কাস্টম ফ্লাডলাইট পরিবর্তনশীল ম্যাচিং

কাস্টম ফ্লাডলাইট ভেরিয়েবল হল ফ্লাডলাইট রূপান্তরগুলির সাথে সংযুক্ত URL প্যারামিটার, যেগুলি Google মার্কেটিং প্ল্যাটফর্ম বৈশিষ্ট্যগুলির মাধ্যমে পরিচালিত হয়৷ তারা আপনাকে স্ট্যান্ডার্ড প্যারামিটারের সাথে যা সংগ্রহ করতে পারে তার বাইরে অতিরিক্ত তথ্য ক্যাপচার করার অনুমতি দেয়। যদিও বিজ্ঞাপনদাতারা কাস্টম ফ্লাডলাইট ভেরিয়েবল ব্যবহার করে বিস্তৃত তথ্য পাস করেন, তবে শুধুমাত্র বিজ্ঞাপন ডেটা হাব-এ যেমন ব্যবহারকারী আইডি, এক্সটার্নাল কুকিজ বা অর্ডার আইডি-এর মতো ডেটা মেলার জন্য ব্যবহার করা যেতে পারে।

গুরুত্বপূর্ণভাবে, একজন ব্যবহারকারী রূপান্তরিত হলে কাস্টম ফ্লাডলাইট ভেরিয়েবল ফায়ার করে। যেমন, কাস্টম ফ্লাডলাইট ভেরিয়েবল ম্যাচিং শুধুমাত্র বিজ্ঞাপনের প্রশ্নের উত্তর দিতে বা যেখানে রূপান্তর ঘটেছে সেখানে দর্শক তৈরি করার জন্য উপযোগী। এই ব্যবহারের ক্ষেত্রে উদাহরণ অন্তর্ভুক্ত, কিন্তু সীমাবদ্ধ নয়:

• "আমার সাম্প্রতিক প্রচারাভিযানটি কি সঠিক পণ্যগুলির বৃদ্ধির দিকে পরিচালিত করেছিল যেগুলিতে আমি ফোকাস করতে চেয়েছিলাম?"
• "আমি যে প্রচারাভিযান চালিয়েছিলাম তার থেকে ক্রমবর্ধমান আয় কী ছিল?"
• "আমি উচ্চ-মানের ব্যবহারকারীদের একটি শ্রোতা তৈরি করতে চাই।"
• "আমি এমন ব্যবহারকারীদের শ্রোতা তৈরি করতে চাই যারা আমার পরিষেবাগুলির সাথে একটি অর্থপূর্ণ উপায়ে নিযুক্ত হয়েছে।"

সতর্কতা: Google আপনাকে ব্যক্তিগতভাবে শনাক্তযোগ্য তথ্য হিসাবে ব্যাখ্যা করা যেতে পারে এমন কোনো তথ্য পাস করতে নিষেধ করে।

কাস্টম ফ্লাডলাইট ভেরিয়েবল সম্পর্কে আরও জানুন

বিজ্ঞাপন ডেটা হাবে কাস্টম ফ্লাডলাইট ভেরিয়েবল অ্যাক্সেস করা

কাস্টম ফ্লাডলাইট ভেরিয়েবল একসাথে যুক্ত করা হয় এবং adh.cm_dt_activities_attributed টেবিলের event.other_data ক্ষেত্রে একটি স্ট্রিং হিসাবে সংরক্ষণ করা হয়। পৃথক ভেরিয়েবলগুলিকে আলাদা করার জন্য আপনাকে নিম্নলিখিত রেগুলার এক্সপ্রেশনটি ব্যবহার করতে হবে, আপনি মিলের জন্য যে কোনও ভেরিয়েবলের জন্য u1 প্রতিস্থাপন করবেন:

REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS u1_val

নমুনা

পৌঁছান এবং ব্যয় করুন

এই ক্যোয়ারী একটি প্রদত্ত প্রচারাভিযানের সাথে যুক্ত নাগাল এবং মোট ব্যয় পরিমাপ করে।

crm_data নিম্নলিখিত স্কিমা ব্যবহার করে:

মাঠ	বর্ণনা
অর্ডার_আইডি	একটি অর্ডারের সাথে যুক্ত একটি অনন্য শনাক্তকারী৷
অর্ডার_ভাল	অর্ডারের মান (একটি ফ্লোট হিসাবে)।
অর্ডার_টাইমস্ট্যাম্প	অর্ডার সম্পূর্ণ হওয়ার সাথে যুক্ত টাইমস্ট্যাম্প।

