Tentang konversi online sesuai model

Konversi sesuai model menggunakan data yang tidak mengidentifikasi masing-masing pengguna untuk memperkirakan konversi yang tidak dapat diamati langsung oleh Google. Dengan demikian, laporan konversi bisa lebih lengkap.

Kami menggunakan pemodelan untuk memulihkan bagian data saat mengetahui bahwa kami tidak dapat mengamati atribusi iklan karena perlindungan privasi pengguna atau batasan teknis. Kami melakukannya untuk memberikan pengukuran berkualitas tinggi sehingga Anda dapat memahami dampak pemasaran secara akurat dan mempertahankan bidding yang paling optimal untuk mencegah kekurangan atau kelebihan bidding.

Saat Google menampilkan konversi sesuai model di Google Ads, kami memprediksi konversi yang diatribusikan. Biasanya, Google akan menerima interaksi iklan dan konversi online, tetapi tidak bisa mendapatkan penghubung di antara keduanya. Pemodelan kami dapat menentukan apakah interaksi iklan Google menghasilkan konversi online. Pemodelan ini tidak menentukan apakah konversi terjadi atau tidak.

Tanpa pemodelan, konversi yang dilaporkan hanya akan mencerminkan bagian konversi yang dapat diamati, bukan performa kampanye yang sebenarnya.

Cara kerja konversi online sesuai model

Agar dapat melakukan pemodelan terhadap bagian data yang tidak diamati, kami mencoba sebaik mungkin untuk menggunakan data dari bagian data yang dapat diamati yang perilakunya kami ketahui sama atau sangat mirip dengan bagian data yang tidak dapat diamati, atau yang perbedaan di antara keduanya kami ketahui dengan baik.

Contoh: Misalkan Anda memiliki bagian konversi yang tidak dapat diamati pada satu jenis browser, tetapi dapat diamati pada jenis browser lainnya. Pemodelan kami akan terlebih dulu memahami tren di antara perilaku pengguna (misalnya, rasio konversi) di seluruh jenis browser. Kemudian, kami menggunakan data yang dapat diamati dari browser yang dapat diukur, beserta bias yang sistematis, dan menggunakan dimensi gabungan lainnya seperti jenis perangkat, waktu, lokasi geografis, sistem operasi, dan lainnya, untuk memprediksi kemungkinan peristiwa konversi dari interaksi iklan pada jenis browser yang tidak dapat diamati.

Konversi sesuai model dilaporkan dengan perincian yang sama dengan konversi yang diamati. Ini mencakup dimensi seperti total konversi, jalur atribusi, dan nilai konversi. Di kolom "Konversi", Google melaporkan konversi sesuai model dan konversi yang diamati.

Catatan: Impor konversi offline dan akun pengguna dengan konversi mingguan yang sangat sedikit mungkin tidak akan menggunakan jenis pemodelan tertentu.

Manfaat konversi online sesuai model

Pengukuran yang menyeluruh pada semua traffic iklan: Dapatkan gambaran yang lebih akurat tentang hasil iklan Anda (ROI), dan gambaran lengkap tentang jalur konversi di seluruh perangkat dan saluran yang dihasilkan dari interaksi iklan.
Pengoptimalan kampanye yang efisien: Konversi sesuai model dapat membantu Anda mengoptimalkan kampanye secara lebih efektif dan mencapai hasil bisnis yang lebih baik.
- Peraturan privasi dan batasan teknologi menyebabkan kami tidak dapat mengamati kelompok pengguna tertentu (misalnya, pengguna yang tidak memberikan izin, atau pengguna yang menggunakan jenis perangkat atau browser tertentu). Ini berarti algoritme bidding otomatis kami perlu membuat keputusan pengoptimalan berdasarkan data yang tidak lengkap, yang mengakibatkan pembelajaran yang bias. Akibatnya, bidding otomatis mungkin tidak memprioritaskan kelompok tersebut karena tercatat memiliki performa yang lebih rendah, sehingga menghasilkan performa yang lebih buruk secara keseluruhan oleh bidder. Pemodelan mengatasi bias ini dan memperbaikinya dalam pelaporan keseluruhan untuk memastikan bidding otomatis memiliki akses ke data performa yang lebih representatif. Pelajari lebih lanjut artikel Tentang bidding otomatis
Pengukuran yang berfokus pada privasi yang akurat: Konversi sesuai model menggunakan data yang tidak mengidentifikasi masing-masing pengguna untuk memperkirakan konversi yang tidak dapat diamati langsung oleh Google. Dengan demikian, laporan konversi bisa lebih lengkap. Pendekatan ini berlawanan dengan pendekatan yang tidak menjaga privasi seperti pelacakan sidik jari, yang mengandalkan heuristik, seperti alamat IP, serta percobaan untuk mengidentifikasi dan melacak masing-masing pengguna. Google memiliki kebijakan ketat yang melarang pemanfaatan pelacakan sidik jari untuk personalisasi iklan karena pelacakan sidik jari tidak memberi pengguna kontrol dan transparansi yang wajar.

