تطبیق شناسه دستگاه قابل تنظیم مجدد

شناسه‌های دستگاه قابل تنظیم مجدد (RDID) می‌توانند برای اندازه‌گیری و تطبیق داده‌های شخص اول در Ads Data Hub استفاده شوند. با پرس و جو در برابر RDID ها، می توانید نمایش ها و تبدیل های درون برنامه را باز کنید. همچنین می‌توانید به مجموعه داده‌های شخص اول، مانند تراکنش‌های برنامه مشتری، بپیوندید تا تأثیر رسانه بر تبدیل برنامه‌های شخص اول را بهتر درک کنید.

تجزیه و تحلیل RDID برای تبلیغ‌کنندگانی ایده‌آل است که داده‌های شخص اول آن‌ها عمدتاً از برنامه‌های تلفن همراه (مانند شرکت‌های بازی‌های تلفن همراه یا اشتراک‌گذاری سواری) می‌آیند، یا تعداد زیادی نمایش را با استفاده از برنامه‌های تلفن همراه (مانند قرار گرفتن در معرض یوتیوب برای تلفن همراه) ارائه می‌کنند، و باید برداشت خود را غنی کنند. داده ها با پیوستن به یک مجموعه داده شخص اول که در آن RDID ها ضبط می شوند. داده‌های RDID همچنین شامل شناسه‌های تلویزیون متصل (CTV) برای تبلیغات (IFA) است که به تبلیغ‌کنندگان امکان می‌دهد رفتار کاربر و عملکرد کمپین را در دستگاه‌های تلویزیون متصل تجزیه و تحلیل کنند. علاوه بر این، تطبیق RDID به مقدار ناچیزی از تنظیمات شما برای شروع نیاز دارد.

در اینجا چند مورد از موارد متعددی که تطبیق RDID اجازه می دهد آورده شده است:

  • غنی‌سازی داده‌های تبلیغاتی با تله‌متری : با پیوستن رفتار درون‌برنامه‌ای به داده‌های Ads Data Hub، می‌توانید تأثیر قرار گرفتن در معرض تبلیغات را بر اقدامات کاربر در برنامه‌های خود ارزیابی کنید.
  • اندازه‌گیری عملکرد YouTube : از آنجایی که بخش بزرگی از ترافیک یوتیوب درون برنامه اتفاق می‌افتد، پیوستن‌های RDID در ارزیابی تأثیر کمپین‌های یوتیوب بر عملکرد برنامه مفید هستند.
  • تجزیه و تحلیل رفتار کاربر در کانال‌های تلفن همراه و CTV : با ترکیب CTV IFA در تجزیه و تحلیل RDID، تبلیغ‌کنندگان می‌توانند درک گسترده‌تری از رفتار کاربر در برنامه‌های شخص اول و پلت‌فرم‌های تلویزیون متصل به دست آورند.
  • تأثیر کمپین‌های برندسازی را بر تبدیل‌های درون‌برنامه‌ای و LTV تعیین کنید : به داده‌های LTV در CRM خود بپیوندید تا میزان افزایش تبلیغات درون‌برنامه‌ای و LTV را در کمپین‌های برندسازی اندازه‌گیری کنید.

محدودیت ها

  • برای رویدادهای iOS، فقط می‌توانید داده‌هایی را که از برنامه‌های iOS 14.5 و بالاتر از کاربرانی که تحت چارچوب شفافیت ردیابی برنامه اپل مجوز داده‌اند مطابقت دهید.
  • داده های Gmail در جداول RDID در دسترس نیستند.

برای اطمینان از اینکه می‌توانید از داده‌های شخص اول خود در Ads Data Hub استفاده کنید، باید تأیید کنید که طبق خط‌مشی رضایت کاربر اتحادیه اروپا و خط‌مشی Ads Data Hub رضایت مناسبی برای اشتراک‌گذاری داده‌ها از کاربران نهایی EEA با Google دریافت کرده‌اید. این الزام برای هر حساب Ads Data Hub اعمال می‌شود و هر بار که داده‌های شخص اول جدید را آپلود می‌کنید باید به‌روزرسانی شود. هر کاربر می تواند از طرف کل حساب این تایید را انجام دهد.

