O modeliranju online konverzija

Modelirane konverzije upotrebljavaju podatke koji ne otkrivaju identitet pojedinačnih korisnika za predviđanje konverzija koje Google ne može izravno pratiti. To može ponuditi potpunije izvješće o vašim konverzijama.

Modeliramo da bismo vratili segmente podataka za koje zbog zaštite privatnosti korisnika ili tehničkih ograničenja ne možemo pratiti atribuciju oglasa. Radimo to da bismo osigurali visokokvalitetno mjerenje kako biste mogli točno razumjeti utjecaj svojeg marketinga i održavati licitiranje visoke kvalitete radi sprječavanja nedostatnog ili prekomjernog licitiranja.

Kada Google u Google Adsu prikazuje modelirane konverzije, predviđamo atribuciju konverzija. U većini slučajeva Google će registrirati interakcije s oglasima i online konverzije, ali neće primati podatke o vezama između njih. Naše modeliranje određuje je li interakcija s Googleovim oglasom dovela do online konverzije. Ne određuje je li došlo do konverzije.

Bez modeliranja zabilježene konverzije održavat će samo dio konverzija koje se mogu pratiti, a ne stvarnu izvedbu kampanje.

Kako funkcioniraju modelirane online konverzije

Da bismo izrađivali modele za dijelove podataka koji se ne mogu pratiti, nastojimo što bolje upotrebljavati podatke iz dijelova koji se mogu pratiti za koje znamo da se ponašaju isto ili vrlo slično dijelu koji se ne može pratiti ili dobro znamo kako se ti dijelovi razlikuju.

Primjer: pretpostavimo da imate dio konverzija koje se ne mogu pratiti u jednoj vrsti preglednika, ali se mogu pratiti u drugim vrstama preglednika. Naše će modeliranje najprije razumjeti trendove između ponašanja korisnika (na primjer stope konverzija) u različitim vrstama preglednika. Potom upotrebljavamo svoje podatke iz mjerljivih preglednika koji se mogu pratiti zajedno sa svim sistemskim prilagodbama i, među ostalim, uključujemo druge skupne dimenzije poput vrste uređaja, doba dana, geografske lokacije i operativnog sustava da bismo predvidjeli vjerojatnost događaja konverzija od interakcija s oglasima u vrsti preglednika u kojima se one ne mogu pratiti.

Modelirane konverzije bilježe se istom preciznošću kao zabilježene konverzije. To uključuje dimenzije kao što su ukupni broj konverzija, put atribucije i vrijednosti konverzije. U stupcu Konverzije Google prikazuje modelirane i zabilježene konverzije.

Napomena: uvozi izvanmrežnih konverzija i korisnički računi s vrlo malo tjednih konverzija trenutačno možda neće obuhvaćati određene vrste modeliranja.

Prednosti modeliranih online konverzija

Sveobuhvatno mjerenje cjelokupnog prometa oglasa: dobit ćete precizniji uvid u rezultate svojeg oglašavanja (ROI) i potpunu sliku puta konverzija na različitim uređajima i kanalima koje su rezultat interakcija s oglasima.
Učinkovita optimizacija kampanje: modelirane konverzije pomažu vam da učinkovitije optimizirate kampanje i ostvarite bolje poslovne rezultate.
- Propisi o zaštiti privatnosti i tehnološka ograničenja uzrokuju propuštanje bilježenja za određene skupine korisnika (na primjer onih koji nisu dali pristanak ili onih koji upotrebljavaju određene vrste uređaja ili preglednika). Zbog toga će naši algoritmi za automatsko licitiranje trebati donositi odluke o optimiziranju na temelju nepotpunih podataka uzrokujući odstupanje u učenju. Stoga bi automatsko licitiranje moglo zapostaviti te skupine jer imaju nižu zabilježenu izvedbu i uzrokovati cjelokupno slabiju izvedbu licitatora. Modeliranje rješava ta odstupanja i ispravlja ih u izvješćima o ukupnoj izvedbi kako bi se osiguralo da automatsko licitiranje ima pristup točnijim podacima o izvedbi. Saznajte više o automatskom licitiranju
Točno mjerenje usmjereno na privatnost: modelirane konverzije upotrebljavaju podatke koji ne otkrivaju identitet pojedinačnih korisnika za procjenjivanje konverzija koje Google ne može izravno pratiti. To može ponuditi potpunije izvješće o vašim konverzijama. Ovakav pristup u potpunom je kontrastu s taktikama koje ne štite privatnost u dovoljnoj mjeri, kao što su praćenje digitalnih otisaka koje se oslanja na heuristiku poput IP adrese te pokušaji identifikacije i praćenja pojedinačnih korisnika. Google ima stroga pravila protiv upotrebe praćenja digitalnih otisaka za prilagodbu oglasa jer ona ne omogućuje razumnu korisničku kontrolu i transparentnost.

