Смоделированные конверсии

Чтобы обеспечить точность своих моделей, Google проверяет их с помощью контрольных данных (это распространенная практика в машинном обучении). Для этого мы удерживаем определенную долю зарегистрированных конверсий (она и представляет собой контрольные данные) и разделяем ее. Затем мы проводим сравнение между контрольными данными, которые прошли и не прошли обработку при помощи модели. Используя результаты проверки, мы выполняем поиск неточных данных и корректируем модель.

Мы включаем смоделированные конверсии в отчеты, только если действительно уверены в качестве данных. Если трафика недостаточно для построения модели, такие конверсии не связываются с взаимодействиями с объявлениями (а в Google Аналитике приписываются прямому каналу). Этот подход позволяет Google восполнять пробелы в наблюдаемых данных и избегать завышенных прогнозов.

Общий алгоритм моделирования Google подстраивается под ваши данные, чтобы соответствовать особенностям вашего бизнеса и поведению клиентов.

Google не идентифицирует пользователей по цифровым отпечаткам или другими способами. Вместо этого мы собираем агрегированные данные о динамике коэффициентов конверсии, типах устройств, времени суток, географическом местоположении и т. д. На основе этих сведений мы прогнозируем вероятность конверсий, связанных с тем или иным взаимодействием с объявлением.

В Safari, Firefox и некоторых других браузерах нельзя отслеживать конверсии с помощью сторонних файлов cookie. Если вы используете этот метод, то там, где он недоступен, мы моделируем конверсии на основе трафика из этих браузеров на компьютерах и мобильных устройствах.

Некоторые браузеры, такие как Safari, ограничивают срок действия собственных файлов cookie. Когда он истекает, конверсии перестают учитываться, и в таких случаях мы используем моделирование.

В некоторых странах запрещается использовать файлы cookie для показа рекламы без согласия пользователей. Если рекламодатель включил запрос согласия, моделирование конверсий будет использоваться в отношении пользователей, не давших согласия.

В соответствии с правилами App Tracking Transparency (ATT) от Apple разработчики должны запрашивать разрешение на то, чтобы использовать для рекламы определенные данные, полученные из приложений и с сайтов других компаний. Google не использует идентификаторы IDFA и другие сведения, на которые распространяются правила ATT. Поэтому данные о конверсиях, полученных благодаря рекламе, на которую распространяется действие ATT, будут моделироваться. Убедитесь, что на сайте разрешено использование произвольных параметров в URL.

После выхода правил ATT рекламодатели стали широко использовать SKAdNetwork (решение Apple для атрибуции конверсий) в оценке эффективности кампаний для iOS. Чтобы отчеты о смоделированных конверсиях в Google Рекламе были более качественными и согласованными, мы углубляем интеграцию нашего сервиса с решением SKAdNetwork.

Правила Google Play будут обновлены, чтобы надежнее защитить конфиденциальность и безопасность пользователей и предоставить им контроль над собственными данными. В конце 2021 года мы обновим сервисы Google Play. После этого, если пользователь откажется от персонализации с применением рекламного идентификатора в настройках Android, этот идентификатор будет удален. Вместо него будет видна строка нулей. Подробнее о рекламном идентификаторе…

После этого обновления мы начнем использовать моделирование конверсий во всех кампаниях для приложений. Это означает, что в столбцах, содержащих данные о конверсиях, установках, действиях в приложении и ценности конверсии, могут быть указаны смоделированные конверсии. В будущем в отчетах о кампаниях для приложений могут появляться и другие типы смоделированных конверсий. Это поможет избежать возможных потерь данных из-за этого или других потенциальных изменений в работе сервисов.

Когда пользователь нажимает на объявление на одном устройстве, а конверсию совершает на другом, то иногда невозможно связать конверсию с исходным взаимодействием. В Google решили эту проблему так: проанализировали, как вошедшие в аккаунт пользователи ведут себя на ресурсах Google, и экстраполировали найденные закономерности на всех пользователей. Кроме того, для конверсий в результате взаимодействий на нескольких устройствах широко используется моделирование, например для устройств в гостиной и компьютеров.

Специалисты Google по обработке данных постоянно совершенствуют алгоритмы во всех наших продуктах – в том числе и используемые для моделирования. Благодаря этому точность и масштаб моделирования непрерывно растут. Периодически создаются новые продукты и функции, такие как расширенное отслеживание конверсий и режим согласия, которые позволяют получать наблюдаемые данные из новых источников и помогают улучшать результаты моделирования.

Google контролирует точность полученных результатов с помощью различных методик. Например, мы используем контрольные данные: берем статистику, касающуюся определенного сегмента зарегистрированных напрямую конверсий, и моделируем эти же конверсии. Затем мы проверяем, насколько смоделированные результаты совпадают с реальными, и анализируем отклонения и систематические ошибки. Так мы постоянно совершенствуем наши модели. Похожие методы широко используются искусственным интеллектом от Google.

Мы включаем смоделированные конверсии в отчеты, только если достаточно уверены, что конверсии действительно получены в результате взаимодействия с рекламой. Мы стремимся к тому, чтобы количество конверсий в отчетах не завышалось. Но для максимально точного моделирования в аккаунте должно быть накоплено достаточно данных, то есть рекламодатель должен регулярно получать не меньше определенного количества конверсий. Если это не так, моделирование конверсий не используется.

Ситуации, в которых требуется моделирование, во многом отличаются: и причинами, по которым прямое отслеживание конверсий невозможно; и статистикой, которая нужна для моделирования; и статистикой, которая для него доступна. Поэтому для разных ситуаций у нас есть разные модели. В Google также используются методики, которые минимизируют вероятность, что одна и та же конверсия будет учтена дважды. Кроме того, в разных рекламных каналах очень разные коэффициенты конверсии, поэтому мы используем отдельные модели для каждого канала и типа взаимодействия с объявлениями (например, для показов и кликов).

Сначала алгоритм моделирования обучается решать определенные проблемы, вызванные недостатком информации. Затем он применяется к данным каждого рекламодателя отдельно. Результаты работы алгоритма в каждом случае отличаются, так как основаны на уникальном поведении и коэффициенте конверсии каждого рекламодателя. Например, если мы определим, что ваши пользователи часто совершают конверсии в результате взаимодействий на нескольких устройствах, алгоритм моделирования сделает на это поправку.

Для определенных сегментов трафика Google определяет, где произошла конверсия, с помощью дополнительных сигналов, например IP-адресов.

Прежде чем менять что-то для рекламодателей, мы тщательно тестируем все изменения в наших алгоритмах. Обнаружив, что эти изменения способны сильно повлиять на отчеты и ставки, мы обязательно об этом сообщаем.

Если моделирование дает достаточно точные результаты, Google стремится автоматически учитывать смоделированные конверсии в отчетах и оптимизации. Но в некоторых случаях для моделирования требуются данные о доле согласия ваших пользователей (например, если конверсии невозможно отслеживать для людей, запретивших файлы cookie).