Mallinnetut online-konversiot

Mallinnetuissa konversioissa käytetään sellaista dataa, josta ei voi tunnistaa yksittäisiä käyttäjiä. Näin voidaan arvioida konversioita, joita Google ei pysty havaitsemaan suoraan. Mallinnettujen konversioiden ansiosta voit saada kattavamman raportin konversioistasi.

Mallinnuksen tarkoituksena on palauttaa osia datasta silloin, kun emme voi havaita mainoksen attribuutiota teknisten rajoitusten tai käyttäjän tietosuoja-asetusten vuoksi. Pyrimme näin tarjoamaan korkealaatuisia mittaustuloksia, joiden avulla saat tarkan käsityksen markkinointisi vaikutuksesta ja voit varmistaa hintatarjousten korkean laadun sekä välttää liian alhaiset tai korkeat hintatarjoukset.

Kun Google havaitsee mallinnettuja konversioita Google Adsissa, ennustamme, minkä tapahtuman ansioksi nämä konversiot lasketaan. Useimmissa tapauksissa Google tunnistaa mainoksen aikaansaamat tapahtumat ja online-konversiot mutta ei pysty määrittämään näiden välistä yhteyttä. Mallinnuksen avulla pyrimme selvittämään, johtiko Google-mainoksen aikaansaama tapahtuma online-konversioon. Tarkoituksena ei ole siis selvittää, tapahtuiko konversio vai ei.

Ellemme käyttäisi mallinnusta, raportoidut konversiot ilmaisisivat ainoastaan havaittavissa olevat konversiot kampanjan todellisten tulosten sijaan.

Näin mallinnetut online-konversiot toimivat

Jotta voisimme mallintaa havaitsematta jääneen osan datasta, pyrimme parhaamme mukaan käyttämään datan sellaisia havaittavissa olevia osia, joissa käyttäjien toiminta on samanlaista tai samankaltaista kuin havaitsematta jääneessä osassa tai joista tiedämme, miten ne eroavat havaitsematta jääneestä osasta.

Esimerkki: Oletetaan, että sinulla on joukko konversioita, jotka eivät ole havaittavissa tietyllä selaintyypillä mutta ovat havaittavissa muilla selaintyypeillä. Selvitämme ensin mallinnuksen avulla käyttäjien toimintaan liittyvät trendit (esim. konversioprosentit) eri selaintyypeillä. Tutkimme tämän jälkeen havaittavissa olevaa dataa mitattavissa olevilta selaimilta ja etsimme siitä systemaattisia vinoumia. Hyödynnämme myös muita koontiulottuvuuksia (esim. laitetyyppi, vuorokaudenaika, maantieteellinen sijainti ja käyttöjärjestelmä) ja pyrimme näin ennustamaan todennäköisyyden mainosten aikaansaamien tapahtumien jälkeisille konversiotapahtumille selaintyypillä, johon liittyvät konversiot eivät ole havaittavissa.

Mallinnetut konversiot raportoidaan yhtä tarkasti kuin havaitut konversiot. Niihin liittyviä ulottuvuuksia ovat esimerkiksi konversioiden kokonaisarvot, attribuutiopolku ja konversioarvot. Konversiot-sarakkeessa Google raportoi sekä mallinnetut että havaitut konversiot.

Huom. Tietyntyyppiset mallinnukset eivät välttämättä ole tällä hetkellä käytettävissä offline-konversioiden importoinnin yhteydessä tai käyttäjätileillä, joilla on erittäin vähän viikoittaisia konversioita.

