การประมาณ Conversion โดยไม่ละเมิดความเป็นส่วนตัวจะเติมเต็มช่องว่างในเส้นทางของลูกค้า
การประมาณ Conversion ใช้ Conversion ที่สังเกตได้เพื่อคาดการณ์ Conversion ที่ตรวจไม่พบโดยไม่ต้องระบุตัวตนเป็นรายบุคคล
| Conversion ที่สังเกตได้ | Conversion โดยประมาณ |
|---|---|
|
ใช้คุกกี้และตัวระบุอื่นๆ เพื่อลิงก์ระหว่างการโต้ตอบกับโฆษณาและ Conversion |
ใช้แมชชีนเลิร์นนิงเพื่อกําหนดลิงก์ระหว่างการโต้ตอบกับโฆษณาและ Conversion โดยคํานึงถึงในกรณีที่ไม่มีคุกกี้และตัวระบุ |
เมื่อใดที่ Conversion โดยประมาณจะรวมอยู่ในการรายงาน
เราจะรวม Conversion โดยประมาณไว้ใน Conversion ที่รายงานทั้งหมดต่อเมื่อมีความเชื่อมั่นสูงว่าโฆษณาของคุณทำให้เกิด Conversion เท่านั้น วิธีนี้ช่วยหลีกเลี่ยงการรายงานอย่างเป็นระบบที่เกินกว่าความเป็นจริง และในกรณีที่เรามีข้อมูลไม่เพียงพอที่จะทําการประมาณได้อย่างมั่นใจ เราก็จะไม่ระบุการประมาณ Conversion
การตรวจสอบการยกเว้น (แนวทางปฏิบัติแนะนำสำหรับแมชชีนเลิร์นนิง) จะช่วยรักษาความแม่นยำในการประมาณของ Google ไว้ได้ วิธีการประมาณใช้ได้กับ Conversion ชุดย่อยที่สังเกตได้ เพื่อทําความเข้าใจความแม่นยําในการประมาณโดยเปรียบเทียบกับผลลัพธ์ที่สังเกตได้ เราจะใช้ข้อมูลนี้เพื่อปรับแต่งการประมาณ
Google ทําการทดสอบอย่างสม่ำเสมอก่อนจะเปลี่ยนแปลงรูปแบบการประมาณ และจะแจ้งให้ทราบหากตรวจพบผลกระทบที่สำคัญต่อข้อมูลของคุณ
วิธีการทำงานของการประมาณ Conversion เป็นดังนี้
1. แบ่งการโต้ตอบกับโฆษณาออกเป็น 2 กลุ่ม
กลุ่มหนึ่งประกอบด้วยการโต้ตอบกับโฆษณาซึ่งมีลิงก์ไปยัง Conversion ที่ชัดเจนและสังเกตได้ อีกกลุ่มหนึ่งประกอบด้วยการโต้ตอบกับโฆษณาซึ่งไม่มีลิงก์ไปยัง Conversion ที่ชัดเจนและสังเกตได้
2. แบ่งกลุ่มที่สังเกตได้ออกเป็นกลุ่มย่อย
Conversion ที่สังเกตได้จะแบ่งออกเป็นกลุ่มย่อยตามคุณลักษณะที่แชร์ และระบบจะคำนวณเมตริกหลักสําหรับแต่ละกลุ่ม ตัวอย่างเช่น Conversion ที่สังเกตได้ในตอนเช้าในฝรั่งเศสพบว่ามีอัตรา Conversion ที่แน่นอน ในขณะที่อัตรานี้อาจแตกต่างกันในช่วงเย็น
3. จัดเรียงกลุ่มที่ตรวจไม่พบไว้ในกลุ่มย่อยเดียวกันเหล่านั้น
และจะใช้กลุ่มย่อยดังกล่าวในการจัดเรียงการโต้ตอบกับโฆษณาและ Conversion ที่ตรวจไม่พบ
4. ลิงก์การโต้ตอบกับโฆษณาและ Conversion ที่ตรวจไม่พบ
แมชชีนเลิร์นนิงจะลิงก์การโต้ตอบกับโฆษณากับ Conversion ที่ตรวจไม่พบตามความเหมาะสมโดยใช้อัตรา Conversion ที่ทราบและคุณลักษณะอื่นๆ จากกลุ่มย่อยที่สังเกตได้ จากนั้นจะผสานรวม Conversion โดยประมาณที่สังเกตได้ไว้ในข้อมูล Conversion เพื่อช่วยให้คุณตัดสินใจเกี่ยวกับการรายงานประสิทธิภาพโฆษณาได้โดยมีข้อมูลประกอบ และป้อนข้อมูลไว้ในการเสนอราคาเพื่อให้เห็นภาพของประสิทธิภาพที่เป็นกลาง การดำเนินการนี้จะนำไปสู่การเพิ่มประสิทธิภาพที่ดียิ่งขึ้น
ในทางปฏิบัติ การคํานวณจากข้อมูลที่สังเกตได้จะอิงตามมิติข้อมูลที่หลากหลาย ซึ่งรวมถึงตําแหน่ง เวลา และเบราว์เซอร์ ระบบจะนำรายการเหล่านี้รวมกับข้อมูลจาก API ของแพลตฟอร์ม แบบสํารวจ และแผงผู้ใช้ เพื่อปรับแต่งการประมาณเพิ่มเติม
แนวทางที่มุ่งเน้นความเป็นส่วนตัว
Google ไม่อนุญาตให้ใช้การเก็บลายนิ้วมือหรือความพยายามอื่นๆ ในการระบุตัวตนผู้ใช้เป็นรายบุคคล แต่ Google จะใช้ข้อมูลรวม (เช่น อัตรา Conversion ที่ผ่านมา ประเภทอุปกรณ์ ช่วงเวลาของวัน ภูมิศาสตร์ และอื่นๆ) เพื่อคาดการณ์แนวโน้มของ Conversion จากผู้ใช้ที่ดูหรือคลิกโฆษณาแทน
