Sobre as conversões on-line estimadas

As conversões estimadas usam dados que não permitem a identificação individual de usuários para estimar as conversões dos usuários não detectadas diretamente pelo Google. Assim, é possível gerar um relatório mais completo.

Estimamos as conversões para recuperar partes dos dados em casos em que não podemos observar a atribuição de anúncios devido à proteção da privacidade do usuário ou às limitações técnicas. Com isso, oferecemos uma medição de alta qualidade para que você consiga entender com precisão o impacto do marketing e dê lances eficientes, evitando valores baixos ou altos demais.

Quando o Google mostra conversões estimadas no Google Ads, estamos fazendo a previsão das conversões atribuídas. Na maioria dos casos, o Google receberá interações com anúncios e conversões on-line sem vínculos entre eles. Nossa estimativa determina se uma interação com o anúncio do Google levou à conversão on-line, e não se uma conversão realmente aconteceu.

Sem a modelagem, as conversões informadas refletem apenas a parte observável das conversões, não o verdadeiro desempenho da campanha.

Como as conversões on-line estimadas funcionam

Para modelar um conjunto de dados não observado, tentamos usar dados de partes observáveis com um comportamento igual ou muito semelhante ao da parte não observada ou com diferenças facilmente identificáveis.

Exemplo: você tem uma parte das conversões não observáveis em um tipo de navegador, mas que podem ser observadas em outros navegadores. Nosso modelo entenderá primeiro as tendências entre o comportamento dos usuários (por exemplo, taxas de conversão) entre os tipos de navegador. Usamos nossos dados observáveis de navegadores mensuráveis junto com todos os vieses sistemáticos e incorporamos outras dimensões agregadas, como tipo de dispositivo, hora do dia, localização geográfica, sistema operacional, entre outras, para prever a probabilidade de eventos de conversão provenientes de interações com anúncios no tipo de navegador não observável.

As conversões estimadas são informadas com a mesma granularidade das conversões observadas. Isso inclui dimensões como totais de conversões, caminho de atribuição e valores de conversão. Na coluna "Conversões", o Google informa as conversões estimadas e observadas.

Observação: as importações de conversões off-line e contas de usuário com poucas conversões semanais podem não incorporar determinados tipos de modelagem.

Benefícios das conversões on-line estimadas

Medição holística em todo o tráfego de anúncios: tenha uma visão mais precisa dos seus resultados de publicidade (ROI) e uma visão completa do caminho de conversão percorrido entre dispositivos e canais resultantes das interações com anúncios.
Otimização eficiente das campanhas: as conversões estimadas ajudam você a otimizar as campanhas com mais eficiência e alcançar resultados melhores nos negócios.
- Os regulamentos de privacidade e as limitações de tecnologia reduziram nossa capacidade de observar determinadas coortes de usuários, por exemplo, usuários que não deram consentimento ou que usam navegadores ou tipos de dispositivo específicos. Isso significa que nossos algoritmos de lances automáticos precisarão tomar decisões de otimização com base em dados incompletos, o que resulta em um aprendizado parcial. Como resultado, os lances automáticos podem diminuir a frequência dessas coortes, já que têm um desempenho informado inferior, levando ao desempenho geral mais baixo do bidder. A modelagem resolve esses vieses e os corrige nos relatórios gerais para garantir que os lances automáticos tenham acesso a dados de desempenho mais representativos. Saiba mais sobre os lances automáticos.
Medição precisa com foco em privacidade: as conversões estimadas usam dados sem identificação pessoal de usuários para estimar as conversões que o Google não consegue identificar. Assim, é possível gerar um relatório mais completo. Essa abordagem contrasta com táticas que não consideram a privacidade, como impressões digitais, que dependem da heurística, como endereço IP, e tentam identificar e rastrear usuários individuais. O Google tem uma política rígida contra o uso de impressões digitais para personalização de anúncios, já que isso não permite transparência e controle pelo usuário.