Mallinnettujen online-konversioiden edut

  • Kaiken mainosliikenteen kokonaisvaltainen mittaaminen: Saat entistä tarkemman käsityksen mainontasi tuloksista (sijoitetun pääoman tuottoprosentista) sekä kattavan kuvan mainosten aikaansaamien tapahtumien jälkeisestä konversioreitistä eri laitteilla ja kanavissa.
  • Kampanjan tehokas optimointi: Mallinnettujen konversioiden avulla voit optimoida kampanjasi entistä tehokkaammin ja saavuttaa parempia tuloksia yrityksellesi.
    • Tietosuojasäädösten ja teknisten rajoitusten vuoksi emme pysty havaitsemaan tiettyjen käyttäjäkohorttien (esim. käyttäjät, jotka eivät ole antaneet suostumustaan tai jotka käyttävät tiettyjä laite- tai selaintyyppejä) dataa. Automaattisten hintatarjousalgoritmiemme täytyy tällöin perustaa optimointiin liittyvät päätöksensä vaillinaiseen dataan, mikä johtaa vinoumiin oppimisessa. Tämän seurauksena automaattiset hintatarjoukset saattavat asettaa alhaisen prioriteetin kyseisille kohorteille, koska niille on raportoitu muita alhaisemmat tulokset, minkä johdosta tarjouksen tekijä saa kaiken kaikkiaan huonompia tuloksia. Mallinnuksella voidaan ratkaista tällaisten vinoumien aiheuttamia ongelmia kaikessa raportoinnissa ja varmistaa, että automaattisilla hintatarjouksilla on pääsy kattavampaan tulosdataan. Lue lisää automaattisista hintatarjouksista.
  • Tarkka ja yksityisyyttä suojeleva mittaus: Mallinnetut konversiot käyttävät dataa, josta ei ole mahdollista tunnistaa yksittäisiä käyttäjiä, ja arvioivat tämän datan avulla konversioita, joita Google ei pysty havaitsemaan suoraan. Näin voit saada kattavamman raportin konversioistasi. Tämä lähestymistapa on täysi vastakohta yksityisyyttä suojaamattomille menetelmille, kuten tunnistetietojen keräämiselle, joka perustuu heuristiikkaan (esim. IP-osoitteeseen) ja pyrkii tunnistamaan yksittäiset käyttäjät ja seuraamaan heitä. Googlella on tiukat käytännöt, jotka kieltävät tunnistetietojen keräämisen mainosten personointia varten, koska tunnistetietoja hyödynnettäessä ei voida taata riittävää läpinäkyvyyttä ja käyttäjälähtöistä hallintaa.

Googlen konversiomallinnusta hyödyntävä lähestymistapa

Googlen ratkaisut toimivat laajan käyttäjäjoukon keskuudessa, ja niiden avulla voimme varmistaa konversiomalliemme tarkkuuden useiden konversiotapahtumien ja mainosten aikaansaamien tapahtumien yhteydessä useiden keskeisten ulottuvuuksien avulla:

  • Laajuus: Pystymme havaitsemaan useita erilaisia mainosten aikaansaamia tapahtumia eri kanavissa ja suppilon eri osissa. Näin saamme kattavasti dataa siitä, miten eri käyttäjät reagoivat erityyppisiin mainoksiin suppilon eri osissa ja kaikissa eri kanavissa.
  • Tarkkuus: Koska sisäänkirjautuneita käyttäjiä on runsaasti, edistyneet mallinnustekniikkamme pystyvät toimimaan evästeistä tai muista tunnisteista riippumatta, sillä voimme luoda päätelmien pohjalta laajan käyttäjien toimintaan liittyvän datajoukon, joka perustuu kattavaan suostumuksensa antaneiden käyttäjien joukkoon.
  • Kattavuus: Monilla verkkosivustoilla on käytössä Google-tageja, joten konversiomalliemme luotettavuus voidaan todentaa useiden erilaisten konversiotapahtumien yhteydessä. Konversiomallinnuksessa käytetään dataa, josta ei ole mahdollista tunnistaa käyttäjää. Näin voidaan määrittää konversiot, joita Google ei pysty havaitsemaan suoraan. Mallia opetetaan näin erikseen kunkin mainostajan osalta, minkä ansiosta voidaan saada yksilöllisiä tuloksia.
  • Tekninen asiantuntemus: Googlen asiantuntemus koneoppimisen saralla on keskeinen tekijä mallinnuksen korkean laadun varmistamisessa. Olemme hyödyntäneet tätä osaamistamme kaikissa mittaustuotteissamme, joissa mallinnus on ollut käytössä jo vuosien ajan (eli Google Adsin automaattisissa hintatarjouksissa ja käynti kaupassa ‑konversioiden mittaamisessa), sekä tuotteissa, joissa mittaus ei ole käytettävissä (esim. robottiautot ja YouTube-suositukset).
  • Datan hyödynnettävyys: Googlen mallinnetut konversiot näkyvät kampanjaraporteissa, mutta ne liittyvät myös optimointiin ja hintatarjouksiin. Dataa voidaan siis hyödyntää niin, että se auttaa edistämään liiketoimintatavoitteiden toteutumista.

Esimerkkejä online-konversioille käytettävissä olevista mallinnuksista

Alla on kerrottu keskeisimmistä saatavilla olevista konversiomallinnustavoistamme.

Kolmannen osapuolen evästeisiin liittyvän mallinnuksen rajoitukset

Konversioiden mittaaminen kolmannen osapuolen evästeiden avulla ei ole sallittua kaikilla selaimilla (esim. Safarilla ja Firefoxilla). Jos käytät konversioiden mittaamiseen kolmannen osapuolen evästeitä, konversiomallinnus perustuu verkkosivustosi liikenteeseen kyseisillä selaimilla (tietokoneilla ja mobiililaitteilla). Lue lisää siitä, miten voit parantaa mallinnusta ottamalla käyttöön yleisen sivustotagin.

