行銷​人​隱私權​教戰​手冊：​確認​評估​結果​準確​可​靠且​可​做為​行動​依據

您正在​閱讀​隱​私權​教戰​手冊​的​第 ​2​ ​章 ​(共 3 章)。​跳到​其他​章節：​3.​ ​持續​放​送切合​需求​的​廣告​以​提高​成效​或​ 1​. ​與​消費者​建立​直接​往來​關係。

利用​第一​方​資料​更​準確​地​評估​轉​換​次數

透過​全網​站標記​等​做法​奠定​第一​方​資料​基礎​後，​您​的​成效​評估​解決​方案​就​能​完美​搭配​運作，​提供​最​完整​的​報表​資料。

舉例來​說，​強化​轉換​可​讓​網站​代碼​使用​已​徵得​同意​聲明​並​由​使用​者​提供​的​資料，​讓​您​更​準確​地​瞭解​使用者​與​廣告​互動​後​的​轉換​情形。

運作​原理如​下

這​項​功能​可​從​網站​傳送​由​使用​者​提供​且​經雜湊​處理​的​資料​給​ Google，​系統​接​著會​將​這些​資料​與​已​登入​的​ Google 帳戶​進行​比對，​以​保護​隱​私權​的​方式​將​轉換​歸給​廣告。

如​此​一來，​您​就​能​獲得​更多​可​觀測​的​資料​來​強化​轉換​模擬，​且​也​可​取得​評估​轉換​升幅所​需要​的​詳盡​資料，​以利​運用​智慧出價來​改善​廣告​活動​成效。

做法

英國​零售商​ ASOS 針對​搜尋​聯播網​和​ YouTube ​採用​強化​轉換​功能，​希望​減少​因​瀏覽器​限制​和​跨​裝置​行為​而​造成​的​評估​結果​落差。

成果

該​公司​因此​得​以​評估​原本​無法​觀​測到​的​轉換，​不僅​廣告​投資​報酬率​提高​了，​搜尋​聯播網​和​ YouTube ​中記​錄到​的​銷售量​也​分別​增加​了​ 8.6​%​ ​和​ 3​1%。

進一步​瞭解​幾​種​保護​隱​私權​的​全​新​成效評估​解決​方案

補齊​評估​資料

做法

線​上​服飾​零售商 MandM Direct ​希望​能​透過​保護​隱​私權​的​方式​來​維持​廣告​活動​評估​成效。​該​公司​首先​在​整​個​網站​上​導入​全網​站​標記，​並​採用​ Google ​的​全新​數據​分析平​台 ​Google Analytics ​(分析)​ 4。​接著，​該​公司​採用
​強化​轉換，​並​使用​同意​聲明​模式，​進一步​提升​這些​工具​的​準確度​和​完整性，​因此​就算​使用​者​不​同意​使用​ Cookie，​網站​代碼​仍​可​仰賴​轉換模擬​功能。

成果

導入​強化​轉換​後，​MandM ​在​搜尋​聯播網​和​ YouTube ​上​記​錄到​的​轉換量​分別​增加​ 3%​ ​及​ 2​0​%，​而​採用​同意​聲明​模式​則​另外​讓​轉換量​提升​了​ 1​5%。

運用​機器​學習​技術，​填補​消費者​流程​中​的​評估​缺口​並​取得​深入​分析​資料

使用​者會​切換​使用​裝置​或​從線​上​轉往​離線，​再加上​瀏覽器​限制​和​各​種​同意​聲明​選​項​的​規範，​即使​有​了​強大​的​可觀​測成效​評估​資訊​基礎，​消費者​流程​中​出現​評估​缺口​也​是​在​所​難免。

此​時​機器​學習​技術​就​能​發揮​功效，​填補​不​完整​的​評估​資料。​以​轉換​模擬​為​例，​這​不​僅​是​ Google​ 成效評估​解決​方​案​長​久​以來​的​重要​功能，​未來​也​會​是​我們​不可​或缺​的​功能。​模擬​功​能​會​使用​可​觀測​的​信號，​以​保障​隱​私權​的​方式​全方​位​描繪​整體​成效。​由於​各​廣告​消費者​的​消費者​組合​可能​有​截然​不同​的​行為，​因此​不會​有​一體​適用​的​模式。

以下​說明​這​項​功能​如何​因應​各​廣告​消費者​的​需求

步驟 1：

我們​將​廣告​互動​分成​ 2​ 組：​可​觀察到​廣告​互動​與​轉換​之間​關聯​的​為​一組，​無法​觀察到​的​則​分​在​另外​一組。

步驟 2：

我們​會​根據​共同​的​非敏​感特徵​將​可​觀察​的​群組​細​分為​不同​的​子群組，​例如：​裝置​類型、​瀏覽器、​國家​/​地區、​轉換​類型​等。

步驟 3：

我們​會​計算​每​個​子​群組​的​轉換率。

步驟 4：

接著，​我們​會​根據​共同​特徵，​將​缺少​關​聯資訊​的​廣告​互動​和​轉換​指派給​其中​一​個​現有​的​子群組。

例如：​子群組​ ​1 ​可能​全​都​位於​法國、​使用​ Chrome ​瀏覽器且​裝置​為​ iPhone。​我們​在​「未​觀察​到​關聯」​的​群組​中​發現​廣告​互動​和​轉換​資料​具有​類似​的​特
​ 徵，​但​這些​維度​中有​一​項​不相符 ​(例如：​瀏覽器​類型)，​而且​正​是​我們​嘗試​預測​的​特徵。​因此，​我們​會​根據​這些​群組​的​相似​之​處妥善​進行​分類。

