Acerca de las conversiones en línea modeladas

Las conversiones modeladas utilizan datos que no identifican a los usuarios individuales para calcular las conversiones que Google no puede observar directamente. Esto permite ofrecer un informe más completo de sus conversiones.

Recuperamos fragmentos de datos en los que sabemos que no podemos observar la atribución de anuncio debido a la protección de la privacidad del usuario o a limitaciones técnicas. Lo hacemos para proporcionar una medición de alta calidad, de modo que comprenda de forma precisa el impacto de sus iniciativas de marketing y mantenga ofertas de buena calidad que no sean ni muy altas ni muy bajas.

Cuando Google muestra conversiones modeladas en Google Ads, predecimos las conversiones atribuidas. En la mayoría de los casos, Google recibirá interacciones con anuncios y conversiones en línea, pero no podrá establecer la relación entre ambas. El modelado que realizamos estima si una interacción con un anuncio de Google generó una conversión en línea, no si se generó o no una conversión.

Sin el modelado, las conversiones registradas solo reflejarían la porción observable de las conversiones, no el verdadero rendimiento de la campaña.

Cómo funcionan las conversiones en línea modeladas

Para establecer el modelo de una porción no observada de datos, hacemos todo lo posible por utilizar información de porciones observables en las que sabemos que el comportamiento es igual o muy similar que en la porción no observada, o comprendemos bien en qué se diferencia.

Ejemplo: Supongamos que tiene una porción de conversiones que no son observables en un tipo de navegador, pero sí lo son en otros. Nuestro modelado primero comprenderá las tendencias entre el comportamiento de los usuarios (por ejemplo, porcentajes de conversiones) en diferentes tipos de navegador. Luego, usamos nuestros datos observables de navegadores medibles, junto con sesgos sistemáticos, y después incorporamos otras dimensiones agregadas, como el tipo de dispositivo, la hora del día, la ubicación geográfica, el sistema operativo y mucho más, para predecir la probabilidad de que ocurran eventos de conversión a partir de las interacciones con anuncios en el tipo de navegador no observable.

Las conversiones modeladas se registran con el mismo nivel de detalle que las conversiones observadas. Esto incluye dimensiones, como los totales de conversiones, la ruta de atribución y los valores de conversión. En la columna "Conversiones", Google registra tanto las conversiones modeladas como las observadas.

Nota: Es posible que las importaciones de conversiones sin conexión y las cuentas de usuario con muy pocas conversiones semanales no incorporen determinados tipos de modelado.

Beneficios de las conversiones en línea modeladas

  • Medición integral de todo su tráfico de anuncios: Obtenga un panorama más preciso de sus resultados publicitarios (ROI) y una idea completa de la ruta de conversión en todos los dispositivos y canales que resulta de las interacciones con los anuncios.
  • Optimización eficiente de las campañas: Las conversiones modeladas le permiten optimizar sus campañas de manera más efectiva y obtener mejores resultados comerciales.
    • Las reglamentaciones de privacidad y las limitaciones de tecnología nos impiden observar ciertas cohortes de usuarios (por ejemplo, usuarios que no dieron su consentimiento o que usan determinados navegadores o tipos de dispositivos). Esto significa que nuestros algoritmos de ofertas automáticas deberán tomar decisiones de optimización en función de datos incompletos, lo que ocasionará sesgos en el aprendizaje. Como consecuencia, es posible que las ofertas automáticas dejen de priorizar esas cohortes, ya que tienen un rendimiento registrado menor, lo que lleva al ofertante a tener un rendimiento general más bajo. El modelado resuelve estos sesgos y los corrige en informes generales, a fin de garantizar que las ofertas automáticas tengan acceso a datos de rendimiento más representativos. Obtenga más información sobre las ofertas automáticas.
  • Medición precisa centrada en la privacidad: Las conversiones modeladas utilizan datos que no identifican a los usuarios individuales para calcular las conversiones que Google no puede observar directamente, lo que le permite obtener un informe más completo de sus conversiones. Este enfoque contrasta directamente con tácticas que no son seguras para la privacidad, como la creación de huellas digitales, que se basa en la heurística, por ejemplo, la dirección IP, y la intención de identificar a usuarios individuales y hacer un seguimiento de ellos. Google implementó una política estricta que prohíbe la creación de huellas digitales para la personalización de anuncios, ya que no es transparente ni ofrece al usuario un control razonable.

