Google schätzt Online-Conversions, die nicht direkt erfasst werden können, mithilfe von Modellierungstechniken. Dabei werden Conversions richtig zugeordnet, ohne dass individuelle Nutzer identifiziert werden (z. B. aus Gründen des Datenschutzes für Nutzer, wegen technischer Einschränkungen oder wenn Nutzer zu einem anderen Gerät wechseln). Mithilfe von geschätzten Conversions kann Google realistischere Aussagen in Berichten machen, Werbekampagnen optimieren und die automatische Gebotseinstellung verbessern.
In diesem Hilfeartikel behandelte Probleme:
- So funktioniert das Schätzen von Conversions
- Vorteile geschätzter Online-Conversions
- Conversion-Modellierung bei Google
- Einsatzmöglichkeiten
- Unsere Grundsätze bei der Modellierung von Online-Conversions
So funktioniert das Schätzen von Conversions
Die Google-Modelle suchen nach Trends bei direkt beobachteten Conversions im Vergleich zu nicht direkt beobachteten Conversions. Wenn die zugeordneten Conversions in einem bestimmten Browser ähnlich aussehen wie die nicht zugeordneten Conversions in einem anderen Browser, prognostiziert das Modell für maschinelles Lernen die Gesamtzuordnung. Anhand dieser Prognose werden die erfassten Conversions dann aktualisiert, sodass sie geschätzte und beobachtete Conversions enthalten.
Vorteile geschätzter Online-Conversions
- Messung des gesamten Anzeigen-Traffics: Sie erhalten genauere Informationen zur Effektivität Ihrer Werbung (ROI, Return on Investment) und einen umfassenden Überblick über den geräte- und kanalübergreifenden Conversion-Pfad, der sich aus den Anzeigeninteraktionen ergibt.
- Effiziente Kampagnenoptimierung: Mit geschätzten Conversions können Sie Ihre Kampagnen effektiver optimieren und bessere Geschäftsergebnisse erzielen.
- Aufgrund von Datenschutzbestimmungen und technologischen Einschränkungen werden bestimmte Gruppen bzw. Kohorten nicht erfasst, z. B. Nutzer, die keine Einwilligung erteilt haben oder die bestimmte Geräte oder Browser verwenden. Algorithmen für die automatische Gebotseinstellung müssen also verschiedene Optimierungen mit unvollständigen Daten vornehmen. Das maschinelle Lernen basiert dann auf verzerrten Daten. Weil weniger Informationen der zuvor genannten Kohorten vorliegen, fallen sie bei der automatischen Gebotseinstellung möglicherweise weniger ins Gewicht, was die Gebotsfunktion insgesamt beeinträchtigt. Durch Modellierung lassen sich Verzerrungen bei der Berichterstellung korrigieren, sodass aussagekräftige Leistungsdaten für die automatische Gebotseinstellung zur Verfügung stehen. Weitere Informationen zur automatischen Gebotseinstellung in der neuen Search Ads 360-Version
Conversion-Modellierung bei Google
Hier sind einige wichtige Ansätze für die Conversion-Modellierung, die bei uns verfügbar sind:
Auf Genauigkeit prüfen und über Änderungen informierenDank der Holdback-Validierung, einer Best Practice im Bereich maschinelles Lernen, bleibt das Niveau der Richtigkeit (Accuracy) der Google-Modelle gewahrt. Ein Teil der erfassten Conversions (Validierungsdaten) wird zurückgehalten und aufgeteilt. Dann werden die Validierungsdaten, auf die das Modell angewendet wurde, mit den Validierungsdaten verglichen, auf die das Modell nicht angewendet wurde. Die Validierungsergebnisse werden verwendet, um nach Ungenauigkeiten zu suchen und das Modell weiter zu optimieren.
Modellierte Conversions werden nur dann berücksichtigt, wenn die höchste Qualität sichergestellt ist. Falls nicht genug Zugriffsdaten als Grundlage für das Modell bereitstehen, werden die geschätzten Conversions nicht den Anzeigeninteraktionen zugeordnet bzw. (im Fall von Google Analytics) dem Channel „Direkt“ zugeordnet. So kann Google den Verlust der Beobachtbarkeit ausgleichen und gleichzeitig unrealistische Prognosen vermeiden.
