Сб. Янв 29th, 2022

Правильное присвоение ценности конверсий объявлениям помогает точно оценить рентабельность инвестиций. Но проанализировать путь клиента к покупке становится сложнее из-за новых требований к конфиденциальности, пишет Sostav.ua.

К тому же использовать источники данных по отдельности теперь неэффективно из-за постепенного отказа от файлов cookie и идентификаторов устройств в приложениях. Мы стремимся помочь рекламодателям адаптироваться к этим изменениям. Поэтому мы предлагаем решения, ориентированные на конфиденциальность. Они помогают анализировать сложные наборы данных и автоматически восстанавливать недостающие участки пути к покупке.

Как моделирование конверсий восполняет пробелы в данных

В моделировании конверсий используется машинное обучение. Оно позволяет оценить роль маркетинга, когда часть конверсий не удается связать напрямую с разными взаимодействиями. Это помогает точнее определить, насколько реклама эффективна.

Предположим, вы проводите кампанию для iOS и теперь вам доступно меньше файлов cookie и идентификаторов IDFA, так как Apple в этом году ввела правила App Tracking Transparency (ATT). Если пользователь нажмет на рекламу и выполнит нужное действие, но не примет запрос согласия ATT — вы не сможете определить, связана ли эта конверсия с объявлением. Оценка эффективности будет неточной. Также мы можем получать агрегированные данные о конверсиях для группы пользователей, но не знать, какие именно взаимодействия с объявлениями привели к этим конверсиям. Чтобы это учесть, мы разбили конверсии на отслеживаемые и неотслеживаемые — в зависимости от того, можно ли установить связь с определенным взаимодействием.

Мы предлагаем решения с фокусом на конфиденциальности — они помогают анализировать сложные наборы данных.

Для неотслеживаемой группы пользователей подбирается отслеживаемая группа с похожими параметрами: операционная система, тип устройства и время суток. Если в отслеживаемой группе 5% взаимодействий с объявлением приводят к конверсии, наша система учтет эти данные и определит общее количество конверсий для всех пользователей, которые взаимодействовали с объявлением (включая неотслеживаемых).

Как повысить точность моделирования конверсий

Для большей эффективности моделирование должно опираться на отслеживаемые данные высокого качества. Google получает такие данные из разных источников.

Собственные данные

Примеры: идентификаторы IDFA, собственные файлы cookie и агрегированные сигналы без идентификаторов. IDFA и собственные cookie доступны, если пользователи разрешили отслеживать и персонализировать рекламу на сайте или в приложении, а также на ресурсе издателя, где они взаимодействовали с объявлением.

Данные API различных платформ

Примеры: SKAdNetwork и Attribution Reporting API на основе Privacy Sandbox в Google Chrome. В кампаниях для приложений iOS мы учитываем установки и ценность конверсии, связанные с ними через SKAdNetwork — фреймворк Apple для межсетевого отслеживания. В веб-кампаниях используется Attribution Reporting API, который регистрирует конверсии по кликам и показам с соблюдением конфиденциальности.

Похожие наборы данных

Наша система создает и использует шаблоны поведения пользователей, похожих на тех, кто взаимодействовал с объявлением. Сначала мы выясняем, как часто конвертировались потребители с определенными характеристиками по объявлениям в кампаниях Google на сайтах и в приложениях. Затем мы смотрим, сколько у вас похожих пользователей, и на основе полученного коэффициента конверсии оцениваем общее количество конверсий для кампании.

Точное моделирование конверсий в кампаниях Google без нарушения конфиденциальности

Мы регистрируем смоделированную конверсию, только если уверены, что она произошла в результате взаимодействия с объявлением. Точность этого метода проверяется на статистике при прямом отслеживании. Сравнивая количество зарегистрированных и смоделированных на основе тех же данных конверсий, мы можем убедиться, что существенных расхождений нет, а система правильно определяет количество конверсий для различных рекламных каналов.

Наши модели основаны на технологии машинного обучения Google. Они учитывают поведение уникальных пользователей и коммерческие результаты отдельных рекламодателей. Если большинство ваших клиентов нажимают на объявление на одном устройстве, а делают покупку — на другом, количество смоделированных конверсий по взаимодействиям на нескольких устройствах будет выше среднего. Мы объединили моделирование с отчетами о кампаниях, поэтому вы можете просматривать общие данные, которые включают как зарегистрированные, так и смоделированные конверсии. Это упрощает работу со статистикой и оптимизацию кампаний.

Также вы можете быть уверены, что при оценке результатов кампаний мы в первую очередь заботимся о конфиденциальности пользователей. Google категорически против создания цифровых отпечатков и использования других эвристических методов идентификации пользователей, в том числе по IP-адресу. Наши модели работают с агрегированными данными, не нарушают конфиденциальность пользователей и защищают их личную информацию.

Моделирование дополняет отслеживание за счет анализа данных из разных источников

Моделирование конверсий дополняет данные отслеживания из различных источников, когда путь к конверсии известен лишь частично: например, если покупатель сначала зашел на сайт, а затем — в приложение.

Это позволяет восполнить пробелы и составить более полную картину поведения клиентов.

Наша система работает с новыми и динамическими данными, что обеспечивает стабильную эффективность кампаний — модели автоматически адаптируются в условиях меняющихся требований к конфиденциальности и отслеживанию, и вам не нужно выполнять дополнительную работу.

Будущее маркетинга — в увеличении роли моделирования

Рекламная экосистема меняется. Для достижения баланса между эффективностью кампаний и соблюдением более строгих правил конфиденциальности стоит увеличить роль смоделированных конверсий в принятии решений о рекламных инвестициях. Используйте несколько источников данных, а при планировании учитывайте конверсии, смоделированные для разных сетей. Так вы получите более полное представление о том, какая реклама действительно эффективна.