گزارش‌دهی بهینه‌گر

برای اندازه‌گیری تأثیر سببی پویش‌های آگهی‌تان بر درک نمانام، تبدیل‌ها، مقدار تبدیل، و رفتار جستجوی طبیعی، منابع گزارش‌دهی اندازه‌گیری بهینه‌گر را در Google Ads API پُرسمان کنید:

  • گزارش‌دهی «بهینه‌گر نمانام»: ارزیابی می‌کند که عرضه آگهی چگونه بر درک نمانام در انواع سنجش‌های نظرسنجی‌شده در Google Ads API نسخه ۲۵ و جدیدتر تأثیر می‌گذارد.
  • گزارش‌دهی «بهینه‌گر تبدیل»: تبدیل‌های افزایشی، مقدار تبدیل، هزینه به‌ازای تبدیل افزایشی (iCPA)، و بازگشت هزینه‌کرد تبلیغات افزایشی (iROAS) را درمقابل گروه کنترل دیده‌نشده در Google Ads API نسخه ۲۵ و جدیدتر اندازه‌گیری می‌کند، ازجمله:
  • گزارش‌دهی بهینه‌گر جستجو: افزایش افزایشی در حجم پرسمان جستجوی طبیعی در «جستجوی Google» و YouTube را که ناشی از عرضه آگهی در Google Ads API نسخه ۲۶ و جدیدتر است، کمی‌سازی می‌کند.

برای گزارش آزمایش A/B استاندارد در منابع experiment و campaign، به گزارش آزمایش‌ها مراجعه کنید.

گزارش‌دهی «بهینه‌گر نمانام»

برای ارزیابی اینکه پویش‌های آگهی شما چگونه بر درک نمانام در Google Ads API نسخه ۲۵ و نسخه‌های جدیدتر تأثیر می‌گذارد، منابع اختصاصی سنجش «بهینه‌گر نمانام» را پُرسمان کنید.

منابع «بهینه‌گر نمانام» و نماهای تفکیک‌شده

پیکربندی‌ها، دوره‌های پخش، و نماهای تفکیک «بهینه‌گر نمانام» در Google Ads API فقط خواندنی هستند (همه فیلدها OUTPUT_ONLY هستند) و در واسط کاربری Google Ads یا با نماینده Google یا مخاطب GPS شما پیکربندی می‌شوند. این منابع را بااستفاده از پارامتر customer_id حسابی (حساب مدیر یا حساب فرزند) که مالک مطالعه است پُرسمان کنید.

منبع LiftMeasurementFlight را پُرسمان کنید تا فراداده‌های مجموعه نظرسنجی و زمان‌بندی «بهینه‌گر نمانام» در سطح دسته پرواز را بازیابی کنید، ازجمله وضعیت دسته پرواز (lift_measurement_flight.status، تعریف‌شده توسط شمارش LiftMeasurementFlightStatus با مقادیر ENABLED برای دسته‌های پرواز فعال و STOPPED برای دسته‌های پرواز متوقف‌شده به‌صورت دستی)، محدوده‌های تاریخ دسته پرواز (lift_measurement_flight.start_date و lift_measurement_flight.end_date) در منطقه زمانی مشتری، و پیشرفت جمع‌آوری پاسخ نظرسنجی هدف (lift_measurement_flight.survey_lift_measurement.response_collection_ratio_micros، که در آن 0 برابر با ۰٪ و 1000000 برابر با ۱۰۰٪ است). برای تعیین اینکه آیا پرواز ENABLED درحال انجام است یا تکمیل شده است، تاریخ فعلی در منطقه زمانی مشتری را با lift_measurement_flight.start_date و lift_measurement_flight.end_date مقایسه کنید و بررسی کنید که آیا response_collection_ratio_micros به 1000000 رسیده است یا نه.

