Modelowane konwersje online

Konwersje modelowane używają danych nieujawniających tożsamości poszczególnych użytkowników do oszacowania liczby konwersji, których Google nie może zmierzyć bezpośrednio. Dzięki temu uzyskujesz pełniejszy raport o konwersjach.

Modelowanie przeprowadzamy po to, aby odzyskać wycinki danych, w których nie możemy dokonać atrybucji reklam ze względu na ochronę prywatności użytkowników lub ograniczenia techniczne. Robimy to, aby zapewnić Ci wysoką jakość pomiarów, dzięki której dokładnie poznasz wpływ swoich działań marketingowych i utrzymasz ustalanie stawek na optymalnym poziomie, czyli ani za niskim, ani za wysokim.

Wyświetlając w Google Ads konwersje modelowane, przewidujemy liczbę przypisanych konwersji. W większości przypadków znamy interakcje z reklamami i konwersje online, ale brakuje nam połączenia między tymi elementami. Stosowane przez nas modelowanie polega na przewidywaniu, czy interakcja z reklamą Google doprowadziła do konwersji online, a nie, czy w ogóle doszło do konwersji.

Bez modelowania konwersje podawane w raportach odzwierciedlają tylko obserwowalną część konwersji, a nie rzeczywistą skuteczność kampanii.

Jak powstają modelowane konwersje online

Aby modelować nieobserwowalne wycinki danych, staramy się jak najlepiej wykorzystywać informacje z obserwowalnych wycinków, które dotyczą działań takich samych lub bardzo podobnych jak działania rejestrowane w nieobserwowalnych wycinkach. Ewentualnie opieramy się na naszej znajomości różnic między tymi działaniami.

Przykład: załóżmy, że masz wycinek danych o konwersjach, które są nieobserwowalne w jednym typie przeglądarki, ale obserwowalne w innych przeglądarkach. Nasze modele najpierw wykrywają trendy w zachowaniach użytkowników (np. na podstawie współczynników konwersji) w różnych typach przeglądarek. Następnie używamy naszych obserwowalnych danych z przeglądarek możliwych do objęcia pomiarem razem ze wszystkimi systematycznymi odchyleniami i innymi wymiarami zbiorczymi (np. typ urządzenia, pora dnia, lokalizacja geograficzna, system operacyjny itd.), aby przewidywać prawdopodobieństwo wystąpienia zdarzeń konwersji w następstwie interakcji z reklamami w nieobserwowalnym typie przeglądarki.

Konwersje modelowane są podawane w raportach z taką samą szczegółowością jak zaobserwowane konwersje. Obejmuje to takie wymiary jak łączne liczby konwersji, ścieżka atrybucji i wartości konwersji. W kolumnie „Konwersje” podajemy konwersje zarówno modelowane, jak i zaobserwowane.

Uwaga: importy konwersji offline i konta użytkowników o bardzo małej tygodniowej liczbie konwersji mogą nie obejmować niektórych rodzajów modelowania.

Zalety modelowanych konwersji online

Pełne pomiary całego ruchu z reklam: możesz uzyskać dokładniejszy obraz efektów swoich działań reklamowych (zwrotu z inwestycji) oraz pełny ogląd ścieżki konwersji wynikającej z interakcji z reklamami na różnych urządzeniach i w różnych kanałach.
Efektywna optymalizacja kampanii: konwersje modelowane pomagają skuteczniej optymalizować kampanie i uzyskiwać lepsze wyniki biznesowe.
- Przepisy o ochronie prywatności i ograniczenia techniczne powodują, że tracimy możliwość obserwacji niektórych kohort użytkowników (np. tych, którzy nie wyrazili zgody na wykorzystanie danych albo używają określonych typów urządzeń lub przeglądarek). Oznacza to, że nasz algorytm automatycznego określania stawek będzie musiał podejmować decyzje dotyczące optymalizacji na podstawie niepełnych danych. W konsekwencji dane uzyskane przez algorytm w trakcie jego uczenia się będą nieco zniekształcone. W efekcie automatyczne określanie stawek może zmniejszyć priorytet tych nieobserwowalnych kohort ze względu na ich niską skuteczność podawaną w raportach. Przełoży się to więc na słabszą ogólną skuteczność systemu licytującego. Modelowanie eliminuje te zniekształcenia danych w raportach, aby zapewnić, że automatyczne określanie stawek ma dostęp do bardziej wiarygodnych danych o skuteczności.Więcej informacji o automatycznym określaniu stawek
Dokładne pomiary z poszanowaniem prywatności: konwersje modelowane używają danych, które nie umożliwiają identyfikacji poszczególnych użytkowników, aby oszacować liczbę konwersji niemożliwych do bezpośredniego mierzenia. Dzięki temu uzyskujesz pełniejszy raport o konwersjach. To podejście stanowi całkowite przeciwieństwo metod niezapewniających ochrony prywatności. Jednym z ich przykładów jest stosowanie odcisków cyfrowych (np. adresu IP), które działają na bazie mechanizmów heurystycznych. Służą one do identyfikowania i śledzenia poszczególnych użytkowników. Google stosuje bardzo restrykcyjne zasady wykorzystywania odcisków cyfrowych do personalizacji reklam, ponieważ nie zapewniają one użytkownikom wystarczającej kontroli ani przejrzystości.

