אתם יכולים להשתמש ב-Ads Data Hub כדי להריץ שאילתות שמחברות בין נתונים מ-Google לבין נתונים מאינטראקציה ישירה (First-Party) שהעליתם ל-BigQuery. כך תוכלו לקבל תמונה מלאה יותר של האופן שבו המשתמשים יוצרים אינטראקציה עם הפלטפורמה שלכם, וגם לשפר את השיוך.
הנתונים צריכים להיות מותאמים למזהה שמערכת Ads Data Hub עוקבת אחריו. מפתח האיחוד הזה משמש כמאפיין המשותף בין הנתונים שלכם לבין הנתונים של Google, ומאפשר לכם לקשר את שני מערכי הנתונים. ב-Ads Data Hub יש תמיכה בחיבור לפי המפתחות הבאים:
- מזהי מכשירים שניתן לאפס (RDID) [לא זמין לספקים]
- משתנים מותאמים אישית ב-Floodlight
- עוגיות
- מזהי RampID של LiveRamp (כרגע בגרסת בטא)
יכול להיות שחלק ממפתחות המיזוג יעבדו טוב יותר בתרחישי שימוש ספציפיים, אבל הבחירה במפתח תלויה יותר באופן שבו הנתונים מוגדרים (כלומר, מבוססי-אפליקציה לעומת אופליין) ולא בתרחיש השימוש. לדוגמה, אפשר לצרף גם מזהי RDID וגם קובצי cookie לצורך פילוח לקוחות, אבל מפרסמים שהתנועה שלהם מגיעה בעיקר מאפליקציות (כמו חברות שיתוף נסיעות) מקבלים ערך רב יותר מהצטרפות באמצעות מזהי RDID בהשוואה למפרסמים שהמכירות שלהם מגיעות ממקורות אחרים.
באופן כללי, תרחישי השימוש באפשרויות ההתאמה השונות זהים: שילוב הנתונים שלכם עם הנתונים של Google מאפשר לכם לענות על שאלות פרסום משמעותיות יותר וליצור קהלים טובים יותר. עם זאת, כל אפשרות התאמה מעניקה גישה לנתונים שונים, כוללת מגבלות שונות ומחייבת השקעה ברמה שונה בהגדרה ובתחזוקה.
סקירה כללית על מפתחות האיחוד (join) הזמינים
תוכלו להיעזר בסקירה הכללית הבאה כדי להבין טוב יותר את ההבדלים בין מפתחות המיזוג הזמינים.
סביר להניח שלא תוכלו להתאים את כל נתוני המודעות ב-Google. שיעורי ההתאמה תלויים בכמה גורמים, והם משתנים בהתאם לתרחיש לדוגמה ולהגדרה בצד הלקוח. בדרך כלל שיעורי ההתאמה נמוכים מהצפוי על ידי המשתמשים.
RDID
מזהי RDID הם מזהה ייחודי שמשמש אך ורק לאפליקציות מקוריות במכשירים ניידים. לכן, התאמה של RDID מתאימה במיוחד למפרסמים שהנתונים שלהם מגיעים בעיקר מאפליקציות לנייד, או שמקבלים מספר גדול של חשיפות בנייד. התאמה של RDID דורשת את ההשקעה הקטנה ביותר בהגדרה.
משתנים מותאמים אישית ב-Floodlight
משתנים מותאמים אישית של Floodlight הם פרמטרים של כתובות URL שמצורפים לתגי Floodlight, שמתעדים מידע במהלך אירוע המרה. מאחר שתגי Floodlight מיועדים באופן בלעדי לנכסי Google Marketing Platform (GMP), ההתאמה מוגבלת למזהי GMP. כדי להשתמש בהתאמה של משתני Floodlight מותאמים אישית, צריך להשקיע קצת זמן בהגדרה.
מידע נוסף על התאמה של משתני Floodlight מותאמים אישית
עוגיות
התאמות של קובצי Cookie משייכות את קובצי ה-Cookie של המפרסם לקובצי ה-Cookie של Google. ההגדרה של התאמת קובצי cookie דורשת השקעה, וזמן האכלוס של טבלאות ההתאמה משתנה.
נקודה חשובה: משתמשים עומדים בדרישות להתאמה לפי קובצי cookie רק אם הייתה להם אינטראקציה עם הדומיין והמודעות שלכם.