منبع LiftMeasurementConfig را جستجو کنید تا سنجه‌های کلی «بهینه‌گر نمانام» در سطح مطالعه را بازیابی کنید، یا منابع تفکیک زیر را جستجو کنید تا سنجه‌های «بهینه‌گر نمانام» را در ابعاد خاصی تجزیه‌وتحلیل کنید:

بخش segments.brand_lift_measurement_type را اضافه کنید تا سنجه‌های «بهینه‌گر نمانام» را براساس نوع سؤال نظرسنجی‌شده، که با شمارشی BrandLiftMeasurementType تعریف شده است (مانند RECALL یا AWARENESS)، تفکیک کنید. وقتی بخش segments.brand_lift_measurement_type را حذف می‌کنید، API سنجه‌ها را برای یک نوع اندازه‌گیری انتخاب‌شده خودکار به‌ازای هر برش برمی‌گرداند. بخش segments.date را برای تفکیک سنجه‌های «بهینه‌گر نمانام» براساس تاریخ (YYYY-MM-DD) اضافه کنید. سنجه metrics.cost_per_lifted_cookie در واحد میکرو ارز حساب مالک مطالعه برگردانده می‌شود.

در Google Ads API نسخه ۲۷ و جدیدتر، می‌توانید فیلد فقط خواندنی (OUTPUT_ONLY) lift_guidance (lift_guidance.outcome و lift_guidance.guidance_message، از نوع LiftGuidance) را در عبارت Google Ads Query Language (GAQL) SELECT در lift_measurement_config و در پنج منبع تفکیک «بهینه‌گر نمانام» (lift_measurement_age_range، lift_measurement_campaign، lift_measurement_device، lift_measurement_gender، و lift_measurement_video) انتخاب کنید تا تفسیر آماری در سطح ردیف دریافت کنید. در lift_measurement_config، lift_guidance فقط زمانی پر می‌شود که پُرسمان همچنین سنجه‌ها یا بخش‌های «بهینه‌گر» را انتخاب یا فیلتر کند (در پُرسمان‌های پیکربندی فقط فراداده حذف می‌شود)، و lift_guidance.guidance_message می‌تواند حاوی پیوندهای Markdown درون‌خطی (مانند [Learn more](https://support.google.com/...)) باشد. نمی‌توانید زیرفیلدهای lift_guidance را در عبارت‌های WHERE یا ORDER BY فیلتر یا مرتب کنید. برای شرح مقادیر LiftOutcomeEnum.LiftOutcome برگردانده‌شده در lift_guidance.outcome، به تفسیر نتایج «بهینه‌گر نمانام» مراجعه کنید.

آستانه‌های گزارش‌پذیری و پاسخ‌های خالی

گزارش‌دهی «بهینه‌گر نمانام» هم محدود به تأخیر است (به تأخیر ۲۴ تا ۴۸ ساعته خط لوله پس‌از شروع مطالعه نیاز دارد) و هم محدود به پاسخ برای هر نوع اندازه‌گیری نظرسنجی‌شده (segments.brand_lift_measurement_type) است تا آستانه‌های حریم خصوصی و گزارش‌پذیری آماری را برآورده کند:

  • نرخ پاسخ مثبت (metrics.brand_lift_baseline_positive_response_rate* و metrics.brand_lift_exposed_positive_response_rate*): حداقل ۵۰ پاسخ نظرسنجی در شاخه مربوطه (بیننده آگهی یا غیربیننده آگهی).
  • آستانه بهینه‌گرایی مثبت سخت‌گیرانه (مطالعه کلی روی LiftMeasurementConfig یا بخش مستقل): بهینه‌گرایی مثبت آماری (p_value <= 0.50) با حداقل ۲٬۰۰۰ پاسخ کلی و ۸۶۰ پاسخ برای هر شاخه.
  • آستانه بهینه‌گر مثبت بخش‌بندی آسان (در منبع تفکیک وقتی که مطالعه کلی با آستانه سختگیرانه با بهینه‌گر مثبت مطابقت دارد): بهینه‌گر مثبت آماری (p_value <= 0.50) با حداقل ۵۰۰ پاسخ کل و ۲۰۰ پاسخ در هر شاخه.
  • آستانه بهینه‌گر غیرمثبت کامل (NO_SIGNIFICANT_LIFT درمقابل NOT_ENOUGH_DATA): حداقل ۴٬۱۰۰ پاسخ درمجموع برای هر سنجه وقتی هیچ بهینه‌گر مثبت آماری شناسایی نشود.

