Modeliranje konverzija koje štiti privatnost ispunjava nepoznate podatke u korisničkom putovanju.
Modeliranje konverzija upotrebljava opažene konverzije za predviđanje neopaženih konverzija bez identificiranja bilo koje osobe.
Opažene konverzije | Modelirane konverzije |
---|---|
Upotrebljavaju se kolačići i drugi identifikatori za povezivanje između interakcija s oglasima i konverzija. |
Upotrebljava se strojno učenje za dodjeljivanje veza između interakcija s oglasima i konverzija u slučajevima u kojima kolačići i identifikatori nisu bili dostupni. |
Kada se modelirane konverzije uključuju u vaša izvješća
Modelirane konverzije uključuju se u ukupni broj zabilježenih konverzija samo ako postoji visoka pouzdanost da je oglas rezultirao konverzijama. Zahvaljujući tome možemo izbjeći sustavno izvješćivanje prevelikog broja konverzija. U slučajevima kada nemamo dovoljno podataka da bismo mogli pouzdano modelirati, ne pružamo modeliranje konverzija.
Provjera zadržavanja (najbolji primjeri iz prakse strojnog učenja) održava točnost Googleovih modela. Metodologija modeliranja primjenjuje se na podskup opaženih konverzija radi razumijevanja točnosti modela u usporedbi s opaženim rezultatima. Ti se podaci upotrebljavaju za precizno prilagođavanje modela.
Google neprestano provodi eksperimente prije uvođenja bilo kakvih promjena u modeliranje te, ako otkrijemo značajan utjecaj na vaše podatke, o tome vas obavještavamo.
Modeliranje konverzija funkcionira na sljedeći način:
1. Interakcije s oglasima odvajaju se u dvije grupe
Jedna grupa sadrži interakcije s oglasima koje imaju jasnu vezu koja se može pratiti do konverzije. Druga grupa sadrži interakcije s oglasima koje nemaju jasnu vezu koja se može pratiti do konverzije.
2. Opažena grupa dijeli se na podgrupe
Opažene konverzije dijele se na podgrupe na temelju dijeljenih značajki, a ključni mjerni podaci izračunavaju se za svaku. Na primjer, utvrdili smo da konverzije zabilježene ujutro u Francuskoj pokazuju određenu stopu konverzije, a ta stopa može biti drukčija navečer.
3. Neopažena grupa razvrstava se u te iste podgrupe
Te se podgrupe upotrebljavaju za razvrstavanje neopaženih interakcija s oglasima i konverzija.
4. Povezuju se neopažene interakcije s oglasima i konverzije
Upotrebom poznatih stopa konverzije i drugih značajki iz opaženih podgrupa, strojno učenje povezuje neopažene interakcije s oglasima i konverzije, ako je to prikladno. Opažene i modelirane konverzije zatim se integriraju u vaše podatke o konverzijama kako biste donosili bolje odluke povezane s izvješćivanjem o izvedbi oglasa. Te se konverzije dodaju u licitiranje radi pružanja nepristranog pregleda izvedbe vaših oglasa. To dovodi do bolje optimizacije.
U praksi, izračuni iz opaženih podataka temelje se na različitim dimenzijama, uključujući lokaciju, vrijeme i preglednik. Kombiniraju se s podacima API-ja platformi, anketa i korisničkih ploča kako bi se modeliranje dodatno preciziralo.
Pristup usmjeren na privatnost
Google ne dopušta praćenje digitalnih otisaka ni druge pokušaje identifikacije pojedinačnih korisnika. Umjesto toga, Google upotrebljava skupne podatke (kao što su povijesne stope konverzija, vrsta uređaja, doba dana, geografski podaci itd.) kako bi predvidio vjerojatnost konverzija korisnika koji su pregledali ili kliknuli oglas.
Dodatni resursi
- Saznajte više o modeliranju konverzija i podacima mjerenja
- Pogledajte osnove modeliranja konverzija u Google Adsu
- Saznajte kako modeliranje konverzija poboljšava marketing novim izvorima mjernih podataka
- Pogledajtenačela modeliranja konverzija