根据模型估算的线上转化简介

根据模型估算的转化是指使用无法据以识别个人用户身份的数据来估算 Google 无法直接观测的转化。这样报告的转化会更为全面。

我们根据模型估算转化的目的是，重建因为保护用户隐私或存在技术限制而无法观测广告归因的数据片段。此举是为了提供高质量的衡量结果，以便您准确了解自身营销活动的成效，并确保出价合理性，防止出价过低或过高。

当 Google Ads 中显示根据模型估算的转化数据时，即表示这些归因的转化数据是系统预测得到的。大多数情况下，Google 会收到广告互动数据和线上转化数据，但两者之间没有关联。我们建立模型是为了推测 Google 广告互动是否促成了线上转化，但不会推测是否发生了转化。

如果不根据模型估算转化，报告的转化仅会代表可观测的转化部分，无法反映广告系列的真实效果。

如何根据模型估算线上转化

为了针对不可观测的数据片段根据模型来估算转化，我们会尽可能使用可观测片段中的数据，因为我们已知这些片段的行为与不可观测的片段的行为相同或非常相似，或者我们非常清楚这两者之间的不同之处。

示例：假设您有一部分转化无法在某种浏览器上观测到，但可以在其他类型的浏览器上观测到。根据模型估算转化功能将首先了解用户行为在不同浏览器中的趋势（例如转化率）。然后，我们会使用来自可衡量浏览器的可观测数据，结合所有系统性偏差并综合考虑其他总体维度（例如设备类型、时段、地理位置、操作系统等），来预测广告互动在不可观测的浏览器上促成转化事件的可能性。

报告根据模型估算的转化时，所采用的精细程度与报告观测到的转化时相同。其中包括总转化次数、归因路径和转化价值等维度。Google 会在“转化次数”列中报告根据模型估算的转化和观测到的转化。

注意：对于线下转化数据导入功能和每周转化次数非常少的用户账号，可能不包含某些类型的根据模型估算的数据。

根据模型估算线上转化的优势

全面衡量所有广告流量：更准确地呈现广告成效（投资回报率），并全面揭示广告互动在不同设备和渠道间的转化路径。
提高广告系列的优化效率：根据模型估算的转化可帮您更有效地优化广告系列，从而取得更好的业务成果。
- 隐私权法规和技术限制让我们无法观测某些用户同类群组（例如，未同意我们收集数据的用户，或者使用特定设备类型或浏览器的用户）。这意味着，我们的自动出价算法需要根据不完整的数据做出优化决策，这会导致学习结果产生偏差。因此，自动出价功能可能会因为报告中针对这些同类群组的效果较差而降低相应群组的优先级，进而导致出价工具总体效果较差。根据模型估算转化功能可以解决这些偏差，并在整体报告中对其进行纠正，确保自动出价可以获得更具代表性的效果数据。详细了解自动出价
注重隐私的准确衡量方法：根据模型估算的转化使用无法据以识别用户个人身份的数据来估算 Google 无法直接观测的转化。这样报告的转化会更为全面。此方法与不注重隐私保护的手段（如数字“指纹”收集）大相径庭，后者依赖 IP 地址等推断依据，并会尝试识别并跟踪各个用户。Google 严禁利用数字“指纹”收集提供广告个性化功能，因为这无法保证用户拥有合理的控制权和知情权。