Podejście Google do modelowania konwersji

Zakres działania naszych rozwiązań obejmuje wiele różnych grup użytkowników, co pozwala sprawdzać dokładność naszych modeli konwersji na dużym zbiorze interakcji z reklamami i działań powodujących konwersję z wykorzystaniem kilku kluczowych wymiarów:

Skala: mamy dostęp do olbrzymiej liczby zróżnicowanych interakcji z reklamami podejmowanych w różnych kanałach i na rozmaitych etapach ścieżki. Uzyskujemy dzięki temu wszechstronne dane o tym, jak odmiennie użytkownicy reagują na różne rodzaje reklam niezależnie od tego, gdzie znajdują się na ścieżce i z jakich kanałów korzystają.
Dokładność: dzięki dużej bazie zalogowanych użytkowników nasze zaawansowane metody modelowania mogą działać niezależnie od plików cookie i innych identyfikatorów, ponieważ potrafimy wywnioskować bogaty zbiór danych o zachowaniach na podstawie reprezentatywnej grupy użytkowników, którzy wyrazili zgodę na zbieranie informacji o nich.
Pokrycie: wiele witryn korzysta z tagów Google, co oznacza, że sprawdzamy funkcjonowanie naszych modeli konwersji na podstawie wielu różnych działań powodujących konwersję. Modelowanie konwersji wykorzystuje dane, które nie umożliwiają identyfikacji poszczególnych użytkowników, aby oszacować liczbę konwersji, których nie możemy zmierzyć bezpośrednio. Nasz model uczy się następnie na danych pochodzących od poszczególnych reklamodawców, aby dostosowywać się do specyfiki każdego z nich.
Wiedza techniczna: nasze bogate doświadczenia ze sztuczną inteligencją to kluczowy element, dzięki któremu możemy wykonywać modelowanie z najwyższą jakością. Opanowaliśmy tę technikę w naszych usługach pomiarowych, w których już od wielu lat stosujemy z powodzeniem modelowanie (np. automatyczne określanie stawek i ustalanie liczby wizyt w sklepie stacjonarnym w Google Ads), oraz w innych rodzajach usług (np. pojazdy autonomiczne i rekomendacje w YouTube).
Przydatność: nasze konwersje modelowane nie tylko są widoczne w raportach o kampaniach, ale służą też do optymalizowania skuteczności i ustalania stawek. Dzięki temu dane otrzymywane na podstawie modelowania przydają się do realizacji Twoich celów biznesowych.

Przykłady modelowania dostępnego w przypadku konwersji online

Oto niektóre z najważniejszych stosowanych przez nas metod modelowania konwersji:

Modelowanie związane z ograniczeniami dotyczącymi plików cookie innych firm

Niektóre przeglądarki (np. Safari i Firefox) nie zezwalają na pomiar konwersji za pomocą plików cookie innych firm. Jeśli do pomiaru konwersji używasz plików cookie innych firm, możesz się spodziewać, że w przypadku tych przeglądarek (na komputerach i urządzeniach mobilnych) stosowane będzie modelowanie konwersji na podstawie natężenia ruchu w witrynach. Dowiedz się, jak poprawić modelowanie dzięki przejściu na tag Google

Modelowanie związane z własnymi plikami cookie

Niektóre przeglądarki (np. Safari) ograniczają ilość czasu, przez jaki dozwolone są własne pliki cookie. Powoduje to stosowanie modelowania konwersji na podstawie Twojej części ukrytych konwersji występujących poza tym okresem. Dowiedz się, jak poprawić modelowanie dzięki korzystaniu z konwersji rozszerzonych

Modelowanie związane z ograniczeniami wynikającymi z konieczności uzyskania zgody użytkowników z UE na pliki cookie

Przepisy niektórych krajów wymagają od reklamodawców uzyskania zgody na używanie plików cookie powiązanych z działaniami reklamowymi. Reklamodawcy stosujący tryb uzyskiwania zgody będą mieli do czynienia z modelowaniem konwersji odpowiednim do liczby użytkowników, którzy nie wyrazili zgody. Konwersje są modelowane właśnie w przypadku tych użytkowników.

