Privatlivssikret konverteringsmodellering udfylder de ukendte faktorer i kunderejsen.
Konverteringsmodellering bruger observerede konverteringer til at forudsige ikke-observerede konverteringer uden at identificere en enkeltperson.
| Registrerede konverteringer | Modellerede konverteringer |
|---|---|
|
Bruger cookies og andre id'er til at linke mellem annonceinteraktioner og konverteringer. |
Bruger maskinlæring til at tildele links mellem annonceinteraktioner og konverteringer, der tager højde for tilfælde, hvor cookies og id'er ikke var tilgængelige. |
Hvornår medtages modellerede konverteringer i dine rapporter?
Modellerede konverteringer inkluderes kun i det samlede antal rapporterede konverteringer, når der er stor sandsynlighed for, at din annonce har ført til konverteringer. Dette sikrer, at vi undgår systematisk overrapportering. I tilfælde, hvor vi ikke har nok data til at kunne modellere med sikkerhed, leverer vi ikke nogen konverteringsmodellering.
Validering af tilbageholdelse (en optimal løsning i forbindelse med maskinlæring) sikrer, at Googles modeller er præcise. Modelleringsmetoden anvendes på en undergruppe af observerede konverteringer for at forstå modellens nøjagtighed ved at sammenligne med observerede resultater. Disse oplysninger bruges til at finjustere modellerne.
Google kører løbende eksperimenter, før vi udgiver modelleringsændringer, og hvis vi observerer en væsentlig indvirkning på dine data, vil vi informere om det.
Konverteringsmodellering fungerer på følgende måde:
1. Annonceinteraktioner er opdelt i to grupper
Én gruppe indeholder annonceinteraktioner, der har et tydeligt og observerbart link til en konvertering. Den anden gruppe indeholder annonceinteraktioner, der ikke har et tydeligt og observerbart link til en konvertering.
2. Den observerede gruppe er inddelt i undergrupper
De observerede konverteringer opdeles i undergrupper baseret på delte karakteristika, og der beregnes vigtige metrics for hver af dem. Konverteringer, der observeres om morgenen i Frankrig, har f.eks. en bestemt konverteringsrate, mens denne konverteringsrate kan være anderledes om aftenen.
3. Den ikke-observerede gruppe sorteres i de samme undergrupper
Disse undergrupper bruges til at sortere ikke-observerede annonceinteraktioner og konverteringer.
4. Ikke-registrerede annonceinteraktioner og konverteringer linkes
Ved hjælp af de kendte konverteringsrater og andre karakteristika fra de observerede undergrupper registrerer maskinlæringslinks ikke-observerede annonceinteraktioner og konverteringer. De observerede og modellerede konverteringer integreres derefter i dine konverteringsdata, så du bedre kan træffe velfunderede beslutninger om annonceeffektivitetsrapportering, og anvendes på budgivning for at give en upartisk visning af din effektivitet. Dette fører til bedre optimering.
I praksis er beregninger fra observerede data baseret på en række forskellige dimensioner, herunder lokation, tidspunkt og browser. Disse kombineres med data fra platforms-API'er, undersøgelser og brugerpaneler for at justere modelleringen yderligere.
Tilgang med fokus på beskyttelse af personlige oplysninger
Google tillader ikke fingerprinting eller andre forsøg på identifikation af individuelle brugere. Google bruger i stedet samlede data (f.eks. historiske konverteringsrater, enhedstype, tidspunkt på døgnet og geografi) til at forudsige sandsynligheden for konverteringer for brugere, der har set eller klikket på en annonce.
Mere information
- Få flere oplysninger om konverteringsmodellering og målingsdata
- Se Grundlæggende oplysninger om konverteringsmodellering i Google Ads
- Få flere oplysninger om, hvordan konverteringsmodellering forbedrer din marketing med nye kilder til målingsdata
- Se principper for konverteringsmodellering
