Åtgärda problem med uppladdning av listor, liten liststorlek och låg volym tillsammans med Kundmatchning

Två vanliga problem i samband med Kundmatchning är uppladdningsproblem och problem med liten liststorlek. Båda beror på felaktig formatering av datafilen eller felaktig användning av hash-teknik.

I denna artikel beskriver vi praktiska verktyg för hash-teknik och hur du kontrollerar att filerna och informationen har det format som krävs för bästa möjliga matchning. Dessutom beskriver vi vanliga orsaker till och lösningar på problem med låg trafik och listbearbetning.

Innan du börjar

Antalet poster i den uppladdade filen kan skilja sig från liststorleken som visas i Google Ads, vilket kan ge upphov till förvirring.

När du laddar upp en fil kontrollerar vi först att din kunddata har ett godkänt uppladdningsformat. Efter valideringen och när uppladdningen är klar får du en procentsats av din kunddata som godkändes, laddades upp och kommer att matchas till Google-konton. När matchningen är klar visas matchad kunddata segmenterad i kolumnen med kundliststorlek. Läs mer om hur Google använder data från Kundmatchning.

Tänk på att inte alla Kundmatchning-poster som du laddar upp kan kopplas till ett aktivt Google-konto. Det innebär att antalet uppladdade poster kanske inte motsvarar antalet poster på din Kundmatchning-lista.

Felsöka problem med uppladdning och liten liststorlek

Kundmatchning-filerna måste följa specifika formateringsriktlinjer för att godkännas. Felaktig formatering, till exempel felaktig användning av hash-teknik, kan leda till uppladdningsfel eller ett lågt antal matchade poster.

Kontrollera alla punkter nedan eftersom de kan leda till liten liststorlek. Fler formateringsriktlinjer finns i Ladda upp datafiler och hantera dina målgrupper för Kundmatchning.

  1. Filerna måste vara i CSV-format.
  2. Alla identifierare för en användarpost måste avgränsas med kommatecken. Olika användarposter måste avgränsas med Unix-standardtecknet för ny rad, \n, eller radbrytning. De får inte avgränsas med blanksteg eller semikolon.
  3. Endast följande rubriker får användas: Email, Phone, First Name, Last Name, Country, Zip och Mobile Device ID (Om du har flera e-post- eller postadresser till samma kund kan filen innehålla flera Email-, Zip- och Phone-kolumner).
  4. Alla e-postadresser ska innehålla ett domännamn, som gmail.com eller hotmail.co.jp.
  5. Namn får inte föregås av prefix (till exempel ”herr”).
  6. Vid matchning av postadresser måste datafilen innehålla alla följande fyra kolumnrubriker: First Name, Last Name, Country och Zip.
  7. Ta med landskoden i telefonnummer.

Tänk även på följande om du tillämpar hash-teknik på filen innan du laddar upp den:

  1. Hasha inte kolumnerna Country och Zip.
  2. Skriv alla tecken med små bokstäver och ta bort alla extra blanksteg före, efter och mellan e-postadresser och namn.
  3. E-postadresser med accenter matchas inte med Google-konton (till exempel è, é, ê. ë). Accenter får dock användas i fälten för förnamn och efternamn.
  4. Formatera telefonnummer enligt formatet E.164.

Formateringsexempel

Här är ett exempel på korrekt filformatering med rader och kolumner där den första raden måste vara rubriker.

Email Email First Name Last Name Country Zip Phone
test@gmail.com test2@gmail.com john smith us 94016  
test3@gmail.com   nyttest test cn 101300 1 (234) 567-8910

Här är ett exempel på korrekt filformatering med en CSV-fil.

Email, First Name, Last Name, Country, Zip, Phone
test@gmail.com,test2@gmail.com, john,smith, us, 94016, 1(234)567-8910
test3@gmail.com, newtest, test, cn, 101300, 101500,12354789

I båda exemplen kan flera kolumner/värden läggas till för e-postadress och postnummer och rubrikerna måste vara på engelska.

