Om modellerede onlinekonverteringer

Med modellerede konverteringer bruges der samlede og anonymiserede data, der ikke identificerer individuelle brugere, til at få et estimat af de konverteringer, som Google ikke er i stand til at observere direkte. Dette kan give en mere komplet rapport over dine konverteringer.

Vi modellerer for at gendanne udsnit af data, hvor vi ved, at vi ikke kan observere annoncetilskrivning på grund af beskyttelse af brugernes personlige oplysninger eller tekniske begrænsninger. Vi gør dette for at levere måling af høj kvalitet, så du får et helt præcist indblik i indvirkningen af din marketing og kan opretholde budgivning af høj kvalitet og undgå over- eller underbydning.

Når Google viser modellerede konverteringer i Google Ads, forudsiger vi tilskrevne konverteringer. I de fleste tilfælde modtager Google annonceinteraktioner og onlinekonverteringer, men mangler linket mellem de to. Den modelleringer, vi udfører, er modellering af, om en Google-annonceinteraktion medførte onlinekonverteringen, og ikke om der skete en konvertering eller ej.

Uden modellering ville rapporterede konverteringer kun afspejle den observerbare del af konverteringer i stedet for den faktiske kampagneeffektivitet.

Sådan fungerer onlinekonverteringer

For at modellere for et ikke-observeret udsnit af data bruger vi så vidt muligt data fra observerbare udsnit, hvor vi ved, at adfærden er den samme eller meget lig det ikke-observerede udsnit, eller hvor vi har et godt indblik i, hvordan de adskiller sig fra hinanden.

Eksempel: Lad os sige, at du har et udsnit af konverteringer, som ikke observerbare i én browsertype, men kan observeres i andre browsertyper. Vores modellering vil først forstå tendenserne mellem brugeres adfærd (f.eks. konverteringsrater) på tværs af browsertyper. Derefter bruger vi vores observerbare data fra målbare browsere sammen med eventuelle systematiske påvirkninger og inkorporerer andre samlede dimensioner, som f.eks. enhedstype, tidspunkt på dagen, geografisk placering, operativsystem m.m., til at forudsige sandsynligheden for konverteringshændelser på baggrund af annonceinteraktioner i den ikke-observerbare browsertype.

Modellerede konverteringer rapporteres med den samme granularitet som observerede konverteringer. Det omfatter dimensioner som f.eks. konvertering i alt, tilskrivningssti og konverteringsværdier. I kolonnen "Konverteringer" rapporterer Google både modellerede og observerede konverteringer.

Bemærk! Import af offlinekonverteringerog brugerkonti med meget få ugentlige konverteringer medtager i øjeblikket muligvis ikke visse typer af modellering.

Fordele ved modellerede onlinekonverteringer

  • Holistisk måling på tværs af annoncetrafikken: Du får et mere præcist billede af dine annonceringsresultater (investeringsafkast) og et fuldstændigt billede af konverteringsstien på tværs af enheder og kanaler som følge af annonceinteraktioner. 
  • Effektiv kampagneoptimering: Modellerede konverteringer er kan hjælpe dig med at optimere dine kampagner mere effektivt og skabe bedre resultater for virksomheden
    • Bestemmelser om beskyttelse af personlige oplysninger og teknologibegrænsninger betyder, at vi ikke har mulighed for at observere visse kohorter af brugere (f.eks. brugere, der ikke har givet samtykke, eller brugere, der anvender særlige enhedstyper eller browsere). Det betyder, at vores automatiske budgivningsalgoritmer skal træffe optimeringsbeslutninger på baggrund af ufuldstændige data, hvilket resulterer i forudindtaget indlæring. Det kan medføre, at automatisk budgivning ikke prioriterer disse kohorter, fordi de har en lavere rapporteret effektivitet. Det fører i sidste ende til, at byderen samlet set klarer sig dårligere end forventet. Modellering kompenserer for disse påvirkninger og korrigerer dem i den samlede rapportering for at sikre, at automatisk budgivning har adgang til mere repræsentative effektivitetsdata. Få flere oplysninger om automatisk budgivning.
  • Præcis måling med fokus på beskyttelse af personlige oplysninger: Modellerede konverteringer bruger data, der ikke identificerer individuelle brugere, til at få et estimat af de konverteringer, som Google ikke er i stand til at observere direkte. Dette kan give en mere komplet rapport over dine konverteringer. Denne tilgang står i direkte kontrast til metoder, hvor der ikke tages hensyn til beskyttelse af personlige oplysninger, som f.eks. fingerprinting, som anvender heuristik, som f.eks. IP-adresse, og forsøger at identificere og spore individuelle brugere. Google har en streng politik vedrørende anvendelse af fingerprinting til annoncetilpasning, da det ikke giver brugeren mulighed for rimelig kontrol og gennemsigtighed.