Wpływ systemu iOS 14

Zgodnie z zasadami firmy Apple dotyczącymi funkcji App Tracking Transparency (ATT) deweloperzy będą musieli uzyskać zgodę użytkowników na wykorzystanie do celów reklamowych informacji z aplikacji i witryn innych firm. Nie będziemy wykorzystywać informacji (np. identyfikatorów IDFA) podlegających zasadom ATT. W efekcie konwersje, do których doprowadziły reklamy wyświetlane dzięki ruchowi podlegającemu zasadom ATT, będą podawane w raportach na podstawie modelowania. Aby uzyskiwać najlepsze efekty, upewnij się, że Twoja witryna akceptuje dowolne parametry adresu URL.

Od momentu wdrożenia zasad ATT firmy Apple, jej rozwiązanie do atrybucji aplikacji, SKAdNetwork, stało się dla reklamodawców promujących aplikacje ważnym narzędziem do oceny skuteczności kampanii na iOS. Aby poprawić jakość i spójność modelowania w raportach w interfejsie Google Ads, pogłębiamy integracje ze SKAdNetwork. Dowiedz się więcej o sprawdzonych metodach ulepszania pomiarów i zwiększania skuteczności kampanii promujących aplikacje na iOS.

Aktualizacja zasad Google Play

Zespół Google Play poinformował o nowych aktualizacjach zasad, które poprawią kontrolę, prywatność i bezpieczeństwo użytkowników. Po aktualizacji Usług Google Play zaplanowanej na koniec 2021 roku identyfikator wyświetlania reklam będzie usuwany wtedy, gdy użytkownik w ustawieniach Androida zrezygnuje z personalizacji na podstawie tego identyfikatora. W takim przypadku każda próba odczytania identyfikatora będzie zwracać ciąg zer. Więcej informacji o identyfikatorze wyświetlania reklam

Wraz z wprowadzeniem tej zmiany rozszerzymy stosowanie konwersji modelowanych na wszystkie kampanie promujące aplikacje. Oznacza to, że kolumna z informacjami o konwersjach (a także kolumny z informacjami o instalacjach, działaniach w aplikacji i wartości konwersji) będzie mogła zawierać konwersje modelowane. W przyszłości możemy dodawać konwersje modelowane do kampanii promujących aplikacje, aby ograniczyć wpływ tej i podobnych zmian w usłudze.

Konwersje na różnych urządzeniach

Jeśli użytkownik rozpoczyna drogę do konwersji od interakcji z reklamą na jednym urządzeniu, a kończy na innym, przypisanie konwersji do tej interakcji może być niemożliwe. Nasze systemy analizują dane pochodzące od dużej liczby użytkowników zalogowanych w usługach Google, aby oszacować możliwość wystąpienia podobnych zachowań u wszystkich użytkowników. Wiele konwersji na różnych urządzeniach też jest modelowanych, np. konwersje z salonu i komputera.

Uwaga: liczba konwersji, o których można odzyskać informacje w Google Ads, zależy od ilości obserwowalnych danych, jakimi dysponujemy w konkretnym przypadku, i ich reprezentatywności (np. na ile realistycznie odzwierciedlają one zachowania ogółu użytkowników danego reklamodawcy). Ilość odzyskanych informacji może się zmieniać w zależności od problemu, z jakim mamy do czynienia. Im więcej mamy obserwowalnych danych, tym lepsza jakość modelu. Dowiedz się, jak możesz się na to przygotować dzięki stosowaniu tagu Google, trybu uzyskiwania zgody i konwersji rozszerzonych.

Zasady modelowania konwersji online

Ciągłe polepszanie jakości

Tak jak w przypadku pozostałych usług, nasi badacze danych stale udoskonalają algorytmy, aby zwiększać dokładność i skalę modelowania. Regularnie wprowadzamy nowe usługi, aby zyskiwać kolejne źródła obserwowalnych danych, które umożliwiają dopracowywanie naszych metod modelowania (np. konwersje rozszerzone i tryb uzyskiwania zgody mogą nam dostarczać dodatkowych obserwowalnych danych).

