אתם יכולים להשתמש ב-Ads Data Hub כדי להריץ שאילתות שמאחדות נתונים של Google עם נתונים מאינטראקציה ישירה (First-Party) שהעליתם ל-BigQuery. כך תוכלו לקבל ייצוג מלא יותר של האינטראקציה של המשתמשים עם הפלטפורמה, ולשפר את השיוך.
הנתונים שלכם צריכים להיות מפתחות למזהה שאחריו מתבצע מעקב ב-Ads Data Hub. מפתח האיחוד הזה משמש בתור המאפיין המשותף בין הנתונים שלכם לנתונים של Google, ומאפשר לכם לקשר את שני מערכי הנתונים. מערכת Ads Data Hub תומכת באיחוד עם המפתחות הבאים:
- מזהי מכשירים שניתנים לאיפוס (RDID) [לא זמין לספקים]
- משתנים מותאמים אישית ב-Floodlight
- עוגיות
- מזהי LiveRamp RapID (כרגע בגרסת בטא)
יכול להיות שמפתחות איחוד (join) מסוימים יעבדו טוב יותר בתרחישי שימוש ספציפיים, אבל הבחירה באחד מהם תלויה יותר באופן הגדרת הנתונים שלכם (למשל: שימוש באפליקציה לעומת אופליין), ולא בתרחיש לדוגמה הספציפי שלכם. לדוגמה, ניתן לצרף גם מזהי RDID וגם קובצי cookie לצורך פילוח לקוחות, אבל מפרסמים שהתנועה שלהם מגיעה בעיקר מאפליקציות (כמו חברות לשיתוף נסיעות) נהנים מערך גבוה יותר של הצטרפות באמצעות מזהי RDID, בהשוואה למפרסמים שהמכירות שלהם מכוונות במקומות אחרים.
ככלל, התרחישים לדוגמה של אפשרויות ההתאמה השונות נשארים ללא שינוי: שילוב הנתונים שלכם עם Google מאפשר לכם לענות על שאלות משמעותיות יותר בנושא הפרסום ולבנות קהלים טובים יותר. עם זאת, כל אפשרות התאמה נותנת גישה לנתונים שונים, כוללת מגבלות שונות ודורשת רמה שונה של השקעה בהגדרה ובתחזוקה.
סקירה כללית של מפתחות האיחוד (join) הזמינים
בסקירה הכללית הבאה תוכלו לקרוא מידע נוסף על ההבדלים בין מפתחות האיחוד (join) הזמינים.
לא סביר שתוכלו להתאים לכל הנתונים של מודעות Google שלכם. אחוז הלקוחות לטירגוט תלוי בכמה גורמים ומשתנים בהתאם לתרחיש השימוש ולהגדרות בצד הלקוח. לרוב, אחוזי הלקוחות לטירגוט נמוכים יותר מהצפוי.
מזהי RDID
מזהי RDID הם מזהה ייחודי המשמש אך ורק לאפליקציות מקוריות בניידים. לכן, התאמת RDID היא אידיאלית למפרסמים שהנתונים שלהם מגיעים בעיקר מאפליקציות לנייד, או שהם מספקים מספר גדול של חשיפות בנייד. כדי להתאים RDID, נדרשת ההשקעה הקטנה ביותר בהגדרה.
משתנים מותאמים אישית ב-Floodlight
משתני Floodlight מותאמים אישית הם פרמטרים של כתובות URL שמצורפים לתגי Floodlight, שמתעדים מידע במהלך אירוע המרה. מכיוון שתגי Floodlight בלעדיים לנכסי Google Marketing Platform (GMP), ההתאמה מוגבלת למזהי GMP בלבד. כדי להתאים משתני Floodlight מותאמים אישית נדרשת השקעה קטנה בהגדרה.
מידע נוסף על התאמה של משתני Floodlight מותאמים אישית
עוגיות
התאמות של קובצי Cookie משייכת את קובצי ה-Cookie של המפרסם לקובצי ה-cookie של Google. כדי להגדיר התאמה של קובצי cookie, צריך להשקיע השקעה ולהגדיר משך זמן משתנה כדי לאכלס את טבלאות ההתאמות.
נקודה חשובה: משתמשים כשירים להתאמה של קובצי cookie רק אם הם יצרו אינטראקציה עם הדומיין והמודעות שלך.
