Google, doğrudan incelenemeyecek online dönüşümlerle ilgili tahminlerde bulunmak için modellemeden yararlanır. Modelleme, kullanıcıların kimliğini tanımlamadan doğru şekilde dönüşüm ilişkilendirme yapılmasına olanak tanır. Örneğin, kullanıcı gizliliği, teknik kısıtlamalar veya kullanıcıların cihazlar arasında geçiş yapması gibi nedenlerle. Modellenmiş dönüşümlerin dahil edilmesi, Google'ın daha doğru raporlar sunmasına, reklam kampanyalarını optimize etmesine ve otomatik teklifi iyileştirmesine olanak tanır.
Bu sayfada
- Modellenmiş dönüşümlerin işleyiş şekli
- Modellenmiş online dönüşümlerin avantajları
- Google'ın dönüşüm modelleme yaklaşımı
- Online dönüşümler için kullanılabilen modelleme örnekleri
- Online dönüşüm modelleme ilkeleri
Modellenmiş dönüşümlerin işleyiş şekli
Google'ın modelleri, doğrudan gözlemlenen ve gözlemlenmeyen dönüşümler arasındaki trendleri arar. Örneğin, bir tarayıcı üzerinde ilişkilendirilen dönüşümler, farklı bir tarayıcıdaki ilişkilendirilmemiş dönüşümlere benzer olduğunda makine öğrenimi modeli, genel ilişkilendirme üzerinde tahminde bulunur. Bu tahmine göre, raporlanan dönüşümler hem modellenmiş hem de gözlemlenen dönüşümleri kapsayacak şekilde güncellenir.
Modellenmiş online dönüşümlerin avantajları
- Reklam trafiğinizin tamamının bütünsel ölçümü: Reklam sonuçlarınız (YG) hakkında daha doğru bilgiler elde edebilir, cihaz ve kanallarda reklam etkileşimlerinin sonucu olarak ortaya çıkan dönüşüm yolunu eksiksiz şekilde görebilirsiniz.
- Etkili kampanya optimizasyonu: Modellenmiş dönüşümler, kampanyalarınızı daha etkili şekilde optimize etmenize ve daha iyi ticari sonuçlar almanıza yardımcı olur.
- Gizlilikle ilgili yönetmelikler ve teknoloji sınırlamaları, belirli kullanıcı gruplarını (örneğin, izin vermeyen kullanıcılar veya belirli cihaz türlerini ya da tarayıcıları kullananlar) gözlemlememize izin vermez. Bu, otomatik teklif algoritmalarının optimizasyon kararlarını eksik verilere göre alması gerekeceği ve dolayısıyla, öğrenmede sapmalar ortaya çıkacağı anlamına gelir. Sonuç olarak, bu grupların raporlanan performansı daha düşük olduğu ve bu nedenle teklif verenin genel performansı düşeceği için, otomatik teklif bu grupların öncelik düzeyini düşürebilir. Modelleme, otomatik teklif vermenin daha doğru performans verilerine erişmesini sağlamak için bu sapmaları giderir ve bunları tüm raporlarda düzeltir. Search Ads 360'taki otomatik teklif hakkında daha fazla bilgi edinin.
Google'ın dönüşüm modelleme yaklaşımı
Sunduğumuz önemli dönüşüm modelleme yaklaşımlarından bazıları şunlardır:
Doğruluğu kontrol edip değişiklikleri bildirmeMakine öğrenimi en iyi uygulamalarından biri olan ayırma doğrulaması, Google modellerinin doğruluğunu sağlar. Gözlemlenen dönüşümlerin bir kısmı (doğrulama verileri) beklemede tutulur ve bölünür. Ardından model üzerinden çalıştırılan doğrulama verileri, çalıştırılmayan doğrulama verileriyle karşılaştırılır. Doğrulama sonuçları, yanlışlığı kontrol etmek ve modeli daha ayrıntılı şekilde ayarlamak için kullanılır.
Yalnızca kaliteyle ilgili büyük ölçüde kesinlik sağlanırsa modellenmiş dönüşümler dahil edilir. Modeli bilgilendirmek için yeterli trafik yoksa modellenmiş dönüşümler reklam etkileşimleriyle ilişkilendirilmez veya Google Analytics'te, "Doğrudan" kanalıyla ilişkilendirilir. Bu yaklaşım, Google'ın aşırı tahmini önlerken gözlemlenebilirlik kaybını telafi etmesini sağlar.
