Attributionsmodellierung mit der Pfadtabelle

Eingestellt: Die Attributionsmodellierung mit den Pfadtabellen wurde eingestellt. Sie können die Pfadtabellen noch bis zum 28. Februar 2024 verwenden. Weitere Informationen finden Sie in den Versionshinweisen.

Die *_paths-Tabellen geben Aufschluss über Nutzerinteraktionen mit Medien, die Sie in Display & Video 360 und Campaign Manager 360 verwalten. Diese Interaktionen (auch als Touchpoints bezeichnet) werden zu Ereignispfaden zusammengeführt, um den Pfad einer Nutzergruppe durch Ihren Conversion-Trichter zu erfassen. Die Daten in den *_paths-Tabellen entsprechen denen, die Ihnen über die Datenübertragung zur Verfügung stehen, werden Ihnen aber über vorab zusammengestellte Pfade bereitgestellt. Ereignispfade sind für Nutzer mit und ohne Conversion verfügbar und können mehrere Conversions enthalten.

Wie bei allen Nutzerdaten in Ads Data Hub gelten für die Daten aus den *_paths-Tabellen bestimmte Aggregationsanforderungen.

Technische Details

*_paths wird für cm_paths und dv360_paths austauschbar verwendet. Achten Sie beim Anpassen der Abfragen darauf, *_paths durch die Tabelle zu ersetzen, die Sie abfragen möchten.

Jede Zeile von paths enthält einen einzelnen Kaufprozess in einem 30-Tage-Zeitraum. Diese Daten werden täglich aktualisiert und beziehen sich jeweils auf die letzten 30 Tage. Ereignispfade werden mithilfe von Cookies zusammengestellt und sind daher auf ein einzelnes Gerät beschränkt. In bestimmten Situationen, z. B. wenn der Nutzer personalisierte Werbung deaktiviert hat, wird die Nutzer-ID auf null gesetzt. Normalerweise werden diese Nutzer trotzdem nach Zeilen getrennt, sodass zwei unterschiedliche Conversion-Pfade mit der Nutzer-ID 0 in separaten Zeilen sind. Bei bestimmten Analysetypen, z. B. bei der Gruppierung nach user_id = 0, werden jedoch mehrere Conversion-Pfade zu einem zusammengeführt. Dies könnte zu Abweichungen bei den Daten führen. Weitere Informationen zu auf null gesetzten Nutzer-IDs

Jede Zeile der Spalte *_paths.events enthält ein Array mit Strukturen, wobei jede Struktur ein einzelnes Ereignis im Nutzerpfad ist. Die Strukturen des Pfads sind nach Zeitstempel geordnet, wobei das erste Ereignis im Array das älteste ist.

Beispielabfragen

Mit den folgenden Abfragen wird die Auswirkung von Placements auf die Conversions bei einem bestimmten Nutzersegment gemessen. In den Abfragen wird der Beitrag zur Conversion mithilfe von drei verschiedenen Attributionsmodellen zugeordnet:

• Erste Interaktion: Der gesamte Wert wird dem ersten Touchpoint zugeordnet.
• Letzte Interaktion: Der gesamte Wert wird dem letzten Touchpoint zugeschrieben.
• Linear: Die Beiträge werden gleichmäßig auf die Touchpoints aufgeteilt.

Beispieldaten

Zeile	user_id	*_paths.events.event_time	*_paths.events.event_type	*_paths.events.placement_id
1	1	1563384139	FLOODLIGHT	null
		1563384129	CLICK	11
		1563384119	VIEW	22
2	2	1563384139	FLOODLIGHT	null
		1563384129	VIEW	11
		1563384119	FLOODLIGHT	null
		1563384109	VIEW	11

