Nedenfor finner du et sammendrag av bransjestandardene for måling av videovisninger og videosynlighet.
|
Den gjeldende MRC-akkrediteringen (Media Rating Council) bekrefter dette:
|
Nedenfor finner du en oversikt over prosessen for videomåling som brukes av YouTube Reserve.
Hva akkrediteres Google for?
Hva inngår i vurderingsprosessen?
Bare rapporten «YouTube Reserve Video Viewability Report» akkrediteres for MRC-videomålinger. Definisjonene av disse målingene står i ordlistedelen i denne rapporten.
Vurderingen inkluderer all måling, aggregering og behandling knyttet til «YouTube Reserve Video Viewability Report», som omfatter in-stream-annonser som kan hoppes over, in-stream-annonser som ikke kan hoppes over, og bumpervideoannonser solgt via direkte reservasjon.
Hva er ikke inkludert i vurderingsprosessen?
Googles visningsbaserte løsninger for annonsering uten video, for eksempel Google Marketing Platform, og systemer som brukes for å måle klikk for ikke-kommersielle formål (f.eks. Google-søk), faller utenfor denne vurderingen. Andre systemer som faller utenfor denne vurderingen, er relaterte støtte- og administrasjonssystemer, for eksempel Google Analytics. I tillegg er ikke elementene nedenfor en del av akkrediteringen:
- andre klientrapporter for YouTube-reservasjon (rapporter om blant annet unik rekkevidde, merkevareløft og plasseringer)
- målretting og merkevaresikkerhet
- andre enhetstyper
- klikkberegninger
- YouTube TV, sponsing, YouTube Kids og toppannonser
Metode for måling av videovisninger og -synlighet
Google bruker et internt bestillingsverktøy for å planlegge og reservere YouTube-kampanjer på vegne av annonsører som har valgt å bruke direkte reservasjon.
Googles eget programvareutviklingssett for interaktive medieannonser (IMA SDK) er integrert i YouTube-videospilleren, i YouTube-mobilappen og i apper og på nettsteder som tilhører videopartnere, for å forenkle kommunikasjonen mellom videospillerne og annonsetjeneren i forbindelse med videomåling. IMA SDK er en mal for VAST (Video Ad Serving Template) (versjon 2.0, 3.0 eller 4.0) med en kompatibel tag-implementering som brukes til å måle lineært og ikke-lineært videoannonseinnhold, slik at digitale videoannonser kan vises og spores. IMA SDK har også støtte for VPAID (Video Player Ad Serving Interface) (versjon 2.0) som gjør det mulig for videoannonsen og videospilleren å kommunisere med hverandre, og for VMAP (Video Multiple Ad Playlist), slik at flere annonser kan spilles av i videoannonseinnholdet.
Alle målte YouTube-videoannonser som vises i rapporten om videosynlighet, er levert som in-stream-annonser. Til å måle visninger av videoannonser brukes en metode som kalles «count-on-begin-to-render» (visningen registreres når gjengivelsen av annonsen starter). IMA SDK-løsningene for Google Ads er i tråd med kravene i retningslinjene for videovisninger om å starte målingshendelsen etter bufring. Rapporten om videosynlighet for YouTube Reserve bruker en kombinasjon av SDK-data fra brukeragenter og mobilapper fra interne og eksterne kilder for å klassifisere enhetstyper. YouTube Reserve-rapporten om videosynlighet er ikke avhengig av tredjeparter for å utføre klassifiseringen.
I noen tilfeller er kontinuerlig avspilling en faktor, for eksempel når autoavspilling er aktivert eller brukeren ser på en video i en spilleliste. I slike tilfeller følges bestemte regler. Med wifi stopper den kontinuerlige avspillingen automatisk etter 4 timer. Med mobilnettverk stopper den kontinuerlige avspillingen når du har vært inaktiv i 30 minutter. Rundt 17 % av videotrafikken spilles av automatisk. I delen TV-er med nettilkobling finner du informasjon om tilfeller der enheten blir slått av.
Google Ads bruker Active View description of methodology for å måle videosynlighet, slik den rapporteres på YouTube Reserve-rapporteringsplattformen. «YouTube Reserve Video Viewability Report» regner en videovisning som synlig når minst 50 % av videoannonsen vises i det synlige området av brukerens app eller nettleser i minst 2 sekunder.
