Modelētajiem reklāmguvumiem tiek izmantoti dati, kas neidentificē atsevišķus lietotājus, lai aprēķinātu reklāmguvumus, kurus Google nevar novērot tiešā veidā. Šādi var iegūt pilnīgāku jūsu reklāmguvumu pārskatu.
Mēs izmantojam modelēšanu, lai atgūtu to datu segmentus, kuriem reklāmu attiecinājumu nevaram novērot lietotāju konfidencialitātes aizsardzības vai tehnisko ierobežojumu dēļ. Modelēšana nodrošina augstas kvalitātes novērtēšanu, kas jums palīdz pareizi izprast mārketinga ietekmi un saglabāt kvalitatīvu cenu noteikšanu, nepieļaujot pārlieku augstu vai zemu cenu noteikšanu.
Kad Google sistēma parāda modelētos reklāmguvumus programmā Google Ads, mēs prognozējam attiecinātos reklāmguvumus. Lielākoties Google sistēma saņem datus par reklāmu mijiedarbības gadījumiem un reklāmguvumiem tiešsaistē, bet sistēmai nav informācijas par to savstarpējo saistību. Mūsu modelēšanas process nosaka, vai Google reklāmu mijiedarbība izraisīja reklāmguvumu tiešsaistē. Tas nenosaka, vai notika reklāmguvums.
Ja netiktu veikta modelēšana, reģistrētie reklāmguvumi atspoguļotu tikai to reklāmguvumu daļu, ko ir iespējams novērot, nevis kampaņu faktisko veiktspēju.
Modelēto tiešsaistes reklāmguvumu darbības pamatprincipi
Lai varētu veikt modelēšanu tiem datu segmentiem, kurus nevaram novērot, mēs cenšamies izmantot datus no segmentiem, kurus varam novērot un par kuriem zinām, ka lietotāju rīcība ir tāda pati vai ļoti līdzīga kā nenovērojamajam segmentam, vai arī skaidri izprotam šo segmentu atšķirības.
Piemērs. Pieņemsim, ka jums ir tādu reklāmguvumu segments, kas nav novērojami, izmantojot viena veida pārlūkprogrammu, taču tos var novērot citu veidu pārlūkprogrammās. Veicot modelēšanu, vispirms tiks izpētītas lietotāju rīcības tendences dažādu veidu pārlūkprogrammās (piemēram, reklāmguvumu līmeņi). Pēc tam mēs novērojamos datus no izvērtējamajām pārlūkprogrammām izmantosim kopā ar visām sistemātiskajām novirzēm un ietversim citas vispārīgas kategorijas, piemēram, ierīces veidu, dienas laiku, ģeogrāfisko atrašanās vietu, operētājsistēmu un citas kategorijas, lai prognozētu reklāmguvumu notikumu nodrošināšanas iespējamību no reklāmu mijiedarbības tāda veida pārlūkprogrammā, kuru nevaram novērot.
Modelētie reklāmguvumi tiek reģistrēti tikpat detalizētā līmenī kā novērotie reklāmguvumi. Tas nozīmē, ka tiek ietvertas tādas kategorijas kā reklāmguvumu kopskaits, attiecinājuma ceļš un reklāmguvumu vērtības. Slejā “Reklāmguvumi” tiek rādīti gan modelētie, gan novērotie reklāmguvumi.
Modelēto tiešsaistes reklāmguvumu priekšrocības
- Visaptverošs visu jūsu reklāmu datplūsmas novērtējums: iegūstiet precīzāku priekšstatu par reklamēšanas rezultātiem (IA) un pilnīgu kopainu par tādu reklāmguvumu ceļu visās ierīcēs un kanālos, kuri tiek nodrošināti, mijiedarbojoties ar reklāmām.
- Efektīva kampaņu optimizācija. Modelēto reklāmguvumu izmantošana palīdz efektīvāk optimizēt kampaņas un sasniegt labākus uzņēmējdarbības rezultātus.
