Correspondência de identificador de dispositivo redefinível

Os identificadores de dispositivo redefiníveis (RDIDs, na sigla em inglês) podem ser usados na medição e correspondência de dados próprios no Ads Data Hub. Ao consultar esses identificadores, você consegue constatar conversões e impressões no app. Também é possível agrupar a conjuntos de dados próprios, como transações de clientes no app, para entender melhor como as mídias afetam as conversões de apps próprios.

A análise de RDID é ideal para anunciantes que têm dados próprios originados, em sua maioria, de apps para dispositivos móveis (como empresas de jogos ou transporte por aplicativo). Também é útil para empresas que entregam um grande número de impressões usando esse formato (por exemplo, exposições no YouTube para dispositivos móveis) e que precisam aprimorar as informações de impressão, agrupando um conjunto de dados primários em que os RDIDs são capturados. Os dados de RDID também incluem Identificadores de Publicidade (IFA) de Smart TV, o que permite aos anunciantes analisar o comportamento dos usuários e a performance da campanha em dispositivos de smart TV. Além disso, você precisa fazer poucas configurações para começar a usar a correspondência de RDID.

Confira abaixo alguns casos de uso desse recurso:

  • Aprimorar os dados de anúncios com telemetria: associe o comportamento no app aos dados do Ads Data Hub e saiba como as exposições de anúncios afetam as ações das pessoas nos seus apps.
  • Medir a performance no YouTube: como grande parte do tráfego do YouTube ocorre no app, os agrupamentos de RDIDs ajudam a avaliar o impacto das campanhas do YouTube na performance do app.
  • Analisar o comportamento dos usuários em diferentes canais para dispositivos móveis e smart TV: incorporando IFAs de smart TVs à análise de RDID, os anunciantes podem ter uma compreensão mais ampla dos próprios apps e plataformas de smart TV.
  • Quantificar o impacto das campanhas de branding nas conversões no app e no LTV: agrupe os dados de valor da vida útil no seu CRM para medir o quanto as campanhas de branding aumentam as conversões no app e o LTV.

Limitações

  • Para eventos do iOS, só é possível associar dados originados de apps no iOS 14.5 ou versões mais recentes com permissão dos usuários, conforme a App Tracking Transparency da Apple.
  • Os dados do Gmail não estão disponíveis nas tabelas de RDID.

Para conseguir usar seus dados próprios no Ads Data Hub, você precisa confirmar que obteve o consentimento necessário para compartilhar dados dos usuários finais do EEE com o Google conforme a Política de consentimento de usuários da União Europeia e a política do Ads Data Hub. Essa exigência vale para cada conta do Ads Data Hub e precisa ser atualizada toda vez que você faz upload de novos dados próprios. Qualquer usuário pode fazer essa confirmação em nome da conta como um todo.

As mesmas regras para consultas dos Serviços do Google aplicáveis às consultas de análises também valem para as consultas de RDID. Por exemplo, não é possível realizar consultas entre serviços envolvendo usuários que estejam no EEE na hora de criar uma tabela de correspondência.

Para saber como confirmar o consentimento no Ads Data Hub, consulte Requisitos de conhecimento no Espaço Econômico Europeu.

Como a correspondência de RDID funciona

O Ads Data Hub cria as tabelas RDID, que contêm uma coluna device_id_md5 extra. Cada tabela adh.* que contém uma coluna user_id vai incluir uma tabela *_rdid correspondente. A coluna device_id_md5 contém uma versão com hash do MD5 do RDID. Como device_id_md5 está com hash, você precisa fazer o mesmo com os RDIDs no conjunto primário de dados usando a transformação abaixo:

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

Depois, você pode agrupar os IDs dos dispositivos a essa coluna.

Fluxo de trabalho da consulta de correspondência de RDID

  1. Transfira um conjunto primário de dados com RDIDs para um conjunto de dados do BigQuery a que sua conta do Ads Data Hub tenha acesso de leitura.
  2. Crie e execute uma consulta que agrupe device_id_md5 a uma versão com hash do MD5 dos RDIDs no seu conjunto de dados.

Exemplos

Quantificar o impacto das campanhas de branding nas conversões no app e no LTV

Esta consulta agrupa os dados do CRM a uma lista de campanhas do YouTube para medir o LTV médio dos usuários e o número de conversões no app por campanha:

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)

Medir a receita por campanha

A declaração abaixo mostra como agrupar os dados das transações às campanhas e, assim, quantificar as receitas das conversões por ID da campanha do Google Ads:

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)

Filtrar por tráfego gerado por smart TVs

Os IFAs de smart TVs já estão disponíveis nas visualizações cm_dt_impression_rdid e dv360_dt_impression_rdid. Ao consultar essas visualizações, a seguinte cláusula WHERE pode ser adicionada para só incluir o tráfego gerado pelas smart TVs:

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