Google 根据模型估算转化的方法

Google 解决方案覆盖众多用户，因此我们能够借助几个关键维度，通过众多广告互动和转化操作验证转化模型的准确性：

规模：我们可以获得漏斗不同部分的各个渠道中数量巨大的各种广告互动数据。这为我们提供了全面的数据，有助于我们了解不同用户对不同类型广告的反应，无论他们处于漏斗的哪个阶段、哪个渠道中，我们都可以掌握。
准确性：得益于我们庞大的登录用户群，我们精密的根据模型估算技术无需 Cookie 或其他标识符便可正常运行，因为我们能通过一组选择接受的代表性用户来推断出丰富的行为数据集。
覆盖率：许多网站都使用 Google 代码，也就是说，我们的转化模型已通过大量不同转化操作的验证。“根据模型估算转化”功能利用不识别用户身份的数据，以此确定 Google 无法直接观测到的转化数量。然后，我们的模型会利用每个广告客户的数据单独进行训练，从而生成广告客户专属的结果。
技术专业知识：Google 在 AI 方面的专业知识是我们打造优质模型的关键。我们的衡量产品（Google Ads 自动出价和实体店光顾）多年来一直运用模型，而衡量解决方案以外的产品（例如无人驾驶汽车和 YouTube 推荐）也大量运用了这一技术，因此我们对这方面已经了如指掌了。
可操作性：Google 根据模型估算的转化数据不仅会显示在广告系列报告中，还会与优化和出价相关联。这使得数据更具行动指导意义，因为它有助于实现业务目标。

可以使用“根据模型估算线上转化”功能的情况示例

以下是我们在完善“根据模型估算转化”功能方面所取得的一些重要成果：

针对第三方 Cookie 受限的情况根据模型估算转化

某些浏览器（例如 Safari 和 Firefox）不允许使用第三方 Cookie 衡量转化。如果您使用第三方 Cookie 衡量转化，则可以针对这些浏览器（桌面版和移动版）上的网站流量根据模型来估算转化。了解如何通过升级至 Google 代码来改进根据模型估算转化

针对第一方 Cookie 受限的情况根据模型估算转化

有些浏览器（例如 Safari）会限制第一方 Cookie 的使用时长。对于超出该时间范围的那部分潜在转化，您会使用根据模型估算转化功能。了解如何借助增强型转化更好地根据模型估算转化

针对欧盟的 Cookie 意见征求限制根据模型估算转化

某些国家/地区的法规要求，广告客户必须就广告活动相关 Cookie 的使用征得用户同意。对于已采用意见征求模式的广告客户，他们可以针对不同意的用户根据模型估算转化。对于不同意的用户，系统会根据模型来估算转化情况。

iOS 14 的影响

Apple 的应用跟踪透明度 (ATT) 政策将要求开发者必须先征得同意，然后才能使用其他公司的应用和网站中的某些信息进行广告宣传。Google 不会使用 ATT 中规定的信息（例如广告标识符）。为遵守该政策，对源于受 ATT 影响的流量的广告的转化情况，系统会根据模型来进行估算。请确保您的网站允许使用任意添加的网址参数，以获得最准确的模型估算结果。

在 Apple 的 ATT 政策（即 SKAdNetwork）推出后，Apple 的应用归因解决方案已成为应用广告主评估 iOS 广告系列效果时的重要考虑因素。为提高 Google Ads 界面中根据模型估算转化的报告的质量和一致性，我们正在深化与 SKAdNetwork 的集成。不妨详细了解关于提升 iOS 应用广告系列的效果和衡量效率的最佳做法。

Google Play 政策的影响

Google Play 发布了一些新的政策更新，旨在增强用户掌控力、加强用户隐私保护和提高用户安全性。在 2021 年底 Google Play 服务更新生效后，如果用户在 Android 设置中选择停用利用广告 ID 展示个性化广告的设置，系统将移除相应广告 ID。任何尝试获取该标识符的操作都无法获取到该标识符，而会收到一串零。详细了解广告 ID

由于此次服务更新，我们会将“根据模型估算的转化”的应用范围扩展到所有应用广告系列。这意味着，您的“转化次数”列以及“安装次数”“应用内操作次数”和“转化价值”列中都可能会包含根据模型估算的转化次数。今后，应用广告系列可能会具有额外的根据模型估算的转化，我们希望通过这种方式来减轻此次以及其他潜在的服务更新可能带来的影响。