پرس‌وجوها به LiftMeasurementConfig و پنج منبع تفکیک «بهینه‌گر نمانام» (LiftMeasurementAgeRange، LiftMeasurementGender، LiftMeasurementDevice، LiftMeasurementCampaign، و LiftMeasurementVideo) در موارد زیر به‌جای خطا، پاسخ خالی (results: []) برمی‌گردانند:

  • پارامتر customer_id پُرسمان‌شده در فهرست مجاز نیست یا مالک مطالعه نیست.
  • فیلترهای تاریخ WHERE خارج از تاریخ‌های پرواز ارزیابی‌شده قرار می‌گیرند (lift_measurement_flight.start_date و lift_measurement_flight.end_date).
  • مطالعه یا جمعیت‌شناسی، دستگاه، پویش، یا برش ویدیو خاص به آستانه حجم پاسخ نظرسنجی و تأخیر گزارش‌دهی ۲۴ تا ۴۸ ساعته نرسیده است، حتی وقتی LiftMeasurementConfig نتایج کلی مطالعه را برمی‌گرداند.

برای عیب‌یابی پاسخ‌های خالی، مراحل زیر را تکمیل کنید:

  1. برای تأیید کردن آن، lift_measurement_flight را پُرسمان کنید، lift_measurement_flight.status = 'ENABLED'بررسی کنید که فیلترهای تاریخ WHERE شما در lift_measurement_flight.start_date و lift_measurement_flight.end_date قرار داشته باشد، و پیشرفت نظرسنجی را در lift_measurement_flight.survey_lift_measurement.response_collection_ratio_micros بررسی کنید (که در آن 1000000 برابر با ۱۰۰٪ است).
  2. قبل‌از پرسمان منابع تفکیک ابعادی، LiftMeasurementConfig را پرسمان کنید تا تأیید شود که مطالعه کلی سنجه‌های «بهینه‌گر نمانام» قابل‌گزارش تولید کرده است یا نه.

تفسیر نتایج «بهینه‌گر نمانام»

در Google Ads API نسخه ۲۷ و جدیدتر، فیلد lift_guidance.outcome مقدار LiftOutcomeEnum.LiftOutcome را برمی‌گرداند که وضعیت آماری هر ردیف برگردانده‌شده را به‌همراه توصیه اصلاحی قابل‌خواندن برای انسان در lift_guidance.guidance_message طبقه‌بندی می‌کند:

  • نتایج مطالعه درحال انجام (وقتی lift_measurement_flight.status ENABLED است و تاریخ فعلی در منطقه زمانی مشتری در یا قبل‌از lift_measurement_flight.end_date با lift_measurement_flight.survey_lift_measurement.response_collection_ratio_micros کمتر از 1000000 است):
    • STUDY_IN_PROGRESS_WITH_LIFT: مطالعه درحال انجام است و بهینه‌گر مثبت مقدماتی درحال ظهور است.
    • STUDY_IN_PROGRESS_NO_LIFT_YET: مطالعه با حجم اولیه کافی درحال انجام است و هنوز بهینه‌گر قابل‌توجهی ازنظر آماری تشخیص داده نشده است.
    • STUDY_IN_PROGRESS_COLLECTING_DATA: مطالعه درحال انجام است و پاسخ‌های اولیه نظرسنجی را به‌طور فعال برای رسیدن به آستانه‌های گزارش آماری جمع‌آوری می‌کند.
  • نتایج مطالعه تکمیل‌شده (وقتی lift_measurement_flight.end_date گذشته باشد یا lift_measurement_flight.survey_lift_measurement.response_collection_ratio_micros به 1000000 رسیده باشد):
    • POSITIVE_LIFT_DETECTED: بهینه‌گر مثبت قابل‌توجهی ازنظر آماری برای مطالعه یا بخش تکمیل‌شده شناسایی شد.
    • NO_SIGNIFICANT_LIFT: مطالعه یا برش تکمیل‌شده به آستانه‌های دقت آماری رسیده است (حداقل ۴٬۱۰۰ پاسخ درمجموع برای هر سنجه)، و هیچ بهینه‌گر مثبت معناداری ازنظر آماری شناسایی نشده است.
    • NOT_ENOUGH_DATA: مطالعه یا برش تکمیل‌شده به آستانه پاسخ نظرسنجی لازم برای گزارش‌پذیری آماری نرسیده است (حداقل ۲۰۰۰ پاسخ درمجموع و ۸۶۰ پاسخ برای هر شاخه برای بهینه‌گر مثبت در مطالعه کلی، ۵۰۰ پاسخ درمجموع و ۲۰۰ پاسخ برای هر شاخه برای بهینه‌گر مثبت در یک برش وقتی مطالعه کلی بهینه‌گر مثبت دارد، یا ۴۱۰۰ پاسخ درمجموع برای هر سنجه وقتی بهینه‌گر مثبت شناسایی نشده است).