Der allgemeinere Modellierungsalgorithmus von Google wird separat auf Ihre Daten angewendet und spiegelt so Ihr individuelles Unternehmen und das Verhalten Ihrer Kunden wider.
Google erlaubt keine Fingerabdrücke oder andere Versuche zur Identifizierung individueller Nutzer. Stattdessen aggregiert Google verschiedene Daten (z. B. bisherige Conversion-Raten, Gerätetyp, Tageszeit und Standort), um die Wahrscheinlichkeit von Conversions aus einer bestimmten Anzeigeninteraktion zu prognostizieren.
Einsatzmöglichkeiten
Hier sind einige Beispiele für den Einsatz von Conversion-Modellierungen:
Einschränkungen durch DrittanbietercookiesIn einigen Browsern (z. B. Safari und Firefox) dürfen keine Conversions mithilfe von Drittanbieter-Ccookies erfasst werden. Wenn Sie auf diese Cookies angewiesen sind, werden die Conversions entsprechend Ihrem Website-Traffic auf Mobilgeräten und Computern in diesen Browsern geschätzt.
In manchen Browsern (z. B. Safari) dürfen Sie eigene Cookies setzen, jedoch werden sie kurze Zeit später wieder gelöscht. Nach Ablauf des Tracking-Zeitraums werden die Conversions entsprechend Ihrem Anteil an nicht unmittelbar erfassten Conversions geschätzt.
In einigen Ländern ist es gesetzlich vorgeschrieben, dass Werbetreibende eine Einwilligung zur Verwendung von Cookies für Werbeaktivitäten einholen. Bei Werbetreibenden, die den Einwilligungsmodus aktiviert haben, erfolgt die Conversion-Modellierung unter Berücksichtigung der Nutzer, die Cookies abgelehnt haben. Conversions werden also für solche Nutzer geschätzt.
Gemäß der ATT-Richtlinien (App Tracking Transparency) von Apple müssen Entwickler eine Einwilligung einholen, wenn sie bestimmte Nutzerinformationen aus Apps und von Websites anderer Unternehmen zu Werbezwecken verwenden. Google nutzt keine Kennungen wie den IDFA, die unter die ATT-Richtlinien fallen. Dementsprechend werden Conversions bei Anzeigen aus iOS-Zugriffen geschätzt. Auf Ihrer Website müssen beliebige URL-Parameter zulässig sein, damit die Schätzung besonders genau wird.
Mit der Einführung der ATT-Richtlinie von Apple, SKAdNetwork, hat sich die App-Attributionslösung von Apple bei der Bewertung der iOS-Kampagnenleistung zu einem wichtigen Beitrag für Werbetreibende entwickelt. Wir möchten die Qualität und Konsistenz der Berichte zu geschätzten Daten in der Google Ads-Benutzeroberfläche weiter optimieren. Deshalb verstärken wir unsere Anstrengungen, SKAdNetwork einzubinden.
Es wurden einige Richtlinienänderungen für Google Play angekündigt, durch die Nutzer mehr Kontrolle erhalten und der Datenschutz und die Sicherheit weiter verbessert werden sollen. Im Zuge der Aktualisierung der Google Play-Dienste Ende 2021 wird die Werbe-ID entfernt, wenn ein Nutzer die Personalisierung über die Werbe-ID in den Android-Einstellungen deaktiviert. Beim Versuch, auf die ID zuzugreifen, wird dann anstelle der ID eine Folge von Nullen angezeigt. Weitere Informationen zur Werbe-ID
Aufgrund dieser Änderung können bald in allen App-Kampagnen geschätzte Conversions verwendet werden. Das bedeutet, dass die Spalte „Conversions“ sowie die Spalten „Installieren“, „In-App-Aktion“ und „Conversion-Wert“ möglicherweise geschätzte Conversions enthalten. Künftig werden womöglich noch weitere geschätzte Conversions in App-Kampagnen verwendet, damit sich die aktuelle Änderung und mögliche weitere Aktualisierungen nicht zu stark auf Ihre Kampagnen auswirken.
