Sobre les conversions en línia modelitzades

Les conversions modelitzades utilitzen dades que no identifiquen usuaris concrets per fer una estimació de les conversions que Google no pot observar directament. Això permet generar un informe més complet de les conversions.

Fem servir la modelització per recuperar fragments de dades en què sabem que no podem observar l'atribució dels anuncis perquè es protegeix la privadesa dels usuaris o per limitacions tècniques. Ho fem per oferir un mesurament d'alta qualitat a fi que pugueu entendre amb exactitud l'impacte del vostre màrqueting i mantenir ofertes d'alta qualitat per evitar ofertes massa altes o massa baixes.

A Google, quan mostrem conversions modelitzades a Google Ads, estem fent prediccions de les conversions atribuïdes. En la majoria dels casos, Google rebrà interaccions amb l'anunci i conversions en línia, però desconeixerà com estan relacionades. Les nostres modelitzacions determinen si una interacció amb un anunci de Google ha generat la conversió en línia. No determina si s'ha produït una conversió o no.

Sense les modelitzacions, les conversions registrades només reflectirien la part observable de les conversions en comptes del rendiment real de la campanya.

Com funcionen les conversions en línia modelitzades

Per modelitzar un fragment no observat de les dades, intentem fer servir dades observables de fragments en què sabem que el comportament és igual o molt semblant al del fragment no observat o de fragments dels quals tenim un bon coneixement sobre les diferències en el comportament.

Exemple: suposem que teniu un fragment de conversions que no són observables en un tipus de navegador, però sí que es poden observar en altres tipus de navegadors. Les nostres modelitzacions determinaran primer les tendències entre el comportament dels usuaris (per exemple, els percentatges de conversions) als tipus de navegadors. Després, utilitzem les nostres dades observables de navegadors mesurables (tenint en compte les desviacions del sistema) i incorporem altres dimensions agregades (com ara el tipus de dispositiu, l'hora del dia, la ubicació geogràfica, el sistema operatiu i més) a fi de predir la probabilitat que es completin esdeveniments de conversió a partir de les interaccions amb els anuncis en tipus de navegador no observables.

Les conversions modelitzades es registren amb la mateixa granularitat que les conversions observades. Això inclou dimensions com ara els totals de conversió, el camí d'atribució i els valors de conversió. A la columna "Conversions", Google registra tant les conversions modelitzades com les observades.

Nota: és possible que les importacions de conversions fora de línia i els comptes d'usuari amb molt poques conversions setmanals no incorporin determinats tipus de modelització.

Avantatges de les conversions en línia modelitzades

Mesurament integral de tot el trànsit d'anuncis: feu-vos una idea més exacte dels resultats de la publicitat (retorn de la inversió o ROI) i obteniu una imatge més completa del camí de conversió en tots els dispositius i canals com a resultat de les interaccions amb els anuncis.
Optimització eficient de la campanya: les conversions modelitzades us ajuden a optimitzar les campanyes de manera més efectiva i a assolir millors resultats empresarials.
- A causa de les regulacions de privadesa i les limitacions tècniques, no podem fer l'observació de determinades cohorts d'usuaris (per exemple, usuaris que no han donat el consentiment o usuaris que fan servir determinats tipus de dispositius o navegadors). Per tant, els nostres algoritmes d'ofertes automàtiques hauran de prendre decisions d'optimització basades en dades incompletes, fet que comporta desviacions en l'aprenentatge. En conseqüència, les ofertes automàtiques poden disminuir la prioritat d'aquestes cohorts perquè el rendiment que registren és més baix, i això suposa un rendiment global més baix per a l'oferent. Les modelitzacions ajuden a resoldre aquestes desviacions i les corregeixen als informes generals per garantir que les ofertes automàtiques tinguin accés a dades de rendiment més representatives.Més informació sobre les ofertes automàtiques
Mesurament exacte centrat en la privadesa: les conversions modelitzades utilitzen dades que no identifiquen usuaris concrets per estimar les conversions que Google no pot observar directament. Això permet generar un informe més complet de les conversions. Aquest enfocament és totalment oposat a tàctiques que no són segures pel que fa a la privadesa, com ara la recollida d'empremtes digitals, que depèn de dades heurístiques (com ara les adreces IP) per identificar i fer un seguiment d'usuaris concrets. Google té una política estricta contra la recollida d'empremtes digitals per a la personalització d'anuncis, ja que el mètode no ofereix transparència i control raonables per a l'usuari.