Filtreringsmetode
- Google bruker ikke tredjepartsfiltrering.
- Kilder som brukes for å identifisere automatisert aktivitet: Google bruker IAB/ABCe International Spiders & Robots List i tillegg til andre filtre basert på tidligere robotaktiviteter. Ekskluderingsfilen for IAB-robotlisten blir brukt.
- Aktivitetsbaserte filtreringsprosesser: Aktivitetsbasert identifisering innebærer å utføre bestemte typer mønsteranalyser på jakt etter aktivitetsatferd som kan tyde på trafikk som ikke er gjort av mennesker. Googles team for annonsetrafikkvalitet har systemer som brukes for å avsløre mistenkelig aktivitet, og iverksetter aktivitetsbasert filtrering på grunnlag av dette.
- All filtrering gjøres passivt og i etterkant. Det vil si at brukeren (nettleseren, roboten e.l.) får svar på forespørselen uten at det er angitt om trafikken er merket, eller om trafikken blir filtrert og fjernet, fordi Google ikke ønsker å varsle brukeragenten om at vedkommendes aktivitet har utløst Googles filtreringsmetoder. I noen tilfeller brukes også blokkering i grensesnittet, hvis det er sannsynlig at den resulterende annonseforespørselen kan føre til ugyldig aktivitet. Historisk sett har mindre enn 2 prosent av annonseforespørslene blitt blokkert.
- Prosesser er implementert for å fjerne selverklært aktivitet knyttet til forhåndshenting av innhold.
- Hvis det oppdages avvik eller feil, finnes det prosesser for å korrigere disse dataene og refundere annonsørene. Slike refusjoner vises i faktureringssammendragene. Det er svært sjelden at loggfilene blir skadet, men hvis dette skulle skje, finnes det prosesser for å gjenopprette dem.
- Det er implementert prosesser for å fjerne aktivitet fra Googles interne IP-adresser.
- Filtreringsregler og terskler overvåkes kontinuerlig. De kan bli endret manuelt, og de oppdateres automatisk med jevne mellomrom.
Maskinlæring
Google bruker metoder for overvåket AI1, blant annet klassifisering (f.eks. nevrale nettverk), der modellen forutser ugyldig trafikk gjennom ja/nei-avgjørelser, og logistisk regresjon, der modellen tilordner verdier til ulike aktiviteter og bruker grenseverdier for å avgjøre om trafikken er ugyldig. Googles modeller for overvåket AI kan også bruke tremetoder og grafmetoder.
Datakildene som brukes for Google AI, inkluderer logger av søk og interaksjoner («annonselogger»), ikke-loggførte data som kan slås sammen med data fra annonselogger, og en rekke andre tilleggssignaler Google selv har utviklet. Googles avgjørelser er basert på hundrevis av datakilder i ulike størrelser. Det totale antallet registreringer varierer fra datakilde til datakilde og spenner fra tusener til flere tusen milliarder registreringer. Trafikkbaserte modeller må evalueres med minst 7 dagers trafikk som grunnlag.
Som et aktivt sikkerhetstiltak overvåker Google kontinuerlig trafikksignalene (opplæringsdataene) som mates inn i modellene. Varsler om manuell evaluering blir utløst hvis bestemte grenser ikke nås. Som følge av dette forventes det at presisjonsnivået berøres minimalt (eller ikke i det hele tatt).
Modellene videreopplæres hele tiden så sant det er praktisk og hensiktsmessig, og det utføres regelmessig eller kontinuerlig vurdering av modellresultatene. Som følge av dette, og på samme måte som med overvåkningsprosedyrene ovenfor, forventes det at presisjonsnivået berøres i svært liten grad (eller ikke i det hele tatt).
Det finnes minimalt med avvik i opplærings- og evalueringsdataene AI-løsningene fra Google er basert på, og hvis det avdekkes vesentlige avvik i dataene, blir de ikke godkjent for bruk til detektering av ugyldig trafikk. Alle Googles AI-prosjekter («lanseringer») må gjennom en tverrfunksjonell evalueringsprosess før de får grønt lys. Som en del av denne prosessen evalueres skjevheter i de aktuelle modellene og de tilhørende dataene, og prosjektene må innfri forhåndsdefinerte kvalitetskriterier for annonsetrafikk før de eventuelt godkjennes. Vi har etablert kontinuerlig overvåkning for å identifisere skjevheter i modellene våre, og eventuelle skjevheter fører til utløsning av varsler og evaluering, analyse og oppdatering av de aktuelle modellene.