Låg andel uppladdade poster
De första 1 000 raderna i datafilen kontrolleras innan de laddas upp. Om de innehåller fel visas felmeddelanden med åtgärder.

Efterföljande rader kontrolleras inte före uppladdningen. En procentandel uppladdade rader visas. Kontrollera att du är nöjd med procentandelen. Gå annars igenom datafilen utifrån kriterierna ovan.

Problem med hash-teknik
Om hash-teknik har tillämpats på fel sätt innan filen laddades upp eller om din kunddata inte följer riktlinjerna för formatering kanske Google Ads godkänner datafilen men inte matchar kundinformationen med Google-konton, vilket resulterar i liten liststorlek.

E-postadresser som har hashats före uppladdning och som tekniskt sett följer våra formateringsriktlinjer kan laddas upp på rätt sätt. Felaktig hash-metoder leder dock till att Google Ads inte kan matcha det hashade resultatet med ett Google-konto. Om dina e-postadresser till exempel innehåller blanksteg motsvarar hash-resultatet ingen identifierbar e-postadress som kan matchas med ett Google-konto.

Om du väljer att använda hash-teknik på dina datafiler innan du laddar upp dem kan du fortsätta med ”Använda hash-teknik på datafiler” för ytterligare felsökning.

Använda hash-teknik på datafiler

Google Ads använder hash-tekniken på datafilen om du laddar upp en fil till Google Ads med kunduppgifter där hash-tekniken inte har använts. Privat kunddata i filen (e-postadress, telefonnummer, förnamn och efternamn) formateras automatiskt och hash-teknik tillämpas innan den skickas säkert till Googles servrar. Hash-tekniken tillämpas lokalt på den dator där uppladdningen sker och åtgärden kan därför utföras säkert i annonsörens eget företagsnätverk.

Om du väljer att tillämpa hash-teknik innan du laddar upp filerna:

  1. Se till att du har följt de rekommenderade metoderna ovan för uppladdning av datafiler innan du fortsätter. Små listor kan orsakas av en kombination av formateringsproblem i datafilen och felaktig hash-teknik.
  2. detta formateringsverktyg för kundmatchningslistor för att kontrollera att du använder korrekt hash-metod eller för att hasha dina datafiler.
    1. Obs! Google tillhandahåller denna information för att du ska kunna använda hash-teknik på data som ska användas med Kundmatchning. Detta görs endast i informationssyfte och hur du använder informationen är helt ditt ansvar.
    2. Ladda ned verktyget och öppna filen i webbläsaren. Det finns tre verktyg som du kan använda:
      1. Hash-verifiering – enstaka inmatning:
        1. Användningsfall: Du hashar din egen data och vill kontrollera resultatet med en enkel inmatning. Verktyget visar den resulterande konverteringen med SHA256-algoritmen. Resultatet bör matcha resultatet av hash-metoden.
        2. Obs! Verktyget rensar inte data innan hash-tekniken tillämpas (blanksteg tas inte bort, bokstäver ändras inte till gemener, punkter före @-tecknet tas inte bort). Rensa informationen innan du tillämpar hash-teknik för att få bästa möjliga matchningsresultat.
      2. Hash-demo – CSV-utmatning:
        1. Användningsfall: Tillämpa hash-teknik på en uppsättning data från en CSV-fil via uppladdning. Resultatet är en CSV-fil. Versaler ändras till gemener, blanksteg tas bort och punkter före @-tecknet tas bort innan hash-tekniken tillämpas. Resultatet kan laddas upp till Google Ads.
      3. Hash-demo – textutmatning:
        1. Användningsfall: Tillämpa hash-teknik på data från en CSV-fil genom att kopiera/klistra in. Resultatet visas i rutan till höger. Versaler ändras till gemener, blanksteg tas bort och punkter före @-tecknet tas bort innan hash-tekniken tillämpas. När du har sparat informationen som en CSV-fil kan den laddas upp till Google Ads.
    3. Om du använder Python kan du även använda detta skript för att hasha dina datafiler.