מידע נוסף על התאמות של קובצי cookie
מזהי Ramp של LiveRamp
מידע נוסף על התאמה באמצעות LiveRamp
איזה מפתח מיזוג מתאים לכם?
כפי שצוין קודם, הבחירה במפתח ההצטרפות הנכון תלויה בעיקר באופן שבו המשתמשים מתנהגים בפלטפורמה. עם זאת, תרחישי שימוש מסוימים לא יפעלו עם מפתחות צירוף מסוימים. בטבלה של התרחישים לדוגמה הנתמכים תוכלו לבדוק אילו מפתחות תומכים בתרחיש לדוגמה שלכם, ואז לקבוע איזה סוג נתונים יהיה צורך לכם.
תרחישים נתמכים
ברשימה הבאה מפורטים תרחישים לדוגמה לצד נתונים מאינטראקציה ישירה (First-Party) שאפשר להשתמש בהם כדי להשיג את התוצאה הרצויה. זוהי רשימה חלקית בלבד. בנוסף, כפי שצוין קודם, אפשר לבצע הרבה מהתרחישים לדוגמה באמצעות כל מפתח צירוף. (עם זאת, תרחישים לדוגמה מסוימים שספציפיים לפלטפורמה או לסוג המכשיר עשויים להתאים יותר למפתח הצטרפות ספציפי).
| תרחיש לדוגמה | נקודות מגע (למשל, נייד, אינטרנט, רשתות חברתיות) | נתוני פלח לקוחות (למשל, קטגוריית תחום עניין משותף) | נתוני המרות (למשל, עסקאות, המרות אופליין) |
|---|---|---|---|
| עלייה בנפח ההמרות בקמפיין מדידת ההשפעה של מודעה או קמפיין על המרות באמצעות בדיקת A/B. | |||
| הביצועים של YouTube בנייד מעקב אחר חשיפות ב-YouTube שמתרחשות באפליקציה בנייד. | |||
| In-app-conversions. מדידת המרות שמתרחשות באפליקציה. | |||
| מצרפים את היסטוריית הרכישות לנתונים שלאחר הקמפיין. בודקים את היעילות של הקמפיין תוך התמקדות בהקשר של היסטוריית הרכישות. | |||
| פילוח לקוחות. כדי לשפר את הקהלים ולבצע מדידה, אפשר לצרף מאפיינים מבדילים שאחריהם אתם עוקבים לנתוני המודעות ב-Google. | |||
| טירגוט של משתמשים שנטשו את עגלת הקניות כדאי להשתמש באירועי המרה מסוג 'הוספה לעגלת הקניות' כדי ליצור קהלים של משתמשים שנטשו את עגלת הקניות. | |||
| טלמטריה. להעשיר את הקהלים ולקבל תובנות על סמך פעולות שאתם עוקבים אחריהן באמצעות האפליקציה, כמו גלישה ולא ביצוע המרה. | |||
| טירגוט באמצעות מדדי ערך המרה ליצור קהלים על סמך הערך ההיסטורי של המרה. |
הגדרה
פרטי ההטמעה הספציפיים משתנים בהתאם לכל אפשרות התאמה. באופן כללי, תצטרכו:
- מעלים את הנתונים ל-BigQuery.
- מעניקים לחשבון השירות של Ads Data Hub הרשאת קריאה למערכי הנתונים האלה והרשאת כתיבה לטבלאות שמכילות את התוצאות.
עם זאת, גם התאמת LiveRamp וגם התאמת קובצי cookie מחייבות הגדרה נוספת מעבר לשני השלבים האלה. מידע נוסף על הגדרת LiveRamp ועל התאמת קובצי cookie
מעלים את הנתונים
מעלים את הנתונים למערך נתונים אחד לפחות ב-BigQuery (למשל YourData). יוצרים מערך נתונים נוסף לפלט של המיזוגים שיוצרים בין נתוני Google לבין הנתונים שלכם (למשל OutputData).
מתן הרשאה לחשבון השירות של Ads Data Hub
צריך להקצות לחשבון השירות של Ads Data Hub את התפקיד 'צפייה בנתונים ב-BigQuery' (roles/bigquery.dataViewer) לכל מערכי הנתונים שמכילים נתונים שהועלו שאתם מתכננים להשתמש בהם.
חשבון השירות צריך גם את התפקיד 'עריכת נתונים ב-BigQuery' (roles/bigquery.dataEditor) במערך הנתונים שמכיל את הפלט של המיזוגים.