Pendekatan pemodelan konversi Google

Solusi Google berfungsi di berbagai kelompok pengguna, sehingga akurasi model konversi kami dapat divalidasi di seluruh kumpulan yang besar dari interaksi iklan dan tindakan konversi melalui beberapa dimensi utama:

Skala: Kami memiliki akses ke interaksi iklan yang berskala besar dan beragam di seluruh saluran pada berbagai bagian funnel. Oleh karena itu, kami memiliki data komprehensif tentang respons berbagai pengguna terhadap berbagai jenis iklan, terlepas dari lokasi mereka dalam funnel dan di seluruh saluran.
Akurasi: Basis besar dari pengguna yang login memungkinkan teknik pemodelan canggih kami beroperasi secara independen dari cookie atau pengidentifikasi lain karena kami dapat menyimpulkan sekumpulan set data perilaku yang luas di seluruh kumpulan representatif dari pengguna yang memilih ikut serta.
Cakupan: Banyak situs menggunakan tag Google, yang berarti bahwa model konversi kami divalidasi pada banyak kumpulan tindakan konversi yang berbeda. Pemodelan konversi menggunakan data yang tidak mengidentifikasi pengguna untuk mengukur konversi yang tidak dapat diamati langsung oleh Google. Model kami kemudian dilatih satu per satu berdasarkan setiap pengiklan, sehingga memberikan hasil yang unik.
Keahlian teknis: Keahlian Google dalam teknologi AI merupakan kemampuan utama yang memungkinkan kami membuat model berkualitas tertinggi. Kami telah menguasai keahlian ini di seluruh produk pengukuran yang telah menggunakan pemodelan selama bertahun-tahun (bidding otomatis dan kunjungan toko di Google Ads) serta produk di luar pengukuran (misalnya, mobil tanpa pengemudi dan rekomendasi YouTube).
Kemampuan untuk bertindak: Konversi sesuai model Google muncul dalam pelaporan kampanye, tetapi juga terkait dengan pengoptimalan dan bidding. Hal ini menghasilkan data yang dapat ditindaklanjuti karena sejalan dengan sasaran bisnis Anda.

Contoh pemodelan yang tersedia untuk konversi online

Beberapa upaya pemodelan konversi yang paling penting dalam mengukur konversi yang tersedia:

Pemodelan untuk batasan cookie pihak ketiga

Beberapa browser (misalnya, Safari dan Firefox) tidak mengizinkan pengukuran konversi menggunakan cookie pihak ketiga. Jika Anda mengandalkan cookie pihak ketiga untuk pengukuran konversi, pemodelan konversi Anda akan berjalan sesuai dengan traffic situs Anda di browser tersebut (desktop dan seluler). Pelajari cara meningkatkan kualitas pemodelan dengan mengupgrade ke tag Google

Pemodelan untuk batasan cookie pihak pertama

Beberapa browser (misalnya, Safari) membatasi jumlah waktu cookie pihak pertama yang diizinkan. Pemodelan konversi Anda akan berjalan sesuai dengan pangsa konversi laten Anda setelah periode tersebut. Pelajari cara meningkatkan pemodelan menggunakan konversi yang ditingkatkan

Pemodelan untuk batasan izin cookie Uni Eropa

Peraturan di beberapa negara mewajibkan agar pengiklan mendapatkan izin untuk menggunakan cookie yang terkait dengan aktivitas iklan. Pengiklan yang telah mengadopsi mode izin akan memperoleh pemodelan konversi sesuai dengan kondisi pengguna yang tidak memberi izin. Konversi dibuatkan modelnya untuk pengguna yang tidak memberi izin.

