अनुमानित कन्वर्ज़न का पता लगाने के लिए, उपयोगकर्ताओं की पहचान ज़ाहिर नहीं करने वाले डेटा का इस्तेमाल किया जाता है. इसकी मदद से, ऐसे कन्वर्ज़न का अनुमान लगाया जाता है जिनकी निगरानी Google सीधे तौर पर नहीं कर पाता. इससे, आपके कन्वर्ज़न के बारे में ज़्यादा जानकारी मिल सकती है.
हम डेटा के हिस्सों को फिर से पाने के लिए अनुमान लगाते हैं. यह वे हिस्से होते हैं जिनके बारे में हमें पता है कि उपयोगकर्ता की निजता की सुरक्षा या तकनीकी पाबंदियों की वजह से, हम विज्ञापन एट्रिब्यूशन की निगरानी नहीं कर सकते. हम ऐसा करके आपके लिए अच्छी क्वालिटी का मेज़रमेंट डेटा उपलब्ध कराते हैं, ताकि आप अपनी मार्केटिंग के असर को सही तरीके से समझ सकें. साथ ही, कम या ज़्यादा बोली लगाने के बजाय सही बोली लगा सकें.
जब Google, Google Ads में अनुमानित कन्वर्ज़न दिखाता है, तब हम एट्रिब्यूट किए गए कन्वर्ज़न का अनुमान लगाते हैं. ज़्यादातर मामलों में, Google को विज्ञापन इंटरैक्शन और ऑनलाइन कन्वर्ज़न मिलेंगे, लेकिन दोनों के बीच कोई लिंक नहीं होगा. हमारे अनुमान यह तय करते हैं कि Google विज्ञापन के इंटरैक्शन की वजह से, ऑनलाइन कन्वर्ज़न हुआ या नहीं. इससे, यह तय नहीं होता कि कन्वर्ज़न हुआ या नहीं.
अनुमान के बिना, रिपोर्ट किए गए कन्वर्ज़न, कैंपेन की असल परफ़ॉर्मेंस के बजाय कन्वर्ज़न के सिर्फ़ निगरानी वाले हिस्से की परफ़ॉर्मेंस दिखाएंगे.
अनुमानित ऑनलाइन कन्वर्ज़न के काम करने का तरीका
डेटा के 'बिना निगरानी वाले हिस्से' का अनुमान लगाने के लिए, हम डेटा के निगरानी वाले उन हिस्सों का इस्तेमाल करते हैं जिनकी जानकारी हमारे हिसाब से, काफ़ी हद तक बिना निगरानी वाले डेटा जैसी होती है या हमें उन दोनों के बीच के फ़र्क़ के बारे में सही जानकारी होती है.
उदाहरण: मान लें कि आपके पास कन्वर्ज़न का वह हिस्सा है जिसकी निगरानी किसी खास तरह के ब्राउज़र पर नहीं की जा सकती. हालांकि, दूसरी तरह के ब्राउज़र पर की जा सकती है. हमारा अनुमान, सबसे पहले सभी तरह के ब्राउज़र में उपयोगकर्ता के व्यवहार के रुझानों को समझेगा. उदाहरण के लिए, कन्वर्ज़न दरें. इसके बाद हम मेज़रमेंट के लिए उपलब्ध ब्राउज़र से मॉनिटर किया जा सकने वाला डेटा और सिस्टम के तय मापदंड का इस्तेमाल करेंगे. साथ ही, इसमें डिवाइस के प्रकार, दिन का समय, भौगोलिक जगह, ऑपरेटिंग सिस्टम वगैरह जैसे दूसरे अनुमानित डाइमेंशन भी शामिल करेंगे, ताकि बिना निगरानी वाले ब्राउज़र पर होने वाले विज्ञापन इंटरैक्शन से कन्वर्ज़न इवेंट होने का अनुमान लगाया जा सके.
अनुमानित कन्वर्ज़न की रिपोर्ट में उसी तरह का ब्यौरा होता है जिसका इस्तेमाल करके निगरानी वाले कन्वर्ज़न की रिपोर्ट तैयार की जाती है. इसमें कन्वर्ज़न के कुल योग, एट्रिब्यूशन पाथ, और कन्वर्ज़न वैल्यू जैसे डाइमेंशन शामिल होते हैं. Google, “कन्वर्ज़न” कॉलम में अनुमानित और निगरानी वाले कन्वर्ज़न, दोनों की रिपोर्ट करता है.
