Google използва моделиране, за да прогнозира онлайн реализациите, които не могат да бъдат наблюдавани директно. Моделирането дава възможност за точно приписване на реализациите, без да се идентифицират потребителите. Например поради поверителността на потребителите, технически ограничения или когато потребителите преминават от едно устройство на друго. Включването на моделираните реализации дава възможност на Google да предложи по-точно отчитане, да оптимизира рекламните кампании и да подобри автоматичното офериране.
На тази страница
- Начин на работа на моделираните реализации
- Предимства на моделираните онлайн реализации
- Подходът на Google за моделиране на реализациите
- Примери за наличното моделиране за онлайн реализации
- Принципи за моделиране на онлайн реализации
Начин на работа на моделираните реализации
Моделите на Google търсят тенденции при реализациите, които са били наблюдавани директно, и тези, които не са. Ако например реализациите, приписани на един браузър, са подобни на неприписани реализации от друг браузър, моделът за машинно обучение ще предвиди общото приписване. Въз основа на това предвиждане отчетените реализации се актуализират така, че да включват както моделирани, така и наблюдавани реализации.
Предимства на моделираните онлайн реализации
- Цялостно измерване за пълния Ви трафик от реклами: Получавате по-точна представа за резултатите от рекламирането (ROI), както и пълна картина за пътя до реализация на различни устройства и в различни канали в резултат на взаимодействия с рекламите.
- Ефективно оптимизиране на кампаниите: Моделираните реализации Ви помагат да оптимизирате кампаниите си по-ефективно и да постигате по-добри бизнес резултати.
- Поради регламентите за поверителност и технологичните ограничения не можем да наблюдаваме определени кохорти с потребители, например потребители, които не са дали съгласие, или такива, използващи определени типове устройства или браузъри. Това означава, че алгоритмите за автоматично офериране ще трябва да вземат решения относно оптимизирането въз основа на непълни данни, което ще доведе до отклонения при обучението. В резултат на това автоматичното офериране може да отнеме приоритета на тези кохорти, тъй като отчетената им ефективност е по-ниска, което води до по-ниска обща ефективност от страна на офериращия. С помощта на моделирането подобни отклонения се вземат предвид и коригират в цялостното отчитане, за да може автоматичното офериране да има достъп до по-представителни данни за ефективността. Научете повече за автоматичното офериране в Search Ads 360.
Подходът на Google за моделиране на реализациите
Някои от важните подходи за моделиране на реализациите, които са налице, са следните:
Проверка за точност и съобщаване на променитеФункцията за валидиране със задържане (най-добра практика за машинно обучение) поддържа точността на моделите на Google. Част от наблюдаваните реализации (данните за потвърждаване) се задържат и разделят. След това данните за потвърждаване, които са преминали през модела, се сравняват с тези, които не са. Резултатите от потвърждаването се използват за проверяване за неточност и за допълнително настройване на модела.
Моделираните реализации се включват само при висока сигурност за качество. Ако няма достатъчно трафик, за да се информира моделът, моделираните реализации няма да се приписват на взаимодействия с рекламата или, в случая с Google Анализ, те се приписват на „директния“ канал. Този подход позволява на Google да възстанови загубата на наблюдаемост, като същевременно предотвратява прекомерното предвиждане.
По-общият алгоритъм за моделиране на Google се прилага отделно към Вашите данни, за да отрази уникалния Ви бизнес и поведението на клиентите.
Google не допуска идентифициране чрез отпечатъци или други опити за идентифициране на отделни потребители. Вместо това Google обобщава данни, като например проценти на реализация за минали периоди, тип устройство, час от денонощието, географско местоположение и др., за да прогнозира вероятността за реализация от конкретно взаимодействие с рекламата.
Примери за наличното моделиране за онлайн реализации
Някои от най-важните налични моделирания на реализациите са следните:
Моделиране при ограничения за „бисквитки“ на трети страниНякои браузъри, като Safari и Firefox, не позволяват измерване на реализациите посредством „бисквитки“ на трети страни. Ако разчитате на „бисквитки“ на трети страни за измерване на реализациите, тези реализации ще бъдат моделирани в съответствие с трафика на уебсайтовете Ви в съответните браузъри (на настолни компютри и мобилни устройства).
Някои браузъри, като Safari, ограничават периода от време, в който са разрешени „бисквитките“ на посещавания домейн. Реализациите Ви ще бъдат моделирани в съответствие с дела на латентните реализации извън този период.
Разпоредбите в някои държави изискват рекламодателите да получат съгласие за използване на „бисквитки“, свързани с рекламни дейности. При рекламодателите, които са възприели режим на получаване на съгласие, ще се прилага моделиране на реализациите за потребителите, които не са дали съгласие. Реализациите се моделират за потребителите, които не са дали съгласие.