Dampak iOS 14

Kebijakan App Tracking Transparency (ATT) Apple mewajibkan developer untuk meminta izin ketika menggunakan informasi tertentu dari aplikasi dan situs perusahaan lain untuk tujuan iklan. Google tidak akan menggunakan informasi (seperti IDFA) yang termasuk dalam kebijakan ATT. Sesuai dengan hal ini, konversi yang iklannya berasal dari traffic yang terpengaruh oleh kebijakan ATT akan menjalani pemodelan. Pastikan situs Anda dapat menerima parameter URL acak untuk mendukung pemodelan terbaik.

Dengan diluncurkannya kebijakan ATT Apple, SKAdNetwork, yaitu solusi atribusi aplikasi Apple, telah menjadi input penting bagi pengiklan aplikasi dalam menilai performa kampanye iOS mereka. Untuk meningkatkan kualitas dan konsistensi pelaporan sesuai model di UI Google Ads, kami memperdalam integrasi kami dengan SKAdNetwork. Pelajari lebih lanjut praktik terbaik guna meningkatkan performa dan akurasi pengukuran untuk kampanye Aplikasi iOS.

Dampak kebijakan Google Play

Google Play mengumumkan beberapa perubahan kebijakan baru untuk meningkatkan kontrol pengguna, privasi, dan keamanan. Sebagai bagian dari pembaruan layanan Google Play pada akhir tahun 2021, ID iklan akan dihapus ketika pengguna memilih tidak ikut personalisasi yang menggunakan ID iklan di Setelan Android. Setiap upaya yang dilakukan untuk mengakses ID akan memunculkan string berisi banyak angka nol, bukan ID. Pelajari ID iklan lebih lanjut

Sebagai akibat dari pembaruan layanan ini, kami akan memperluas konversi sesuai model ke semua kampanye Aplikasi. Artinya kolom konversi Anda (serta kolom instal, tindakan dalam aplikasi, dan nilai konversi) dapat berisi konversi sesuai model. Ke depannya, mungkin ada konversi sesuai model tambahan di kampanye Aplikasi sebagai cara untuk mengurangi dampak yang mungkin timbul dari pembaruan layanan ini dan kemungkinan pembaruan layanan lainnya.

Konversi lintas-perangkat

Saat pengguna memulai perjalanan di satu perangkat dengan interaksi iklan, dan menyelesaikan konversi di perangkat lain, konversi ini mungkin tidak dapat diatribusikan ke interaksi iklan tersebut. Google mengamati data dari sejumlah besar pengguna yang login di properti Google untuk menyimpulkan perilaku serupa pada semua pengguna. Banyak konversi lintas-perangkat yang juga dimodelkan, termasuk dari perangkat Ruang keluarga dan Desktop.

Catatan: Pangsa konversi yang dapat dipulihkan melalui Google Ads ini akan bergantung pada jumlah data yang dapat diamati yang kami miliki untuk setiap situasi dan representativitas data yang dapat diamati tersebut (misalnya, kemiripan data tersebut dengan keseluruhan basis pengguna dari pengiklan tertentu). Tingkat pemulihan bervariasi bergantung pada masalah yang kami tangani. Makin banyak data yang dapat diamati, makin baik kualitas modelnya. Pelajari cara meningkatkan kualitas pemodelan ini dengan menerapkan tag Google, mode izin, dan konversi yang disempurnakan.

Prinsip pemodelan konversi online

Peningkatan kualitas yang konstan

Seperti semua produk lainnya, data scientist kami terus melakukan pembaruan algoritme untuk meningkatkan akurasi dan skala pemodelan. Kami memperkenalkan produk baru secara rutin untuk memberi kami sumber baru data yang dapat diamati, yang meningkatkan kualitas model kami (misalnya, konversi yang ditingkatkan dan mode izin dapat memberi kami lebih banyak data yang dapat diamati).

