Om säkerhet vid identifiering av påverkan

Säkerhet vid identifiering av påverkan är endast tillgänglig för varumärkespåverkan och är ett viktigt mätvärde för att förstå hur tillförlitliga resultaten är. Mätvärdet motsvarar sannolikheten för att uppmätt påverkan genereras av dina kampanjer och inte är slumpmässig.

På den här sidan

Så här fungerar det

Säkerhet vid identifiering av påverkan beräknas som 1–p-värde och kallas ibland för ”statistisk signifikans” eller ”förtroende” för påverkansresultatet. P-värdet visar hur troligt påverkansresultatet skulle vara ifall annonserna i själva verket vore ineffektiva. En hög säkerhet, vilket motsvarar ett lågt p-värde, tyder på att det inte är troligt att resultaten uppstår av en slump. Hög säkerhet är ett tydligt tecken på att dina annonser har genererat påverkan.


Tolka nivåer av säkerhet vid identifiering av varumärkespåverkan

Google försöker samla in tillräckligt många svar för att upptäcka påverkan med högsta möjliga säkerhet (90 %). Däremot kan resultat med lägre säkerhet fortfarande vara till hjälp när du fattar beslut om annonsering. I ditt Google Ads-konto kan du se resultat av varumärkespåverkan och motsvarande säkerhet för alla undersökningar med en mätsäkerhet över 70 %. Resultat under 70 % rapporteras inte eftersom de inte är tillräckligt statistiskt signifikanta för att vara användbara och tillförlitliga.

Obs! Säkerhet vid identifiering av påverkan är inte tillgängligt för alla konton. Om det inte är tillgängligt i ditt konto kan du bara se resultat med hög säkerhet (>90 %). Säkerhet vid identifiering av påverkan är endast tillgängligt för varumärkespåverkan. Resultat för sök- och konverteringsökning delas bara om de har den högsta säkerheten vid identifiering av påverkan (>90 %).


Tolka och använda resultat med säkerhet vid identifiering av påverkan

Följande tabell innehåller allmänna riktlinjer för hur du tolkar olika resultat för säkerhet vid identifiering av påverkan. Observera att säkerhet vid identifiering av påverkan för enkelhetens skull avrundas nedåt i steg om 5 %. Du kan använda tabellen nedan som vägledning, men vi rekommenderar att du tolkar resultaten utifrån dina affärsbehov och din risktolerans.

Säkerhet vid identifiering av påverkan Tolkning
≥90 % Hög säkerhet – Dessa resultat är tillförlitligast eftersom de sannolikt inte beror på slumpen. Du kan använda resultat med hög säkerhet som underlag för att fatta beslut om dina annonser eftersom det finns starka bevis för att de har bidragit till påverkan.
85 % Medelhög säkerhet – Det finns en liten risk att dessa resultat kan ha påverkats av brus. Vi rekommenderar att du använder dem som allmän vägledning eller för beslut med låg risk.
80 %
75 % Låg säkerhet – Dessa resultat kan bero på slumpen och återspeglar kanske inte annonsresultatet korrekt. Vi rekommenderar att du använder resultat med låg säkerhet för allmän vägledning eller för beslut med mycket låg risk. Du kan samla in fler enkätsvar (via ommätning) för att öka säkerheten innan du fattar viktiga beslut.
70 %
Ingen påverkan Opålitliga resultat – Resultat med en säkerhet under 70 % ger inte tillräckliga bevis på påverkan och rapporteras som Ingen påverkan i Google Ads.

Observera att varumärkespåverkan har som mål att identifiera med högsta säkerhet vid identifiering av påverkan, det vill säga 90 %. Resultat med lägre säkerhet försämrar inte resultatens kvalitet men kan ge dig datapunkter som annars skulle vara otillgängliga.

