کشیدن داده‌های جغرافیایی برای آزمایش‌ها

برای بیرون کشیدن داده‌های خودکار یا در مقیاس بزرگ برای آزمایش‌های GeoX، باید از Google Ads API برای بیرون کشیدن داده‌های هزینه و خرج استفاده کنید. سپس این داده‌ها را با داده‌های تبدیل یا درآمد خام، بدون فیلتر، و بدون ارجاع از CRM داخلی، پایانه فروش (POS)، یا پایگاه‌های داده فروش داخلی ترکیب می‌کنید.

معماری گردش کار توصیه‌شده میانای برنامه‌سازی کاربردی

برای استخراج دقیق داده‌های پویش و هزینه براساس بخش‌های جغرافیایی، این معماری را دنبال کنید:

• سرویس: از GoogleAdsService، به‌ویژه روش‌های Search یا SearchStream استفاده کنید.

• منبع: برای دیدن اینکه کاربر ازنظر فیزیکی در کجا قرار داشته یا به کجا علاقه داشته است، که معمولاً استاندارد آزمایش‌های GeoX است، geographic_view را پُرسمان کنید. یا برای دیدن عملکرد براساس مکان‌های خاص هدف‌یابی‌شده توسط پویش، location_view را پُرسمان کنید.

  توجه: از campaign_location_target_report استفاده نکنید، زیرا این گزارش قدیمی «میانای برنامه‌سازی کاربردی AdWords» منسوخ شده است.

• فیلدهای موردنظر برای افزودن:

  • campaign.id
  • segments.date
  • segments.geo_target_city (یا منطقه یا کشور بسته به جزئیات GeoX)
  • metrics.cost_micros

• نمونه پُرسمان GAQL: برای GeoX، تبلیغ‌کنندگان سنجه‌های هزینه را بااستفاده از Google Ads API به‌جای تبدیل‌های نسبت‌داده‌شده (که باید از سیستم‌های CRM داخلی یا طرف سوم بیاید) بیرون می‌کشند. می‌توانید از پُرسمان زیر استفاده کنید:

  SELECT
    campaign.id,
    segments.date,
    segments.geo_target_city,
    metrics.cost_micros
  FROM geographic_view
  WHERE segments.date DURING LAST_30_DAYS
  

  توجه: geographic_view فقط ردیف‌های مربوط به بخش‌های جغرافیایی را برمی‌گرداند که در تاریخ معینی ظهور یا هزینه داشته‌اند. برای افزودن روزها و مناطق بدون هزینه به مجموعه زمانی GeoX، در خط لوله داده‌هایتان، پیوند بیرونی چپ را دربرابر محصول کامل دکارتی تاریخ‌ها و مناطق هدف اجرا کنید.

توجه: اگر سنجه‌های تبدیل را از Google Ads بیرون می‌کشید، تبدیل‌های نسبت‌داده‌شده را بیرون می‌کشید—یعنی فقط به فروش‌هایی نگاه می‌کنید که الگوریتم Google قبلاً برای آن‌ها ادعای اعتبار کرده است. استفاده از داده‌های اسنادی در GeoX به‌شدت توصیه نمی‌شود زیرا منطق اسنادی اندازه‌گیری علّی را دچار انحراف می‌کند.

پس‌پردازش و استخراج داده

• نگاشت بخش جغرافیایی: این API نام‌های نوشتار ساده (مانند «تهران») یا کدهای کوتاه (مانند «۵۰۱» یا «ES») را در نماهای گزارش‌دهی برنمی‌گرداند. فیلدهایی مثل segments.geo_target_city یا segments.geo_target_country رشته نام منبعی را برمی‌گردانند که به GeoTargetConstant اشاره می‌کند (برای مثال، geoTargetConstants/1023191). شناسه عددی (1023191) را استخراج کنید و منبع geo_target_constant را پُرسمان کنید:

  SELECT
    geo_target_constant.id,
    geo_target_constant.name,
    geo_target_constant.canonical_name
  FROM geo_target_constant
  WHERE geo_target_constant.id = 1023191
  

  یا اینکه برای انجام پیوند به‌صورت محلی در کد، فایل CSV هدف‌های جغرافیایی ایستا را در هدف‌های جغرافیایی بارگیری کنید.

