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 dikunci ke ID yang dilacak Ads Data Hub. Kunci gabungan ini digunakan sebagai atribut bersama antara data Anda dan data Google, sehingga Anda dapat menautkan kedua set data. Ads Data Hub mendukung penggabungan kunci berikut:
- ID perangkat yang dapat direset (RDID) [tidak tersedia untuk vendor]
- Variabel Floodlight kustom
- Kukis
- LiveRamp RampIDs (saat ini dalam versi beta)
Meskipun beberapa kunci gabungan mungkin berfungsi lebih baik untuk kasus penggunaan tertentu, memilih satu kunci lebih bergantung 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 trafficnya terutama berasal dari aplikasi (seperti perusahaan transportasi online) mendapatkan lebih banyak nilai 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 data Google memungkinkan Anda menjawab pertanyaan periklanan yang lebih bermakna dan membangun audiens yang lebih baik. Namun, setiap opsi pencocokan memberikan akses ke data yang berbeda, memiliki batasan yang berbeda, dan memerlukan tingkat investasi yang berbeda dalam penyiapan dan pemeliharaan.
Ringkasan kunci gabungan yang tersedia
Gunakan ringkasan berikut untuk mempelajari lebih lanjut perbedaan antara kunci gabungan yang tersedia.
Anda tidak mungkin dapat mencocokkan semua data iklan Google Anda. Rasio kecocokan bergantung pada sejumlah faktor, dan bervariasi menurut 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 sangat ideal bagi pengiklan yang datanya sebagian besar berasal dari aplikasi seluler, atau menayangkan tayangan dalam jumlah besar di perangkat 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 bersifat eksklusif untuk properti Google Marketing Platform (GMP), pencocokan dibatasi ke ID GMP. Pencocokan variabel Floodlight kustom memerlukan investasi kecil dalam penyiapan.
Pelajari pencocokan variabel Floodlight kustom lebih lanjut
Kukis
Pencocokan cookie mengaitkan cookie pengiklan dengan cookie Google. Penyiapan pencocokan cookie memerlukan investasi, dan memerlukan waktu yang bervariasi untuk mengisi tabel pencocokan.
Poin utama: Pengguna hanya memenuhi syarat untuk pencocokan cookie jika mereka telah berinteraksi dengan domain dan iklan Anda.
Pelajari pencocokan cookie lebih lanjut
RampID LiveRamp
Pelajari pencocokan LiveRamp lebih lanjut
Kunci gabungan mana yang tepat untuk Anda?
Seperti yang disebutkan sebelumnya, memilih kunci join yang tepat sangat bergantung pada cara pengguna berinteraksi dengan platform Anda. Meskipun demikian, beberapa kasus penggunaan tidak akan berfungsi dengan kunci gabungan tertentu. Gunakan tabel kasus penggunaan yang didukung untuk mempelajari kunci mana yang mendukung kasus penggunaan Anda, lalu tentukan jenis data yang Anda perlukan.
Kasus penggunaan yang didukung
Daftar berikut memberikan contoh kasus penggunaan bersama data pihak pertama yang dapat digunakan untuk menyelesaikan kasus penggunaan tersebut. Daftar ini sama sekali tidak lengkap. Selain itu, seperti yang disebutkan sebelumnya, banyak kasus penggunaan dapat diselesaikan dengan kunci gabungan apa pun. (Meskipun beberapa kasus penggunaan khusus untuk platform atau jenis perangkat, mungkin lebih cocok untuk kunci gabungan tertentu.)
| Kasus penggunaan | Poin kontak (yaitu, seluler, web, sosial) | Data segmen pelanggan (yaitu kategori minat) | Data konversi (yaitu transaksi, konversi offline) |
|---|---|---|---|
| Peningkatan kampanye. Ukur dampak iklan atau kampanye terhadap konversi menggunakan pengujian A/B. | |||
| Performa YouTube di perangkat seluler. Melacak tayangan YouTube yang terjadi dalam aplikasi di perangkat seluler. | |||
| Konversi dalam aplikasi. Ukur konversi yang terjadi dalam aplikasi. | |||
| Gabungkan histori pembelian ke data pasca-kampanye. Meninjau keefektifan kampanye Anda sambil memberi konteks pada histori pembelian. | |||
| Segmentasi pelanggan. Tingkatkan kualitas audiens dan lakukan pengukuran dengan menggabungkan pembeda yang Anda lacak dengan data iklan Google. | |||
| Menargetkan pengabai keranjang belanja. 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. | |||
| Menargetkan menggunakan metrik nilai konversi. Buat audiens berdasarkan nilai historis sebuah konversi. |
Penyiapan
Detail penerapan yang spesifik berbeda-beda di antara setiap opsi pencocokan. Umumnya, Anda harus:
- Unggah data Anda ke BigQuery.
- Beri akun layanan Ads Data Hub akses baca ke set data tersebut, dan akses tulis ke tabel yang berisi hasil Anda.
Namun, pencocokan LiveRamp dan cookie memerlukan penyiapan tambahan di luar 2 langkah ini.
Mengupload data Anda
Upload data Anda ke setidaknya satu set data di BigQuery (misalnya YourData).
Buat set data lain untuk output penggabungan 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 ingin Anda gunakan.
Akun layanan juga memerlukan peran “BigQuery Data Editor” (roles/bigquery.dataEditor) untuk set data yang berisi output gabungan Anda.