Tolka låg säkerhet

Resultat med låg säkerhet betyder inte alltid att annonserna är ineffektiva. Dessa resultat kan ge dig insikter som bör verifieras ytterligare. En låg säkerhet vid identifiering av påverkan innebär att mätupplösningen inte kunde identifiera påverkan med hög sannolikhet. Det kan antingen bero på att för få enkätsvar samlades in eller på att påverkan är låg. 

  • Lågt antal enkäter: Ett lågt antal enkäter (under 4 100 svar) leder till låg mätningseffekt, vilket betyder att säkerheten vid identifiering av påverkan sannolikt är lägre. Du får dessutom ett lägre antal enkäter per segment när du segmenterar resultaten, till exempel efter ålder, kön eller kampanjer. Du kan använda ommätning för att öka antalet enkätsvar
  • Låg absolut påverkan: Påverkan under 2 % är svår att avläsa med hög säkerhet. En låg absolut påverkan är däremot inte nödvändigtvis ett tecken på dåligt resultat. Kampanjer med låg absolut påverkan kan få bättre resultat vad gäller kostnad per influerad användare (CPLU).

Jämför påverkan på segmentnivå med olika säkerhet vid identifiering av påverkan

Olika segment, till exempel olika åldersgrupper, får sannolikt olika säkerhet vid identifiering av påverkan. Som förklaras ovan, bör du inte dra slutsatsen att segmentet med högst säkerhet vid identifiering av påverkan är det segment som ger bäst resultat. 

Observera att vi rekommenderar absolut varumärkespåverkan eller CPLU för att jämföra segment (använd inte influerade användare). Observera också att påverkansresultaten för olika segment ofta är likartade (hög överlappning av konfidensintervaller). Detta gör det svårt att tydligt identifiera de bästa segmenten. Om du vill optimera din kampanj för de segment som ger bäst resultat rekommenderar vi att du väljer segmenten med högst absolut påverkan (eller lägst CPLU) för att fatta de bästa generella besluten. Men tänk på att ju lägre säkerhet vid identifiering av påverkan, desto större är risken för att det uppmätta resultatet kan bero på brus. Om du har flera segment med liknande resultat kan det vara klokt att välja segmenten med den största säkerheten för att minimera riskerna. Kontakta din kontorepresentant om du är osäker på hur du identifierar vilka segment som ger bäst resultat.

Tolka konfidensintervaller och nivåer

När man talar om annonsers påverkan brukar det handla om den uppskattade punktskattningen, nämligen den mest sannolika påverkan som annonsen har genererat. I Google Ads kan du också hitta ett konfidensintervall för alla mätvärden för varumärkespåverkan, vilket är ett uppskattat intervall som resultatet kan falla inom. Intervallet definieras av en övre och nedre gräns, det vill säga de troligt högsta och lägsta värdena för påverkansvärdet. Påverkansresultaten använder 80 % tvåsidiga konfidensintervall. Det innebär att det finns 80 % chans att verklig påverkan ligger mellan den undre och övre gränsen. Det innebär också 90 % sannolikhet att påverkan är högre än den undre gränsen.

Exempel: Du kanske ser att din relativa påverkan är 35 %, vilket är punktskattningen. Men du kan också se att konfidensintervallet går från 30 % till 40 %, vilket innebär att det är 80 % chans att verklig påverkan ligger mellan den nedre gränsen på 30 % och den övre på 40 %. Ett annat sätt att se på detta är att det är 90 % chans att ökningen är större än 30 % (den lägre gränsen).

Observera att när säkerheten vid identifiering av påverkan är mindre än 90 % blir den undre gränsen för konfidensintervallet mindre än 0 eftersom Google inte med över 90 % säkerhet kan garantera att ökningsvärdet är positivt.


Vanliga frågor

Kan jag välja en egen lägsta nivå för säkerhet vid identifiering av påverkan? 

Nej, resultaten visas alltid om säkerheten är över 70 %. Om du vill ha en högre gräns (t.ex. 80 %) kan du ignorera alla resultat under din gräns. Det går inte att ange en gräns som är lägre än 70 %.