Abordagem de modelagem de conversão do Google

As soluções do Google funcionam com diversos usuários, permitindo que a precisão dos nossos modelos de conversão seja validada em um grande conjunto de interações com anúncios e ações de conversão em várias dimensões importantes:

Escala: temos acesso a interações com anúncios variadas em diversos canais do funil. Isso fornece dados abrangentes sobre como os usuários reagem a diferentes tipos de anúncio, independentemente do canal e lugar no funil.
Precisão: nossa ampla base de usuários conectados permite que as técnicas sofisticadas de estimativa funcionem independentemente dos cookies ou outros identificadores, porque podemos inferir um conjunto diversificado de dados comportamentais de um grupo representativo de usuários que deram consentimento.
Cobertura: muitos sites usam tags do Google. Isso significa que nossos modelos de conversão são validados por um amplo conjunto de ações de conversão diferentes. A estimativa de conversão usa dados que não identificam o usuário para quantificar as conversões que o Google não consegue observar diretamente. Nosso modelo é treinado com exclusividade em cada anunciante, gerando resultados exclusivos.
Experiência técnica: a experiência do Google com IA é um recurso essencial para que possamos fazer previsões de alta qualidade. Já usamos esse recurso há muitos anos nos nossos produtos de medição (visitas à loja e lances automáticos do Google Ads) e também em outros produtos (por exemplo, carros sem motoristas e recomendações do YouTube).
Acionabilidade: as conversões estimadas do Google são exibidas nos relatórios da campanha, mas também estão vinculadas à otimização e aos lances. Assim, os dados são úteis porque são aplicados à otimização das metas da sua empresa.

Exemplos de modelagens disponíveis para conversões on-line

Veja a seguir algumas das iniciativas de estimativa de conversão mais importantes:

Estimativa para limitações de cookies de terceiros

Alguns navegadores (por exemplo, Safari e Firefox) não permitem a medição de conversões por cookies de terceiros. Se você usar cookies de terceiros para isso, a modelagem vai ser feita de acordo com o tráfego dos seus sites nesses navegadores (computador e dispositivo móvel). Saiba como aprimorar a modelagem com o upgrade para a tag do Google.

Modelagem para limitações de cookies primários

Alguns navegadores (por exemplo, Safari) limitam o tempo dos cookies primários. Você vai ver a modelagem de conversão de acordo com sua parcela de conversões que aconteceram depois desse período. Saiba como melhorar a estimativa usando conversões otimizadas.

Estimativa para limitações de consentimento do uso de cookies na UE

Em alguns países, os anunciantes precisam receber consentimento dos usuários para o uso de cookies relacionados a atividades de publicidade. No caso dos anunciantes que adotaram o modo de consentimento, a estimativa de conversão será usada para que as informações dos usuários que negaram autorização sejam completadas. As conversões dos usuários que não deram consentimento são estimadas.

Impacto do iOS 14

A política da App Tracking Transparency (ATT) da Apple vai exigir que os desenvolvedores peçam permissão ao usar determinadas informações dos apps e sites de outras empresas para fins publicitários. O Google não usa informações (como IDFA) abrangidas na política de ATT. Assim, as conversões dos anúncios derivados do tráfego afetado pela ATT serão estimadas. Verifique se o seu site aceita parâmetros de URL arbitrários para gerar estimativas melhores.

Com o lançamento da política de ATT, SKAdNetwork, a solução de atribuição de apps da Apple se tornou uma entrada importante para os anunciantes de apps avaliarem a performance de campanhas no iOS. Para melhorar a qualidade e a consistência dos nossos relatórios de conversões estimadas na interface do Google Ads, vamos aprofundar nossas integrações com os dados da SKAdNetwork. Saiba mais sobre as práticas recomendadas para melhorar a medição e a performance das suas campanhas para apps iOS.

Impacto das políticas do Google Play

O Google Play anunciou algumas novas atualizações da política para reforçar o controle do usuário, a privacidade e a segurança. Como parte das atualizações do Google Play Services no final de 2021, o ID de publicidade será removido quando um usuário desativar a personalização com o ID nas configurações do Android. Qualquer tentativa de acessar o ID vai retornar uma sequência de zeros no lugar dele. Saiba mais sobre o ID de publicidade

Com essa atualização dos serviços, vamos expandir as conversões estimadas a todas as campanhas para apps. Sendo assim, as colunas de conversão, instalação, ação no app e valor da conversão vão incluir as conversões estimadas. Outras conversões estimadas podem ser incluídas nas campanhas para apps no futuro para diminuir o impacto dessa e de outras potenciais atualizações dos serviços.

Conversões em dispositivos diferentes

Quando um usuário inicia a jornada em um dispositivo interagindo com um anúncio e conclui a conversão em outro, não é possível atribuir a conversão à interação com o anúncio. O Google observa dados de um grande número de pessoas conectadas nos Serviços do Google para extrapolar um comportamento semelhante entre todos os usuários. Muitas conversões em dispositivos diferentes também são estimadas, incluindo a sala de estar e área de trabalho.