Googleov pristup modeliranju konverzija

Googleova rješenja funkcioniraju za širok raspon korisnika, što omogućuje provjeru točnosti naših modela konverzija na velikom skupu interakcija s oglasima i radnji konverzija na temelju nekoliko ključnih dimenzija:

Opseg: imamo pristup velikom broju raznovrsnih interakcija s oglasima na različitim kanalima u različitim dijelovima toka. To nam pruža opsežne podatke o tome kako različiti korisnici reagiraju na različite vrste oglasa, bez obzira na to gdje se nalaze u toku i na svim kanalima.
Točnost: velika baza prijavljenih korisnika omogućuje našim sofisticiranim tehnikama modeliranja da rade neovisno o kolačićima i drugim identifikatorima jer pomoću nje možemo sastaviti skup podataka o ponašanju na reprezentativnom skupu uključenih korisnika.
Pokrivenost: brojne web-lokacije upotrebljavaju Googleove oznake, što znači da se naši modeli konverzija provjeravaju na velikom broju različitih radnji konverzija. Modeliranje konverzija upotrebljava podatke koji ne identificiraju korisnika radi određivanja broja konverzija koje Google ne može izravno pratiti. Naš se model za svakog oglašivača obučava na jedinstven način i generira jedinstvene rezultate.
Tehnička stručnost: Googleova stručnost u području umjetne inteligencije ključna je sposobnost koja nam omogućuje modeliranje najviše kvalitete. Svladali smo to putem naših proizvoda za mjerenje koji su godinama koristili modeliranje (automatsko licitiranje u Google Adsu i posjeti trgovini), kao i onih koji nisu za mjerenje (na primjer automobili bez vozača i YouTube preporuke).
Temelj za djelovanje: Googleove modelirane konverzije prikazuju se u izvješćima o kampanji, ali su povezane i s optimizacijom i licitiranjem. Time podaci postaju temelj za djelovanje jer služe za ostvarivanje vaših poslovnih ciljeva.

Primjeri dostupnog modeliranja za online konverzije

U nastavku su navedena neka od najvažnijih dostupnih postignuća u modeliranju konverzija:

Modeliranje za ograničenja za kolačiće treće strane

Neki preglednici (na primjer Safari i Firefox) ne dopuštaju mjerenje konverzija pomoću kolačića treće strane. Ako se za mjerenje konverzija oslanjate na kolačiće treće strane, u tim preglednicima (na računalima i mobilnim uređajima) dobit ćete modeliranje konverzija koje je u skladu s prometom vaše web-lokacije. Saznajte kako poboljšati modeliranje nadogradnjom na Google oznaku

Modeliranje za ograničenja za kolačiće prve strane

Neki preglednici (na primjer Safari) ograničavaju količinu dopuštenih kolačića prve strane. Dobit ćete modeliranje konverzija koje je u skladu s vašim udjelom skrivenih konverzija izvan tog prozora. Saznajte kako poboljšati modeliranje pomoću poboljšanih konverzija

Modeliranje za ograničenja pristanka na upotrebu kolačića u EU-u

Propisi u nekim zemljama zahtijevaju da oglašivači dobiju pristanak za upotrebu kolačića u vezi s aktivnostima oglašavanja. Oglašivači koji su uveli način pristanka dobit će modeliranje konverzija u skladu s korisnicima koji nisu dali pristanak. Konverzije se modeliraju za korisnike koji nisu dali pristanak.