Hur kan jag öka säkerheten vid identifiering av påverkan?

Säkerheten vid identifiering av påverkan beror på mätningens noggrannhet. Så här kan du öka mätningens noggrannhet:
  1. Använd ommätning för att öka insamlingen av enkäter. 
  2. Mät annonsigenkänning eller annonsmedvetenhet för att avgöra den största chansen att få påverkan med hög säkerhet. 
  3. Tala med din kontoansvariga för att välja annonskampanjer med hög påverkan.

Var kan jag läsa mer om hur säkerhet vid identifiering av påverkan beräknas?

Det finns alltid en viss naturlig slumpmässighet i enkäterna som kan leda till variationer i datan. Detta kallas ofta ”slumpmässigt mätningsbrus”. Det slumpmässiga bruset kan leda till att mått för varumärkespåverkan anger positiv påverkan trots att annonserna inte skapar någon påverkan i verkligheten. P-värdet anger hur troligt det är att en uppmätt påverkan beror på brus om annonserna inte genererade påverkan. Om du har ett mycket lågt p-värde är det mycket osannolikt att påverkansmåttet berodde på slumpmässigt brus och det är då säkert att annonskampanjerna orsakade påverkan.
Säkerhet vid identifiering av påverkan beräknas som ”1–p-värde” och uttrycks i procent. Ju högre siffran är (och därmed ju lägre p-värdet är), desto säkrare är det på att annonserna orsakade påverkan. 
Exempel 1: Annonsen visar 5 % absolut påverkan, p-värdet = 0,01: Det betyder att det finns 1 % chans att se 5 % påverkan som beror på slumpmässigt mätbrus. Detta innebär en hög säkerhet (99 %) att en annons orsakade påverkan. 

 

Exempel 2: Annonsen visar 5 % absolut påverkan, p-värdet = 0,35: Det betyder att det finns 35 % chans att se 5 % påverkan som beror på slumpmässigt mätbrus. Detta innebär låg säkerhet (65 %) och är inte tillräckligt tillförlitligt bevis för att annonsen har orsakat påverkan.

Varför ser jag låg säkerhet vid identifiering av påverkan i segmenten?

När du delar upp data efter segment, till exempel efter kampanjer, innehåller varje segment bara en delmängd av alla enkäterna. Eftersom de enskilda segmenten har färre enkäter än den totala undersökningen förväntas det vara svårare att upptäcka påverkan med hög säkerhet. Tänk på att om ett segment har större räckvidd än ett annat, till exempel om en kampanj har större budget än en annan, samlar det segmentet in fler enkäter och ger sannolikt en större säkerhet vid identifiering av påverkan, även om påverkan för det segmentet kanske är lägre. Det är svårast att identifiera påverkan hos de segment som har minst räckvidd.

Var kan jag se säkerheten för de olika segmenten?

I påverkansrapporten finns en expanderbar tabell under diagrammen. I tabellen ser du alla mätvärden för påverkan, inklusive säkerhet vid identifiering av påverkan.

Var kan jag se jag konfidensintervaller?

Konfidensintervaller visas i påverkansdiagrammen. Du kan se dem genom att hålla muspekaren över påverkansresultaten i tabellerna. I diagrammen kan du se hur stor osäkerhet mätvärdena har. När du jämför segment kan du dessutom snabbt kontrollera om konfidensintervallerna för två segment överlappar varandra. Ju större överlappningen är, desto mindre säker kan du vara på att ett segment är bättre än ett annat. I alla diagram klipps konfidensintervallerna av vid 0, men du kan se de exakta värdena genom att hålla muspekaren över påverkansresultaten i tabellerna.

Relaterade länkar

Var det här till hjälp?

Hur kan vi förbättra den?
Sök
Rensa sökning
Stäng sökrutan
Googles appar
Huvudmeny
7456337068610860543
true
Sök i hjälpcentret
true
true
true
true
true
73067
false
false
false
true
false