Pemodelan konversi yang menjaga privasi akan mengisi kesenjangan data dalam perjalanan pelanggan.
Pemodelan konversi menggunakan konversi yang diamati untuk memprediksi konversi yang tidak diamati tanpa mengidentifikasi individu mana pun.
| Konversi yang diamati | Konversi sesuai model |
|---|---|
|
Menggunakan cookie dan ID lainnya untuk mengaitkan interaksi iklan dan konversi. |
Menggunakan machine learning untuk mengaitkan interaksi iklan dan konversi dengan memperhitungkan beberapa kasus saat cookie dan ID tidak tersedia. |
Kapan konversi sesuai model disertakan dalam pelaporan
Konversi sesuai model akan disertakan dalam total konversi yang dilaporkan hanya jika sistem sangat yakin bahwa iklan Anda menghasilkan konversi. Prosedur ini memastikan kami secara sistematis mencegah pelaporan yang berlebihan. Jika tidak memiliki cukup data untuk dapat membuat model yang meyakinkan, kami tidak akan menyediakan pemodelan konversi.
Validasi penangguhan (praktik terbaik machine learning) mempertahankan akurasi model Google. Metodologi pemodelan diterapkan ke subkumpulan konversi yang diamati, untuk memahami akurasi model dengan membandingkan hasil-hasil yang diamati. Info ini digunakan untuk menyesuaikan model.
Google terus menjalankan eksperimen sebelum meluncurkan perubahan pemodelan. Selain itu, jika terdeteksi dampak yang signifikan pada data Anda, kami akan menyampaikan perubahan tersebut.
Berikut cara kerja pemodelan konversi:
1. Interaksi iklan dipisahkan menjadi dua grup
Satu grup berisi interaksi iklan yang memiliki keterkaitan yang jelas dan dapat diamati dengan sebuah konversi. Grup lainnya berisi interaksi iklan yang tidak memiliki keterkaitan yang jelas dan dapat diamati dengan sebuah konversi.
2. Grup yang diamati dibagi menjadi subgrup
Konversi yang diamati dibagi menjadi subgrup berdasarkan karakteristik bersama, lalu metrik utama akan dihitung untuk setiap subgrup tersebut. Misalnya, konversi yang diamati di pagi hari di Prancis ditemukan memiliki rasio konversi tertentu, sedangkan rasio ini mungkin berbeda di malam hari.
3. Grup yang tidak diamati akan dikelompokkan ke dalam subgrup yang sama
Subgrup tersebut digunakan untuk mengelompokkan interaksi iklan dan konversi yang tidak diamati.
4. Interaksi iklan dan konversi yang tidak diamati dikaitkan
Dengan rasio konversi yang diketahui dan karakteristik lain dari subgrup yang diamati, machine learning akan mengaitkan interaksi iklan dan konversi yang tidak diamati, jika sesuai. Konversi yang diamati dan konversi sesuai model kemudian diintegrasikan ke dalam data konversi untuk membantu Anda mengambil keputusan yang tepat berdasarkan pelaporan performa iklan. Konversi yang diamati dan konversi sesuai model juga digunakan dalam bidding untuk memberikan gambaran yang wajar tentang performa Anda. Dengan demikian, pengoptimalan pun dapat dilakukan dengan lebih baik.
Dalam praktiknya, penghitungan dari data yang diamati dilakukan berdasarkan berbagai dimensi, termasuk lokasi, waktu, dan browser. Berbagai dimensi ini digabungkan dengan data dari API platform, survei, dan panel pengguna untuk lebih mengoptimalkan pemodelan.
Pendekatan yang mengutamakan privasi
Google tidak mengizinkan pelacakan sidik jari atau upaya lainnya untuk mengidentifikasi masing-masing pengguna. Sebagai gantinya, Google menggunakan data gabungan (seperti rasio konversi historis, jenis perangkat, waktu, wilayah geografis, dan lainnya) untuk memprediksi kemungkinan konversi oleh pengguna yang melihat atau mengklik iklan.
Referensi tambahan
- Pelajari data pemodelan dan pengukuran konversi lebih lanjut
- Tonton Fundamentals of conversion modeling in Google Ads
- Pelajari cara pemodelan konversi mengoptimalkan pemasaran dengan sumber baru untuk data pengukuran
- Tonton Conversion modeling principles
