Panduan penerapan pengukuran

1. Sebelum memulai

Pertimbangkan hal yang paling penting bagi bisnis Anda berdasarkan jenis pelanggan dan kasus penggunaan berikut, serta pastikan integrasi dan eksperimen Anda mencerminkan prioritas tersebut. Kriteria tersebut dapat mencakup:

  • Jenis pelanggan: pengiklan besar versus kecil, agensi, jenis vertikal, jejak geografis
  • Tujuan kampanye dan jenis konversi: akuisisi pengguna, retensi pelanggan, pembelian, pendapatan
  • Kasus penggunaan: pelaporan, analisis ROI, pengoptimalan bidding

2. Kasus penggunaan

Kita sering melihat laporan ringkasan yang digunakan untuk pelaporan dan laporan tingkat peristiwa yang digunakan untuk pengoptimalan (dan mungkin pelaporan sebagai data tambahan). Untuk memaksimalkan kemampuan pengukuran, gabungkan tingkat peristiwa dan tingkat gabungan; misalnya, berdasarkan metodologi Google Ads dan riset pengoptimalan Privacy Sandbox.

3. Umum

Dasar pengukuran Optimal
Pelaporan
  • Menggunakan laporan ringkasan untuk melaporkan kasus penggunaan
  • Memahami cara menggunakan laporan ringkasan + tingkat peristiwa secara bersamaan untuk pelaporan
Pengoptimalan
  • Penjelasan yang jelas tentang apa yang sebenarnya dioptimalkan
  • Pemahaman yang jelas tentang laporan mana yang mendorong model pengoptimalan Anda
  • Menggunakan laporan tingkat peristiwa untuk kasus penggunaan pengoptimalan
  • PA + ARA
  • Pengoptimalan PA dapat melibatkan modelingSignals
  • Memahami cara menggunakan laporan ringkasan + tingkat peristiwa secara bersamaan, terutama untuk pengoptimalan ROAS
Atribusi lintas aplikasi & web
  • Membandingkan Atribusi Lintas Aplikasi dan Web melalui ARA dengan cakupan Lintas Aplikasi dan Web saat ini
  • Jika tidak mengukur Atribusi Lintas Aplikasi dan Web, pertimbangkan apakah hal ini mungkin bermanfaat

4. Penyiapan konfigurasi

Dasar pengukuran Optimal
Laporan Tingkat Peristiwa
  • Penyiapan panggilan pendaftaran sumber / pemicu yang tepat, untuk alur apa pun (PA, non-PA, dll.)
  • Menggunakan Konversi Klik-Tayang (CTC) atau Konversi Lihat-Tayang (VTC)
  • Menggunakan penyiapan konfigurasi default
  • Pemahaman penuh tentang prioritas, masa berlaku, event_report_window, deduplication_key, filters,_lookback_window
  • Penyiapan panggilan pendaftaran sumber / pemicu yang tepat, untuk semua alur (PA, non-PA, semua jenis iklan, dll.)
  • Menggunakan CTC dan VTC
  • Menguji berbagai periode pelaporan untuk mengoptimalkan terhadap hilangnya laporan dan mengidentifikasi setelan yang optimal untuk kasus penggunaan Anda
  • Integrasi dengan Sim lib, alat yang dapat digunakan untuk menguji ARA berdasarkan data historis
Laporan Ringkasan
  • Penyiapan panggilan pendaftaran sumber / pemicu yang tepat, untuk alur apa pun (PA, non-PA, dll.)
  • Menggunakan CTC atau VTC
  • Pemahaman lengkap tentang konfigurasi laporan gabungan: filter, aggregatable_report_window, scheduled_report_time, source_registration_time, reporting_origin
  • Penyiapan panggilan pendaftaran sumber / pemicu yang tepat, untuk semua alur (PA, non-PA, semua jenis iklan, dll.)
  • Menggunakan CTC dan VTC
  • Integrasi dengan SimLib dan eksperimen dengan simulasi Noise Lab. Dapat digunakan untuk menguji berbagai konfigurasi API

5. Strategi penerapan

Dasar pengukuran Optimal
Data non-3PC
  • Pertimbangkan cara menggunakan cookie pihak ketiga (selama tersedia) dan data yang tidak terpengaruh oleh 3PCD untuk memvalidasi atau meningkatkan performa ARA lebih lanjut
Derau
  • Integrasi dengan SimLib dan eksperimen dengan simulasi Noise Lab untuk menilai dampak derau
  • Menerapkan dan menguji berbagai mekanisme untuk menghilangkan derau data
Layanan Agregasi
  • Pastikan kunci sisi sumber dan sisi pemicu yang Anda rencanakan untuk digunakan sesuai dengan kasus penggunaan Anda

    Contoh struktur kunci untuk memulai adalah: struktur kunci yang menyertakan semua dimensi yang ingin Anda lacak. Berdasarkan output, Anda dapat menguji berbagai struktur kunci.
  • Menguji beberapa struktur kunci yang berbeda, termasuk kunci hierarki untuk mengoptimalkan kasus penggunaan Anda
  • Menguji berbagai nilai Epsilon dalam Layanan Agregasi dan dapat memberikan perspektif tentangnya
Strategi pengelompokan
  • Pemahaman penuh tentang dampak berbagai frekuensi pengelompokan (misalnya, per jam, per hari, atau per minggu) dan cara laporan dikelompokkan (misalnya, menurut waktu laporan terjadwal pengiklan X). Detail tambahan dalam Dokumen Developer danPanduan Pengujian Beban Layanan Agregat
  • Uji dengan minimal satu frekuensi pengelompokan dan satu pengiklan
  • Menguji berbagai kombinasi frekuensi pengelompokan dan dimensi laporan, serta mengidentifikasi setelan yang optimal untuk kasus penggunaannya
  • Meminimalkan kehilangan laporan dengan menyesuaikan strategi pengelompokan untuk memperhitungkan kemungkinan keterlambatan laporan gabungan
Proses Debug
  • Menggunakan semua jenis laporan debug sebagai bagian dari pengujian dan evaluasi