Utjecaj iOS-a 14

Appleova pravila za App Tracking Transparency (ATT) zahtijevaju da razvojni programeri traže dopuštenje ako u svrhe oglašavanja koriste određene podatke iz aplikacija i s web-lokacija drugih tvrtki. Google neće upotrebljavati podatke (poput IDFA-a) koji su obuhvaćeni pravilima za ATT. U skladu s tim, konverzije čiji oglasi potječu od prometa na koji je utjecao ATT bit će modelirane. Osigurajte da vaša web-lokacija može prihvatiti proizvoljne parametre URL-a za najbolje modeliranje.

Nakon uvođenja Appleovih pravila za ATT, SKAdNetwork, Appleovo rješenje za atribuciju za aplikacije, postao je važan čimbenik za oglašivače aplikacija pri procjeni izvedbe njihovih iOS kampanja. Da bismo poboljšali kvalitetu i dosljednost modeliranih izvješća u korisničkom sučelju Google Adsa, produbljujemo svoje integracije sa SKAdNetworkom. Saznajte više o najboljim primjerima iz prakse za poboljšavanje mjerenja i izvedbe kampanja za iOS aplikacije.

Utjecaj pravila Google Playa

Google Play najavio je nova ažuriranja pravila s ciljem poboljšanja kontrole korisnika, privatnosti i sigurnosti. U sklopu ažuriranja usluga za Google Play krajem 2021. ID za oglašavanje uklonit će se kad korisnik isključi prilagodbu pomoću ID-ja za oglašavanje u postavkama Androida. Kad se pokuša pristupiti identifikatoru, umjesto identifikatora dobit će se niz nula. Saznajte više o ID-ju za oglašavanje

Kao rezultat navedenog ažuriranja usluge, proširivat ćemo modelirane konverzije na sve kampanje za aplikacije. To znači da vaš stupac konverzija, kao i stupci instalacija, radnji u aplikaciji i vrijednosti konverzija, mogu sadržavati modelirane konverzije. U budućnosti u kampanjama za aplikacije može biti dodatnih modeliranih konverzija kako bi se smanjio utjecaj do kojeg može doći na temelju ovog i drugih mogućih ažuriranja usluge.

Konverzije na različitim uređajima

Kada korisnik interakcijom s oglasom započne putovanje na jednom uređaju, a konverziju dovrši na drugom uređaju, konverzija se možda neće moći pripisati toj interakciji s oglasom. Google bilježi podatke o velikom broju prijavljenih korisnika na Googleovim proizvodima radi otkrivanja sličnog ponašanja svih korisnika. Modeliraju se i mnoge konverzije na različitim uređajima, uključujući one iz dnevnog boravka i s računala.

Napomena: udio tih konverzija koje se mogu vratiti putem Google Adsa ovisi o količini podataka koji se mogu pratiti i kojima raspolažemo za svaku situaciju te točnosti tih podataka (na primjer do koje mjere oni realno sliče cijeloj bazi korisnika određenog oglašivača). Stope oporavka ovise o problemu koji rješavamo. Što je više podataka koji se mogu pratiti, to je kvaliteta modela bolja. Saznajte kako je možete poboljšati implementiranjem Google oznake, načina pristanka i poboljšanih konverzija.

Načela modeliranja online konverzija

Neprekidno poboljšanje kvalitete

Kao što je slučaj i sa svim ostalim proizvodima, naši podatkovni znanstvenici stalno poboljšavaju algoritme kako bi povećali točnost i opseg modeliranja. Redovito uvodimo nove proizvode kako bismo si osigurali nove izvore podataka koji se mogu pratiti i koji preciziraju naše modeliranje (na primjer poboljšane konverzije i način pristanka mogu nam priskrbiti veću količinu zabilježenih podataka).