अनुमानित ऑनलाइन कन्वर्ज़न के फ़ायदे
- आपके सभी विज्ञापन ट्रैफ़िक का पूरा मेज़रमेंट: अपने विज्ञापन नतीजों यानी अपनी लागत पर मुनाफ़े (आरओआई) की ज़्यादा बेहतर जानकारी पाएं. साथ ही, डिवाइसों और चैनलों पर विज्ञापन इंटरैक्शन की वजह से बने कन्वर्ज़न पाथ की पूरी जानकारी पाएं.
- असरदार कैंपेन ऑप्टिमाइज़ेशन: अनुमानित कन्वर्ज़न से आप अपने कैंपेन को ज़्यादा असरदार तरीके से ऑप्टिमाइज़ करके, बेहतर कारोबारी नतीजे पा सकते हैं.
- निजता से जुड़े नियमों और टेक्नोलॉजी से जुड़ी पाबंदियों का मतलब है कि हम कुछ खास तरह के एक जैसे उपयोगकर्ताओं के ग्रुप के लिए निगरानी नहीं कर सकेंगे. उदाहरण के लिए, बिना सहमति वाले उपयोगकर्ता या खास तरह के डिवाइस या ब्राउज़र का इस्तेमाल करने वाले उपयोगकर्ता. इसका मतलब है कि हमारी ऑटोमेटेड बिडिंग (बोली अपने-आप सेट होना) एल्गोरिदम को अधूरे डेटा के आधार पर ऑप्टिमाइज़ेशन के फ़ैसले लेने होंगे. इस वजह से, मिलने वाले नतीजे मापदंड के मुताबिक नहीं होंगे. इस वजह से, ऑटोमेटेड बिडिंग में हो सकता है कि ऐसे लोग (समानता रखने वाले लोग) शामिल न किए जाएं जिनकी परफ़ॉर्मेंस रिपोर्ट कम दर्ज की गई है. ऐसा होने पर, बोली लगाने वाले की पूरी परफ़ॉर्मेंस खराब हो सकती है. अनुमान, इन गड़बड़ियों को ठीक करते हैं और पूरी रिपोर्टिंग में इन्हें सही करते हैं, ताकि यह पक्का हो सके कि ऑटोमेटेड बिडिंग (अपने-आप बोली की सुविधा) को ज़्यादा बेहतर परफ़ॉर्मेंस देने वाला डेटा मिले. ऑटोमेटेड बिडिंग के बारे में ज़्यादा जानें.
अनुमानित कन्वर्ज़न के लिए Google का तरीका
Google सॉल्यूशन, अलग-अलग तरह के उपयोगकर्ताओं पर काम करता है, ताकि हमारे कन्वर्ज़न ऐक्शन सटीक रहें. साथ ही, कई मुख्य डाइमेंशन के ज़रिए, विज्ञापन इंटरैक्शन और कन्वर्ज़न ऐक्शन के बड़े सेट में इनकी पुष्टि की जा सके:
- स्केल: हमारे पास फ़नल के कई हिस्सों में मौजूद सभी चैनलों पर कई तरह के विज्ञापन इंटरैक्शन का ऐक्सेस है. इससे हमें इस बारे में काफ़ी डेटा मिलता है कि अलग-अलग उपयोगकर्ता, सभी चैनलों पर, अलग-अलग तरह के विज्ञापनों पर कैसी प्रतिक्रिया देते हैं. भले ही, वे फ़नल में कहीं भी हों.
- सटीक अनुमान लगाना: हमारे साइन-इन उपयोगकर्ताओं की बड़ी संख्या की वजह से, हमारी बेहतर अनुमान लगाने की तकनीकें, कुकी या दूसरे पहचानकर्ताओं के बिना स्वतंत्र तौर पर काम कर सकती हैं. ऐसा इस वजह से है, क्योंकि हम ऑप्ट-इन करने वाले उपयोगकर्ताओं के प्रतिनिधि सेट के व्यवहार से जुड़े डेटासेट की बेहतर जानकारी पा सकते हैं.
- कवरेज: कई वेबसाइटें Google टैग का इस्तेमाल करती हैं. इसका मतलब यह है कि कई अलग-अलग कन्वर्ज़न कार्रवाइयों के बड़े सेट में, हमारे कन्वर्ज़न अनुमानों की पुष्टि की जाती है. कन्वर्ज़न मॉडलिंग (कन्वर्ज़न का अनुमान लगाने के लिए मशीन के इस्तेमाल का तरीका) के लिए, ऐसे डेटा का इस्तेमाल किया जाता है जो उपयोगकर्ता की पहचान नहीं करता. ऐसा उन कन्वर्ज़न की संख्या तय करने के लिए किया जाता है जिनकी निगरानी Google सीधे तौर पर नहीं कर पाता. इसके बाद, हमारे मॉडल को हर विज्ञापन देने वाले के लिए खास तौर पर ट्रेनिंग दी जाती है, जिससे हमें अलग-अलग नतीजे मिलते हैं.