Googles metode til konverteringsmodellering

Google-løsninger anvendes af en bred vifte af brugere, hvilket betyder, at nøjagtigheden af vores konverteringsmodeller kan valideres i forhold til et stort antal annonceinteraktioner og konverteringshandlinger via flere forskellige nøgledimensioner:

  • Omfang: Vi har adgang til et stort antal forskellige annonceinteraktioner på tværs af kanaler og på tværs af forskellige dele af tragten. Det giver os fyldestgørende data om, hvordan forskellige brugere reagerer på forskellige typer annoncer, uanset hvor de befinder sig i tragten og i alle kanaler.
  • Nøjagtighed: Vores brugerbase bestående af et stort antal brugere, der er logget ind, gør det muligt for vores avancerede modelleringsteknikker at fungere uafhængigt af cookies eller andre identifikatorer, da vi kan udlede et omfattende sæt af adfærdsdatasæt på tværs af en repræsentativ gruppe af tilmeldte brugere.
  • Dækning: Mange websites bruger Google-tags, hvilket betyder, at vores konverteringsmodeller valideres på tværs af et omfattende sæt forskellige konverteringshandlinger. Konverteringsmodellering bruger data, der ikke identificerer brugeren, til at kvantificere konverteringer, som Google ikke er i stand til at observere direkte. Vores model trænes derefter unikt om hver enkelt annoncør, hvilket skaber unikke resultater.
  • Teknisk ekspertise: Googles ekspertise inden for maskinlæring er en væsentlig faktor, der giver os mulighed for at foretage modellering af høj kvalitet. Vi har opnået dette i alle vores produkter til måling, som har anvendt modellering i årevis (dvs. automatisk budgivning og butiksbesøg i Google Ads), samt i produkter, som ikke anvendes til måling (f.eks. førerløse biler og YouTube-anbefalinger).
  • Handlingsrettethed: Googles modellerede konverteringer vises i kampagnerapportering, men knyttes også til optimering og budgivning. Det gør dataene handlingsrettede, da de arbejder i retning mod dine forretningsmæssige mål.

Eksempler på tilgængelig modellering for onlinekonverteringer

Nogle af de vigtigste konverteringsmodelleringsmuligheder, vi har til rådighed, er: 

Modellering for begrænsninger af tr edjepartscookies

Nogle browsere (f.eks. Safari og Firefox) tillader ikke konverteringsmåling ved hjælp af tredjepartscookies. Hvis du bruger tredjepartscookies til konverteringsmåling, vil du opleve konverteringsmodellering i overensstemmelse med dit websites trafik i disse browsere (computer og mobilenhed). Få flere oplysninger om, hvordan du forbedrer modellering ved at opgradere til det globale websitetag.

Modellering for begrænsninger af førstepartscookies

Nogle browsere (f.eks. Safari) begrænser det tidsrum, som førstepartscookies er tilladt i. Du vil opleve konverteringsmodellering i overensstemmelse med din andel af skjulte konverteringer uden for dette vindue. 

Virkning af iOS 14

Apples ATT-politik (App Tracking Transparency)kræver, at udviklere beder om tilladelse, når de bruger bestemte oplysninger fra andre virksomheders apps og websites til annonceringsformål. Google vil ikke bruge oplysninger (f.eks. IDFA), der er omfattet af ATT-politikken. Derfor vil konverteringer, hvis annoncer stammer fra ATT-påvirket trafik, opleve modellering.

Konvertering på tværs af enheder

Når en bruger starter "rejsen" mod en konvertering på én enhed med en annonceinteraktion og fuldfører den på en anden, er det ikke sikkert, at det er muligt at foretage korrekt tilskrivning af konverteringen til annonceinteraktionen. Google observerer data fra det store antal brugere, der er logget ind på Google-tjenester, for at ekstrapolere lignende adfærd blandt alle brugere. Alle konverteringer på tværs af enheder modelleres.

Bemærk! Den andel af disse konverteringer, der kan gendannes via Google Ads, afhænger af den mængde observerbare data, vi har for hver situation, og repræsentativiteten af disse observerbare data (f.eks. hvor realistisk de ligner hele en bestemt annoncørs brugerbase). Gendannelsesraterne varierer afhængigt af de problem, vi har med at gøre. Jo mere observerbare dataene er, jo bedre bliver modelkvaliteten. Få flere oplysninger om, hvordan du kan forbedre dette ved at implementere det global websitetag og samtykketilstand.