מידע נוסף על התאמות של קובצי Cookie
מזהי LiveRamp
איזה מַפְתח איחוד מתאים לך?
כפי שצוין קודם, בחירת מפתח ההצטרפות הנכון תלויה בעיקר באופן שבו המשתמשים מקיימים אינטראקציה עם הפלטפורמה שלכם. עם זאת, יש תרחישים לדוגמה שלא יפעלו עם מפתחות איחוד (join) מסוימים. בעזרת הטבלה של תרחישי השימוש הנתמכים תוכלו ללמוד אילו מפתחות תומכים בתרחיש לדוגמה שלכם, ולהחליט אילו סוגי נתונים תצטרכו.
תרחישים נתמכים
ברשימה הבאה מוצגים תרחישים לדוגמה לצד נתונים מאינטראקציה ישירה (First-Party) שאפשר להשתמש בהם כדי ליישם את התרחיש לדוגמה. רשימה זו חלקית בלבד. בנוסף, כפי שצוין קודם לכן, בתרחישי שימוש רבים ניתן להשתמש בכל מפתח איחוד (join). (תרחישים מסוימים לדוגמה שספציפיים לפלטפורמה או לסוג המכשיר עשויים להתאים יותר למפתח איחוד ספציפי).
| תרחיש לדוגמה | נקודות מגע (למשל: נייד, אינטרנט, רשתות חברתיות) | נתונים של פלחי לקוחות (כלומר קטגוריית תחום עניין משותף) | נתוני המרות (למשל עסקאות, המרות אופליין) |
|---|---|---|---|
| מדידת התחזקות הקמפיין. מודדים את ההשפעה של מודעה או קמפיין על ההמרות באמצעות A/B Testing. | |||
| ביצועים ב-YouTube לנייד. אפשר לעקוב אחרי חשיפות ב-YouTube שמתבצעות בתוך האפליקציה בנייד. | |||
| המרות באפליקציה. למדוד את ההמרות המתרחשות בתוך האפליקציה. | |||
| הצטרפות להיסטוריית הרכישות כדי להציג את הנתונים מהתקופה שאחרי הקמפיין. בודקים את יעילות הקמפיין תוך התמקדות בהיסטוריית הרכישות. | |||
| פילוח לקוחות. כדי לשפר את הקהלים ולבצע מדידות, אפשר לשלב גורמים מפרידים שאחריהם אתם עוקבים בעזרת נתוני מודעות Google. | |||
| טירגוט משתמשים שנטשו את עגלת הקניות שלהם. אפשר להשתמש באירועי המרה מסוג 'הוספה לעגלת הקניות' כדי ליצור קהלים של נוטשי עגלות קניות. | |||
| טלמטריה. העשרת הקהלים ואיסוף תובנות על סמך פעולות שאתם עוקבים אחריהן באמצעות האפליקציה, כמו גלישה ואי-המרה. | |||
| טירגוט לפי מדדים של ערכי המרות. יצירת קהלים על סמך הערך ההיסטורי של המרה. |
Setup (הגדרה)
פרטי ההטמעה הספציפיים שונים בכל אפשרות התאמה. בדרך כלל, תצטרכו:
- מעלים את הנתונים ל-BigQuery.
- נותנים לחשבון השירות של Ads Data Hub הרשאת קריאה למערכי הנתונים האלה וגישת כתיבה לטבלאות שמכילות את התוצאות.
עם זאת, גם התאמת LiveRamp וגם התאמות של קובצי cookie מחייבות הגדרה נוספת מעבר לשני השלבים האלה.
העלאת הנתונים
מעלים את הנתונים למערך נתונים אחד לפחות ב-BigQuery (למשל YourData).
יוצרים מערך נתונים נוסף לפלט של איחודי הנתונים שמבצעים בין הנתונים של Google לבין הנתונים (למשל OutputData).
הרשאה לחשבון השירות של Ads Data Hub
צריך להקצות לחשבון השירות של Ads Data Hub את התפקיד BigQuery Data Viewer (roles/bigquery.dataViewer) בכל מערכי הנתונים שמכילים נתונים שהועלו שבהם בכוונתך להשתמש.
לחשבון השירות נדרש גם התפקיד BigQuery Data Editor (roles/bigquery.dataEditor) למערך הנתונים שמכיל את הפלט של ערכי ה-join.