Всичко за моделираните онлайн реализации

При моделираните реализации се използват данни, които не идентифицират отделните потребители, за да се прогнозират реализациите, които Google не може да наблюдава директно. Така можете да получите по-пълен отчет за реализациите си.

Използваме моделиране, за да възстановим сегменти от данните, когато знаем, че не можем да наблюдаваме приписването на реклами поради защита на поверителността на потребителите или технически ограничения. Правим това, за да осигурим висококачествено измерване, така че да разбирате точно въздействието на маркетинга си и да поддържате висококачествено офериране, за да се избегне твърде ниско или твърде високо офериране.

Когато Google използва моделирани реализации в Google Ads, прогнозираме приписаните реализации. В повечето случаи Google ще получава взаимодействия с реклами и онлайн реализации, но не разполага с връзката между двете. Моделирането ни определя дали дадено взаимодействие с рекламата от Google е довело до онлайн реализацията. То не определя дали е била осъществена реализация.

Без моделиране отчитаните реализации ще отразяват само наблюдаваната част от реализациите, а не действителната ефективност на кампанията.

Начин на работа на моделираните онлайн реализации

За да моделираме ненаблюдаван сегмент от данните, се стремим да използваме данни от наблюдавани сегменти, в които знаем, че поведението е същото или много сходно с това в ненаблюдавания сегмент, или разбираме добре по какво се различават.

Пример: Да приемем, че имате сегмент от реализации, които не могат да се наблюдават за един тип браузър, но могат да се наблюдават за други типове браузъри. С помощта на моделирането първо ще разберем тенденциите в поведението на потребителите (например процента на реализация) за различните типове браузъри. След това използваме наблюдаваните данни от измерими браузъри заедно с възможните системни отклонения, като включим допълнителни обобщени величини, като тип на устройството, часа от денонощието, географското местоположение, операционната система и други, за да се прогнозира вероятността за събития, водещи до реализация, от взаимодействията с реклами в ненаблюдавания браузър.

Моделираните реализации се отчитат със същата детайлност като наблюдаваните реализации. Това включва величини, като общи стойности за реализацията, път на приписване и стойности на реализацията. В графата „Реализации“ Google отчита както моделирани, така и наблюдавани реализации.

Забележка: Импортирането на офлайн реализации и профилите на потребители с много малко седмични реализации може да не включват определени типове моделиране.

Предимства на моделираните онлайн реализации

Цялостно измерване за пълния Ви трафик от реклами: Получавате по-точна представа за резултатите от рекламирането (ROI), както и пълна картина за пътя до реализация на различни устройства и в различни канали в резултат на взаимодействия с рекламите.
Ефективно оптимизиране на кампаниите: Моделираните реализации Ви помагат да оптимизирате кампаниите си по-ефективно и да постигате по-добри бизнес резултати.
- Поради регламентите за поверителност и технологичните ограничения не можем да наблюдаваме определени кохорти с потребители (например потребители, които не са дали съгласие, или такива, използващи определени типове устройства или браузъри). Това означава, че алгоритмите ни за автоматично офериране ще трябва да вземат решения относно оптимизирането въз основа на непълни данни, което ще доведе до отклонения при обучението. В резултат на това автоматичното офериране може да отнеме приоритета на тези кохорти, тъй като отчетената им ефективност е по-ниска, което води до по-ниска обща ефективност от страна на офериращия. С помощта на моделирането подобни отклонения се вземат предвид и коригират в цялостното отчитане, за да може автоматичното офериране да има достъп до по-представителни данни за ефективността.Научете повече за автоматичното офериране
Точно и ориентирано към поверителността измерване: При моделираните реализации се използват данни, които не идентифицират отделните потребители, за да се прогнозират реализациите, които Google не може да наблюдава директно. Така можете да получите по-пълен отчет за реализациите си. Този подход силно се различава от тактиките, които не са безопасни за поверителността, като например идентифициране чрез отпечатък, което разчита на евристични методи, като IP адрес и опити за идентифициране и проследяване на отделни потребители. Google има строги правила срещу използването на идентифициране чрез отпечатък за персонализиране на рекламите, тъй като то не позволява разумен контрол върху потребителите и прозрачност.