Ensimmäisen osapuolen evästeisiin liittyvän mallinnuksen rajoitukset

Joillain selaimilla (esim. Safarilla ja Firefoxilla) on rajoitettu sitä, miten kauan ensimmäisen osapuolen evästeiden käyttö on sallittua. Tällöin konversiomallinnus perustuu kyseisen aikaikkunan ulkopuolella tapahtuviin konversioihin, joita ei voida havaita. Lue lisää siitä, miten voit parantaa mallinnusta käyttämällä laajennettuja konversioita.

Mallinnus EU:n evästesuostumusta koskevien rajoitusten mukaisesti

Joissakin maissa säännökset edellyttävät, että mainostajat pyytävät suostumuksen mainostoimintaan liittyvien evästeiden käyttöön. Jos mainostaja on ottanut käyttöön suostumustilan, konversiomallinnuksella voidaan huomioida myös suostumuksen evänneet käyttäjät. Konversiot mallinnetaan suostumuksen evänneiden käyttäjien osalta.

iOS 14:n vaikutus

Applen App Tracking Transparency ‑käytäntö (ATT) edellyttää, että kehittäjät pyytävät lupaa, kun he käyttävät tiettyjä muiden yritysten sovelluksista ja verkkosivustoilta peräisin olevia tietoja mainontatarkoituksiin. Google ei käytä ATT-käytännön piiriin kuuluvia tietoja (kuten IDFA-mainostajatunnistetta). Tämän mukaisesti Google mallintaa sellaiset konversiot, joihin liittyvät mainokset ovat peräisin ATT:n piiriin kuuluvasta liikenteestä. Varmista, että verkkosivustosi sallii mielivaltaiset URL-parametrit, jotta mallinnus toimii mahdollisimman hyvin.

Konversiot eri laitteella

Jos käyttäjä aloittaa reittinsä reagoimalla mainokseen yhdellä laitteella ja konvertoituu tämän jälkeen toisella laitteella, ei konversiota välttämättä voida yhdistää mainoksen aikaansaamaan tapahtumaan. Google havainnoi suurta määrää sisäänkirjautuneita käyttäjiä ja näiden dataa Googlen palveluissa voidakseen soveltaa havaintojaan kaikkien käyttäjien toimintaan. Kaikki eri laitteella tapahtuneet konversiot mallinnetaan.

Huom. Google Adsin kautta palautettavissa olevien konversioiden prosenttiosuus riippuu kussakin tilanteessa havaittavissa olevan datan määrästä ja kattavuudesta (esim. siitä, miten todenmukaisesti se edustaa tietyn mainostajan koko käyttäjäkuntaa). Palautettavissa olevien konversioiden osuudet vaihtelevat tilanteeseen liittyvän ongelman mukaan. Mitä enemmän havaittavissa olevaa dataa on, sitä parempi on mallin laatu. Lue lisää siitä, miten voit kasvattaa havaittavissa olevan datan määrää ottamalla käyttöön yleisen sivustotagin, suostumustilan ja laajennetut konversiot.

Online-konversiomallinnuksen periaatteet

Jatkuva laadun parantaminen

Kuten kaikissa muissakin tuotteissamme, datatieteilijämme tekevät algoritmeihin jatkuvasti parannuksia lisätäkseen mallinnuksen tarkkuutta ja laajuutta. Julkaisemme säännöllisesti uusia tuotteita, jotta saamme lisää havaittavissa olevan datan lähteitä, joilla voimme hienosäätää mallinnustamme (esim. laajennettujen konversioiden ja suostumustilan avulla voimme saada lisää havaittavissa olevaa dataa).

Edistyksellisiä tekniikoita tarkkuuden varmistamiseen

Käytämme mallinnuksen tarkkuuden varmistamiseen tekniikoita, kuten eston vahvistusta (eli voimme esimerkiksi estää osan havaituista konversioista ja tehdä kyseiselle joukolle mallinnuksen). Tämän jälkeen vertaamme mallinnettuja tuloksia estämiimme todellisiin havaittuihin konversioihin sekä mittaamme epätarkkuuksia ja vinoumia, jotta voimme jatkuvasti hienosäätää mallejamme. Samankaltaisia metodeja käytetään koneoppimisessa laajalti.

