Menggabungkan data pihak pertama

Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

Anda dapat menggunakan Ads Data Hub untuk menjalankan kueri yang menggabungkan data Google dengan data pihak pertama yang telah Anda upload ke BigQuery. Hal ini memungkinkan Anda mendapatkan representasi yang lebih lengkap tentang cara pengguna berinteraksi dengan platform Anda, dan dapat berkontribusi pada atribusi yang lebih baik.

Data Anda harus dikuncikan ke ID yang dilacak Ads Data Hub. Joint key ini digunakan sebagai atribut bersama antara data Anda dan Google, sehingga Anda dapat menautkan kedua set data. Ads Data Hub mendukung penggabungan kunci berikut:

  • ID perangkat (RDID) yang dapat direset (tidak tersedia untuk vendor]
  • Variabel Floodlight Kustom
  • Cookie
  • LiveRamp RampID (saat ini dalam versi beta)

Meskipun beberapa kunci penggabungan mungkin berfungsi lebih baik untuk kasus penggunaan tertentu, memilih kunci bergantung lebih pada cara data Anda disiapkan (yaitu berbasis aplikasi vs. offline), bukan kasus penggunaan Anda. Misalnya, RDID dan cookie dapat digabungkan untuk segmentasi pelanggan, tetapi pengiklan yang traffic-nya terutama berasal dari aplikasi (seperti perusahaan transportasi online) mendapatkan nilai lebih dengan bergabung menggunakan RDID dibandingkan pengiklan yang penjualannya didorong di tempat lain.

Pada tingkat tinggi, kasus penggunaan di berbagai opsi pencocokan tetap sama: menggabungkan data Anda dengan milik Google memungkinkan Anda menjawab pertanyaan iklan yang lebih bermakna dan membangun audiens yang lebih baik. Namun, setiap opsi pencocokan memberikan akses ke berbagai data, memiliki batasan yang berbeda, dan memerlukan tingkat investasi yang berbeda dalam penyiapan dan pemeliharaan.

Ringkasan kunci penghubung yang tersedia

Gunakan ringkasan berikut untuk mempelajari lebih lanjut perbedaan antara kunci penghubung yang tersedia.

Anda tidak mungkin dapat mencocokkan semua data iklan Google. Tingkat kecocokan bergantung pada sejumlah faktor, dan bervariasi sesuai kasus penggunaan dan penyiapan sisi klien. Rasio kecocokan sering kali lebih rendah daripada yang diharapkan pengguna.

RDID

RDID adalah ID unik yang digunakan secara eksklusif untuk aplikasi native di perangkat seluler. Dengan demikian, pencocokan RDID ideal bagi pengiklan yang datanya terutama berasal dari aplikasi seluler, atau menayangkan tayangan dalam jumlah besar di seluler. Pencocokan RDID memerlukan investasi terkecil dalam penyiapan.

Pelajari pencocokan RDID lebih lanjut

Variabel Floodlight Kustom

Variabel Floodlight kustom adalah parameter URL yang dilampirkan ke tag Floodlight, yang mengambil informasi selama peristiwa konversi. Karena tag Floodlight eksklusif untuk properti Google Marketing Platform (GMP), pencocokan dibatasi untuk ID GMP. Pencocokan variabel Floodlight kustom memerlukan investasi kecil pada penyiapan.

Pelajari pencocokan variabel Floodlight kustom lebih lanjut

Cookie

Pencocokan cookie mengaitkan cookie pengiklan dengan cookie Google. Penyiapan cookie memerlukan investasi, dan membutuhkan jumlah waktu yang bervariasi agar tabel yang cocok dapat diisi.

Poin penting: Pengguna hanya memenuhi syarat untuk pencocokan cookie jika mereka berinteraksi dengan domain dan iklan Anda.

Pelajari pencocokan cookie lebih lanjut

Beta: RampID LiveRamp

Fitur pencocokan menggunakan LiveRamp RampID masih dalam versi beta. Hubungi perwakilan Google Anda untuk mempelajari lebih lanjut.

Kunci join apa yang tepat bagi Anda?

Seperti yang disebutkan sebelumnya, pemilihan kunci join yang tepat bergantung terutama pada cara pengguna berinteraksi dengan platform Anda. Oleh karena itu, beberapa kasus penggunaan tidak akan berfungsi dengan kunci penghubung tertentu. Gunakan tabel kasus penggunaan yang didukung untuk mempelajari kunci mana yang mendukung kasus penggunaan Anda, lalu tentukan jenis data yang akan Anda butuhkan.

Kasus penggunaan yang didukung

Daftar berikut memberikan contoh kasus penggunaan bersama data pihak pertama yang dapat digunakan untuk menyelesaikan kasus penggunaan. Ini bukanlah daftar lengkap. Selain itu, seperti yang telah disebutkan sebelumnya, banyak kasus penggunaan dapat diselesaikan dengan kunci join apa pun. (Meskipun beberapa kasus penggunaan khusus untuk jenis platform atau perangkat, mungkin lebih cocok untuk kunci penghubung tertentu.)

Kasus penggunaan Kontak pelanggan (mis. seluler, web, sosial) Data segmen pelanggan (yaitu kategori minat) Data konversi (yaitu transaksi, konversi offline)
Peningkatan kampanye. Ukur dampak iklan atau kampanye pada konversi menggunakan pengujian A/B.
Performa YouTube seluler. Melacak tayangan YouTube yang terjadi di dalam aplikasi di perangkat seluler.
Konversi dalam aplikasi. Mengukur konversi yang terjadi dalam aplikasi.
Menggabungkan histori pembelian ke data pasca-kampanye. Meninjau keefektifan kampanye saat memberikan konteks pada histori pembelian.
Segmentasi pelanggan. Tingkatkan audiens dan lakukan pengukuran dengan menggabungkan pembeda yang Anda lacak dengan data iklan Google.
Pengabai keranjang belanja target. Gunakan peristiwa konversi jenis “tambahkan ke keranjang” untuk membuat audiens pengabai keranjang belanja.
Telemetri. Perkaya audiens dan kumpulkan insight berdasarkan tindakan yang Anda lacak menggunakan aplikasi, seperti menjelajah dan tidak melakukan konversi.
Target menggunakan metrik nilai konversi. Membuat audiens berdasarkan nilai historis konversi.

Penyiapan

Detail implementasi yang spesifik berbeda-beda untuk setiap opsi yang cocok. Umumnya, Anda harus:

  1. Upload data Anda ke BigQuery.
  2. Beri akun layanan Ads Data Hub akses baca ke set data tersebut, dan tulis akses ke tabel yang berisi hasil Anda.

Namun, pencocokan LiveRamp dan cookie memerlukan penyiapan tambahan di luar 2 langkah ini.

Upload data Anda

Upload data Anda ke setidaknya satu set data di BigQuery (misalnya, YourData). Buat set data lain untuk output gabungan yang Anda buat antara data Google dan data Anda (misalnya, OutputData).

Mengizinkan akun layanan Ads Data Hub

Anda harus memberi akun layanan Ads Data Hub peran "BigQuery Data Viewer" (roles/bigquery.dataViewer) untuk semua set data yang berisi data yang diupload yang akan Anda gunakan.

Akun layanan juga memerlukan peran “BigQuery Data Editor” (roles/bigquery.dataEditor) untuk set data yang berisi output gabungan Anda.

Pelajari peran di BigQuery lebih lanjut