Beispielabfragen

Erste Interaktion

/* Substitute *_paths for the specific paths table that you want to query. */
SELECT
  (
  SELECT
    attributed_event_metadata.placement_id
  FROM (
    SELECT
      AS STRUCT attributed_event.placement_id,
      ROW_NUMBER() OVER(ORDER BY attributed_event.event_time ASC) AS rank
    FROM
      UNNEST(t.*_paths.events) AS attributed_event
    WHERE
      attributed_event.event_type != "FLOODLIGHT"
      AND attributed_event.event_time < conversion_event.event_time
      AND attributed_event.event_time > (
      SELECT
        IFNULL( (
          SELECT
            MAX(prev_conversion_event.event_time) AS event_time
          FROM
            UNNEST(t.*_paths.events) AS prev_conversion_event
          WHERE
            prev_conversion_event.event_type = "FLOODLIGHT"
            AND prev_conversion_event.event_time < conversion_event.event_time),
          0)) ) AS attributed_event_metadata
  WHERE
    attributed_event_metadata.rank = 1) AS placement_id,
  COUNT(*) AS credit
FROM
  adh.*_paths AS t,
  UNNEST(*_paths.events) AS conversion_event
WHERE
  conversion_event.event_type = "FLOODLIGHT"
GROUP BY
  placement_id
HAVING
  placement_id IS NOT NULL
ORDER BY
  credit DESC

Letzte Interaktion

/* Substitute *_paths for the specific paths table that you want to query. */
SELECT
  (
  SELECT
    attributed_event_metadata.placement_id
  FROM (
    SELECT
      AS STRUCT attributed_event.placement_id,
      ROW_NUMBER() OVER(ORDER BY attributed_event.event_time DESC) AS rank
    FROM
      UNNEST(t.*_paths.events) AS attributed_event
    WHERE
      attributed_event.event_type != "FLOODLIGHT"
      AND attributed_event.event_time < conversion_event.event_time
      AND attributed_event.event_time > (
      SELECT
        IFNULL( (
          SELECT
            MAX(prev_conversion_event.event_time) AS event_time
          FROM
            UNNEST(t.*_paths.events) AS prev_conversion_event
          WHERE
            prev_conversion_event.event_type = "FLOODLIGHT"
            AND prev_conversion_event.event_time < conversion_event.event_time),
          0)) ) AS attributed_event_metadata
  WHERE
    attributed_event_metadata.rank = 1) AS placement_id,
  COUNT(*) AS credit
FROM
  adh.*_paths AS t,
  UNNEST(*_paths.events) AS conversion_event
WHERE
  conversion_event.event_type = "FLOODLIGHT"
GROUP BY
  placement_id
HAVING
  placement_id IS NOT NULL
ORDER BY
  credit DESC

Linear

/* Substitute *_paths for the specific paths table that you want to query. */
SELECT
  attributed_event_metadata.placement_id AS placement_id,
  /* Give equal credit to all attributed events */
  SUM(SAFE_DIVIDE(1, ARRAY_LENGTH(attributed_events_metadata)))
FROM (
  SELECT
    ARRAY(
    SELECT
      AS STRUCT attributed_event.placement_id,
      ROW_NUMBER() OVER(ORDER BY attributed_event.event_time DESC) AS rank
    FROM
      UNNEST(t.*_paths.events) AS attributed_event
    WHERE
      attributed_event.event_type!="FLOODLIGHT"
      AND attributed_event.event_time < conversion_event.event_time
      AND attributed_event.event_time > (
      SELECT
        MAX(prev_conversion_event.event_time) AS event_time
      FROM
        UNNEST(t.*_paths.events) AS prev_conversion_event
      WHERE
        prev_conversion_event.event_type="FLOODLIGHT"
        AND prev_conversion_event.event_time < conversion_event.event_time)) AS attributed_events_metadata
  FROM
    adh.*_paths AS t,
    UNNEST(*_paths.events) AS conversion_event
  WHERE
    conversion_event.event_type="FLOODLIGHT" ),
  UNNEST(attributed_events_metadata) AS attributed_event_metadata
GROUP BY
  1
HAVING
  placement_id IS NOT NULL
ORDER BY
  2 DESC

Ergebnisse

Wenn Sie die Abfrage für die Beispieldaten ausführen, erhalten Sie folgende Ergebnisse:

Erste Interaktion

Zeile	placement_id	Beitrag
1	11	2
2	22	1

Letzte Interaktion

Zeile	placement_id	Beitrag
1	11	3

Linear

Zeile	placement_id	Beitrag
1	11	2,5
2	22	0,5