Principper for modellering af onlinekonvertering

Konstant kvalitetsforbedring

Som med alle andre produkter foretager vores dataanalytikere løbende algoritmeforbedringer for at øge nøjagtigheden omfanget af modelleringen. Vi introducerer jævnligt nye produkter, for at få nye kilder til observerbare data, der finjusterer vores modellering (f.eks. kan udvidede konverteringer og samtykketilstand give os flere observerede data).

Avancerede teknikker til kontrol af nøjagtighed

Vi bruger teknikker som f.eks. validering af tilbageholdelse til at tjekke nøjagtigheden af vores modellering (f.eks. tilbageholder vi en del af de observerede konverteringer og modellerer for dette udsnit). Derefter sammenligner vi de modellerede resultater med de faktisk observerede konverteringer, som vi holdt tilbage, og måler unøjagtigheder og påvirkninger og justerer løbende vores modeller. Lignende metoder anvendes i vid udstrækning i maskinlæring. 

Strenge grænser for rapportering

Vi medtager kun modellerede konverteringer i vores rapportering, når vi har stor tiltro til, at konverteringerne faktisk skete som følge af anonnceinteraktioner. Vi undgår systematisk rapportering af flere konverteringer end i virkeligheden og har altid til hensigt at minimere overrapportering. Det betyder, at for nogle brugere observerer vi ikke nok konverteringer regelmæssigt til, at vi kan modellere med sikkerhed. I disse tilfælde rapporterer vi ikke nogen modellerede konverteringer. 

Hvert hul håndteres med en unik modelleringsmetode

Da vi identificerer forskellige huller i målingen, og forskellige typer af observerbare data er nødvendige og tilgængelige, we har vi forskellige typer af modeller til forskellige typer af huller. Vi bruger også teknikker, der medvirker til, at vi undgår dobbelttælling i forskellige typer af modeller. Vi bruger også teknikker, der medvirker til, at vi undgår dobbelttælling i forskellige typer af modeller. Vi ved, at konverteringsrater varierer væsentligt afhængigt af annonceringskanalen, og derfor bygger vi separate modeller for hver kanal og annonceinteraktionstype (eksponeringer i forhold til klik).

Resultatet af hver model er unikt for din virksomhed og brugeradfærd

Når der er fastsat en generel modelleringsalgoritme til at håndtere et bestemt observeringsmellemrum, anvender vi denne algoritme separat på hver enkelt annoncørs data og får et unikt resultat, der afspejler unik brugeradfærd og konverteringsrater for den pågældende annoncør. Hvis brugere f.eks. har en udpræget tendens til at starte deres rejse på én enhed og konvertere på en anden enhed, vil der blive rapporteret et antal modellerede konverteringer på tværs af enheder, som er højere end gennemsnittet, for dig.

Streng politik vedrørende fingerprinting

Fingerprinting-teknologier anvender typisk heuristik som f.eks. IP-adresser, der identificerer brugere på tværs af forskellige berøringspunkter og enheder og genererer et "fingeraftryks-id" for at identificere brugeren ved fremtidige interaktioner. Vi genererer ikke sådanne id'er og forsøger ikke at identificere individuelle brugere, da det ikke giver brugeren rimelig kontrol og gennemsigtighed. Vi giver heller ikke andre mulighed for at overføre fingerprinting-data til vores annonceringsprodukter. I stedet samler vi data som f.eks. historiske konverteringsrater, enhedstype, tidspunkt på dagen og geografisk placering for at forudsige sandsynligheden af konverteringshændelser for det sæt af brugere, der har set eller klikket på en annonce.

Kommunikation om væsentlige modelleringsændringer

Vi kører løbende eksperimenter, før vi udgiver modelleringsændringer, og hvis vi observerer en væsentlig indvirkning på rapportering og budgivning, vil vi informere om det. 

Automatisk integration

Google vil bruge tilgængelige data til at levere integreret konverteringsmodellering i din konverteringsrapportering og optimering, når det er muligt for os at gøre det nøjagtigt. I nogle tilfælde, f.eks. når konverteringer ikke kan observeres for et sæt brugere, der ikke har givet samtykke til cookies, har vi brug for data om dine samtykkerater, så vi kan levere konverteringsmodellering.

Relaterede links

Var disse oplysninger nyttige?
Hvordan kan vi forbedre siden?

Har du brug for mere hjælp?

Log ind for at se yderligere supportmuligheder, så du hurtigt kan løse problemet