Подходът на Google за моделиране на реализациите

Решенията от Google обхващат широк набор от потребители, което дава възможност за проверка на точността на моделите на реализациите в голям набор от взаимодействия с реклами и действия, водещи до реализация, чрез няколко ключови величини:

Мащаб: Имаме достъп до голям брой разнообразни взаимодействия с реклами в различните канали и в различни части на фунията. Това ни дава подробна информация за това, как различните потребители реагират на различни типове реклами, независимо къде се намират във фунията и във всички канали.
Точност: Богатата ни база от влезли в профила си потребители дава възможност на сложните ни техники за моделиране да функционират независимо от „бисквитките“ или от други идентификатори, тъй като можем да установим широк набор от данни за поведението в рамките на представителни данни за потребители, които са се включили.
Покритие: Много уебсайтове използват маркери на Google, което означава, че моделите ни за реализация се потвърждават в голям набор от различни действия, водещи до реализация. При моделирането на реализациите се използват данни, които не идентифицират потребителя, за да се придаде количествено измерение на реализациите, които Google не може да наблюдава директно. Тогава моделът ни се обучава уникално за всеки рекламодател, генерирайки уникални резултати.
Технически експертни познания: експертните познания на Google по AI са ключова способност, която ни позволява да моделираме с най-високо качество. Усъвършенствахме тези познания чрез продуктите си за измерване, които от години използват моделиране (т.е. автоматично офериране и посещения на магазина в Google Ads), както и продукти извън измерването (например автомобили без шофьор и препоръки в YouTube).
Възможност за действие: Моделираните реализации на Google се използват при отчитането на кампании, но също така са свързани с оптимизирането и оферирането. Така във връзка с данните могат да се предприемат действия, тъй като се работи за постигане на бизнес целите Ви.

Примери за наличното моделиране за онлайн реализации

Някои от най-важните налични моделирания на реализациите са:

Моделиране при ограничения за „бисквитки“ на трети страни

Някои браузъри (например Safari и Firefox) не позволяват измерване на реализациите посредством „бисквитки“ на трети страни. Ако разчитате на „бисквитки“ на трети страни за измерване на реализациите, тези реализации ще бъдат моделирани в съответствие с трафика на уебсайтовете Ви в съответните браузъри (на настолни компютри и мобилни устройства). Научете как да подобрите моделирането, като надстроите до маркера на Google

Моделиране при ограничения за „бисквитки“ на посещавания домейн

Някои браузъри (например Safari) ограничават периода от време, в който са разрешени „бисквитките“ на посещавания домейн. Реализациите Ви ще бъдат моделирани в съответствие с дела на латентните реализации извън този период. Научете как да подобрите моделирането с помощта на подобрени реализации

Моделиране при ограничения заради даването на съгласие за „бисквитки“ в ЕС

Разпоредбите в някои държави изискват рекламодателите да получат съгласие за използване на „бисквитки“, свързани с рекламни дейности. При рекламодателите, които са възприели режим на получаване на съгласие, ще се прилага моделиране на реализациите за потребителите, които не са дали съгласие. Реализациите се моделират за потребителите, които не са дали съгласие.

Въздействие на iOS 14

Според правилата App Tracking Transparency (ATT) на Apple ще се изисква програмистите да искат разрешение, когато използват за рекламни цели определена информация от приложенията и уебсайтовете на други компании. Google няма да използва информация (като например IDFA), която попада в обхвата на правилата ATT. Съответно реализациите, чиито реклами произхождат от засегнат от ATT трафик, ще бъдат моделирани. За най-добри резултати от моделирането уебсайтът Ви трябва да може да приема произволни параметри на URL адреса.

С въвеждането на правилата ATT на Apple SKAdNetwork – решението на Apple за приписване за приложения – се превърна във важен елемент за рекламодателите на приложения при оценяването на ефективността на кампаниите им в iOS. За да подобрим качеството и последователността на отчитането на моделираните реализации в потребителския интерфейс на Google Ads, задълбочаваме интегрирането със SKAdNetwork. Научете повече за най-добрите практики за стимулиране на по-добро измерване и ефективност на кампаниите Ви за приложения за iOS.

Въздействие на правилата на Google Play

Google Play обяви някои нови актуализации на правилата с цел подобряване на контрола, поверителността и сигурността на потребителите. Като част от актуализацията на услугите за Google Play в края на 2021 г. идентификаторът за рекламиране ще бъде премахнат, ако даден потребител се откаже от персонализирането посредством такъв идентификатор от настройките на Android. Ако потребителят се опита да осъществи достъп до идентификатора, вместо него ще види поредица от нули. Научете повече за идентификатора за рекламиране

В резултат от тази актуализация на услугите ще разширим моделираните реализации, за да обхванат всички кампании за приложения. Това означава, че колоната Ви за реализациите (както и тези за инсталиранията, действията в приложението и стойността на реализацията) може да съдържат моделирани реализации. В бъдеще може да има допълнителни моделирани реализации в кампаниите за приложения като начин за ограничаване на въздействието от тази и други потенциални актуализации на услугите.

Реализации от кръстосване на устройства

Когато потребител започне пътя си на едно устройство с взаимодействие с рекламата и го завърши на друго, може да не е възможно да припишете тази реализация на взаимодействието с рекламата. Google наблюдава данните от големия брой влезли в профила си потребители в продукти на Google, за да екстраполира сходното поведение за всички потребители. Много реализации от кръстосване на устройства също се моделират, включително от всекидневната и настолния компютър.