Sofisticirane tehnike za provjeru točnosti

Upotrebljavamo tehnike, kao što je provjera zadržavanja, da bismo provjerili točnost našeg modeliranja (na primjer zadržavamo dio zabilježenih konverzija i modeliramo za taj dio). Zatim uspoređujemo modelirane rezultate sa stvarnim zabilježenim konverzijama koje smo zadržali, mjerimo netočnosti i otklone te neprestano prilagođavamo svoje modele. Slične metode u velikoj se mjeri upotrebljavaju u Googleovom AI-ju.

Rigorozni pragovi za izvješćivanje

U izvješća uključujemo modelirane konverzije samo ako smo potpuno sigurni da su konverzije ostvarene kao rezultat interakcija s oglasom. Izbjegavamo sustavno izvješćivanje o više konverzija nego što ih stvarno postoji i uvijek nastojimo prikazivati umjereniji broj konverzija. To znači da za neke korisnike redovito ne pratimo dovoljno konverzija kako bismo mogli pouzdano modelirati. U tim slučajevima ne izvješćujemo o modeliranim konverzijama.

Svaka se praznina rješava putem jedinstvene metodologije modeliranja

Budući da identificiramo različite praznine u mjerenju, a potrebne su i dostupne različite vrste podataka koji se mogu pratiti, imamo različite vrste modela za različite vrste praznina. Upotrebljavamo i tehnike koje eliminiraju dvostruko bilježenje u različitim vrstama modela. Znamo da se stope konverzije znatno razlikuju po kanalu za oglašavanje i zato izrađujemo zasebne modele za svaku vrstu kanala i interakcije s oglasima (pojavljivanja u odnosu na klikove).

Rezultat svakog modela jedinstven je za vaše poslovanje i ponašanje korisnika

Nakon što se odredi opći algoritam modeliranja za rješavanje određenih praznina u bilježenju, taj algoritam primjenjujemo na svaki podatak oglašivača zasebno i dolazimo do jedinstvenih rezultata koji održavaju jedinstveno ponašanje korisnika i stope konverzija za tog oglašivača. Na primjer, ako vaši korisnici imaju vrlo veliko sklonost započinjanju putovanja na jednom uređaju i izvršavanju konverzije na drugom uređaju, bit će vam prijavljen broj modeliranih konverzija na različitim uređajima koji je veći od prosječnog.

Strogo pravilo protiv praćenja digitalnih otisaka

Tehnologije praćenja digitalnih otisaka obično se oslanjaju na heuristički postupak kao što su IP adrese koje identificiraju korisnike u različitim dodirnim točkama i na različitim uređajima te generiraju ID digitalnog otiska radi identifikacije korisnika u budućim interakcijama. Ne generiramo takve ID-jeve niti pokušavamo identificirati pojedinačne korisnike jer te tehnologije ne omogućuju razumnu korisničku kontrolu i transparentnost. Osim toga, ne dopuštamo drugima da u naše proizvode za oglašavanje unose podatke o praćenju digitalnih otisaka. Umjesto toga, prikupljamo podatke kao što su povijesne stope konverzija, vrsta uređaja, doba dana i lokacija kako bismo predvidjeli vjerojatnost događaja konverzije u skupu korisnika koji su pregledali ili kliknuli vaš oglas.

Informiranje o značajnim promjenama modeliranja

Neprekidno provodimo eksperimente prije uvođenja bilo kakvih promjena u modeliranje i, ako otkrijemo značajan utjecaj na izvješćivanje i licitiranje, o tome vas obavještavamo.

Automatska integracija

Gdje to možemo točno učiniti, Google će upotrijebiti dostupne podatke da bi u vaša izvješća o konverzijama i optimizaciji poslao integrirano modeliranje konverzija. Primjerice, u slučajevima kad se konverzije ne mogu pratiti za skup korisnika koji nisu pristali na kolačiće, trebat će nam podaci o vašim stopama pristanka kako bismo mogli pružiti modeliranje konverzija.

Povezani članci

Je li to bilo korisno?

Kako to možemo poboljšati?