Observação: as conversões que podem ser recuperadas usando o Google Ads dependem da quantidade de dados observáveis disponíveis para cada situação e da legitimidade deles (por exemplo, a forma como se assemelham à toda a base de usuários de um anunciante específico). As taxas de recuperação variam de acordo com o problema abordado. Quanto mais dados observáveis houver, melhor será a qualidade do modelo. Saiba como você pode aprimorar a qualidade implementando a tag do Google, o modo de consentimento e as conversões otimizadas.

Princípios da modelagem de conversão on-line

Melhoria constante de qualidade

Como acontece com todos os outros produtos, nossos cientistas de dados fazem melhorias no algoritmo continuamente para aumentar a precisão e o dimensionamento da estimativa de conversão. Lançamos produtos com frequência para termos novas fontes de dados observáveis, o que resulta no ajuste da nossa estimativa, por exemplo, as conversões otimizadas e o modo de consentimento podem fornecer mais dados observáveis.

Técnicas sofisticadas para verificar a precisão

Usamos técnicas como a validação de restrição para verificar a precisão da nossa modelagem, por exemplo, mantemos uma parte das conversões observáveis e o modelo dela. Em seguida, comparamos os resultados estimados com as conversões observadas, analisamos os erros e os vieses e ajustamos nossos modelos continuamente. Métodos semelhantes são amplamente usados na IA do Google.

Limites rigorosos para geração de relatórios

Só incluímos conversões estimadas nos relatórios quando temos bastante certeza de que as conversões realmente ocorreram como resultado de interações com o anúncio. Evitamos informar mais conversões do que realmente ocorreu e tentamos minimizar o excesso de registro nos relatórios. Isso significa que, para alguns usuários, não observamos conversões suficientes regularmente para criar modelos precisos. Nesses casos, não registramos conversões estimadas.

Cada lacuna é tratada com uma metodologia de modelagem exclusiva

Como identificamos lacunas variadas na medição e tipos diferentes de dados observáveis são necessários e estão disponíveis, temos diferentes tipos de modelo para diferentes tipos de lacuna. Também usamos técnicas que eliminam a duplicação em vários tipos de modelo. Sabemos que as taxas de conversão variam de forma significativa por canal de publicidade. Como resultado, criamos modelos separados para cada canal e tipo de interação com anúncios (impressões x cliques).

O resultado de cada modelo é único para seus negócios e o comportamento do usuário

Depois que determinamos um algoritmo de modelagem geral para lidar com uma lacuna de observação específica, aplicamos esse algoritmo aos dados de cada anunciante separadamente e chegamos a resultados exclusivos que refletem o comportamento do usuário único e as taxas de conversão para esse anunciante. Por exemplo, se os usuários tiverem uma tendência muito alta de iniciar a jornada em um dispositivo e converter em outro, você terá conversões estimadas em dispositivos diferentes maior que a média.

Política rígida contra técnicas de impressão digital

As tecnologias de impressão digital normalmente dependem de heurística, como endereços IP, que identificam os usuários em vários pontos de contato e dispositivos e geram um "ID de impressão digital" para identificar o usuário em interações futuras. Não geramos esses IDs nem tentamos identificar os usuários porque isso não permite transparência e controle pelo usuário. Além disso, não permitimos que terceiros usem dados de impressão digital nos nossos produtos de publicidade. Em vez disso, agregamos dados, como taxas de conversão históricas, tipo de dispositivo, hora do dia e localização, para prever a probabilidade do evento de conversão no conjunto de usuários que visualizaram ou clicaram em um anúncio.

Comunicação sobre alterações significativas na modelagem

Fazemos testes constantemente antes de implementar quaisquer alterações na estimativa e, se detectarmos um impacto significativo nos relatórios e nos lances, comunicaremos os anunciantes de forma adequada.

Integração automática

Sempre que possível, o Google usará os dados disponíveis para fornecer modelagem de conversão integrada nos relatórios e na otimização de conversões. Em alguns casos (por exemplo, quando não é possível observar as conversões de um conjunto de usuários que não autorizaram os cookies), precisaremos de dados sobre suas taxas de consentimento para que possamos disponibilizar o modelo de conversão.

Links relacionados

Isso foi útil?

Como podemos melhorá-lo?