هنگام تفسیر نتایج «بهینه‌گر نمانام»، دستورالعمل‌های زیر را اعمال کنید:

  • درحال انجام درمقابل پروازهای تکمیل‌شده (STUDY_IN_PROGRESS_*): درحالی‌که پرواز مطالعه ENABLED هنوز درحال انجام است (قبل‌از گذشتن lift_measurement_flight.end_date و قبل‌از رسیدن response_collection_ratio_micros به 1000000)، پاسخ‌های نظرسنجی و مدل‌سازی اصلاح‌شده ازنظر سوگیری هنوز درحال تثبیت هستند. سنجه‌های درحال پیشرفت را به‌عنوان سنجه‌های مقدماتی درنظر بگیرید و تا تکمیل شدن دوره پخش، پویش‌ها را موقتاً متوقف نکنید یا بودجه‌ها را کاهش ندهید.
  • بهینه‌گر مثبت (POSITIVE_LIFT_DETECTED): وقتی «بهینه‌گر نمانام» مثبت شناسایی می‌شود، منابع تفکیک ابعادی (LiftMeasurementAgeRange،‏ LiftMeasurementGender،‏ LiftMeasurementDevice،‏ LiftMeasurementCampaign، و LiftMeasurementVideo) را پُرسمان کنید تا گروه‌های مخاطب با عملکرد بالا («نقاط روشن») را شناسایی کنید و طنین خلاقانه را در قیف نمانام ارزیابی کنید.
  • داده‌های ناکافی یا بدون بهینه‌گر قابل‌توجه (NOT_ENOUGH_DATA یا NO_SIGNIFICANT_LIFT): وقتی حجم پاسخ نظرسنجی ناکافی است (کمتر از ۴٬۱۰۰ پاسخ درمجموع برای هر سنجه بدون بهینه‌گر مثبت، یا کمتر از آستانه‌های سخت‌گیرانه ۲٬۰۰۰/۸۶۰ یا آستانه‌های آسان‌گیرانه ۵۰۰/۲۰۰ برای بهینه‌گر مثبت) یا هیچ بهینه‌گر قابل‌توجهی ازنظر آماری در یک بخش شناسایی نمی‌شود، این را به‌عنوان شکست پویش درنظر نگیرید یا مخاطبان را براساس ناکافی بودن نمونه تک‌بخشی مستثنی نکنید. سنجه‌های کلی مطالعه را در LiftMeasurementConfig بررسی کنید، سایر مقادیر نظرسنجی‌شده segments.brand_lift_measurement_type (مانند RECALL یا AWARENESS قیف بالایی) را پُرسمان کنید، و ابعاد تفکیک باقی‌مانده را بررسی کنید.

نمونه پُرسمان‌های «بهینه‌گر نمانام»

Because flight metadata and lift statistics reside on separate resources, querying flight details and performance statistics requires separate GAQL queries.

پُرسمان جزئیات پرواز

برای بازیابی فراداده برای یک دوره «بهینه‌گر نمانام»، مانند وضعیت آن، نوع اندازه‌گیری، تاریخ‌های زمان‌بندی‌شده، و پیشرفت جمع‌آوری نظرسنجی، منبع LiftMeasurementFlight را جستجو کنید:

SELECT
  lift_measurement_flight.lift_measurement_config_id,
  lift_measurement_flight.lift_measurement_flight_id,
  lift_measurement_flight.name,
  lift_measurement_flight.status,
  lift_measurement_flight.lift_type,
  lift_measurement_flight.start_date,
  lift_measurement_flight.end_date,
  lift_measurement_flight.survey_lift_measurement.response_collection_ratio_micros
FROM lift_measurement_flight
WHERE lift_measurement_flight.lift_measurement_config_id = CONFIG_ID
  AND lift_measurement_flight.lift_type = 'SURVEY'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر (lift_measurement_config.lift_measurement_config_id).

