Med modellerade konverteringar används anonymiserad data för att beräkna konverteringar som Google inte kan observera direkt. Detta kan ge en mer komplett rapport om dina konverteringar.
Vi modellerar för att fylla datasegment där vi vet att vi inte kan observera annonsmärkning på grund av användarnas integritet eller tekniska begränsningar. Vi gör detta för att kunna erbjuda mätning av hög kvalitet så att du kan se effekten av din marknadsföring, och för att bibehålla budgivning av hög kvalitet med bud som varken är för låga eller för höga.
När Google visar modellerade konverteringar i Google Ads förutser vi tillskrivna konverteringar. I de flesta fall tar Google emot annonsinteraktioner och onlinekonverteringar, men kopplingen mellan dem saknas. Modelleringen visar om en interaktion med en Google-annons ledde till en onlinekonvertering. Den visar inte om en konvertering skedde eller inte.
Utan modellering skulle konverteringsrapporten bara visa den del av konverteringarna som går att observera, inte det verkliga kampanjresultatet.
Så fungerar modellerade onlinekonverteringar
För att kunna skapa modeller av datasegment som inte går att observera strävar vi efter att använda data från segment som går att observera och där vi vet att beteendet är detsamma eller mycket likt segmentet som inte går att observera, eller där vi har goda kunskaper om hur de skiljer sig åt.
Exempel: Anta att du har ett segment med konverteringar som inte går att observera i en webbläsartyp men som kan observeras i andra webbläsartyper. Modelleringen börjar med att undersöka trenderna i användarbeteende (till exempel konverteringsfrekvens) för olika webbläsartyper. Sedan använder vi data från webbläsare som kan observeras och mätas tillsammans med eventuella systematiska polariseringar, och lägger till andra sammanställda dimensioner, som enhetstyp, tid på dagen, geografisk plats, operativsystem, för att förutse sannolikheten för konverteringshändelser från annonsinteraktioner i webbläsartypen som inte kan observeras.
Modellerade konverteringar rapporteras med samma detaljnivå som observerade konverteringar. Detta omfattar dimensioner som konverteringssummor, attributionsvägar och konverteringsvärden. I kolumnen Konverteringar rapporterar Google både modellerade och observerade konverteringar.
Fördelar med modellerade onlinekonverteringar
- Holistisk mätning av all annonstrafik: Du får en mer exakt bild av annonseringsresultatet (avkastningen på investeringen) och en fullständig bild av konverteringsvägen från annonseringsinteraktioner på olika enheter och kanaler.
- Effektiv kampanjoptimering: Modellerade konverteringar hjälper dig att optimera dina kampanjer mer effektivt och nå bättre resultat.
- Integritetsbestämmelser och tekniska begränsningar gör att vissa användarkohorter inte går att observera (till exempel användare som inte gett sitt samtycke och användare med vissa typer av enheter eller webbläsare). Det gör att våra algoritmer för automatisk budgivning måste fatta optimeringsbeslut grundade på ofullständig data, vilket leder till en polariserad inlärning. Automatisk budgivning kan då prioritera ned dessa kohorter eftersom de har ett sämre rapporterat resultat, vilket leder till allmänt sämre resultat för budgivningssystemet. Modelleringen kompenserar för denna polarisering och korrigerar den i den övergripande rapporteringen så att den automatiska budgivningen kan utgå från mer rättvisande resultat. Läs mer om automatisk budgivning
- Korrekta mätningar som tar hänsyn till användarnas integritet: Med modellerade konverteringar används anonymiserad data för att beräkna konverteringar som Google inte kan observera direkt. Detta kan ge en mer komplett rapport om dina konverteringar. Den här metoden skiljer sig också från metoder som hotar användarnas integritet, till exempel signaturinsamling, och som förlitar sig på heuristisk information som IP-adresser för att identifiera och spåra enskilda användare. Google har en strikt policy mot signaturinsamling för annonsanpassning, eftersom denna metod fråntar användarna rimlig kontroll och insyn.
Googles metod för konverteringsmodellering
Googles lösningar fungerar för ett stort urval av användare och gör det möjligt att verifiera konverteringsmodelleringarnas precision för ett stort antal annonsinteraktioner och konverteringsåtgärder med hjälp av flera olika nyckeldimensioner:
- Skala: Vi har tillgång till en mycket stor och varierad mängd annonsinteraktioner via olika kanaler och i olika delar av tratten. Det ger oss heltäckande data om hur olika användare reagerar på olika typer av annonser, oavsett var de befinner sig i tratten och i alla kanaler.
- Precision: Vår stora inloggade användarbas medger avancerade modelleringstekniker som fungerar oberoende av cookies och andra identifierare, eftersom vi kan samla in en stor mängd beteendedata från en representativ grupp användare som har gett sitt medgivande till detta.