- तकनीकी विशेषज्ञ: एआई (AI) में Google की विशेषज्ञता एक खास क्षमता है, जिसकी मदद से हम सबसे अच्छी क्वालिटी का अनुमान लगा सकते हैं. हमने मेज़रमेंट करने वाले उन सभी प्रॉडक्ट में इसकी महारत हासिल कर ली है जिनमें सालों से अनुमान लगाए जा रहे हैं. जैसे- Google Ads की ऑटोमेटेड बिडिंग (बोली अपने-आप सेट होना) और स्टोर विज़िट. साथ ही, इनमें वे प्रॉडक्ट भी शामिल हैं जिनमें मेज़रमेंट नहीं हो सकता. उदाहरण के लिए, बिना ड्राइवर वाली कारें और YouTube के सुझाव.
- कार्रवाई करने की क्षमता: Google के अनुमानित कन्वर्ज़न, कैंपेन रिपोर्टिंग में दिखाए जाते हैं. हालांकि, ये ऑप्टिमाइज़ेशन और बिडिंग से भी जुड़े हुए हैं. इससे डेटा कार्रवाई के लायक बनता है, क्योंकि यह आपके कारोबार के लक्ष्यों को ध्यान में रखते हुए काम करता है.
ऑनलाइन कन्वर्ज़न के लिए उपलब्ध अनुमानों के उदाहरण
हमारे पास उपलब्ध कुछ सबसे अहम कन्वर्ज़न मॉडलिंग के तरीके यहां दिए गए हैं:
तीसरे पक्ष की कुकी की सीमाओं के लिए अनुमान लगाना
पहले-पक्ष की कुकी की सीमाओं का अनुमान लगाना
ईयू (यूरोपीय संघ) कुकी के लिए सहमति से जुड़ी सीमाओं का अनुमान लगाना
iOS 14 का असर
Google Play की नीतियों का असर
Google Play ने उपयोगकर्ता के कंट्रोल, निजता, और सुरक्षा से जुड़ी बेहतर सेवा देने के लिए, नीति से जुड़े कुछ नए अपडेट का एलान किया. साल 2021 के आखिर में आने वाले Google Play सेवाओं के अपडेट के तहत, अगर कोई उपयोगकर्ता Android की सेटिंग में जाकर, विज्ञापन आईडी का इस्तेमाल करके मनमुताबिक बनाने की सुविधा से ऑप्ट आउट करता है, तो उस उपयोगकर्ता का विज्ञापन आईडी हटा दिया जाएगा. अगर आइडेंटिफ़ायर को ऐक्सेस करने की कोशिश की जाती है, तो इसके बजाय कई शून्य दिखेंगे. विज्ञापन आईडी के बारे में ज़्यादा जानें
इस सर्विस अपडेट के बाद, हम सभी ऐप्लिकेशन कैंपेन के लिए अनुमानित कन्वर्ज़न की सुविधा उपलब्ध कराएंगे. इसका मतलब है कि आपके कन्वर्ज़न कॉलम के साथ-साथ, इंस्टॉल, इन-ऐप्लिकेशन ऐक्शन, और कन्वर्ज़न वैल्यू कॉलम में अनुमानित कन्वर्ज़न हो सकते हैं. इस अपडेट और दूसरे संभावित सर्विस अपडेट के असर को कम करने के लिए, हो सकता है कि आने वाले समय में ऐप्लिकेशन कैंपेन में ज़्यादा अनुमानित कन्वर्ज़न शामिल किए जाएं.
क्रॉस-डिवाइस कन्वर्ज़न
जब कोई उपयोगकर्ता, विज्ञापन इंटरैक्शन के साथ किसी एक डिवाइस पर अपना सफ़र शुरू करता है और किसी दूसरे डिवाइस पर कन्वर्ज़न पूरा करता है, तो हो सकता है कि विज्ञापन इंटरैक्शन को कन्वर्ज़न एट्रिब्यूट नहीं किया जा सके. Google, सभी उपयोगकर्ताओं के समान व्यवहार का पता लगाने के लिए, Google प्रॉपर्टीज़ पर साइन-इन करने वाले उपयोगकर्ताओं की बड़ी संख्या के डेटा की निगरानी करता है. लिविंग रूम और डेस्कटॉप समेत, कई क्रॉस-डिवाइस कन्वर्ज़न भी मॉडल किए जाते हैं.