Enfocament de la modelització de conversions de Google

Les solucions de Google treballen amb una gran varietat d'usuaris, fet que permet validar l'exactitud dels models de conversió amb un gran nombre d'interaccions amb l'anunci i d'accions de conversió mitjançant diverses dimensions clau:

Escala: tenim accés a un gran nombre d'interaccions diverses amb anuncis en diferents canals i en diversos passos de l'embut de conversió. Per tant, tenim dades completes sobre com els diferents usuaris reaccionen a diferents tipus d'anuncis en qualsevol pas de l'embut de conversió i en tots els canals.
Exactitud: gràcies a la nostra gran base d'usuaris que han iniciat la sessió, les nostres tècniques sofisticades de modelització poden funcionar sense galetes ni altres identificadors, ja que podem deduir un ampli conjunt de dades de comportament en un grup representatiu d'usuaris que han activat la funció.
Cobertura: com que molts llocs web utilitzen etiquetes de Google, els nostres models de conversió es validen amb un gran conjunt d'accions de conversió diferents. La modelització de conversions utilitza dades que no identifiquen l'usuari per quantificar les conversions que Google no pot observar directament. Després, els models s'adapten a cada anunciant i generen resultats únics.
Experiència tècnica: l'experiència de Google amb la IA és una capacitat clau que ens permet fer modelitzacions amb la màxima qualitat. Ho hem aconseguit gràcies als nostres productes de mesurament que fa anys que utilitzen les modelitzacions (les visites a la botiga i les ofertes automàtiques de Google Ads) i gràcies als productes que van més enllà del mesurament (per exemple, els cotxes autònoms i les recomanacions de YouTube).
Utilitat: les conversions modelitzades de Google es mostren als informes de campanya, però també estan vinculades a l'optimització i a les ofertes. D'aquesta manera, les dades us resulten útils a l'hora d'assolir els vostres objectius empresarials.

Exemples de modelitzacions disponibles per a les conversions en línia

Aquestes són algunes de les tècniques de modelització de conversions més importants que tenim disponibles:

Modelització per a les limitacions de les galetes de tercers

Alguns navegadors (per exemple, Safari i Firefox) no permeten el mesurament de conversions mitjançant galetes de tercers. Si feu servir galetes de tercers per al mesurament de les conversions, la modelització de conversions es farà d'acord amb el trànsit dels llocs web en aquests navegadors (ordinadors i dispositius mòbils). Informació sobre com es poden millorar les modelitzacions fent l'actualització a l'etiqueta de Google

Modelització per a les limitacions de les galetes pròpies

Alguns navegadors (per exemple, Safari) limiten la quantitat de temps que es permeten les galetes pròpies. La modelització de conversions es farà d'acord amb el percentatge de conversions latents més enllà d'aquest període. Informació sobre com es poden millorar les modelitzacions amb les conversions millorades

Modelització per a les limitacions de consentiment de galetes de la UE

Hi ha normatives en alguns països que requereixen que els anunciants obtinguin el consentiment per utilitzar galetes relacionades amb les activitats publicitàries. En el cas dels anunciants que hagin implementat el mode de consentiment, la modelització de conversions tindrà en compte els usuaris que no hagin donat el seu consentiment. Les conversions es modelitzen en funció dels usuaris que no han donat el seu consentiment.

Impacte d'iOS 14

Segons la política de l'App Tracking Transparency (ATT) d'Apple, els desenvolupadors hauran de demanar permís quan facin servir determinada informació de les aplicacions i dels llocs web d'altres empreses per a finalitats publicitàries. Google no farà servir informació (com ara l'IDFA) que sigui objecte de la política de l'ATT. Per tant, es faran servir conversions modelitzades per avaluar el trànsit provinent de fonts afectades per l'ATT. Assegureu-vos que el vostre lloc web accepti paràmetres d'URL arbitraris per obtenir la millor modelització.

Amb el llançament de la política de l'ATT d'Apple, SKAdNetwork, la solució d'atribució d'aplicacions d'Apple, s'ha convertit en una font d'informació important per als anunciants d'aplicacions a l'hora d'avaluar el rendiment de les seves campanyes d'iOS. Per millorar la qualitat i la coherència dels nostres informes modelitzats a la IU de Google Ads, estem aprofundint en les nostres integracions amb SKAdNetwork. Obteniu més informació sobre les pràctiques recomanades per millorar el mesurament i el rendiment de les campanyes d'aplicacions d'iOS.

Impacte de les polítiques de Google Play

Google Play ha anunciat algunes actualitzacions de les polítiques per reforçar el control, la privadesa i la seguretat dels usuaris. Com a part de l'actualització de Serveis de Google Play a finals de 2021, l'identificador de publicitat se suprimirà quan un usuari desactivi la personalització mitjançant un identificador de publicitat a la configuració d'Android. Qualsevol intent d'accedir a l'identificador rebrà una cadena de zeros en lloc de l'identificador. Més informació sobre l'identificador de publicitat

Com a resultat d'aquesta actualització del servei, ampliarem les conversions modelitzades a totes les campanyes d'aplicacions. Això vol dir que la columna de conversions (així com les d'instal·lacions, d'accions des de l'aplicació i de valor de conversió) podran contenir conversions basades en patrons. Pot ser que més endavant hi hagi conversions modelitzades addicionals a les campanyes d'aplicacions com a forma de mitigar l'impacte que pot produir aquesta actualització del servei i altres possibles actualitzacions.