- Konfidencialitātes tiesību akti un tehnoloģiju ierobežojumi nozīmē to, ka mēs zaudējam iespēju novērot noteiktas lietotāju grupas (piemēram, lietotājus, kas nav snieguši piekrišanu sīkfailiem, vai lietotājus, kas izmanto noteiktu veidu ierīces vai pārlūkprogrammas). Tas nozīmē, ka mūsu automātiskās cenu noteikšanas algoritmiem būs jāpieņem lēmumi par optimizāciju, pamatojoties uz nepilnīgiem datiem, kas iegūti no pielāgošanās, kura ietver novirzes. Līdz ar to automātiskā cenu noteikšana šādām lietotāju grupām var piešķirt zemāku prioritāti, jo tām ir zemāks reģistrētās veiktspējas rādītājs, tādējādi cenas noteicējam samazinot kopējās veiktspējas rādītāju. Modelēšana novērš šīs novirzes un labo tās kopējā uzskaitē, lai automātiskajai cenu noteikšanai nodrošinātu piekļuvi precīzākiem veiktspējas datiem. Uzziniet vairāk par automātisko cenu noteikšanu.
Google pieeja reklāmguvumu modelēšanā
Google risinājumi darbojas, aptverot daudzu lietotāju datus, tādējādi mūsu reklāmguvumu modeļu precizitāti var pārbaudīt lielā reklāmu mijiedarbības gadījumu un reklāmguvumu darbību kopā pēc vairākiem galvenajiem rādītājiem.
- Mērogs: mēs varam piekļūt lielam un daudzveidīgam reklāmu mijiedarbības gadījumu kopumam visos kanālos un dažādos piltuves posmos. Tas nodrošina vispusīgus datus par to, kā dažādi lietotāji reaģē uz dažādu veidu reklāmām visos kanālos neatkarīgi no tā, kurā piltuves posmā viņi atrodas.
- Precizitāte. Izmantojot to lietotāju pamatgrupas lielo apjomu, kuri ir pierakstījusies Google īpašumos, mūsu sarežģītie modelēšanas paņēmieni var darboties neatkarīgi no sīkfailiem vai citiem identifikatoriem, jo mēs varam izveidot bagātīgu lietotāju rīcības datu kopu visā to lietotāju kopā, kuri ir snieguši piekrišanu sīkfailiem.
- Atbilstība. Daudzās vietnēs tiek izmantoti Google tagi, un tas nozīmē, ka mūsu reklāmguvumu modeļi ir apstiprināti lielā dažādu reklāmguvumu darbību kopā. Reklāmguvumu modelēšanai tiek izmantoti dati, kas neidentificē lietotāju, lai noteiktu reklāmguvumus, kurus Google nevar novērot tiešā veidā. Pēc tam mūsu modelēšanas paņēmiens tiek īpaši pielāgots katram reklāmdevējam, nodrošinot unikālus rezultātus.
- Tehniskās ekspertzināšanas. Google ekspertzināšanas par MI ir galvenais līdzeklis, kas mums ļauj veikt visaugstākās kvalitātes modelēšanu. Mēs to esam pilnveidojuši savos novērtēšanas produktos, kuros modelēšana ir izmantota daudzus gadus (Google Ads automātiskā cenu noteikšana un veikalu apmeklējumi), kā arī ar novērtēšanu nesaistītos produktos (piemēram, bezvadītāja automašīnas un YouTube ieteikumi).
- Lietderība. Google modelētie reklāmguvumi tiek rādīti kampaņu pārskatos, un tie ir arī saistīti ar optimizāciju un cenu noteikšanu. Tādējādi šie dati tiek lietderīgi izmantoti uzņēmējdarbības mērķu sasniegšanai.
Pieejamie tiešsaistes reklāmguvumu modelēšanas piemēri
Tālāk ir norādīti daži būtiskākie mums pieejamie reklāmguvumu modelēšanas paņēmieni.
Modelēšana saistībā ar trešās puses sīkfailu ierobežojumiem
Dažas pārlūkprogrammas (piemēram, Safari un Firefox) neļauj veikt reklāmguvumu novērtēšanu, izmantojot trešās puses sīkfailus. Ja reklāmguvumu novērtēšanai izmantojat trešo pušu sīkfailus, reklāmguvumu modelēšanas process notiks saskaņā ar jūsu vietnes datplūsmu attiecīgajās pārlūkprogrammās (datorā un mobilajās ierīcēs).