Google'ın genel modelleme algoritması, verilerinize işletmenizin ve müşterilerinizin benzersiz davranışlarını yansıtacak şekilde ayrı olarak uygulanır.
Google, bağımsız kullanıcıları belirlemeye yönelik parmak izi kimlikleri ve diğer yöntemlerin kullanılmasına izin vermez. Google, bunun yerine belirli bir reklam etkileşimindeki dönüşüm olasılığını tahmin etmek için geçmiş dönüşüm oranları, cihaz türü, günün saati ve coğrafi bölge ve diğer verileri toplar.
Online dönüşümler için kullanılabilen modelleme örnekleri
Sunduğumuz önemli dönüşüm modelleme çalışmalarından bazıları şunlardır:
Üçüncü taraf çerez sınırlamaları için modellemeSafari ve Firefox gibi bazı tarayıcılar, üçüncü taraf çerezlerini kullanan dönüşüm ölçümüne izin vermez. Dönüşüm ölçümü için üçüncü taraf çerezleri kullanıyorsanız bu tarayıcılarda (masaüstü ve mobil) dönüşüm modellemeniz, web sitelerinizin trafiğine göre yapılacaktır.
Safari gibi bazı tarayıcılar, birinci taraf çerezlerine izin verilen süreyi sınırlar. Dönüşüm modellemeniz, bu sürenin bitiminden sonra gerçekleşebilecek gizli dönüşümlerin payına göre yapılacaktır.
Bazı ülkelerdeki yönetmelikler, reklamverenlerin reklamcılık faaliyetleriyle alakalı çerezlerin kullanımı için izin almasını gerektirir. İzin modunu benimseyen reklamverenler için dönüşüm modelleme, izin vermeyen kullanıcılara göre yapılacaktır. Dönüşümler, izin vermeyen kullanıcılar için modellenir.
Apple'ın Uygulama İzleme Şeffaflığı (ATT) politikası, geliştiricilere diğer şirketlerin uygulamalarından ve web sitelerinden alınan belirli bilgileri reklamcılık amacıyla kullandıklarında izin isteme zorunluluğu getirir. Google, ATT politikası kapsamına giren bilgileri (IDFA gibi) kullanmaz. Buna uygun olarak, reklamları ATT'den etkilenen trafikten kaynaklanan dönüşümler için modelleme yapılır. Web sitenizin en iyi modelleme için isteğe bağlı URL parametrelerini kabul edebildiğinden emin olun.
Google Play kullanıcı denetimini, gizliliğini ve güvenliğini güçlendirmeye yönelik yeni politika güncellemelerini duyurdu. 2021'in sonlarına doğru yapılacak Google Play Hizmetleri güncellemesi kapsamında kullanıcı, Android Ayarları'nda reklam kimliğini kullanarak kişiselleştirmeyi devre dışı bıraktığında reklam kimliği kaldırılacaktır. Tanımlayıcıya erişmeye çalışıldığında, tanımlayıcı yerine sıfırlardan oluşan bir dize alınacak. Reklam kimliği hakkında daha fazla bilgi edinin.
Bu hizmet güncellemesiyle birlikte, modellenmiş dönüşümleri tüm uygulama kampanyalarında sunacağız. Diğer bir deyişle, dönüşüm sütununuzun yanı sıra yükleme, uygulama içi işlem ve dönüşüm değeri sütunlarınızda da modellenmiş dönüşümler yer alabilir. İleride, bu güncellemenin ve diğer olası hizmet güncellemelerinin oluşturacağı etkiyi hafifletmek amacıyla uygulama kampanyalarına daha fazla modellenmiş dönüşüm eklenebilir.
Bir kullanıcı, yolculuğuna bir cihazda reklam etkileşimiyle başlayıp dönüşümü başka bir cihazda tamamladığında, dönüşümü reklam etkileşimiyle ilişkilendirmek mümkün olmayabilir. Google, kullanıcılar genelinde benzer bir davranış saptamak için, Google mülklerinde oturum açmış çok sayıda kullanıcıdan elde edilen verileri gözlemler. Oturma odasında kullanılan cihazlar ve masaüstü bilgisayarlar de dahil olmak üzere birçok cihazlar arası dönüşüm de modellenir.
