים לא מאפשרים למדוד המרות באמצעות קובצי cookie של צדדים שלישיים, המודלים של ההמרות יהיו מבוססים על תנועת הגולשים באתרים שלכם.
- אם בדפדפנים יש הגבלה על חלון הזמן לקובצי cookie של הדומיין, ההמרות מהתקופה שאחרי החלון מחושבות באמצעות מודל.
- בחלק מהמדינות צריך לקבל הסכמה כדי להשתמש בקובצי cookie למטרות פרסום. אם מפרסמים משתמשים בסטטוס הסכמה, ההמרות של משתמשים שלא מביעים הסכמה מחושבות באמצעות מודל.
- לפי מדיניות App Tracking Transparency (ATT) של Apple, מפתחים צריכים לקבל הרשאה כדי להשתמש בפרטים מסוימים מאפליקציות ומאתרים אחרים. Google לא תשתמש במידע (כמו IDFA) שמדיניות ATT חלה עליו. אם המרות נובעות ממודעות שמשכו תנועה שכפופה למדיניות ATT, הן מחושבות באמצעות מודל.
- אם ההמרות והאינטראקציות עם המודעות מתרחשות במכשירים שונים, ייתכן שההמרות יחושבו באמצעות מודל.
- כדי לסייע בשיוך של המרות לאחר צפייה פעילה (EVC), כשהמערכת בונה מודל המרות היא משקללת גם נתונים של אירועים מבוססי קליקים וגם צפיות פעילות ב-YouTube.
- אם אתם מייבאים ל-Google Ads נתוני המרות מנכסי Google Analytics 4 מקושרים, בכל הנתונים האלה יהיו המרות שחושבו לפי מודל.