Uzziniet, kā uzlabot modelēšanu, veicot jaunināšanu uz Google tagu.
Modelēšana saistībā ar pirmās puses sīkfailu ierobežojumiem
Modelēšana saistībā ar ES sīkfailu piekrišanas ierobežojumiem
Saskaņā ar dažu valstu tiesību aktiem reklāmdevējiem ir jāiegūst piekrišana izmantot sīkfailus, kas saistīti ar reklamēšanas darbībām. Reklāmdevējiem, kuri izmanto
piekrišanas režīmu, reklāmguvumu modelēšanas process notiks saskaņā ar lietotājiem, kuri nav snieguši piekrišanu sīkfailiem. Reklāmguvumi tiek modelēti lietotājiem, kuri nav snieguši piekrišanu sīkfailiem.
iOS 14 ietekme
Google Play politiku ietekme
Google Play paziņoja par dažiem jauniem politiku atjauninājumiem, lai uzlabotu lietotāju kontroli, konfidencialitāti un drošību. 2021. gada beigās tiks atjaunināti Google Play pakalpojumi, un līdz ar to reklamēšanas ID tiks noņemts, ja lietotājs atteiksies no personalizācijas, kurai tiek izmantots Android iestatījumos norādītais reklamēšanas ID. Mēģinot piekļūt identifikatoram, tā vietā tiks parādīta nuļļu virkne. Uzziniet vairāk par reklamēšanas ID.
Pēc šī pakalpojumu atjauninājuma veikšanas mēs paplašināsim modelēto reklāmguvumu izmantošanu visās lietotņu kampaņās. Tas nozīmē, ka slejā “Reklāmguvumi” (kā arī slejās “Instalēšana”, “Darbība lietotnē” un “Reklāmguvuma vērtība”) var būt ietverti modelētie reklāmguvumi. Turpmāk lietotņu kampaņās var tikt izmantoti papildu modelētie reklāmguvumi, lai tādējādi mazinātu šo un citu iespējamo pakalpojumu atjauninājumu radīto ietekmi.
Vairāku ierīču reklāmguvumi
Ja lietotājs sāk darbu, mijiedarbojoties ar reklāmu vienā ierīcē, un nodrošina reklāmguvumu citā ierīcē, reklāmguvuma attiecināšana uz reklāmas mijiedarbību var nebūt iespējama. Google novēro datus, kas iegūti no plaša Google īpašumos pierakstījušos lietotāju loka, lai prognozētu noteiktu rīcību, kas būs līdzīga visiem lietotājiem. Tiek modelēti arī daudzi vairāku ierīču reklāmguvumi, tostarp no viesistabas un galddatoriem.
Piezīme. Šo reklāmguvumu daļa, ko var atgūt, izmantojot Google Ads, ir atkarīga no mūsu rīcībā esošā novērojamo datu apjoma katrā situācijā, kā arī šo novērojamo datu precizitātes (piemēram, cik reāla ir šīs daļas līdzība ar visu noteikta reklāmdevēja lietotāju pamatgrupu). Atgūto gadījumu skaits atšķiras atkarībā no problēmas, kuru mēs risinām. Jo labāk novērojami dati, jo labāka modelēšanas kvalitāte. Uzziniet, kā to var uzlabot, ieviešot
Google tagu,
piekrišanas režīmu un
uzlabotos reklāmguvumus.
Tiešsaistes reklāmguvumu modelēšanas principi
Nepārtraukta kvalitātes uzlabošana
Tāpat kā visiem citiem produktiem, mūsu datu analītiķi nepārtraukti uzlabo algoritmus, lai paaugstinātu arī modelēšanas precizitāti un mērogu. Mēs regulāri izlaižam jaunus produktus, kas kalpotu kā jauni novērojamo datu avoti, ļaujot uzlabot mūsu modelēšanas procesu (piemēram, izmantojot uzlabotos reklāmguvumus un piekrišanas režīmu, varam iegūt vairāk novērojamo datu).
