Abgleich rücksetzbarer Geräte-IDs

Rücksetzbare Geräte-IDs (RDIDs) können für die Messung und den Abgleich von selbst erhobenen Daten im Ads Data Hub verwendet werden. Durch die Abfrage von RDIDs können Sie mehr über In-App-Impressionen und -Conversions erfahren. Außerdem haben Sie die Möglichkeit, Datasets mit selbst erhobenen Daten, z. B. Kunden-App-Transaktionen, zu kombinieren, um die Auswirkungen von Medien auf eigene App-Conversions besser zu verstehen.

Die RDID-Analyse ist ideal für Werbetreibende, deren selbst erhobene Daten hauptsächlich aus Apps stammen (z. B. von Unternehmen, die Mitfahrdienste oder Spiele für Mobilgeräte anbieten). Sie eignet sich auch für Werbetreibende, die eine große Anzahl von Impressionen über Apps (z. B. Präsenz in YouTube Mobile) erzielen und ihre Impressionen anreichern möchten, indem Sie ein selbst erhobenes Dataset verknüpfen, in dem RDIDs erfasst werden. RDID-Daten enthalten auch Werbe-IDs für internetfähige Fernseher. So können Werbetreibende auch das Nutzerverhalten und die Kampagnenleistung für internetfähige Fernseher analysieren. Der RDID-Abgleich lässt sich schnell einrichten.

Hier sind einige der vielen Anwendungsfälle, die durch den RDID-Abgleich möglich sind:

  • Anzeigendaten mit Telemetriedaten anreichern: Wenn Sie In-App-Verhalten mit Ads Data Hub-Daten verknüpfen, können Sie die Auswirkungen der Anzeigenpräsenz auf die Nutzeraktionen in Ihren Apps ermitteln.
  • YouTube-Leistung messen: Weil ein großer Teil des YouTube-Traffics über die App erfolgt, sind RDID-Verknüpfungen nützlich, um die Auswirkungen von YouTube-Kampagnen auf die App-Leistung zu bewerten.
  • Nutzerverhalten plattformübergreifend auf Mobilgeräten und internetfähigen Fernsehern analysieren: Wenn Werbetreibende Werbe-IDs für internetfähige Fernseher in die RDID-Analyse einbeziehen, erhalten sie einen besseren Gesamtüberblick über das Nutzerverhalten in eigenen Apps und auf internetfähigen Fernsehern.
  • Auswirkungen von Markenkampagnen auf In-App-Conversions und Lifetime-Wert (LTV) messen: Verknüpfen Sie LTV-Daten in Ihrem CRM, um zu messen, wie stark Markenkampagnen die In-App-Conversions und den LTV erhöhen.

Beschränkungen

  • Für iOS-Ereignisse können Sie nur Daten aus Apps ab iOS 14.5 abgleichen, die von Nutzern stammen, die eine Berechtigung über das App Tracking Transparency-Framework von Apple erteilt haben.
  • Gmail-Daten sind in RDID-Tabellen nicht verfügbar.

Damit Sie Ihre selbst erhobenen Daten in Ads Data Hub nutzen können, müssen Sie bestätigen, dass Sie die entsprechende Einwilligung zur Weitergabe von Daten von Endnutzern im EWR an Google gemäß der Richtlinie zur Einwilligung der Nutzer in der EU und den Ads Data Hub-Richtlinien eingeholt haben. Die Bestätigung ist für jedes Ads Data Hub-Konto und bei jedem Upload neuer selbst erhobener Daten erforderlich. Jeder Nutzer kann die Bestätigung für das gesamte Konto abgeben.

Hinweis: Für RDID-Abfragen gelten dieselben Regeln für Google-Dienst-Abfragen wie für Analyseabfragen. So sind z. B. keine dienstübergreifenden Abfragen für Nutzer im EWR möglich, wenn Sie eine Match-Table erstellen.

Informationen dazu, wie Sie in Ads Data Hub bestätigen, dass Sie die Einwilligung eingeholt haben, finden Sie unter Einwilligungsanforderungen für den Europäischen Wirtschaftsraum.

Funktionsweise des RDID-Abgleichs

In Ads Data Hub werden RDID-Tabellen mit einer zusätzlichen device_id_md5-Spalte erstellt. Jede adh.*-Tabelle, die eine user_id-Spalte enthält, hat eine entsprechende *_rdid-Tabelle. Die Spalte device_id_md5 enthält eine MD5-Hash-Version der RDID. Da device_id_md5 gehasht ist, müssen Sie die RDIDs in Ihrem selbst erhobenen Dataset mit der folgenden Transformation hashen:

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

Nachdem Sie die RDID gehasht haben, können Sie die Geräte-IDs mit dieser Spalte verknüpfen.

Workflow für RDID-Abgleichsabfragen

  1. Laden Sie ein selbst erhobenes Dataset mit RDIDs in ein BigQuery-Dataset hoch, auf das Ihr Ads Data Hub-Konto Lesezugriff hat.
  2. Schreiben Sie eine Abfrage, die device_id_md5 mit einer MD5-gehasten Version der RDIDs in Ihrem Dataset verbindet, und führen Sie sie aus.

Beispiele

Auswirkungen von Brandingkampagnen auf In-App-Conversions und Lifetime-Wert messen

Bei dieser Abfrage werden CRM-Daten mit einer Liste von YouTube-Kampagnen zusammengeführt, um den durchschnittlichen LTV der Nutzer und die Anzahl der In-App-Conversions nach Kampagne zu messen:

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)

Umsatz nach Kampagne messen

Diese Abfrage veranschaulicht, wie Sie Transaktionsdaten mit Kampagnen verknüpfen, um den Umsatz aus Conversions unterteilt nach Google Ads-Kampagnen-ID zu bestimmen:

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)

Nach Traffic von internetfähigen Fernsehern filtern

Werbe-IDs für internetfähige Fernseher sind jetzt in den Ansichten cm_dt_impression_rdid und dv360_dt_impression_rdid verfügbar. Wenn diese Ansichten abgefragt werden, kann die WHERE-Klausel hinzugefügt werden, damit nur Traffic von internetfähigen Fernsehern einbezogen wird.

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