Enfoque de modelado de conversiones de Google

Las soluciones de Google funcionan con una amplia variedad de usuarios, lo que permite validar la precisión de nuestros modelos de conversión en un conjunto grande de interacciones con anuncios y acciones de conversión a través de varias dimensiones clave:

  • Escala: Tenemos acceso a una cantidad grande y diversa de interacciones con anuncios en distintos canales de varias partes del embudo. Esto nos brinda datos exhaustivos acerca de cómo reaccionan los diferentes usuarios a distintos tipos de anuncios, independientemente de dónde se encuentren en el embudo y en todos los canales.
  • Exactitud: Nuestra gran base de usuarios que accedieron a su cuenta permite que nuestras técnicas de modelado sofisticadas operen de un modo independiente de las cookies y otros identificadores, ya que podemos inferir un conjunto de datos de comportamiento amplio en un conjunto representativo de usuarios que aceptaron el uso de dicha información.
  • Cobertura: Muchos sitios web utilizan etiquetas de Google. Esto significa que nuestros modelos de conversión se validan a lo largo de un conjunto amplio de acciones de conversión diferentes. El modelado de conversiones utiliza datos que no identifican al usuario, con el fin de cuantificar las conversiones que Google no puede observar directamente. Luego, nuestro modelo se prepara de manera exclusiva con información de cada anunciante y se generan resultados únicos.
  • Conocimiento técnico: La experiencia de Google con el aprendizaje automático es una capacidad clave que nos permite establecer modelos de la más alta calidad. Dominamos esta técnica a través de nuestros productos de medición que emplean el modelado desde hace años (es decir, ofertas automáticas y visitas a tienda de Google Ads), así como de productos diferentes a la medición (por ejemplo, automóviles autónomos y recomendaciones de YouTube).
  • Practicidad: Las conversiones modeladas de Google se muestran en los informes de campañas, pero también se vinculan con la optimización y las ofertas. Esto emite datos prácticos que puede emplear para conseguir sus objetivos comerciales.

Ejemplos de modelados disponibles para conversiones en línea

Estas son algunas de las iniciativas de modelado de conversiones más importantes:

Modelado para limitaciones de cookies de terceros

Algunos navegadores (por ejemplo, Safari y Firefox) no permiten la medición de conversiones mediante cookies de terceros. Si utiliza este tipo de cookies para la medición de conversiones, el modelado de conversiones se realizará de acuerdo con el tráfico de sus sitios web en esos navegadores (computadoras de escritorio y dispositivos móviles). Obtenga información sobre cómo mejorar la creación de modelos mediante la actualización de la etiqueta global del sitio.

Modelado para limitaciones de cookies propias

Algunos navegadores (por ejemplo, Safari) limitan la cantidad de tiempo que se permiten las cookies propias. El modelado de conversiones se realizará de acuerdo con su porcentaje de conversiones latentes más allá de ese período. Obtenga información sobre cómo mejorar el modelado mediante conversiones avanzadas.

Modelado para limitaciones de consentimiento de cookies de la UE

En algunos países, las regulaciones exigen que los anunciantes obtengan el consentimiento para el uso de cookies relacionadas con actividades publicitarias. Para los anunciantes que adoptaron el modo de consentimiento, el modelado de conversiones se adaptará a los usuarios que no dieron su consentimiento. Las conversiones se modelan para los usuarios que no dieron su consentimiento.

Impacto de iOS 14

La política de Transparencia de Seguimiento de Aplicaciones (ATT) de Apple exigirá que los desarrolladores pidan permiso al usar determinada información de las aplicaciones y los sitios web de otras empresas con fines publicitarios. Google no utilizará información (como el IDFA) que esté comprendida dentro del alcance de la política de ATT. En consonancia, se modelarán las conversiones cuyos anuncios se originen en tráfico afectado por la política de ATT. Asegúrese de que su sitio web pueda aceptar parámetros de URL arbitrarios para crear modelos de mejor calidad.

Conversiones en dispositivos múltiples

Cuando, al inicio del recorrido, un usuario mantiene una interacción con el anuncio en un dispositivo y completa la conversión en otro, es posible que no se pueda atribuir la conversión a la interacción con el anuncio. Google observa datos de la amplia cantidad de usuarios que accedieron a sus cuentas en las Propiedades de Google para extrapolar un comportamiento similar entre todos los usuarios. Todas las conversiones en dispositivos múltiples se modelan.

Nota: El porcentaje de estas conversiones que se puede recuperar a través de Google Ads depende de la cantidad de datos observables que tengamos para cada situación y la representación de esos datos observables (por ejemplo, qué tan realista es la semejanza con toda la base de usuarios de un anunciante en particular). Las tasas de recuperación varían según el problema que estemos abordando. Cuantos más datos observables haya, mejor será la calidad del modelo. Obtenga información sobre cómo mejorar estos detalles con la implementación de la etiqueta global del sitio, el modo de consentimiento y las conversiones avanzadas.