Google bruker en blanding av AI og manuell evaluering på all trafikk. For noen sikkerhetstiltak bruker Google AI-basert generering av potensielle salg etterfulgt av menneskelig evaluering. Andre sikkerhetstiltak starter med menneskelig evaluering av data og bruker AI-løsninger fra Google til å generalisere. Vi videreutvikler stadig tilnærmingen vi har til bruk av AI og manuell evaluering, og denne bruken justeres i tråd med en rekke kriterier, deriblant varsler, eskaleringer og organiske svingninger i de typene ugyldig trafikk vi identifiserer. På grunn av dette er ikke fordelingen mellom manuell evaluering og AI-evaluering statisk, og hvor mye vi bruker hver av dem, endres over tid.
1 Overvåket AI fra Google er basert på merkede inn- og utdata, slik at det er forventninger til hvilke utdata AI-modellen produserer.
Kvalifisering for bedriftspartnere
Retningslinjene for annonser på YouTube-plattformen gjelder for alle parter. Finn ut mer om annonseretningslinjene for annonsører.
Google filtrerer regelmessig ut ugyldig trafikk, og vi evaluerer eventuelle bedriftspartnere som mottar store mengder ugyldig trafikk. Vi kan sperre eller avslutte kontoene til partnere som vedvarende mottar store mengder ugyldig trafikk.
Rapportering av videodata
Bare beregningene i rapporten om videosynlighet inngår i MRC-akkrediteringen. En ubetydelig mengde YouTube TV-trafikk kan være med i rapporten om videosynlighet for akkrediterte datamaskin- og mobilmiljøer. Annen rapportering av videovisninger og synlighetsberegninger i de andre tilgjengelige rapportene for YouTube-reservasjon er ikke tatt med i akkrediteringsvurderingen.
Beregningene i rapporten om videosynlighet for YouTube Reserve rapporteres fratrukket SIVT (ugyldig avansert trafikk) på datamaskiner, nett på mobil og i annonser i mobilapper. Rundt 23 % av den totale ugyldige videovisningstrafikken vurderes som ugyldig generell trafikk.
- In-stream-annonser som kan hoppes over: Med videoannonser som kan hoppes over, kan seerne velge om de vil hoppe over annonsen etter de første 5 sekundene. En avspilling av en annonse som kan hoppes over, registreres som en YouTube-avspilling hvis annonsen blir vist i 30 sekunder eller i sin helhet (reklamer må være minst 12 sekunder lange for å registreres som avspillinger). Videoannonser som kan hoppes over, kan ikke vare i mer enn 6 minutter.
- Bumperannonser: Dette er korte videoannonser på omtrent 6 sekunder, og de vises før, underveis i eller etter YouTube-videoinnhold. Bumperannonser er annonser som ikke kan hoppes over.
- In-stream-videoannonser som ikke kan hoppes over: Med videoannonser som ikke kan hoppes over, kan ikke seerne hoppe over annonsen. Merk at visninger av videoannonser som ikke kan hoppes over, ikke registreres som avspillinger. Annonser som ikke kan hoppes over, kan vare i maksimalt 15 eller 20 sekunder, avhengig av hvilken region de vises i.
Tidssonen for rapporteringen i «YouTube Reserve Video Viewability Report» er den samme som tidssonen for den aktuelle kampanjen. «YouTube Reserve Video Viewability Report» har også en vannmerkekontroll for kvalitetskontroll av grunnberegningene (visninger, ugyldige visninger, målbare visninger, ikke-målbare visninger, synlige visninger og ikke-synlige visninger). Du kan sammenligne totalsummen for disse grunnberegningene i vannmerket med de tilsvarende tallene i rapporteringstabellen. Hvis du finner avvik, kan du kontakte Google-salgsrepresentanten din. «YouTube Video Viewability»-rapporten er tilgjengelig basert på datoperioder som kan tilpasses. Kontakt Google-salgsrepresentanten din hvis du vil ha denne rapporten.
Informasjon om endringer i metoder
Eventuelle endringer som gjøres i metodene, blir kommunisert via kunngjøringer på hjelpesiden for Google Ads.