步驟 5：

我們​會​利用​機器​學習​技術，​以及​從​觀察樣​本​取得​的​已​知​轉換率，​模擬​未​觀察​到​關聯​的​廣告​互動​應​屬​於​哪​個​缺少​關​聯​的​轉換。

注意：​我們​的​數據​資料​學家​會​持續​改良​演算法，​以​提升​準確度​和​作業​規模。​此外，​我們​會​使用​預留​驗證​等​方法，​主動​測試​及​驗證​模型​以​改善​準確度，​藉​此​定期​評估​系統​偏誤​及​不準確​之​處，​並​持續​改進​模​擬​功能。

步驟 6：

一旦​廣告​互動​和​轉換​彼​此​有​合理​關聯，​我們​便會​將​相關​資料​彙整​在​報表​中。​我們​只會​在​確信​轉換歸​因​於​廣告​互動​時，​才會​將​模擬​轉換納入​報表。​這​套​嚴謹​的​做法​可​避免​系統性​的​浮報​情形。

進一步​瞭解​轉換​模擬​的​運作​方式

透過​第一​方​資料​取得​更多​深入​分析​資料

模擬​功​能​可​讓​ Google Ads​ ​中​的​智慧​出價​等​產品​存取​更多​完整​資訊，​進而​發揮​更​大​效益，​為您​的​廣告​活動​奠定​成功​基礎，​同時​以​保護​使用​者​隱私為​第一​要務。

進一步​瞭解​轉換模擬

除了​提供​更​完整​的​轉換​評估​和​最佳​化​調整，​模擬​功能​還​能​讓​您​從行為​分析​資料​中​獲​取​新​的​消費者​洞察。​舉例來​說，​Google Analytics ​(分析)​ 4 ​使用​進階​機器​學習​模型，​可​從您​的​應用​程式​和​網站​第一​方​資料​發掘​消費者​洞察，​並​運用​這些​洞察​分析來​改善​行銷​做法。

而​ Google Ads ​的​以數據​為準歸​因​功​能​則​會​利用​進階​機器​學習​技術，​進一步​透過​分析​資料​來​判斷​各​行銷接觸點​對​促成​轉換​的​貢獻，​同時​兼顧​使用​者​隱私。​和​所有​ Google ​的​成效​評估​解決​方案​一樣，​對於​使用​者​資料​在​歸因​流程​中​的​運用​方式，​我們​尊重​使用者​的​決定​；​而​針對​數​位​指紋​採集​等​會​侵害​使用​者​隱私​的​隱密​追蹤​技巧，​我們​亦​設有​嚴格​的​政策​規定。

為​協助​所有​廣告​消費者​善用​成效​更佳​的​歸因​功能，​以​因​應​現​今​不​斷​變遷​的​隱私權​環境，​現在​ Google Ads ​中​所有​的​新轉​換動作都​是​採用​「以​數據​為準歸​因」​做為​預設​歸​因​模式。

進一步​瞭解​不​同​類型​的​機器​學習​模式

一​窺​未來​的​樣貌

Chrome ​的​ Privacy Sandbox ​目標​是​開發​新​技術，​讓​您​不​必​追蹤​個​別​使用​者​在​網路​上​的​活動，​也​能​取得​需要​的​報表​與​洞察。

比方​說，​在​記錄​使用​者​動作​時​限制​資料數量​並​在​報表​中​加入​隨機​資料
​ ​(​干擾)，​讓​使用​者​能​保持​匿名，​而​不​是​以​可能​透露​使用​者​身分​的​做法，
​來​評估​他們​在​網路​上​的​行為。

以下​說明​運作​方式

網路​瀏覽器​將​會​比​對​廣告​消費者​網站​上​發生​的​轉換，​以及​網路​上​有​人​點擊​或​觀看​的​廣告，​並​且​會​以​不​透露​使用​者​身分​的​方式​來​回報​資訊，​例如​匯​總資料​和​限制​各​轉換​可​分享​的​資訊​數量。

Privacy Sandbox ​技術​可​搭配​第一​方​資料​和​機器​學習​等​其他​功能​一起​使用，​以​利 ​Google ​的​成效​評估​解決​方案​發揮​效益。

下​一篇：​3.​ ​持續​放​送切合​需求​的​廣告​以​提高​成效。​探索​本​章節

閱讀文章

探索系列文章

第 ​1​ 章：​與​消費者​建立​直接​往來​關係。

第 ​2​ 章：​確認​評估​結果​準確​可​靠且​可​做為​行動​依據。

第 ​3​ 章：​持續​放​送切合​需求​的​廣告​以​提高​成效。