Online dönüşüm modelleme ilkeleri
Kaliteyi sürekli artırmaDiğer tüm ürünlerde olduğu gibi, Google'ın veri bilimcileri de modellemenin doğruluğunu artırmak ve ölçeğini genişletmek için sürekli olarak algoritma iyileştirmeleri yapmaktadır. Google'ın modelleme sürecini hassaslaştıracak yeni gözlemlenebilir veri kaynakları elde etmek için düzenli olarak yeni ürünler kullanıma sunulur. Örneğin, gelişmiş dönüşümler ve izin modu daha fazla gözlemlenen veri sağlayabilir.
Google'da, modellememizin doğruluğunu kontrol etmek için ayırma doğrulaması gibi tekniklerden yararlanırız. Örneğin, Google gözlemlenen dönüşümlerin bir kısmını ayırarak bu dilim için modelleme yapar. Ardından, modellenmiş sonuçlar ve ayrılan gerçek gözlemlenen dönüşümler karşılaştırılır, yanlışlar ve sapmalar ölçülerek modellerde sürekli olarak ayarlamalar yapılır. Benzer yöntemler Google Yapay Zeka'da yaygın olarak kullanılır.
Google, modellenmiş dönüşümleri yalnızca dönüşümlerin reklam etkileşimleri sonucunda gerçekleştiğine dair yüksek güvenilirlik oranı elde ettiğinde raporlarına dahil eder. Google, sistematik olarak gerçekte elde edilenden daha fazla dönüşüm raporlamaktan kaçınır ve gerçeğinden yüksek sayılar raporlamayı her zaman en aza indirmeyi amaçlar. Bazı kullanıcılar açısından bu, doğru model oluşturabilmek için düzenli olarak yeterli sayıda dönüşüm gözlemlemedikleri anlamına gelir. Bu durumlarda Google, modellenmiş dönüşümleri raporlamaz.
Google, ölçümde farklı bilgi eksiklikleri tespit ettiğinden, farklı türlerde gözlemlenebilir veri gerektiğinden ve bu tür veriler mevcut olduğundan, farklı boşluk türleri için farklı model türlerine sahiptir. Google, çeşitli model türlerinde çift sayımı ortadan kaldıran teknikler de kullanır. Google, dönüşüm oranlarının reklamcılık kanalına göre önemli ölçüde değişiklik gösterdiğini bilir. Bu nedenle, her bir kanal ve reklam etkileşimi türü (gösterim sayısı ve tıklama sayısı) için ayrı modeller oluşturur.
Belirli bir gözlem boşluğunu gidermek için genel bir modelleme algoritması belirlendikten sonra Google, bu algoritmayı her bir reklamverenin verilerine ayrı ayrı uygular ve o reklamverene özgü benzersiz kullanıcı davranışını ve dönüşüm oranlarını yansıtan benzersiz sonuçlar eder. Örneğin, kullanıcılarınızın yolculuklarına bir cihazda başlayıp başka bir cihazda dönüşüm gerçekleştirme eğilimi çok güçlüyse sizin için raporlanan cihazlar arası modellenmiş dönüşümlerin sayısı ortalamadan yüksek olacaktır.
Google, belirli trafik segmentlerinde dönüşümlerin gerçekleştiği yeri ölçmek için ek sinyaller kullanır. Bu sinyaller arasında, dönüşümleri tahmin etmek için IP adresinin kullanılması gibi örnekler yer alır.
Google, modelleme değişikliklerini kullanıma sunmadan önce sürekli olarak denemeler yapar. Raporlama ve teklif vermede önemli bir etki tespit ederse bununla ilgili bilgileri sizinle paylaşır.
Google, doğru şekilde yapabileceği durumlarda, dönüşümlerinizin raporlaması ve optimizasyonunda entegre dönüşüm modellemesi sağlamak için mevcut verileri kullanır. Çerezlere izin vermemiş kullanıcı gruplarında dönüşümlerin gözlemlenememesi gibi bazı durumlarda, dönüşüm modellemesi sağlayabilmek için izin oranlarınızla ilgili verilere ihtiyaç duyar.