跨设备转化

如果用户在一台设备上与广告互动，开始转化历程，然后在另一台设备上完成转化，那么这次转化可能无法归因于此广告互动。Google 会观测 Google 产品和服务上大量已登录用户的数据，然后据此推断所有用户的类似行为。许多跨设备转化也是根据模型估算的，包括来自客厅和桌面设备上的转化。

注意：这些可以通过 Google Ads 找回的转化的份额取决于两方面：我们在每种情况下获得的可观测数据量，以及这些可观测数据是否具有代表性（例如，与特定广告客户的整个用户群的相似程度）。找回率的大小取决于我们能够解决的问题。可观测数据越多，模型质量越高。了解如何通过实施 Google 代码、意见征求模式和增强型转化，进一步提高模型质量。

根据模型估算线上转化的原则

持续提升质量

与其他所有产品一样，我们的数据科学家会持续改进算法，提高根据模型估算的转化的准确性和规模。我们会定期推出新产品，以便提供新的可观测数据来源，从而优化根据模型估算转化功能（例如，增强型转化和用户意见征求模式可以为我们提供更多可观测数据）。

确保准确性的精密技术

我们使用保留验证等技术来确保根据模型估算的准确性（例如，我们保留了一部分观测到的转化，并针对该数据片段根据模型来加以估算）。然后，我们会将根据模型估算的结果与保留的实际观测到的转化数据进行比较，据此衡量误差和偏差，并不断优化我们的模型。类似的方法在 Google AI 中使用很广。

严格的报告阈值

仅当我们有把握确信广告互动实际促成了转化后，我们才会将根据模型估算的转化纳入报告。我们会避免系统地报告超出实际量的转化，并且始终致力于尽可能减少过度报告。这意味着，对于某些用户而言，我们无法定期观测到足够的转化，因而无法建立可信的模型。在这些情况下，我们不会报告任何根据模型估算的转化。

每个转化数据缺口都通过独特的根据模型估算的方法解决

由于我们发现衡量中存在不同的数据缺口，并且需要不同类型的转化数据，因此我们会针对不同类型的数据缺口使用不同类型的模型。我们还采用了多种技术来消除各种模型的重复计数问题。我们知道不同广告渠道的转化率差别很大，因此，我们会针对每种渠道和广告互动类型（展示与点击）分别建立模型。

每种模型的结果对于您的业务和用户行为而言都是专属的

在确定了用于解决特定观测数据缺口的一般建模算法后，我们会分别将该算法运用于每个广告客户的数据，从而得出反映该广告客户唯一身份用户行为和转化率的专属结果。例如，如果您的用户非常倾向于在一台设备上开始转化历程，然后在另一台设备上完成转化，那么我们为您报告的跨设备根据模型估算的转化将高于平均值。

严禁使用数字“指纹”收集的政策

数字“指纹”收集技术通常依赖于诸如 IP 地址之类的推断依据，这些推断依据通过不同的接触点和设备识别用户，并生成“指纹 ID”以便在后续的互动中识别用户。我们不会生成此类 ID 或尝试识别用户个人身份，因为这无法保证用户合理的控制权和知情权。此外，我们也不允许其他人将指纹数据引入我们的广告产品。相反，我们会汇总历史转化率、设备类型、时段和地理位置等数据，以预测观看过或点击过广告的一组用户完成转化事件的可能性。

传达根据模型估算转化功能的重大变化

我们会在发布任何针对根据模型估算功能的更改前不断进行实验，并且如果我们发现对报告和出价有显著影响，就会发出相关通知。

自动集成

如果可以保证准确性，Google 将使用可用数据，为您报告转化和进行优化提供集成的根据模型估算转化功能。在某些情况下，例如，如果无法观测到尚未同意使用 Cookie 的一组用户的转化，我们将需要您的同意率方面的相关数据，以便我们为您提供根据模型估算转化功能。

该内容对您有帮助吗？

您有什么改进建议？