Acerca das conversões online modeladas

As conversões modeladas utilizam dados que não identificam utilizadores individuais para calcular as conversões que a Google não consegue observar diretamente. Isto pode fornecer um relatório mais completo das suas conversões.

Modelamos para recuperar fatias de dados quando sabemos que não podemos observar a atribuição do anúncio devido à proteção da privacidade do utilizador ou a limitações técnicas. Fazemos isto para proporcionar uma medição de alta qualidade para que possa compreender com precisão o impacto do seu marketing e manter uma licitação de alta qualidade de modo a impedir o excesso ou insuficiência de licitação.

Quando a Google apresenta conversões modeladas no Google Ads, estamos a prever conversões atribuídas. Na maioria dos casos, a Google recebe interações com os anúncios e conversões online, mas falta-lhe a associação entre as duas. A nossa modelagem determina se uma interação com um anúncio Google gerou a conversão online. Não determina se ocorreu ou não uma conversão.

Sem a modelagem, as conversões comunicadas apenas refletiriam a parte observável das conversões, em vez do verdadeiro desempenho da campanha.

Como funcionam as conversões online modeladas

Para modelar para uma fatia de dados não observada, tentamos fazer o nosso melhor para utilizar os dados de fatias observáveis, quando sabemos que o comportamento é igual ou muito semelhante ao da fatia não observada ou quando temos uma boa compreensão de como são diferentes.

Exemplo: suponhamos que tem uma fatia de conversões que não são observáveis num tipo de navegador, mas que podem ser observadas noutros tipos de navegadores. A nossa modelagem compreende primeiro as tendências entre o comportamento dos utilizadores (por exemplo, taxas de conversão) em vários tipos de navegadores. Em seguida, utilizamos os nossos dados observáveis de navegadores mensuráveis, juntamente com eventuais parcialidades sistemáticas, e incorporamos outras dimensões agregadas, como o tipo de dispositivo, a hora do dia, a localização geográfica, o sistema operativo e muito mais, para prever a probabilidade de eventos de conversão resultantes de interações com anúncios no tipo de navegador não observável.

As conversões modeladas são comunicadas com o mesmo nível de detalhe que as conversões observadas. Isto inclui dimensões como os totais de conversão, o caminho de atribuição e os valores de conversão. Na coluna "Conversões", a Google comunica conversões modeladas e observadas.

Nota: as importações de conversões offline e as contas de utilizador com muito poucas conversões semanais podem não incorporar determinados tipos de modelagem.

Vantagens das conversões online modeladas

Medição holística em todo o tráfego de anúncios: obtenha uma imagem mais precisa dos resultados da publicidade (ROI) e uma imagem completa do caminho de conversão em todos os dispositivos e canais resultantes de interações com os anúncios.
Otimização eficiente das campanhas: as conversões modeladas ajudam a otimizar as campanhas de forma mais eficaz e a alcançar melhores resultados comerciais.
- Os regulamentos de privacidade e as limitações tecnológicas significam que perdemos a observação de determinadas coortes de utilizadores (por exemplo, utilizadores que não deram o seu consentimento ou utilizadores que utilizam determinados tipos de dispositivos ou navegadores). Isto significa que os nossos algoritmos de lances automáticos têm de tomar decisões de otimização com base em dados incompletos, o que resulta numa aprendizagem tendenciosa. Como resultado, os lances automáticos podem tirar a prioridade a essas coortes, pois têm um desempenho comunicado inferior, o que resulta num desempenho global mais fraco pelo licitador. A modelagem resolve estas parcialidades e corrige-as nos relatórios globais para garantir que a licitação automática tem acesso a dados de desempenho mais representativos.Saiba mais acerca dos lances automáticos
Medição precisa centrada na privacidade: as conversões modeladas utilizam dados que não identificam utilizadores individuais para calcular as conversões que a Google não consegue observar diretamente. Isto pode fornecer um relatório mais completo das suas conversões. Esta abordagem contrasta diretamente com táticas que não respeitam a privacidade, como o fingerprinting, que depende da heurística, como o endereço IP, e tentativas de identificar e acompanhar utilizadores individuais. A Google tem uma política rigorosa contra a utilização do fingerprinting para a personalização de anúncios, uma vez que o fingerprinting não permite um controlo e transparência razoáveis para o utilizador.

