Your guide to conversion modeling

Så fungerar konverteringsmodellering

Integritetssäker konverteringsmodellering fyller i luckor i kundresan.

Konverteringsmodellering använder observerade konverteringar för att förutse konverteringar som inte observerats, utan att enskilda personer identifieras.

Observerade konverteringar Modellerade konverteringar

använder cookies och andra identifierare för att koppla samman annonsinteraktioner och konverteringar.

använder maskininlärning för att tilldela kopplingar mellan annonsinteraktioner och konverteringar där cookies och identifierare inte varit tillgängliga.

När tas modellerade konverteringar med i rapporteringen?

Modellerade konverteringar tas bara med i det totala antalet rapporterade konverteringar om det är mycket sannolikt att en annons skulle ha resulterat i konverteringar. Genom att vara så här strikta kan vi undvika systematisk överrapportering. I fall där vi inte har tillräckligt med data för en säker modellering gör vi ingen konverteringsmodellering.

Validering av omdirigeringar (en rekommenderad metod för maskininlärning) gör att Googles modeller förblir rättvisande. Den här modelleringsmetoden tillämpas på en del av de observerade konverteringarna och verifierar hur korrekt modelleringen blir jämfört med observerade resultat. Informationen används sedan för att finjustera modellerna.

Google kör alltid experiment före lansering av förändringar i modelleringen och om vi upptäckter en betydande inverkan på din data informerar vi dig om det.

Så här fungerar konverteringsmodellering:

1. Annonsinteraktioner delas in i två grupper

Den ena gruppen innehåller annonsinteraktioner som har en tydlig och observerbar koppling till en konvertering. Den andra gruppen innehåller annonsinteraktioner som inte har en tydlig och observerbar koppling till en konvertering.


2. Den observerade gruppen delas in i undergrupper

De observerade konverteringarna delas in i undergrupper utifrån gemensamma egenskaper och viktiga mätvärden beräknas för var och en av undergrupperna. Det kan till exempel vara att konverteringar som observeras på morgonen i Frankrike har en viss konverteringsfrekvens, medan frekvensen kan vara annorlunda på kvällen.


3. Den observerade gruppen sorteras i samma undergrupper

Undergrupperna används för att sortera annonsinteraktioner och konverteringar som inte har observerats.


4. Kopplingar skapas mellan annonsinteraktioner och konverteringar som inte har observerats

Med hjälp av de kända konverteringsfrekvenserna och andra egenskaper från de observerade undergrupperna kopplar maskininlärningen där det är lämpligt samman annonsinteraktioner och konverteringar som inte observerats. De observerade och modellerade konverteringarna integreras sedan i konverteringsdatan så att du kan fatta välgrundade beslut baserade på de rapporterade annonsresultaten. De används även för budgivning för att skapa en opartisk bild av dina resultat. Det här leder till bättre optimering.

I praktiken baseras beräkningarna från observerad data på en mängd olika dimensioner, bland annat plats, tid och webbläsare. De här dimensionerna kombineras med data från plattforms-API:er, enkäter och användarpaneler för att ytterligare finjustera modelleringen.


Integritetscentrerat tillvägagångssätt

Google tillåter inte signaturinsamling och andra försök att identifiera enskilda användare. I stället använder Google samlad data (till exempel tidigare konverteringsfrekvens, enhetstyp, tid på dagen, geografisk plats och annat) för att förutse sannolikheten för konverteringar hos användare som har visat eller klickat på en annons.


Ytterligare resurser

Var det här till hjälp?

Hur kan vi förbättra den?
true
Achieve your advertising goals today!

Attend our Performance Max Masterclass, a livestream workshop session bringing together industry and Google ads PMax experts.

Register now

Sök
Rensa sökning
Stäng sökrutan
Googles appar
Huvudmeny