Benutzerdefinierte Floodlight-Variablen sind URL-Parameter, die an Floodlight-Conversions angehängt und über Google Marketing Platform-Properties verwaltet werden. Sie ermöglichen es Ihnen, zusätzliche Informationen zu erfassen, die über die Standardparameter hinausgehen. Obwohl Werbetreibende mithilfe von benutzerdefinierten Floodlight-Variablen eine Vielzahl von Informationen übergeben, sind nur Daten, die für den Abgleich verwendet werden können, in Ads Data Hub relevant. Dazu zählen beispielsweise Nutzer-IDs, externe Cookies und Bestell-IDs.
Benutzerdefinierte Floodlight-Variablen werden ausgelöst, wenn ein Nutzer eine Conversion ausführt. Daher ist der Abgleich benutzerdefinierter Floodlight-Variablen nur sinnvoll, um Fragen zu Werbung zu beantworten oder Zielgruppen zu erstellen, wo es Conversions gab. Hier einige Beispiele für diese Anwendungsfälle:
- „Hat meine letzte Kampagne zu einem Wachstum bei den Produkten geführt, auf die ich den Schwerpunkt legen wollte?“
- „Wie hoch war der zusätzliche Umsatz durch eine Kampagne?“
- „Ich möchte eine Zielgruppe mit umsatzstarken Nutzern erstellen.“
- „Ich möchte eine Zielgruppe mit Nutzern erstellen, die auf bedeutungsvolle Weise mit meinen Diensten interagiert haben.“
Weitere Informationen zu benutzerdefinierten Floodlight-Variablen
Benutzerdefinierte Floodlight-Variablen in Ads Data Hub aufrufen
Benutzerdefinierte Floodlight-Variablen werden zusammengefügt und als String im Feld event.other_data der Tabelle adh.cm_dt_activities_attributed gespeichert. Einzelne Variablen müssen mithilfe des folgenden regulären Ausdrucks getrennt werden. Ersetzen Sie u1 durch die Variable, die Sie für den Abgleich verwenden:
REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS u1_val
Beispiele
Reichweite und Ausgaben
Mit dieser Abfrage werden die Reichweite und die Gesamtausgaben einer bestimmten Kampagne gemessen.
crm_data verwendet das folgende Schema:
| Feld | Beschreibung |
|---|---|
| order_id | Eine eindeutige Kennung, die einer Bestellung zugewiesen ist. |
| order_val | Der Wert der Bestellung als Gleitkommazahl. |
| order_timestamp | Der Zeitstempel für den Abschluss der Bestellung. |
/* Creates a temporary table containing user IDs and order IDs (extracted u-values)
associated with a given campaign */
WITH floodlight AS (
SELECT user_id, event.campaign_id, REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS order_id
FROM adh.cm_dt_activities_attributed
WHERE event.other_data LIKE "%u1%" AND event.campaign_id = 31459
)
/* Creates a temporary table where each row contains an order ID, the order's value,
and the time the order was placed */
WITH crm_data AS (
SELECT order_id, order_val, order_timestamp
FROM `your_cloud_project.your_dataset.crm_data`
WHERE order_timestamp > FORMAT_TIMESTAMP('%F', TIMESTAMP_MICROS('2020-01-19 03:14:59'), @time_zone)
)
/* Joins both tables on order ID, counts the number of distinct users and sums the
value of all orders */
SELECT DISTINCT(user_id) AS reach, sum(order_val) as order_val
FROM floodlight JOIN crm_data
ON (floodlight.order_id = crm_data.order_id)
Umsatzstarke Kunden mit vorheriger Interaktion
Mit dieser Abfrage wird eine Zielgruppe von Kunden erstellt, die im August 2020 mehr als 1.000 US-Dollar ausgegeben und zuvor mit Ihren Anzeigen interagiert haben.
crm_data verwendet das folgende Schema:
| Feld | Beschreibung |
|---|---|
| your_id | Eine eindeutige Kennung, die einem Kunden zugeordnet ist. |
| customer_spend_aug_2020_usd | Die Gesamtausgaben eines bestimmten Kunden im August 2020 als Gleitkommazahl. |
/* Creates a temporary table containing IDs you track, alongside IDs Google tracks
for the same user */
WITH floodlight AS (
SELECT user_id, REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS your_id
FROM adh.cm_dt_activities_events
WHERE event.other_data LIKE "%u1%"
)
/* Creates a temporary table containing IDs you track for customers who spent over
$1000 in August 2020 */
WITH crm_data AS (
SELECT your_id
FROM `your_cloud_project.your_dataset.crm_data`
WHERE customer_spend_aug_2020_usd > 1000
)
/* Creates a list (to be used in audience creation) of customers who spent over
$1000 in August 2020 */
SELECT user_id
FROM floodlight
JOIN crm_data ON (floodlight.your_id = crm_data.your_id)
Langstrecken-Flugpassagiere mit Elitestatus
Mit dieser Abfrage wird eine Zielgruppe mit Kunden erstellt, die aufgrund einer Anzeige eine Conversion ausgeführt und im Jahr 2019 über 100.000 Flugmeilen angehäuft haben oder im Jahr 2019 den Elitestatus für Fluggesellschaften hatten.
airline_data verwendet das folgende Schema:
| Feld | Beschreibung |
|---|---|
| your_id | Eine eindeutige Kennung, die einem Kunden zugeordnet ist. |
| miles_flown_2019 | Die Gesamtzahl der Flugmeilen des Kunden im Jahr 2019 als Ganzzahl. |
| ye_2019_status | Der Status für Fluggesellschaften, den sich der Kunde im Jahr 2019 verdient hat. |
/* Creates a temporary table containing IDs you track, alongside IDs Google
tracks for the same user */
WITH floodlight AS (
SELECT user_id, REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS your_id
FROM adh.cm_dt_activities_events
WHERE event.other_data LIKE "%u1%"
)
/* Creates a temporary table containing IDs you track for customers who either
flew over 100,000 miles with your airline in 2019, or earned elite status in
2019 */
WITH airline_data AS (
SELECT your_id
FROM `my_cloud_project.my_dataset.crm_data`
WHERE miles_flown_2019 > 100000 or ye_2019_status = "elite"
)
/* Creates a list (to be used in audience creation) of customers who previously
converted on an ad and either earned elite status, or flew over 100,000 miles
in 2019 */
SELECT user_id
FROM floodlight
JOIN airline_data ON (floodlight.your_id = airline_data.your_id)