Abordagem pela modelagem de conversões da Google

As soluções da Google funcionam para uma grande variedade de utilizadores, o que permite que a precisão dos nossos modelos de conversão seja validada num grande conjunto de interações com anúncios e ações de conversão através de várias dimensões principais:

Escala: temos acesso a uma magnitude e diversidade de interações com anúncios em vários canais de várias partes do funil. Isto fornece-nos dados abrangentes acerca da forma como diferentes utilizadores reagem a diferentes tipos de anúncios, independentemente da respetiva localização no funil e em todos os canais.
Precisão: a nossa grande base de utilizadores com sessão iniciada permite que as nossas técnicas de modelagem sofisticadas funcionem independentemente dos cookies ou de outros identificadores, uma vez que podemos inferir um conjunto avançado de conjuntos de dados comportamentais num conjunto representativo de utilizadores que optaram por ativar esta funcionalidade.
Cobertura: muitos Websites utilizam etiquetas da Google, o que significa que os nossos modelos de conversão são validados num grande conjunto de ações de conversão diferentes. A modelagem de conversões utiliza dados que não identificam o utilizador por forma a quantificar as conversões que a Google não consegue observar diretamente. Em seguida, o nosso modelo é formado de forma única para cada anunciante, gerando resultados únicos.
Conhecimentos técnicos: os conhecimentos da Google no domínio da IA são uma capacidade essencial que nos permite modelar com a melhor qualidade. Dominámos esta dimensão através dos nossos produtos de medição, que têm usado a modelagem há anos (os lances automáticos e as visitas à loja do Google Ads), bem como dos produtos para além da medição (por exemplo, carros autónomos e recomendações do YouTube).
Capacidade de ação: as conversões modeladas da Google são apresentadas nos relatórios das campanhas, mas também estão associadas à otimização e à licitação. Isto torna os dados acionáveis, uma vez que funciona em direção aos seus objetivos de negócio.

Exemplos de modelagem disponível para conversões online

Seguem-se alguns dos esforços de modelagem de conversões mais importantes que temos disponíveis:

Modelagem para limitações de cookies de terceiros

Alguns navegadores (por exemplo, Safari e Firefox) não permitem a medição de conversões através de cookies de terceiros. Se depender de cookies de terceiros para a medição de conversões, terá uma modelagem de conversões em linha com o tráfego dos seus Websites nesses navegadores (computadores e dispositivos móveis). Saiba como melhorar a modelagem ao atualizar para a etiqueta Google

Modelagem para limitações de cookies originais

Alguns navegadores (por exemplo, Safari) limitam o tempo durante o qual os cookies originais são permitidos. Terá uma modelagem de conversões em linha com a sua quota de conversões latentes para além desse período. Saiba como melhorar a modelagem ao utilizar conversões melhoradas

Modelagem para limitações de consentimento de cookies da UE

Em alguns países, os anunciantes exigem que os anunciantes obtenham consentimento para a utilização de cookies relacionados com atividades de publicidade. Os anunciantes que adotaram o modo de consentimento terão uma modelagem de conversões em linha com os utilizadores que não deram consentimento. As conversões são modeladas para utilizadores que não deram consentimento.

Impacto do iOS 14

A Política App Tracking Transparency (ATT) da Apple exige que os programadores solicitem autorização quando utilizam determinadas informações de apps e Websites de outras empresas para fins de publicidade. A Google não utiliza informações (como o IDFA) estipuladas na política ATT. Como tal, as conversões cujos anúncios têm origem no tráfego afetado pela ATT serão sujeitas a modelagem. Certifique-se de que o seu Website pode aceitar parâmetros de URL arbitrários para obter a melhor modelagem.

Com a implementação da política de ATT da Apple, a SKAdNetwork, a solução de atribuição de apps da Apple, tornou-se uma entrada importante para os anunciantes de apps na avaliação do desempenho das respetivas campanhas no iOS. Para melhorar a qualidade e a consistência dos relatórios modelados na IU do Google Ads, estamos a aprofundar as nossas integrações com a SKAdNetwork. Saiba mais acerca das práticas recomendadas para gerar melhor medição e desempenho para as suas campanhas de apps iOS.

Impacto das Políticas do Google Play

O Google Play anunciou algumas novas atualizações às respetivas políticas para reforçar o controlo, a privacidade e a segurança do utilizador. Como parte da atualização dos Serviços do Google Play no final de 2021, o ID de publicidade será removido quando um utilizador recusar a personalização através do ID de publicidade nas Definições do Android. Todas as tentativas de aceder ao identificador irão receber uma string de zeros em vez do identificador. Saiba mais sobre o ID de publicidade

Como resultado desta atualização dos serviços, vamos expandir as conversões modeladas a todas as campanhas de apps. Isto significa que a coluna Conversões, bem como as colunas Instalações, Ações na app e Valor de conversão, poderão conter conversões modeladas. No futuro, poderá haver mais conversões modeladas nas campanhas de apps como forma de mitigar o impacto potencial destas alterações e de outras eventuais alterações dos serviços.

Conversões entre dispositivos

Quando um utilizador inicia o seu percurso num dispositivo com uma interação com um anúncio e conclui a conversão noutro, pode não ser possível atribuir a conversão à interação com o anúncio. A Google observa os dados do grande número de utilizadores com sessão iniciada nas Propriedades da Google para extrapolar um comportamento semelhante em todos os utilizadores. Muitas conversões entre dispositivos também são modeladas, incluindo a partir de dispositivos da sala de estar e do computador.