توجه داشته باشید که همان قوانین پرس و جو سرویس Google که برای جستارهای تجزیه و تحلیل اعمال می شود در مورد جستارهای RDID نیز اعمال می شود. به عنوان مثال، هنگام ایجاد جدول تطبیق، نمی توانید پرس و جوهای سرویس متقابل را روی کاربران در EEA اجرا کنید.

برای آشنایی با نحوه تأیید رضایت در Ads Data Hub، به الزامات رضایت برای منطقه اقتصادی اروپا مراجعه کنید.

تطبیق RDID چگونه کار می کند

Ads Data Hub جداول RDID را می سازد که شامل یک ستون device_id_md5 اضافی است. هر جدول adh.* که شامل یک ستون user_id یک جدول *_rdid مربوطه خواهد داشت. ستون device_id_md5 شامل یک نسخه هش شده MD5 از RDID است. از آنجایی که device_id_md5 هش شده است، باید RDID ها را در مجموعه داده شخص اول خود با استفاده از تبدیل زیر هش کنید:

UPPER(TO_HEX(MD5(UPPER(raw device id string))))

بعد از اینکه RDID خود را هش کردید، می توانید شناسه های دستگاه خود را به این ستون بپیوندید.

گردش کار پرس و جو تطبیق RDID

  1. یک مجموعه داده شخص اول حاوی RDID ها را در مجموعه داده BigQuery که حساب Ads Data Hub شما دسترسی خواندنی به آن دارد، آپلود کنید.
  2. یک کوئری بنویسید و اجرا کنید که device_id_md5 با یک نسخه هش شده MD5 از RDIDهای موجود در مجموعه داده شما بپیوندد.

نمونه ها

کمیت تأثیر کمپین های برندسازی بر تبدیل های درون برنامه ای و LTV

این جستجو داده‌های CRM را به فهرستی از کمپین‌های YouTube می‌پیوندد تا میانگین LTV و تعداد تبدیل‌های درون برنامه‌ای کاربران را براساس کمپین اندازه‌گیری کند:

WITH crm_data as (
  SELECT
    UPPER(TO_HEX(MD5(UPPER(raw device_id)))) as device_id_md5, AVG(lifetime_value), SUM(iac)
  FROM 'projectname.crm_data' # first party transactions data keyed off device ID
)

SELECT
  branding_campaigns.campaign_id, crm_data.iac, crm_data.lifetime_value
FROM
  adh.dv360_youtube_conversions_rdid AS branding_campaigns
  branding_campaigns LEFT JOIN crm_data
  ON branding_campaigns.device_id_md5 = crm_data.device_id_md5
WHERE branding_campaigns.campaign_id IN (list of branding campaigns)

اندازه گیری درآمد بر اساس کمپین

این پرس و جو نحوه پیوستن داده‌های تراکنش به کمپین‌ها را نشان می‌دهد و به شما امکان می‌دهد درآمد حاصل از تبدیل‌ها را براساس شناسه کمپین Google Ads برش دهید:

WITH transactions AS (
  SELECT
    UPPER(TO_HEX(MD5(UPPER(raw device_id)))) as device_id_md5,
    transaction_amount
  FROM 'projectname.transactions' # first-party transactions data keyed off device ID
)

SELECT
  adh_conversions.campaign_id,
  SUM(transaction_amount) # first-party column for transaction amount as revenue
FROM
  adh.google_ads_conversions_rdid AS adh_conversions
  LEFT JOIN transactions ON (adh_conversions.device_id_md5 = transactions.device_id_md5)

فیلتر برای ترافیک CTV

CTV IFA اکنون در نماهای cm_dt_impression_rdid و dv360_dt_impression_rdid موجود است. هنگام پرس و جو از این نماها، عبارت WHERE زیر را می توان اضافه کرد تا فقط شامل ترافیک CTV شود:

WHERE event.dv360_device_type IN (3,4,5)