Tarkat raportointikynnykset

Sisällytämme mallinnetut konversiot raportointiimme vain silloin, kun uskomme vahvasti, että kyseiset konversiot oikeasti tapahtuivat mainosten aikaansaamien tapahtumien seurauksena. Pyrimme järjestelmällisesti siihen, ettemme raportoi todellisia konversiomääriä suurempia määriä, ja tavoitteenamme on aina minimoida yliraportointi. Joiltakin käyttäjiltä emme havaitse riittävästi säännöllisesti tapahtuvia konversioita, jotta voisimme mallintaa niitä luotettavasti. Tällaisissa tapauksissa emme raportoi mallinnettuja konversioita lainkaan.

Jokainen puute korjataan yksilöllisen mallinnusmenetelmän avulla

Koska mittauksessa esiintyy puutteita ja koska erityyppistä havaittavissa olevaa dataa tarvitaan ja on saatavilla, tarvitsemme erityyppisille puutteille erityyppiset mallit. Käytämme myös tekniikoita, joilla voimme estää konversioiden laskemisen kahteen kertaan useissa erityyppisissä malleissa. Tiedämme konversioprosenttien vaihtelevan merkittävästi mainontakanavan mukaan, ja tästä syystä luomme erillisen mallin kullekin kanavalle ja mainoksen aikaansaaman tapahtuman tyypille (impressiot vs. klikkaukset).

Kukin malli luodaan yksilöllisesti yrityksesi ja käyttäjien toiminnan mukaan

Kun yleinen mallinnusalgoritmi on määritetty tietyn havaitsemiseen liittyvän puutteen korjaamiseksi, käytämme kyseistä algoritmia erikseen kunkin mainostajan dataan ja saamme näin yksilöllisiä tuloksia, jotka kertovat yksilöidyn käyttäjän toiminnasta ja kyseisen mainostajan konversioprosenteista. Jos käyttäjäsi ovat esimerkiksi taipuvaisia aloittamaan reittinsä yhdellä laitteella ja konvertoitumaan toisella laitteella, raporteissasi näkyvien eri laitteella tapahtuvien mallinnettujen konversioiden määrä on keskimääräistä suurempi.

Tiukat tunnistetietojen keräämisen vastaiset käytännöt

Tunnistetietojen keräämistekniikat perustuvat yleensä heuristiikkaan, esimerkiksi IP-osoitteisiin, joissa käyttäjät tunnistetaan useissa eri kosketuspisteissä ja useilla eri laitteilla ja jotka luovat tunnistetiedostotunnuksen käyttäjän tunnistamiseksi tulevien mainosten aikaansaamien tapahtumien yhteydessä. Google ei luo tällaisia tunnuksia eikä pyri tunnistamaan yksittäisiä käyttäjiä, koska tunnistetietoja hyödynnettäessä ei voida taata riittävää läpinäkyvyyttä ja käyttäjälähtöistä hallintaa. Google ei myöskään salli sitä, että muut tuovat tunnistetietoihin liittyvää dataa sen mainontatuotteisiin. Sen sijaan Google kokoaa muun muassa aiempiin konversioprosentteihin, laitetyyppiin, vuorokaudenaikaan ja maantieteelliseen sijaintiin liittyvää dataa konversiotapahtuman todennäköisyyden ennustamiseksi niiden käyttäjien keskuudessa, jotka ovat nähneet mainoksen tai klikanneet sitä.

Mallinnuksessa havaituista merkittävistä muutoksista ilmoittaminen

Teemme säännöllisesti kokeiluja ennen mallinnusmuutosten julkaisemista, ja mikäli havaitsemme muutosten vaikuttavan selkeästi raportointiin ja hintatarjouksiin, ilmoitamme siitä.

Automaattinen integrointi

Jos tarkkuus voidaan varmistaa, Google hyödyntää saatavilla olevaa dataa ja luo sen pohjalta integroidun konversiomallinnuksen konversioraportointiasi ja optimointiasi varten. Joissain tapauksissa (kuten silloin, jos konversioita ei voida havaita sellaisilta käyttäjiltä, jotka eivät ole hyväksyneet evästeitä) tarvitsemme dataa suostumusprosenteistasi, jotta voimme tehdä konversiomallinnuksen.

Aiheeseen liittyviä linkkejä

Oliko tästä apua?
Miten sivua voisi parantaa?

Tarvitsetko lisäapua?

Kirjaudu sisään nähdäksesi lisää tukivaihtoehtoja ongelman nopeaan ratkaisuun

Haku
Tyhjennä haku
Sulje haku
Google-sovellukset
Päävalikko
Ohjekeskushaku
true
73067
false