Nota: a quota destas conversões que podem ser recuperadas através do Google Ads depende da quantidade de dados observáveis que temos para cada situação e da representatividade desses dados observáveis (por exemplo, até que ponto se assemelham à base de utilizadores de um determinado anunciante). As taxas de recuperação variam consoante o problema que estamos a abordar. Quantos mais dados observáveis houver, melhor será a qualidade do modelo. Saiba como pode melhorar esta situação ao implementar a etiqueta Google, o modo de consentimento e as conversões melhoradas.

Princípios da modelagem de conversões online

Melhoria constante da qualidade

Tal como todos os outros produtos, os nossos cientistas de dados melhoram continuamente os algoritmos para aumentar a precisão e a escala da modelagem. Introduzimos regularmente novos produtos para nos fornecerem novas origens de dados observáveis, o que aperfeiçoa a nossa modelagem (por exemplo, as conversões melhoradas e o modo de consentimento podem fornecer-nos mais dados observados).

Técnicas sofisticadas para verificar a precisão

Utilizamos técnicas como a validação do holdback para verificar a precisão da nossa modelação (por exemplo, retemos uma parte das conversões observadas e modelamos para essa fatia). Em seguida, comparamos os resultados modelados com as conversões efetivamente observadas que retivemos, medimos imprecisões e parcialidades e aperfeiçoamos continuamente os nossos modelos. Métodos semelhantes são amplamente usados na IA da Google.

Limites rigorosos para relatórios

Apenas incluímos conversões modeladas nos nossos relatórios quando estamos altamente convencidos de que as conversões ocorreram efetivamente como resultado das interações com os anúncios. Evitamos a comunicação sistemática de mais conversões do que a realidade e procuramos sempre minimizar o excesso de comunicações. Isto significa que, para alguns utilizadores, não observamos conversões suficientes regularmente para conseguir criar um modelo com confiança. Nestes casos, não comunicamos conversões modeladas.

Cada lacuna é resolvida através de uma metodologia de modelagem única

Dado que identificamos diferentes lacunas na medição e que são necessários e estão disponíveis diferentes tipos de dados observáveis, temos diferentes tipos de modelos para diferentes tipos de lacunas. Também utilizamos técnicas que eliminam a contabilização duplicada em vários tipos de modelos. Sabemos que as taxas de conversão variam significativamente em função do canal de publicidade, pelo que criamos modelos separados para cada canal e tipo de interação com o anúncio (impressões vs. cliques).

O resultado de cada modelo é exclusivo da sua empresa e do comportamento dos utilizadores

Assim que se determinar um algoritmo de modelação geral para resolver uma lacuna de observação específica, aplicamos esse algoritmo aos dados de cada anunciante separadamente e obtemos resultados únicos que refletem o comportamento e as taxas de conversão únicos desse anunciante. Por exemplo, se os seus utilizadores tiverem uma tendência muito elevada para iniciarem o respetivo percurso num dispositivo e efetuarem a conversão noutro dispositivo, um número mais elevado de conversões modeladas entre dispositivos do que a média será comunicado para si.

Política rigorosa contra o fingerprinting

Normalmente, as tecnologias de fingerprinting dependem da heurística, como os endereços IP que identificam utilizadores em vários pontos de toque e dispositivos, e geram um "ID de pegada digital" para identificar o utilizador em futuras interações. Não geramos esses IDs nem tentamos identificar utilizadores individuais, uma vez que o fingerprinting não permite um controlo e transparência razoáveis para o utilizador. Além disso, não permitimos que outras pessoas tragam dados de fingerprinting para os nossos produtos de publicidade. Em vez disso, agregamos dados, como as taxas de conversão históricas, o tipo de dispositivo, a hora do dia e a localização, para prever a probabilidade de um evento de conversão no conjunto de utilizadores que visualizaram ou clicaram num anúncio.

Comunicar alterações significativas na modelagem

Estamos constantemente a realizar experiências antes de implementarmos alterações na modelagem e, se detetarmos um impacto significativo nos relatórios e na licitação, comunicamos essas alterações em conformidade.

Integração automática

Nos casos em que podemos fazê-lo com precisão, a Google utiliza os dados disponíveis para proporcionar uma modelagem de conversões integrada nos relatórios e na otimização das conversões. Em alguns casos, como quando não é possível observar conversões para um conjunto de utilizadores que não deram o seu consentimento aos cookies, precisamos de dados acerca das suas taxas de consentimento para podermos proporcionar uma modelagem de conversões.

Links relacionados

A informação foi útil?

Como podemos melhorá-la?