Felsöka låg trafik

Ingen eller låg volym orsakas ofta av för små listor, för snäv inriktning och/eller låga bud eller låg budget jämfört med andra remarketingkampanjer.

För att Kundmatchning-annonser ska visas måste de ha ett minsta antal aktiva användare vid tillfället för annonsvisningen (aktiva användare avser det antal användare på listan som är aktiva på Gmail, Söknätverket, YouTube eller Displaynätverket). Antalet aktiva användare vid en viss tidpunkt är troligen färre än storleken på den totala målgruppslistan, eftersom alla inte är inloggade samtidigt. Vi rekommenderar målgruppslistor med minst 1 000 användare för att förhindra att inga annonser visas.

Om du utöver Kundmatchning-listan begränsar inriktningen ytterligare blir målgruppslistan med potentiella användare som din kampanj kan nå ännu mer begränsad. Detta kan i slutänden leda till låg eller ingen volym.

Åtgärda listor som alltid har statusen Pågående

Det kan ta upp till 48 timmar innan uppladdad Kundmatchning-data har bearbetats. Om du laddar upp eller ändrar dina målgruppslistor varje dag kan det medföra att de alltid har statusen Pågående.

Anta till exempel att det tar sex timmar att bearbeta dina målgruppslistor. Du laddar upp nya målgruppslistor var fjärde timme varje dag. Varje gång du laddar upp en ny målgruppslista aktiveras statusen Pågående. Din målgruppslista visas därför alltid som Pågående trots att tidigare uppdateringar har slutförts.

Åtgärda fel på listan

Fel/problem Åtgärd
Det finns ingen data i filen Se till att filen innehåller data och ladda upp den igen. 
Formateringsfel Granska filen och leta efter följande fel:
  • Se om det finns rader med värden som är felformaterade eller tomma.
  • Om du tillämpar hash-teknik på informationen i förväg måste den matcha det obligatoriska SHA-256-formatet och telefonnummer måste matcha E.164-formatet.
  • Se till att informationen i filen är korrekt formaterad i enlighet med artikeln om krav vid datauppladdning. 
  • Kontrollera formateringen och avgränsa kunddata med radbrytning eller kommatecken. Avgränsa inte posterna med blanksteg eller semikolon.
Filen innehåller inte alla kolumnrubriker som krävs för matchning av postadresser Matchning av e-postadresser kräver endast e-postadresser. Matchning av postadresser kräver kunddata i alla dessa kolumner: First Name (förnamn), Last Name (efternamn), Country (land) och Zip (postnummer). Ladda upp filen på nytt med alla kolumner och kolumnrubriker som krävs för den aktuella typen av kunddata.
Filen innehåller rader med för många eller för få värden Se till att antalet värden per rad motsvarar antalet kolumnrubriker i filen. På rader med ofullständig data fyller du i resterande värden med nulltecken och kommatecken. 
Om din kundlista till exempel innehåller kolumnrubrikerna First Name, Last Name, Country och Zip ska varje rad i filen innehålla fyra värden avgränsade med kommatecken. Om informationen är ofullständig, till exempel om du har en kunds förnamn men inte efternamn, anger du ett nulltecken i stället för värdet som saknas.
Följande kolumner i filen innehåller felaktig data Se till att värdena på raderna motsvarar kolumnrubriken. Exempelvis ska kolumnen Email enbart innehålla giltiga e-postadresser, inga postnummer eller förnamn. 
Kolumnrubriker i filen är felaktigt märkta Google Ads kräver specifika kolumnrubriker. Se till att du använder rätt kolumnrubriker i filen: Email, Phone, First Name, Last Name, Country, Zip, User ID och Mobile Device ID. I USA kan både postal code och zip code användas som postnummer.
Var det här till hjälp?
Hur kan vi förbättra den?

Behöver du mer hjälp?

Logga in för ytterligare supportalternativ så att du kan lösa problemet snabbt