Privacyveilige conversiemodellering vult de onbekende elementen in het klanttraject aan.
Conversiemodellering maakt gebruik van waargenomen conversies om niet-waargenomen conversies te voorspellen zonder iemand te identificeren.
| Waargenomen conversies | Gemodelleerde conversies |
|---|---|
|
Gebruikt cookies en andere ID's om advertentie-interacties en conversies aan elkaar te koppelen. |
Gebruikt machine learning om koppelingen toe te wijzen tussen advertentie-interacties en conversies, waarbij rekening wordt gehouden met gevallen waarin cookies en ID's niet beschikbaar waren. |
Wanneer worden gemodelleerde conversies opgenomen in uw rapportage?
Gemodelleerde conversies worden alleen opgenomen in uw totale gerapporteerde conversies als er een grote kans is dat uw advertentie tot conversies heeft geleid. Met deze strikte aanpak voorkomen we dat er systematisch te veel conversies worden gerapporteerd. En als we niet over voldoende gegevens beschikken om met vertrouwen te kunnen modelleren, bieden we geen conversiemodellering.
Validatie voor vasthouden (een best practice voor machine learning) behoudt de nauwkeurigheid van de modellen van Google. Modelleringsmethodologie wordt toegepast op een subset van waargenomen conversies om inzicht te krijgen in de nauwkeurigheid van het model door vergelijking met waargenomen resultaten. Deze informatie wordt gebruikt om de modellen te verfijnen.
Google voert voortdurend experimenten uit voordat we modelwijzigingen uitrollen. Als we een aanzienlijke impact op uw gegevens vaststellen, laten we dat weten.
Conversiemodellering werkt als volgt:
1. Advertentie-interacties worden onderverdeeld in 2 groepen
De ene groep bevat advertentie-interacties die een duidelijke, waarneembare koppeling met een conversie hebben. De andere groep bevat advertentie-interacties die geen duidelijke, waarneembare koppeling met een conversie hebben.
2. De waargenomen groep is onderverdeeld in subgroepen
De waargenomen conversies zijn onderverdeeld in subgroepen op basis van gedeelde kenmerken. Voor elke groep worden de belangrijkste statistieken berekend. Conversies die 's ochtends in Frankrijk worden waargenomen, hebben bijvoorbeeld een bepaald conversiepercentage, terwijl dit percentage 's avonds anders kan zijn.
3. De niet-waargenomen groep wordt in diezelfde subgroepen gesorteerd
Deze subgroepen worden gebruikt om niet-waargenomen advertentie-interacties en conversies te sorteren.
4. Niet-waargenomen advertentie-interacties en conversies worden gekoppeld
Met behulp van de bekende conversiepercentages en andere kenmerken van de waargenomen subgroepen koppelt machine learning niet-waargenomen advertentie-interacties aan conversies, waar van toepassing. De waargenomen en gemodelleerde conversies worden daarna geïntegreerd in uw conversiegegevens zodat u geïnformeerde beslissingen kunt nemen over rapporten voor advertentieprestaties. Deze gegevens worden samengevoegd in biedingen om een onbevooroordeeld overzicht van uw prestaties te geven. Dat leidt tot een betere optimalisatie.
Berekeningen van waargenomen gegevens zijn in de praktijk gebaseerd op verschillende dimensies, waaronder locatie, tijd en browser. Deze worden gecombineerd met gegevens van platform-API's, enquêtes en gebruikersonderzoeken om de modellen verder te verfijnen.
Privacygerichte aanpak
Google staat geen fingerprinting toe of andere pogingen om individuele gebruikers te identificeren. In plaats daarvan gebruikt Google verzamelde gegevens (zoals historische conversiepercentages, apparaattype, tijdstip en geografie) om de kans op conversies te voorspellen door gebruikers die een advertentie hebben bekeken of erop hebben geklikt.