Sarežģītu paņēmienu izmantošana precizitātes pārbaudē
Mēs izmantojam dažādus paņēmienus, piemēram, aizturēšanas validāciju, lai pārbaudītu mūsu modelēšanas precizitāti (piemēram, mēs aizturam daļu no novērotajiem reklāmguvumiem un veicam modelēšanu šim segmentam). Pēc tam mēs salīdzinām modelētos rezultātus ar faktiski novērotajiem reklāmguvumiem, kurus aizturējām, novērtējam neprecizitātes un novirzes, un nepārtraukti uzlabojam mūsu modelēšanas paņēmienus. Līdzīgas metodes tiek plaši izmantotas Google mākslīgā intelekta tehnoloģijā.
Precīzi reģistrēšanas sliekšņi
Mēs reģistrējam modelētos reklāmguvumus tikai tad, kad esam ļoti pārliecināti, ka reklāmguvumi ir patiešām nodrošināti, mijiedarbojoties ar reklāmām. Mēs izvairāmies sistemātiski reģistrēt vairāk reklāmguvumu nekā ir faktiski bijis, kā arī vienmēr cenšamies iespējami samazināt pārlieku lielu reģistrēto reklāmguvumu skaitu. Tas nozīmē, ka dažiem lietotājiem regulāri netiek novērots pietiekami daudz reklāmguvumu, lai garantētu pārliecinošus modelēšanas rezultātus. Šādos gadījumos mēs nereģistrējam nevienu modelēto reklāmguvumu.
Katra nepilnība tiek novērsta, izmantojot unikālu modelēšanas metodoloģiju
Tā kā mēs identificējam dažādas nepilnības novērtēšanā un ir nepieciešami un pieejami atšķirīgu veidu novērojamie dati,
dažādu veidu nepilnībām esam izveidojuši dažādu veidu modelēšanas paņēmienus. Mēs izmantojam arī paņēmienus, kas izslēdz divkāršu uzskaiti, izmantojot dažādu veidu modelēšanas pieejas. Mēs zinām, ka reklāmguvumu līmeņi ievērojami atšķiras atkarībā no reklamēšanas kanāla, tādēļ mēs katram kanālam un reklāmas mijiedarbības veidam (
seansi salīdzinājumā ar
klikšķiem) veidojam atsevišķus modelēšanas paņēmienus.
Katra modelēšanas paņēmiena iegūtais rezultāts ir unikāls jūsu uzņēmumam un lietotāju rīcībai
Kad ir iegūts vispārīgs modelēšanas algoritms, kas paredzēts konkrētu novērojuma nepilnību novēršanai, mēs šo algoritmu lietojam katra reklāmdevēja datiem atsevišķi un iegūstam unikālus rezultātus, kuri atspoguļo unikālu attiecīgā reklāmdevēja lietotāju rīcību un reklāmguvumu līmeni. Piemēram, ja jūsu lietotājiem ir ļoti raksturīgi sākt darbu vienā ierīcē un nodrošināt reklāmguvumus citā ierīcē, jums reģistrēto vairāku ierīču modelēto reklāmguvumu skaits pārsniegs vidējo skaitu.
Citu identifikatoru izmantošana
Noteiktiem datplūsmas segmentiem Google izmantos papildu signālus, lai novērtētu, kur tika nodrošināti reklāmguvumi. Šie signāli ietver, piemēram, IP adreses izmantošanu reklāmguvumu skaita noteikšanai.
Informācija par būtiskām modelēšanas izmaiņām
Mēs nepārtraukti veicam eksperimentus pirms jebkādu modelēšanas izmaiņu ieviešanas un, ja konstatējam būtisku ietekmi uz reģistrēšanu un cenu noteikšanu, par to informējam.
Automātiska integrācija
Kad vien tas ir precīzi izdarāms, Google izmantos pieejamos datus, lai nodrošinātu reklāmguvumu modelēšanas integrāciju jūsu reklāmguvumu reģistrēšanā un optimizēšanā. Dažos gadījumos, piemēram, kad reklāmguvumus nevar novērot to lietotāju kopai, kuri nav snieguši piekrišanu sīkfailiem, mums būs nepieciešama informācija par jūsu piekrišanas līmeni, lai mēs varētu veikt reklāmguvumu modelēšanu.
Saistītās saites