Principios del modelado de conversiones en línea

Mejora de calidad constante

Como ocurre con todos los demás productos, nuestros científicos de datos realizan mejoras continuas a los algoritmos para aumentar la precisión y el escalamiento del modelado. Presentamos con frecuencia productos nuevos de los que podemos obtener fuentes nuevas de datos observables, que definen mejor nuestro modelo (por ejemplo, las conversiones avanzadas y el modo de consentimiento pueden proporcionarnos más datos observados).

Técnicas sofisticadas para comprobar la exactitud

Utilizamos técnicas, como la validación de retención, para comprobar la exactitud de nuestros modelos (por ejemplo, retenemos una porción de las conversiones observadas y definimos un modelo de ella). Luego, comparamos los resultados modelados con las conversiones observadas reales que retuvimos, medimos las imprecisiones y los sesgos, y ajustamos continuamente nuestros modelos. Se utilizan ampliamente métodos similares en el aprendizaje automático.

Umbrales rigurosos para la generación de informes

Solo incluimos las conversiones modeladas en nuestros informes cuando tenemos certeza absoluta de que las conversiones se generaron como resultado de las interacciones con los anuncios. Evitamos registrar sistemáticamente más conversiones de las que se generan realmente y siempre buscamos minimizar el exceso de informes. Esto significa que, en el caso de algunos usuarios, no observamos suficientes conversiones de forma periódica a fin de poder establecer modelos con confianza. En estos casos, no informamos ninguna conversión modelada.

Cada brecha se aborda mediante una metodología de modelado única

Dado que identificamos diferentes brechas en la medición, y se necesitan y hay disponibles distintos tipos de datos observables, tenemos diversos tipos de modelos para diferentes tipos de brechas. Además, utilizamos técnicas que eliminan el conteo doble en varios tipos de modelos. Sabemos que los porcentajes de conversiones varían significativamente según el canal publicitario y, como resultado, creamos modelos independientes para cada canal y tipo de interacción con los anuncios (impresiones frente a clics).

El resultado de cada modelo es único en función de su empresa y del comportamiento de los usuarios

Una vez que un algoritmo de modelado general se dispone a abordar una brecha de observación específica, aplicamos ese algoritmo a los datos de cada anunciante por separado y obtenemos resultados exclusivos que reflejan el comportamiento único de los usuarios y los porcentajes de conversiones de ese anunciante. Por ejemplo, si sus usuarios tienden con frecuencia a comenzar su recorrido en un dispositivo y realizar la conversión en otro, registrará más conversiones modeladas en dispositivos múltiples que el promedio.

Política estricta contra la creación de huellas digitales

Las tecnologías de creación de huellas digitales suelen emplear heurística, como direcciones IP que identifican a los usuarios en varios puntos de contacto y dispositivos, y generan un "ID de huella digital" con el que se identifica al usuario en futuras interacciones. No generamos esos ID ni intentamos identificar a usuarios individuales, ya que esto carece de transparencia y no brinda al usuario un control razonable. Tampoco permitimos que otras personas agreguen datos de huellas digitales a nuestros productos publicitarios. En lugar de ello, agregamos datos, como los porcentajes de conversiones históricas, el tipo de dispositivo, la hora del día y la ubicación geográfica, para predecir la probabilidad de que se produzca un evento de conversión en el conjunto de usuarios que vieron un anuncio o hicieron clic en él.

Cómo comunicar cambios significativos en el modelado

Realizamos experimentos de forma constante antes de implementar cualquier cambio en el modelado y, si detectamos un impacto significativo en los informes y las ofertas, lo comunicamos de forma acorde.

Integración automática

Donde podemos hacerlo con precisión, Google utilizará los datos disponibles para proporcionar un modelado de conversiones integrado en sus informes de conversiones y su optimización. En algunos casos, por ejemplo, cuando no se pueden observar las conversiones de un conjunto de usuarios que no dieron su consentimiento para el uso de cookies, necesitaremos datos sobre sus tasas de consentimiento para poder proporcionar el modelado de conversiones.

Vínculos relacionados

¿Te resultó útil esto?
¿Cómo podemos mejorarla?

¿Necesitas más ayuda?

Accede para ver las opciones de asistencia adicionales y resolver tu problema rápidamente

Búsqueda
Borrar búsqueda
Cerrar la búsqueda
Google Apps
Menú principal
Buscar en el Centro de asistencia
true
73067
false