C’è stato un tempo in cui tracciare i risultati di una campagna Google Ads era… semplice. Piazzavi un paio di script e potevi essere ragionevolmente sicuro di ottenere tutti i dati necessari per collegare le interazioni degli utenti con le campagne alle conversioni ottenute sul sito.
Poi, le crescenti restrizioni dei browser, le normative sulla privacy e le aspettative degli utenti hanno reso sempre più difficile collegare direttamente queste interazioni alle conversioni.
Per superare la sfida, sempre nel rispetto della privacy degli utenti, Google utilizza un modello di conversione. Se ne parla spesso, ma forse non è così chiaro il suo ruolo e il suo peso nel lavoro che facciamo tutti i giorni.
Oggi lo vediamo insieme, perché fa davvero la differenza nell’ottimizzare le tue campagne.
In due parole: il modello di conversione impiega una forma di AI in Google Ads per quantificare l’impatto delle attività di marketing anche quando un sotto-insieme di azioni di conversione non può venire associato chiaramente alle interazioni con gli annunci.
E lo fa analizzando le conversioni osservate per prevedere, beh, quelle non-osservate.
Per le conversioni osservate è abbastanza semplice: si impiegano cookie e altri identificatori per collegare le interazioni con gli annunci alle conversioni in modo diretto. Questo succede da sempre.
Per le conversioni modellate è più complesso: quando gli identificatori non sono disponibili, entra in gioco il machine learning in un processo diviso in quattro passaggi.
Non ti spaventare, concettualmente è più semplice di quanto sembra. 🙂
- 1) Le interazioni con gli annunci sono divise in due gruppi: quelle con un collegamento chiaro e osservabile a una conversione e quelle senza un collegamento.
- 2) Le conversioni osservate vengono suddivise in sottogruppi basati su caratteristiche comuni, come l’ora del giorno o la località. Per ogni sottogruppo vengono calcolate metriche chiave, come il tasso di conversione.
- 3) Le interazioni e le conversioni non osservate vengono ordinate negli stessi sottogruppi identificati nel passaggio precedente.
- 4) Utilizzando i tassi di conversione noti e altre caratteristiche dei sottogruppi osservati, il machine learning collega le interazioni con gli annunci e le conversioni non osservate, quando lo ritiene opportuno.
Le conversioni osservate e modellate vengono poi integrate nei dati complessivi sulle conversioni, solo se c’è un’alta probabilità che l’annuncio abbia effettivamente generato la conversione.
Google utilizza il modello di conversione in diversi scenari.
Viene impiegato per le conversioni cross-device, modellando gli utenti che iniziano il loro percorso su un dispositivo con un’interazione con l’annuncio e completano la conversione su un altro.
Modellare le conversioni è anche fondamentale quando i cookie sono limitati o non consentiti dall’utente: in questo caso le conversioni vengono modellate in base al traffico sul sito. Parliamo anche e soprattutto del ruolo delle conversioni avanzate in Google Ads.
Ancora, è applicato in tutti quei paesi che richiedono il consenso per i cookie pubblicitari: gli advertiser che utilizzano la modalità di consenso possono configurare i propri tag per fornire a Google gli indicatori necessari, permettendo così l’applicazione del modello per tenere conto degli utenti che hanno negato il consenso.
Insomma, il modello di conversione, in Google Ads, è davvero una gran cosa. Ed è a tutti gli effetti una parte rilevante di quel totale che spesso leggiamo nella colonna “Conversioni” tra i report delle nostre campagne.