Wenn ein Nutzer den Kaufprozess mit einer Anzeigeninteraktion auf einem Gerät beginnt, die Conversion jedoch auf einem anderen Gerät ausführt, lässt sich die Conversion möglicherweise nicht der Anzeigeninteraktion zuordnen. Dank der uns vorliegenden Daten der zahlreichen Nutzer, die sich in Google-Produkten anmelden, kann ähnliches Verhalten abgeleitet und auf nicht angemeldete Nutzer übertragen werden. Viele geräteübergreifende Conversions werden ebenfalls geschätzt, darunter Conversions auf Geräten im Wohnzimmer und Computern.
Unsere Grundsätze bei der Modellierung von Online-Conversions
Stetige QualitätssteigerungWie bei allen Produkten verbessern die Data Scientists von Google kontinuierlich die Algorithmen und damit die Genauigkeit und Anwendbarkeit der Modellierung. Außerdem werden regelmäßig neue Produkte eingeführt, die als zusätzliche Quellen für beobachtbare Daten dienen und so zur Modelloptimierung beitragen. Das ist z. B. bei erweiterten Conversions und beim Einwilligungsmodus der Fall.
Google verwendet Verfahren wie die Holdback-Validierung, um die Genauigkeit der Modellierung zu überprüfen. Beispielsweise wird ein Teil der erfassten Conversions von Google zurückgehalten und dann nachgebildet. Anschließend werden die geschätzten Ergebnisse mit den tatsächlich erfassten Conversions verglichen, Ungenauigkeiten und Verzerrungen werden gemessen und die Modelle werden kontinuierlich optimiert. Ähnliche Validierungsverfahren sind bei Google AI Standard.
Google berücksichtigt geschätzte Conversions in seinen Berichten nur, wenn mit hoher Wahrscheinlichkeit davon ausgegangen werden kann, dass Conversions aufgrund von Anzeigeninteraktionen aufgetreten sind. Google möchte nicht mehr Conversions aufzeichnen, als tatsächlich stattgefunden haben, oder zu viele Berichtsdaten liefern. Bei Werbetreibenden, die nicht regelmäßig eine gewisse Anzahl von Conversions erzielen, können wir keine genauen Schätzungen abgeben. In diesen Fällen werden keine geschätzten Conversions erfasst.
Weil die Messung teilweise unterbrochen ist und verschiedene Arten von beobachtbaren Daten notwendig und verfügbar sind, gibt es unterschiedliche Modelle, um die verschiedenen Lücken zu schließen. Außerdem wendet Google wir Verfahren an, um Mehrfachzählungen in den diversen Modellen zu vermeiden. Da sich Conversion-Raten je nach Werbekanal stark unterscheiden, erstellt Google für jeden Kanal und jede Art von Anzeigeninteraktion jeweils eigene Modelle, z. B. für Impressionen und für Klicks.
Sobald ein allgemeiner Modellierungsalgorithmus ermittelt wurde, um eine bestimmte Beobachtungslücke zu schließen, wendet Google ihn separat auf die Daten jedes Werbetreibenden an. So erhalten wir spezifische Ergebnisse für das jeweilige Nutzerverhalten und die Conversion-Raten. Wenn Ihre Nutzer beispielsweise dazu neigen, den Kaufprozess auf einem Gerät zu beginnen, aber auf einem anderen die Conversion ausführen, werden Sie eine überdurchschnittlich hohe Anzahl von geschätzten geräteübergreifenden Conversions in den Berichten sehen.
Bei bestimmten Segmenten von Traffic verwendet Google zusätzliche Signale, um zu erfassen, wo Conversions stattgefunden haben. Dazu gehört beispielsweise die Verwendung der IP-Adresse zur Schätzung von Conversions.
Wenn Google Änderungen an der Modellierung vornimmt, werden sie vor der Einführung ausgiebig getestet. Falls wir dabei erhebliche Auswirkungen auf die Berichterstellung und die Gebotsfunktion feststellen, informieren wir unsere Nutzer und Kunden entsprechend.
In Konten mit ausreichend Daten setzt Google Conversion-Modellierung zur Conversion-Berichterstellung und Conversion-Optimierung ein. Wenn Sie Conversions für bestimmte Nutzer nicht erfassen können, weil sie Ihre Cookies abgelehnt haben, benötigen wir Ihre Einwilligungsraten, um Conversion-Modellierung anzuwenden.
