Google はモデリングを使って、直接測定できないオンライン コンバージョンを推定します。モデリングを使用すると、(ユーザー プライバシーや技術的制約、デバイス間のユーザー遷移などの理由で)ユーザーを特定できなくても正確なコンバージョン アトリビューションが可能になります。推定コンバージョンを含めることで、より正確なレポートの提示や、広告キャンペーンの最適化、自動入札の精度向上を実現しています。
推定コンバージョンの仕組み
Google のモデルは、直接測定されたコンバージョンとそうでないコンバージョンとの間に見られる傾向を探します。たとえば、あるブラウザで関連付けのあるコンバージョンが、別のブラウザからの関連付けのないコンバージョンに類似している場合、機械学習モデルはすべてのコンバージョンを考慮してアトリビューションを予測します。この予測に基づき、推定コンバージョンと測定されたコンバージョンを合計した値が報告されます。
Google のコンバージョン モデリング手法
精度の検証と変更の通知
Google のモデルは、ホールドバック検証(機械学習のベスト プラクティス)によってその精度が維持されています。測定されたコンバージョン(検証データ)の一部は保留、分割されます。次に、モデリングを行った検証データと、そうでない検証データが比較されます。検証結果は、精度のチェックとモデルのさらなる調整に使用されます。データに大きな影響が出る可能性がある場合、Google はモデルの変更内容を通知します。
厳格なレポート基準の維持
推定コンバージョンがレポートに含められるのは、品質に高い信頼性がある場合のみです。モデルに情報を提供するのに十分な量のトラフィックがない場合、推定コンバージョンは広告インタラクションに関連付けられません(Google アナリティクスの場合、これらは「ノーリファラー」チャネルに関連付けられます)。Google はこの手法によって、過剰な予測を避けながら、測定できない部分のデータを補います。
ビジネスに合わせてカスタマイズ
Google のモデリングの汎用アルゴリズムを個別にデータに適用することで、ビジネスやユーザー固有の行動が反映されるようにしています。
ユーザー個人の特定を排除
Google は、フィンガープリントなどユーザー個人の特定を試みる行為を許可していません。その代わりに Google では、過去のコンバージョン率、デバイスの種類、時間帯、地域などのデータを集計して、特定の広告インタラクションからコンバージョンが発生する見込みを予測します。