- Täckning:: Många webbplatser använder Google-taggar, vilket innebär att våra konverteringsmodeller valideras för ett stort antal olika konverteringsåtgärder. Konverteringsmodelleringen använder data som inte identifierar användarna i syfte att kvantifiera konverteringar som Google inte kan observera direkt. Modellen tränas sedan specifikt på varje annonsör för att ge unika resultat.
- Teknisk expertis: Googles expertis inom AI är avgörande för att vi ska kunna skapa modeller av högsta kvalitet. Vi har utvecklat denna expertis i arbetet med våra mätningsprodukter, där modellering har använts i många år (automatisk budgivning och butiksbesök i Google Ads) och med andra produkter (till exempel förarlösa bilar och YouTube-rekommendationer).
- Möjliggör konkreta åtgärder: Googles modellerade konverteringar visas i kampanjrapporterna men är också kopplade till optimering och budgivning. Det betyder att data kan användas som underlag för att hjälpa dig att nå dina verksamhetsmål.
Exempel på tillgänglig modellering för onlinekonverteringar
Här är några av de viktigaste konverteringsmodelleringarna vi erbjuder:
Modellering för begränsningar i samband med cookies från tredje part
Modellering för begränsningar i samband med ursprungsplatsens cookies
Modellering för begränsningar av samtycke till cookies i EU
Inverkan från iOS 14
Effekten av Google Play-policyer
I Google Play har några policyuppdateringar införts för att förbättra användarkontroll, integritet och säkerhet. Som ett led i uppdateringen av Google Play-tjänster i slutet av 2021 tas reklam-id:n bort när en användare väljer bort annonsanpassning med hjälp av reklam-id:t i Android-inställningarna. Alla som försöker komma åt identifieraren ser en rad med nollor i stället för identifieraren. Läs mer om reklam-id
Som ett resultat av denna uppdatering utvidgar vi modellerade konverteringar till alla appkampanjer. Det innebär att konverteringskolumnen (och kolumnerna för installation, åtgärd i app och konverteringsvärde) kan innehålla modellerade konverteringar. Vi kan komma att införa ytterligare modellerade konverteringar i appkampanjer för att minska effekten av denna och eventuella andra uppdateringar av tjänsten.
Konverteringar över flera enheter
Om en användare inleder sin kundresa med en annonsinteraktion på en enhet och slutför konverteringen på en annan, kan konverteringen inte alltid tillskrivas annonsinteraktionen. Google observerar data från det stora antal användare som är inloggade på Googles tjänster för att extrapolera liknande användarbeteenden. Många konverteringar över flera enheter modelleras också, bland annat från vardagsrum och dator.
Principerna för modellering av onlinekonvertering
Kontinuerlig förbättring av kvaliteten
Som med alla andra produkter arbetar våra data scientists kontinuerligt med att förbättra algoritmerna för att öka modelleringens precision och skala. Vi lanserar regelbundet nya produkter för att få fler källor till data som går att observera (till exempel förbättrade konverteringar och samtyckesläget), så att vi kan finjustera modelleringen.
Avancerade tekniker för precisionskontroll
Vi använder tekniker som omdirigering och validering av innehållna data för att kontrollera modelleringens precision. Till exempel omdirigerar vi vissa observerade konverteringar för att skapa modelleringar av segment). Sedan jämför vi de modellerade resultaten med de verkliga observerade konverteringar som vi omdirigerade och mäter felaktigheter och polariseringar för att kontinuerligt finjustera våra modeller. Liknande metoder används i stor utsträckning i Googles AI.
Strikta gränser för rapportering
Vi inkluderar modellerade konverteringar i rapporterna bara om vi är mycket säkra på att konverteringarna faktiskt var ett resultat av annonsinteraktioner. Vi undviker systematiskt att rapportera fler konverteringar än vad som faktiskt har skett och strävar alltid efter att minimera överrapportering. Det betyder att vi för vissa användare inte regelbundet kan observera tillräckligt många konverteringar för att skapa säkra modelleringar. I sådana fall rapporterar vi inga modellerade konverteringar.
Varje lucka åtgärdas med en unik modelleringsmetod.
Resultatet av varje modellering är unik för ditt företag och dina användares beteende
När en generell modelleringsalgoritm har fastställts för en viss observationslucka tillämpar vi den separat på varje annonsörs data och får unika resultat som reflekterar annonsörens specifika användarbeteenden och konverteringsfrekvens. Om dina användare till exempel har en stark tendens att påbörja sin kundresa på en enhet och sedan byta till en annan enhet, rapporteras en större mängd modellerade konverteringar över flera enheter.
Strikt policy mot signaturinsamling
Information om betydelsefulla förändringar i modelleringen
Automatisk integrering
Där det är möjligt att göra det på ett korrekt sätt använder Google tillgänglig data för att tillhandahålla integrerad konverteringsmodellering i rapportering av och optimering för konverteringar. I vissa fall, till exempel när det inte är möjligt att observera konverteringar för en viss grupp användare som inte samtyckt till användning av cookies, behöver vi data om samtyckesfrekvens för att kunna tillhandahålla konverteringsmodellering.