/* Creates a temporary table containing user IDs and order IDs (extracted u-values)
associated with a given campaign */
WITH floodlight AS (
  SELECT user_id, event.campaign_id, REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS order_id
  FROM adh.cm_dt_activities_attributed
  WHERE event.other_data LIKE "%u1%" AND event.campaign_id = 31459
)

/* Creates a temporary table where each row contains an order ID, the order's value,
and the time the order was placed */
WITH crm_data AS (
  SELECT order_id, order_val, order_timestamp
  FROM `your_cloud_project.your_dataset.crm_data`
  WHERE order_timestamp > FORMAT_TIMESTAMP('%F', TIMESTAMP_MICROS('2020-01-19 03:14:59'), @time_zone)
)

/* Joins both tables on order ID, counts the number of distinct users and sums the
value of all orders */
SELECT DISTINCT(user_id) AS reach, sum(order_val) as order_val
FROM floodlight JOIN crm_data
ON (floodlight.order_id = crm_data.order_id)

পূর্ববর্তী ব্যস্ততা সহ উচ্চ-ব্যয়কারী গ্রাহকরা

এই কোয়েরিটি এমন গ্রাহকদের একটি শ্রোতা তৈরি করে যারা আগস্ট 2020-এ $1000-এর বেশি খরচ করেছেন এবং আগে আপনার বিজ্ঞাপনের সাথে যুক্ত ছিলেন।

crm_data নিম্নলিখিত স্কিমা ব্যবহার করে:

মাঠ	বর্ণনা
আপনার_আইডি	গ্রাহকের সাথে যুক্ত একটি অনন্য শনাক্তকারী।
customer_spend_aug_2020_usd	আগস্ট 2020-এ প্রদত্ত গ্রাহকের ক্রমবর্ধমান ব্যয় (ফ্লোট হিসাবে)।

/* Creates a temporary table containing IDs you track, alongside IDs Google tracks
for the same user */
WITH floodlight AS (
  SELECT user_id, REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS your_id
  FROM adh.cm_dt_activities_events
  WHERE event.other_data LIKE "%u1%"
)

/* Creates a temporary table containing IDs you track for customers who spent over
$1000 in August 2020 */
WITH crm_data AS (
  SELECT your_id
  FROM `your_cloud_project.your_dataset.crm_data`
  WHERE customer_spend_aug_2020_usd > 1000
)

/* Creates a list (to be used in audience creation) of customers who spent over
$1000 in August 2020 */
SELECT user_id
FROM floodlight
JOIN crm_data ON (floodlight.your_id = crm_data.your_id)

দূরপাল্লার অভিজাত-মর্যাদা ফ্লাইয়ার

এই কোয়েরিটি এমন গ্রাহকদের একটি শ্রোতা তৈরি করে যারা আগে একটি বিজ্ঞাপনে রূপান্তরিত হয়েছিল এবং হয় 2019 সালে 100,000 মাইলের বেশি উড়েছিল বা 2019-এ "এলিট" এয়ারলাইন স্ট্যাটাস পেয়েছিল।

airline_data নিম্নলিখিত স্কিমা ব্যবহার করে:

মাঠ	বর্ণনা
আপনার_আইডি	গ্রাহকের সাথে যুক্ত একটি অনন্য শনাক্তকারী।
miles_flown_2019	2019 সালে গ্রাহকের মোট মাইল (একটি পূর্ণসংখ্যা হিসাবে)।
ye_2019_স্থিতি	2019 সালে গ্রাহক যে এয়ারলাইন স্ট্যাটাস অর্জন করেছেন।

/* Creates a temporary table containing IDs you track, alongside IDs Google
tracks for the same user */
WITH floodlight AS (
  SELECT user_id, REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS your_id
  FROM adh.cm_dt_activities_events
  WHERE event.other_data LIKE "%u1%"
)

/* Creates a temporary table containing IDs you track for customers who either
flew over 100,000 miles with your airline in 2019, or earned elite status in
2019 */
WITH airline_data AS (
  SELECT your_id
  FROM `my_cloud_project.my_dataset.crm_data`
  WHERE miles_flown_2019 > 100000 or ye_2019_status = "elite"
)

/* Creates a list (to be used in audience creation) of customers who previously
converted on an ad and either earned elite status, or flew over 100,000 miles
in 2019 */
SELECT user_id
FROM floodlight
JOIN airline_data ON (floodlight.your_id = airline_data.your_id)