Conversions multidispositiu

Quan un usuari comença el recorregut en un dispositiu amb una interacció amb l'anunci i completa la conversió en un altre dispositiu, pot ser que no es pugui atribuir la conversió a la interacció amb l'anunci. Google observa les dades del gran nombre d'usuaris que han iniciat la sessió en propietats de Google per extrapolar comportaments similars a tots els usuaris. També es modelitzen moltes conversions multidispositiu, com ara les de sala d'estar i ordinador.

Nota: el percentatge d'aquestes conversions que es pot recuperar a través de Google Ads depèn de la quantitat de dades observables que tenim per a cada situació i la representativitat de les dades observables (per exemple, fins a quin punt reflecteixen de manera realista la base d'usuaris completa d'un anunciant determinat). Els percentatges de recuperació varien segons el problema que hem d'afrontar. Com més dades observables hi hagi, més qualitat tindrà el model. Obteniu informació sobre com podeu millorar en aquest aspecte implementant l'etiqueta de Google, el mode de consentiment i les conversions millorades.

Principis de la modelització de conversions en línia

Millora constant de la qualitat

Com a la resta de productes, els nostres científics de dades fan millores a l'algoritme contínuament per augmentar l'exactitud i l'escala de les modelitzacions. Presentem amb regularitat productes nous que ens ofereixen fonts noves de dades observables que ens permeten millorar les modelitzacions (per exemple, les conversions millorades i el mode de consentiment ens poden oferir més dades observades).

Tècniques sofisticades per comprovar l'exactitud

Utilitzem tècniques com ara la validació amb dades de reserva a fi de comprovar l'exactitud de la nostra modelització; per exemple, reservem una part de les conversions observades i creem la modelització corresponent a aquest fragment. Després, comparem els resultats basats en patrons amb les conversions observades reals que hem reservat per mesurar les inexactituds i les desviacions i ajustar contínuament els nostres models. A la IA de Google s'utilitzen àmpliament mètodes similars.

Llindars rigorosos per als informes

Només incloem conversions modelitzades als nostres informes quan estem molt segurs que realment s'han produït conversions a conseqüència d'interaccions amb anuncis. Per sistema, intentem evitar incloure als informes més conversions de les reals i sempre tractem que no se superin les xifres reals. Això implica que, per a alguns usuaris, no observem prou conversions amb regularitat per poder fer modelitzacions amb confiança. En aquests casos, no incloem als informes cap conversió modelitzada.

Cada buit se soluciona amb una metodologia de modelització única

Com que identifiquem buits diferents en el mesurament i les dades observables que es necessiten i estan disponibles són diferents, hi ha diferents tipus de models per a diferents tipus de buits. També utilitzem tècniques per evitar comptar dues vegades les conversions en diversos tipus de models. Sabem que els percentatges de conversions varien significativament segons el canal de publicitat i, per tant, creem models independents per a cada canal i cada tipus d'interacció amb els anuncis (impressions o clics).

El resultat de cada model és únic per a la vostra empresa i per al comportament dels usuaris

Un cop es determina un algoritme de modelització general per solucionar un buit d'observació concret, apliquem aquest algoritme a les dades de cada anunciant per separat i obtenim resultats únics que reflecteixen els percentatges de conversions i els comportaments únics dels usuaris per a l'anunciant en qüestió. Per exemple, si els usuaris mostren una tendència molt elevada a començar el recorregut des d'un dispositiu i fer la conversió en un altre dispositiu, hi haurà un percentatge de conversions modelitzades multidispositiu superior a la mitjana.

Política estricta contra la recollida d'empremtes digitals

Les tecnologies de recollida d'empremtes digitals normalment depenen de dades heurístiques (com ara les adreces IP) per identificar els usuaris en diversos punts de contacte i dispositius, i generen un "identificador d'empremta digital" per identificar l'usuari en interaccions futures. Google no genera aquests identificadors ni tampoc intenta identificar usuaris concrets, ja que això no ofereix transparència i control raonables per a l'usuari. A més, tampoc no permetem que altres utilitzin dades de recollida d'empremtes digitals als nostres productes publicitaris, sinó que agreguem dades, com ara l'historial de percentatges de conversions, el tipus de dispositiu, l'hora del dia i la ubicació, per predir la probabilitat que es produeixi un esdeveniment de conversió en el conjunt d'usuaris que han vist un anunci o hi han fet clic.

Comunicació de canvis significatius en la modelització

Constantment duem a terme experiments abans de llançar qualsevol canvi en la modelització i, si detectem un impacte important en els informes i les ofertes, ho comuniquem com correspongui.

Integració automàtica

Sempre que pugui fer-ho amb exactitud, Google farà servir les dades disponibles per integrar la modelització de conversions als vostres informes i a l'optimització. En alguns casos, com ara quan no es poden observar conversions per a un conjunt d'usuaris que no han donat el consentiment a les galetes, necessitarem dades sobre els percentatges de consentiment per poder proporcionar la modelització de conversions.

Enllaços relacionats

Ha estat útil?

Com ho podem millorar?