Според правилата App Tracking Transparency (ATT) на Apple ще се изисква програмистите да искат разрешение, когато използват за рекламни цели определена информация от приложенията и уебсайтовете на други компании. Google няма да използва информация (като например IDFA), която попада в обхвата на правилата ATT. Съответно реализациите, чиито реклами произхождат от засегнат от ATT трафик, ще бъдат моделирани. За най-добри резултати от моделирането уебсайтът Ви трябва да може да приема произволни параметри на URL адреса.
Google Play обяви някои нови актуализации на правилата с цел подобряване на контрола, поверителността и сигурността на потребителите. Като част от актуализацията на услугите за Google Play в края на 2021 г. идентификаторът за рекламиране ще бъде премахнат, ако даден потребител се откаже от персонализирането посредством такъв идентификатор от настройките на Android. Ако потребителят се опита да осъществи достъп до идентификатора, вместо него ще види поредица от нули. Научете повече за идентификатора за рекламиране.
В резултат от тази актуализация на услугите ще разширим моделираните реализации, за да обхванат всички кампании за приложения. Това означава, че колоната Ви за реализациите, както и тези за инсталиранията, действията в приложението и стойността на реализацията може да съдържат моделирани реализации. В бъдеще може да има допълнителни моделирани реализации в кампаниите за приложения като начин за ограничаване на въздействието от тази и други потенциални актуализации на услугите.
Когато потребител започне пътя си на едно устройство с взаимодействие с рекламата и го завърши на друго, може да не е възможно да припишете тази реализация на взаимодействието с рекламата. Google наблюдава данните от големия брой влезли в профила си потребители в продукти на Google, за да екстраполира сходното поведение за всички потребители. Много реализации от кръстосване на устройства също се моделират, включително от Living Room и настолни компютри.
Принципи за моделиране на онлайн реализации
Постоянно подобряване на качествотоКакто и при всички други продукти, специалистите на Google по обработка на данните постоянно подобряват алгоритмите, за да се повиши точността и мащабът на моделирането. Редовно се въвеждат нови продукти, за да се получат нови източници на наблюдаеми данни, които усъвършенстват моделирането на Google. Например подобрените реализации и режимът на получаване на съгласие могат да получават повече наблюдаеми данни.
Google използва техники като валидиране със задържане, за да провери точността на моделирането. Например Google задържа част от наблюдаваните реализации и моделира за този сегмент, след което моделираните резултати и действително наблюдаваните реализации, които са били задържани, се сравняват, измерват се неточности и отклонения и моделите се настройват непрекъснато. Подобни методи се използват широко в AI на Google.
Google включва моделирани реализации в отчетите си само когато е сигурно, че реализациите действително са били осъществени в резултат на взаимодействия с рекламите. Google избягва системно да отчита по-голям брой реализации от действителните и винаги се стреми да сведе до минимум отчитането на по-голям брой реализации. Това означава, че за някои потребители не наблюдаваме редовно достатъчно реализации, за да можем да извършим точно моделиране. В тези случаи Google не отчита моделирани реализации.
Тъй като Google открива различни пропуски в измерването, а са необходими и налице различни типове наблюдаеми данни, разполагаме с различни типове модели за различни типове пропуски. Google също така използва техники, които елиминират двойно отчитане в различните типове модели. Google знае, че процентите на реализация значително варират в зависимост от рекламния канал и в резултат от това създава отделни модели за всеки канал и тип взаимодействие с рекламата, които са импресии и кликвания.
След като бъде определен общ алгоритъм за моделиране за справяне с конкретен пропуск при наблюдението, Google прилага този алгоритъм към данните на всеки рекламодател поотделно и получава уникални резултати, които отразяват поведението на отделните потребители и процентите на реализация за този рекламодател. Ако например потребителите Ви имат много висока склонност да започват пътя си на едно устройство и да осъществят реализация на друго, за Вас ще се отчита по-голям от средния брой моделирани реализации от кръстосване на устройства.
За определени сегменти от трафика Google ще разчита на допълнителни сигнали, за да измерва къде са осъществени реализациите. Тези сигнали включват например използването на IP адрес за прогнозиране на реализациите.
Google непрекъснато провежда експерименти, преди да въведе промени в моделирането. Ако се установи, че дадена промяна ще окаже значително въздействие върху отчитането и оферирането, тя се обявява по съответния начин.
Когато може да направи това с точност, Google ще използва наличните данни, за да предоставя интегрирано моделиране на реализациите в отчитането и оптимизирането на реализациите Ви. В някои случаи, например когато реализациите не могат да бъдат наблюдавани за набор от потребители, които не са дали съгласие за „бисквитки“, ще са необходими данни за процента на потребителите, които са дали съгласие, за да може да се предостави моделиране на реализациите.