Wyrafinowane metody sprawdzania dokładności

Stosujemy takie metody jak weryfikacja po wstrzymaniu, aby sprawdzać dokładność naszego modelowania (np. wstrzymujemy część zaobserwowanych konwersji i przeprowadzamy modelowanie w przypadku tego wycinka danych). Następnie porównujemy wyniki modelowane z faktycznie odnotowanymi konwersjami, które wstrzymaliśmy, mierzymy nieścisłości i odchylenia i stale ulepszamy nasze modele. Podobne metody stosuje się powszechnie w przypadku AI od Google.

Rygorystyczne wartości progowe raportowania

W raportach uwzględniamy konwersje modelowane tylko wtedy, gdy mamy dużą pewność, że konwersje te są faktycznie następstwem interakcji z reklamami. Unikamy systematycznego raportowania większej liczby konwersji niż wystąpiła w rzeczywistości. Zawsze staramy się ograniczać do minimum podawanie w raportach nadmiernych wartości. Może to oznaczać dla niektórych użytkowników, że nie będziemy w stanie regularnie odnotowywać wystarczającej liczby konwersji, aby stosować modelowanie dostarczające wiarygodnych wyników. W takich przypadkach nie podajemy w raportach żadnych konwersji modelowanych.

Do każdej luki stosujemy osobną metodologię modelowania

Rozpoznajemy rozmaite luki w pomiarach, a skoro potrzebne i dostępne są różne rodzaje obserwowalnych danych, mamy osobne modele do poszczególnych rodzajów luk. Stosujemy też metody, które eliminują podwójne zliczanie w różnych rodzajach modeli. Wiemy, że współczynniki konwersji znacznie się różnią w zależności od kanału reklamowego, dlatego tworzymy osobne modele do poszczególnych kanałów i rodzajów interakcji z reklamami (inne do wyświetleń, a inne do kliknięć).

Wyniki działania każdego modelu są unikalne dla Twojej firmy i zachowań użytkowników

Po dobraniu ogólnego algorytmu modelowania do konkretnej luki w odnotowywanych danych stosujemy go z osobna do informacji każdego reklamodawcy. Uzyskujemy dzięki temu unikalne wyniki, które odzwierciedlają zachowania użytkowników i współczynniki konwersji właściwe dla tego reklamodawcy. Jeśli np. Twoi użytkownicy wykazują bardzo silną skłonność do rozpoczynania ścieżki do konwersji na jednym urządzeniu, a samego wykonywania konwersji na innym urządzeniu, liczba podawanych Ci konwersji modelowanych na różnych urządzeniach będzie wyższa od średniej.

Ścisłe zasady nieużywania odcisków cyfrowych

Technologie odcisków cyfrowych wykorzystują zwykle dane heurystyczne, np. adresy IP, które identyfikują użytkowników w różnych punktach styczności i na różnych urządzeniach. Technologie te generują „identyfikator odcisku cyfrowego” służący do rozpoznawania tych użytkowników w przyszłych interakcjach. Nie generujemy takich identyfikatorów ani nie próbujemy rozpoznawać poszczególnych użytkowników, ponieważ nie zapewnia to im wystarczającej kontroli ani przejrzystości. Nie zezwalamy też innym na wprowadzanie w naszych usługach reklamowych danych o odciskach cyfrowych. Zamiast tego agregujemy takie dane jak historyczne współczynniki konwersji, rodzaj urządzenia, pora dnia czy położenie geograficzne, aby przewidywać prawdopodobieństwo wystąpienia zdarzenia konwersji wśród danej grupy użytkowników, którzy wyświetlili lub kliknęli reklamę.

Informowanie o istotnych zmianach w modelowaniu

Stale przeprowadzamy eksperymenty przed wprowadzeniem jakichkolwiek zmian w modelowaniu. Jeśli wykryjemy ich znaczny wpływ na raportowanie i ustalanie stawek, odpowiednio o tym powiadamiamy.

Automatyczna integracja

W miarę możliwości będziemy korzystać z dostępnych danych, aby stosować zintegrowane modelowanie konwersji do raportowania i optymalizowania Twoich konwersji. W niektórych przypadkach, np. gdy nie można odnotowywać konwersji realizowanych przez grupę użytkowników, którzy nie wyrazili zgody na stosowanie plików cookie, będziemy potrzebowali informacji o Twoich odsetkach użytkowników, którzy wyrazili taką zgodę, aby zapewnić modelowanie konwersji.

Powiązane artykuły

Czy to było pomocne?

Jak możemy ją poprawić?