• تبدیل هزینه: این API مقادیر هزینه را در میکرو برمی‌گرداند. باید metrics.cost_micros را بر ۱٬۰۰۰٬۰۰۰ تقسیم کنید تا مقدار واحد پول استاندارد موردنیاز در فایل بارگذاری‌تان را تولید کنید.

شناسه‌های مکان جغرافیایی برای جهش‌های هدف‌یابی

هنگام اجرای جهش‌های هدف‌یابی مکانی پویش یا گروه آگهی، تبلیغ‌کنندگان باید شناسه دقیق GeoTargetConstant (geoTargetConstants/ID) را برای مناطق انتخابی‌شان جستجو و ارسال کنند. نمی‌توانید کدهای خام ISO یا Nielsen را ارسال کنید.

نوع منطقه	شناسه API الزامی (GeoTargetConstant)	قالب قدیمی (استفاده نشود)
منطقه DMA	مدرک شناسایی 200501 (برای نیویورک)	کد Nielsen (برای مثال، 501 برای نیویورک)
کشور	شناسه 2724 (برای اسپانیا)	کد ISO (برای مثال، "ES" برای اسپانیا)

روال‌های مطلوب و خطاهای رایج قالب‌بندی

• قالب‌بندی تاریخ: فیلد segments.date رشته‌های تاریخ ISO-8601 را در قالب YYYY-MM-DD برمی‌گرداند. در خط لوله ETL، فیلدهای تاریخ را به‌طور صریح به‌عنوان رشته‌های YYYY-MM-DD سریال‌سازی کنید و از باز کردن فایل‌های CSV صادرشده در برنامه‌های صفحه‌گسترده که ستون‌های تاریخ را به‌طور خودکار قالب‌بندی مجدد می‌کنند، خودداری کنید.
• صفرهای ابتدایی در کدهای پستی: کدهای پستی و کد پستی (برای مثال، 01234) را در سراسر خط لوله داده‌هایتان به‌جای اعداد صحیح به‌عنوان انواع رشته‌ای (VARCHAR یا STRING) درنظر بگیرید تا صفرهای ابتدایی هرگز حذف نشوند.
• تجمع: اگر مطالعه چندسلولی اجرا می‌کنید، باید سنجه‌های هزینه جداگانه‌ای برای هر بازوی درمان ارائه دهید.
• پیوستن به داده‌های تبدیل: هنگام پیوستن به داده‌های تبدیل از سیستم CRM داخلی یا پایگاه‌های داده فروش داخلی، مطمئن شوید که داده‌های تبدیل دارای ویژگی‌های زیر باشد تا پردازش داده‌ها با داده‌های Google Ads API و GeoX به‌طور یکپارچه انجام شود:
  • سری زمانی روزانه: داده‌ها باید براساس روز جمع‌آوری شوند.
  • سطح جغرافیایی: هر تبدیل باید به واحدهای جغرافیایی دقیقی که آزمایش می‌کنید اختصاص داده شود (برای مثال، مطابقت دادن کد پستی ارسال مشتری با DMA یا خوشه پستی استفاده‌شده در طراحی).
  • مقادیر ناخالص: داده‌ها باید مقادیر مطلق غیرمنفی مانند «درآمد ناخالص» یا «تعداد تبدیل‌های ناخالص» باشند. اگر «سیستم مدیریت ارتباط با مشتری» شما «درآمد خالص» را با مقادیر منفی برای استرداد مبلغ پیگیری می‌کند، باید از اعداد ناخالص برای آزمایش استفاده کنید و نسبت استرداد مبلغ را بعداً اعمال کنید.