Забележка: Делът на реализациите, които може да бъдат възстановени чрез Google Ads, зависи от количеството наблюдавани данни, с които разполагаме за всяка ситуация, и от представителността им (например доколко реалистично наподобяват цялата потребителска база на определен рекламодател). Процентът на възстановяване варира в зависимост от проблема, който разглеждаме. Колкото по-голям е обемът на наблюдаваните данни, толкова по-добро е качеството на модела. Научете как можете да подобрите това, като внедрите маркера на Google, режима на получаване на съгласие и подобрените реализации.

Принципи за моделиране на онлайн реализациите

Постоянно подобряване на качеството

Както и при всички други продукти, специалистите ни по обработка на данните постоянно подобряват алгоритмите, за да се повиши точността и мащабът на моделирането. Редовно въвеждаме нови продукти, за да осигурим нови източници на наблюдавани данни, които усъвършенстват моделирането (например подобрените реализации и режимът на получаване на съгласие могат да ни предоставят повече наблюдавани данни).

Усъвършенствани техники за проверка на точността

Използваме техники като потвърждаване със задържане, за да проверим точността на моделирането (например задържаме част от наблюдаваните реализации и извършваме моделиране за този сегмент). След това сравняваме моделираните резултати с действително наблюдаваните реализации, които сме задържали, измерваме неточности и отклонения и постоянно подобряваме моделите. Подобни методи се използват широко в AI на Google.

Строги прагове за отчитане

Включваме моделирани реализации в отчетите само когато сме сигурни, че реализациите действително са били осъществени в резултат на взаимодействия с рекламите. Избягваме системно да отчитаме по-голям брой реализации от действителните и винаги се стремим да сведем до минимум отчитането на по-голям брой реализации. Това означава, че за някои потребители не наблюдаваме редовно достатъчно реализации, за да можем да извършим надеждно моделиране. В тези случаи не отчитаме моделирани реализации.

Всеки пропуск в информацията се запълва с уникална методология за моделиране

Тъй като откриваме различни пропуски в измерването, а са необходими и налице различни типове наблюдавани данни, разполагаме с различни типове модели за различни типове пропуски. Освен това използваме техники, които елиминират двойно отчитане в различните типове модели. Знаем, че процентите на реализация значително варират в зависимост от рекламния канал, и в резултат от това създаваме отделни модели за всеки канал и тип взаимодействие с рекламата (импресии спрямо кликвания).

Резултатът от всеки модел е уникален за бизнеса Ви и поведението на потребителите

След като бъде определен общ алгоритъм за моделиране за справяне с конкретен пропуск при наблюдението, прилагаме този алгоритъм към данните на всеки рекламодател поотделно и получаваме уникални резултати, които отразяват поведението на отделните потребители и процентите на реализация за този рекламодател. Ако например потребителите Ви имат много висока склонност да започват пътя си на едно устройство и да осъществят реализация на друго, за Вас ще се отчита по-голям от средния брой моделирани реализации от кръстосване на устройства.

Стриктни правила срещу идентифициране чрез отпечатък

Технологиите за идентифициране чрез отпечатък обикновено разчитат на евристични методи, (например IP адреси), които идентифицират потребителите в различните точки на съприкосновение и устройства и генерират „идентификатор с отпечатък“, за да се идентифицира потребителят при бъдещи взаимодействия. Не генерираме такива идентификатори и не опитваме да идентифицираме отделните потребители, тъй като това не позволява разумен контрол върху потребителите и прозрачност. Също така не позволяваме да други лица да вкарват в рекламните ни продукти данни от идентифициране чрез отпечатък. Вместо това обобщаваме данните, като например процента на реализация за минали периоди, типа устройство, часа от денонощието и местоположението, за да се прогнозира вероятността от събитие, водещо до реализация, в набора от потребители, които са видели или кликнали върху реклама.

Обявяване на съществени промени в моделирането

Непрекъснато провеждаме експерименти, преди да въведем промени в моделирането. Ако установим, че дадена промяна ще окаже значително въздействие върху отчитането и оферирането, я обявяваме по съответния начин.

Автоматично интегриране

Когато може да направи това с точност, Google ще използва наличните данни, за да предоставя интегрирано моделиране на реализациите в отчитането и оптимизирането на реализациите Ви. В някои случаи, например когато реализациите не могат да бъдат наблюдавани за набор от потребители, които не са дали съгласие за „бисквитки“, ще са ни необходими данни за процента на потребителите, които са дали съгласие, за да можем да предоставим моделиране на реализациите.

Сродни връзки

Това полезно ли бе?

Как можем да направим подобрения?