Teknik canggih dalam memeriksa akurasi

Kami menggunakan teknik seperti validasi holdback untuk memeriksa akurasi pemodelan kami (misalnya, kami menahan sebagian konversi yang diamati dan melakukan pemodelan untuk bagian tersebut). Kemudian, kami membandingkan hasil model dengan konversi sebenarnya yang diamati yang telah kami tangguhkan, mengukur ketidakakuratan dan bias, serta terus menyesuaikan model kami. Metode serupa digunakan secara luas dalam teknologi AI Google.

Nilai minimum yang ketat untuk pelaporan

Kami hanya menyertakan konversi sesuai model dalam pelaporan jika kami sangat yakin bahwa konversi sebenarnya terjadi sebagai hasil dari interaksi iklan. Kami secara sistematis mencegah pelaporan konversi yang lebih banyak dibandingkan yang sebenarnya dan selalu berupaya meminimalkan pelaporan yang berlebihan. Dengan demikian, bagi sebagian pengguna, kami tidak dapat mengamati cukup konversi secara berkala untuk dapat membuat model yang meyakinkan. Dalam kasus ini, kami tidak melaporkan konversi sesuai model.

Setiap kesenjangan data diatasi melalui metodologi pemodelan yang unik

Karena kami mengidentifikasi berbagai kesenjangan data dalam pengukuran, dan terdapat berbagai jenis data yang dapat diamati diperlukan, kami memiliki jenis model yang berbeda untuk berbagai jenis kesenjangan data. Kami juga menggunakan teknik yang meniadakan penghitungan ganda di berbagai jenis model. Kami tahu bahwa rasio konversi bervariasi secara signifikan menurut saluran iklan. Oleh karena itu, kami membuat model terpisah untuk setiap saluran dan jenis interaksi iklan (tayangan vs. klik).

Hasil dari setiap model bersifat spesifik untuk perilaku pengguna dan bisnis Anda

Setelah algoritme pemodelan umum ditentukan untuk mengatasi kesenjangan data pengamatan tertentu, kami menerapkan algoritme tersebut pada setiap data pengiklan secara terpisah dan mendapatkan hasil spesifik yang mencerminkan perilaku pengguna unik dan rasio konversi untuk pengiklan tersebut. Misalnya, jika pengguna Anda memiliki kecenderungan yang sangat tinggi untuk memulai perjalanan mereka di satu perangkat dan melakukan konversi di perangkat lain, konversi lintas-perangkat sesuai model yang dilaporkan untuk Anda akan lebih tinggi dari rata-rata.

Kebijakan ketat terhadap pelacakan sidik jari

Teknologi pelacakan sidik jari biasanya mengandalkan heuristik seperti alamat IP yang mengidentifikasi pengguna di berbagai titik sentuh dan perangkat serta membuat “ID sidik jari” untuk mengidentifikasi pengguna di berbagai interaksi berikutnya. Kami tidak membuat ID tersebut atau berupaya mengidentifikasi masing-masing pengguna karena hal tersebut tidak mendukung kontrol dan transparansi yang wajar bagi pengguna. Selain itu, kami tidak mengizinkan orang lain memasukkan data pelacakan sidik jari ke produk iklan kami. Sebagai gantinya, kami menggabungkan data seperti rasio konversi historis, jenis perangkat, waktu, dan lokasi untuk memprediksi kemungkinan peristiwa konversi di berbagai kumpulan pengguna yang melihat atau mengklik iklan.

Menyampaikan perubahan pemodelan yang signifikan

Kami terus menjalankan eksperimen sebelum meluncurkan perubahan pemodelan, dan jika kami mendeteksi dampak pelaporan dan bidding yang signifikan, kami akan menyampaikan perubahan tersebut.

Integrasi otomatis

Jika kami dapat melakukannya secara akurat, Google akan menggunakan data yang tersedia untuk memberikan pemodelan konversi terintegrasi dalam pelaporan konversi dan pengoptimalan. Terkadang, misalnya saat konversi tidak dapat diamati untuk sekumpulan pengguna yang belum menyetujui cookie, kami akan membutuhkan data tentang rasio izin Anda agar kami dapat memberikan pemodelan konversi.

Link terkait

Apakah ini membantu?

Bagaimana cara meningkatkannya?