ऑनलाइन कन्वर्ज़न मॉडलिंग के सिद्धांत
क्वालिटी में लगातार सुधार
अन्य सभी प्रॉडक्ट की तरह, हमारे डेटा साइंटिस्ट भी अनुमानों को सटीक और बेहतर बनाने के लिए एल्गोरिदम में लगातार सुधार करते रहते हैं. हम नियमित तौर पर नए प्रॉडक्ट पेश करते हैं, ताकि हमें निगरानी वाले ऐसे डेटा के स्रोत मिल सकें जो हमारे अनुमानों को बेहतर बना सकते हैं. उदाहरण के लिए, बेहतर कन्वर्ज़न ट्रैकिंग और सहमति मोड हमें ज़्यादा निगरानी वाला डेटा दे सकते हैं.
अनुमानों के सटीक होने की जांच करने के लिए बेहतरीन तकनीकें
हमारे अनुमान कितने सटीक हैं, यह जानने के लिए हम होल्डबैक वैलिडेशन जैसी तकनीकों का इस्तेमाल करते हैं. उदाहरण के लिए, हम निगरानी वाले कन्वर्ज़न के एक हिस्से को रोकते हैं और उस हिस्से के लिए अनुमान लगाते हैं. इसके बाद, हम अनुमान के नतीजों की तुलना, निगरानी वाले उन असल कन्वर्ज़न से करते हैं जिन्हें हमने रोका है. साथ ही, गड़बड़ी और तय किए गए मापदंडों की जांच करके, अपने अनुमान को लगातार बेहतर बनाते हैं. Google के एआई में इन्हीं से मिलते-जुलते तरीकों का ज़्यादा इस्तेमाल किया जाता है.
रिपोर्टिंग के लिए कड़े थ्रेशोल्ड
हम अपनी रिपोर्टिंग में अनुमानित कन्वर्ज़न सिर्फ़ तब शामिल करते हैं, जब हमें पूरा भरोसा हो कि कन्वर्ज़न, विज्ञापन इंटरैक्शन की वजह से हुआ है. हम असल से ज़्यादा कन्वर्ज़न की रिपोर्टिंग देने से बचते हैं और हमेशा ओवर-रिपोर्टिंग को कम करने पर ज़्यादा ध्यान देते हैं. इसका मतलब है कि कुछ उपयोगकर्ताओं के लिए, पूरे भरोसे से अनुमान लगाने के लिए अक्सर हमारे पास ज़रूरत के मुताबिक कन्वर्ज़न नहीं होते. ऐसे मामलों में, हम किसी भी अनुमानित कन्वर्ज़न को रिपोर्ट नहीं करते.
हर अंतर को अनुमान लगाने के एक खास तरीके के ज़रिए दिखाया जाता है
हर अनुमान का नतीजा, आपके कारोबार और उपयोगकर्ता व्यवहार के लिए अलग होता है
किसी खास अंतर के लिए अनुमान लगाने की सामान्य एल्गोरिदम तय करने के बाद, हम उस एल्गोरिदम को हर विज्ञापन देने वाले के डेटा पर अलग-अलग लागू करते हैं. इससे हमें अलग-अलग नतीजे मिलते हैं जिनसे उस विज्ञापन देने वाले के लिए यूनीक उपयोगकर्ता के व्यवहार और कन्वर्ज़न दरों का पता चलता है. उदाहरण के लिए, अगर आपके उपयोगकर्ता अक्सर एक डिवाइस पर विज्ञापन देखने के बाद दूसरे डिवाइस पर खरीदारी करते हैं, तो आपको रिपोर्ट में औसत से ज़्यादा क्रॉस-डिवाइस अनुमानित कन्वर्ज़न दिखेंगे.
अन्य आइडेंटिफ़ायर का इस्तेमाल
अनुमान में हुए अहम बदलावों की जानकारी देना
अपने-आप इंटिग्रेशन की सुविधा
जहां हम सटीक तरीके से ऐसा कर सकते हैं, वहां Google आपकी कन्वर्ज़न रिपोर्टिंग और ऑप्टिमाइज़ेशन में इंटिग्रेट किए गए अनुमानित कन्वर्ज़न उपलब्ध कराने के लिए उपलब्ध डेटा का इस्तेमाल करेगा. कुछ मामलों में, जैसे कि जब कुकी की सहमति न देने वाले उपयोगकर्ताओं के किसी ग्रुप के लिए कन्वर्ज़न को नहीं देखा जा सकता, हमें आपकी सहमति की दरों के डेटा की ज़रूरत होगी, ताकि हम आपको अनुमानित कन्वर्ज़न की जानकारी दे सकें.