پُرسمان جدید آمار

برای بازیابی سنجه‌های «بهینه‌گر نمانام»، منبع LiftMeasurementConfig یا منبع تفکیک مناسب را پُرسمان کنید. برای مثال، پُرسمان زیر سنجه‌های «بهینه‌گر نمانام» را که براساس پویش و نوع سنجش «بهینه‌گر نمانام» بخش‌بندی شده‌اند از منبع LiftMeasurementCampaign بازیابی می‌کند:

SELECT
  lift_measurement_campaign.lift_measurement_config_id,
  lift_measurement_campaign.campaign,
  segments.brand_lift_measurement_type,
  metrics.absolute_brand_lift,
  metrics.relative_brand_lift
FROM lift_measurement_campaign
WHERE lift_measurement_campaign.lift_measurement_config_id = CONFIG_ID

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.

گزارش‌دهی بهینه‌گر تبدیل

در Google Ads API نسخه ۲۵ و جدیدتر، گزارش‌دهی «بهینه‌گر تبدیل» تأثیر افزایشی آگهی‌هایتان را بر تبدیل‌ها و مقدار تبدیل می‌سنجد. مطالعات «بهینه‌گر تبدیل» رفتار تبدیل را بین گروه درمعرض (کاربرانی که واجدشرایط دیدن آگهی‌هایتان بودند) و گروه شاهد درمعرض‌قرارنگرفته (کاربرانی که از دیدن آگهی‌هایتان کنار گذاشته شدند) مقایسه می‌کند.

پیکربندی‌ها، دوره‌های زمانی، و پیوندهای آزمایش «بهینه‌گر تبدیل» در Google Ads API فقط خواندنی هستند (همه فیلدها OUTPUT_ONLY هستند) و در واسط کاربری Google Ads یا با نماینده Google یا مخاطب GPS شما پیکربندی می‌شوند. بااستفاده از پارامتر customer_id حسابی که مالک مطالعه است، منبع lift_measurement_config را پُرسمان کنید. حساب مدیر می‌تواند مستقیماً از مطالعات «بهینه‌سازی تبدیل» بین‌حسابی که مالک آن است پرس‌وجو کند. مطالعات پرس‌وجو متعلق به حساب کودک بااستفاده از پارامتر customer_id حساب کودک (اختیاراً با سرصفحه login-customer-id اصالت‌سنجی شده است).

گزارش‌دهی «بهینه‌گر تبدیل» از دو گردش کار مطالعه پشتیبانی می‌کند که هر دو دارای کاوش مطالعه و پرواز، محدوده تاریخ عکس آنی تجمعی، و دامنه‌های کنش تبدیل یکسان هستند:

  • گزارش‌دهی «بهینه‌گر تبدیل» مستقل: افزایشی بودن کلی، هزینه به‌ازای تبدیل افزایشی (iCPA)، و بازگشت هزینه‌های تبلیغات افزایشی (iROAS) را در کنش‌های تبدیل انتخابی یا همه کنش‌های تبدیل از پویش‌های اندازه‌گیری‌شده در مطالعه اندازه‌گیری می‌کند.
  • گزارش‌دهی «بهینه‌گر تبدیل» + A/B: افزایشی بودن هر بازو و امتیازهای برنده بیزی را بین دو بازوی آزمایش رقیب (شاهد درمقابل آزمایش) درکنار افزایشی بودن کلی مطالعه اندازه‌گیری می‌کند.

برای کمک در ساختن پُرسمان‌های معتبر برای منبع lift_measurement_config، از ابزار پرسمان‌ساز Google Ads استفاده کنید.

در Google Ads API نسخه ۲۷ و جدیدتر، می‌توانید فیلد فقط خواندنی (OUTPUT_ONLY) lift_measurement_config.lift_guidance (lift_guidance.outcome و lift_guidance.guidance_message، از نوع LiftGuidance) را در عبارت GAQL SELECT در lift_measurement_config انتخاب کنید تا تفسیر آماری سطح ردیف را برای پُرسمان‌های مستقل «بهینه‌گر تبدیل» و «آزمون A/B» + «بهینه‌گر تبدیل» دریافت کنید. در lift_measurement_config، lift_guidance فقط زمانی پر می‌شود که پُرسمان سنجه‌ها یا بخش‌های «بهینه‌گر» را نیز انتخاب یا فیلتر کند (در پُرسمان‌های پیکربندی فقط فراداده حذف می‌شود)، و lift_guidance.guidance_message می‌تواند حاوی پیوندهای Markdown درون‌خطی (مانند [Learn more](https://support.google.com/...)) باشد. نمی‌توانید زیرفیلدهای lift_guidance را در عبارت‌های WHERE یا ORDER BY فیلتر یا مرتب کنید. فیلد lift_guidance.outcome یکی از مقادیر LiftOutcomeEnum.LiftOutcome زیر را برمی‌گرداند:

  • نتایج مطالعه درحال انجام (وقتی lift_measurement_flight.status ENABLED است و تاریخ فعلی در منطقه زمانی مشتری مساوی یا قبل‌از lift_measurement_flight.end_date است):
    • STUDY_IN_PROGRESS_WITH_LIFT: مطالعه درحال انجام است و بهینه‌گر مثبت مقدماتی درحال ظهور است.
    • STUDY_IN_PROGRESS_NO_LIFT_YET: مطالعه با حجم اولیه کافی درحال انجام است و هنوز بهینه‌گر قابل‌توجهی ازنظر آماری تشخیص داده نشده است.
    • STUDY_IN_PROGRESS_COLLECTING_DATA: مطالعه درحال انجام است و به‌طور فعال داده‌های تبدیل اولیه را برای آستانه‌های گزارش آماری جمع‌آوری می‌کند.
  • نتایج مطالعه تکمیل‌شده (وقتی lift_measurement_flight.end_date گذشته باشد):
    • POSITIVE_LIFT_DETECTED: بهینه‌گر مثبت قابل‌توجهی ازنظر آماری برای مطالعه تکمیل‌شده، شاخه آزمایش، یا برش تشخیص داده شد.
    • AB_WINNER_WITH_LIFT: مطالعه «آزمون آ/ب» + «بهینه‌گر تبدیل» با بازوی آزمایش برنده در مقایسه رودررو و بهینه‌گر مثبت آماری معنادار نسبت‌به گروه کنترل غیردرمعرض قرارگرفته تکمیل شد.
    • AB_WINNER_PARITY_VS_CONTROL: مطالعه «بهینه‌گر تبدیل» + A/B تکمیل شد و یک بازوی آزمایش برنده به‌صورت رودررو مشخص شد، اما با گروه کنترل نشان‌داده‌نشده برابر بود.
    • NO_SIGNIFICANT_LIFT: مطالعه تکمیل‌شده، شاخه آزمایش، یا برش به آستانه‌های دقت آماری رسیده است و هیچ بهینه‌گر مثبت معناداری ازنظر آماری شناسایی نشده است.
    • NOT_ENOUGH_DATA: مطالعه، شاخه آزمایش، یا بخش تکمیل‌شده تبدیل‌های کافی برای رسیدن به آستانه‌های دقت آماری جمع‌آوری نکرده است.

کاوش پیکربندی‌های مطالعه و پروازها

برای گزارش دادن درباره مطالعه «بهینه‌گر تبدیل»، ابتدا پیکربندی مطالعه و برنامه زمانی آن را پیدا کنید:

  1. بازیابی پیکربندی مطالعه: منبع LiftMeasurementConfig را پُرسمان کنید تا نام مطالعه، نسبت نگه‌داشت (lift_measurement_config.conversion_lift_holdback_ratio_micros)، کنش‌های تبدیل پیگیری‌شده (lift_measurement_config.conversion_actions)، و—در Google Ads API نسخه ۲۶ و جدیدتر—پویش‌های فعالاً پیوندشده (lift_measurement_config.campaigns) را بازیابی کنید. فیلد conversion_lift_holdback_ratio_micros به‌صورت میکرو بیان می‌شود که در آن 1,000,000 برابر با ۱۰۰٪ است (برای مثال، 300000 نشان‌دهنده گروه نگه‌داشت ۳۰٪ غیردرمعرض است). اگر CONFIG_ID مطالعه را نمی‌دانید، عبارت WHERE را حذف کنید تا همه پیکربندی‌های مطالعه در حساب فهرست شود.
  2. بازیابی پنجره‌های مشاهده پرواز: منبع LiftMeasurementFlight را پُرسمان کنید تا تاریخ‌های پرواز زمان‌بندی‌شده (lift_measurement_flight.start_date و lift_measurement_flight.end_date) را در منطقه زمانی مشتری پیدا کنید. چون یک منبع LiftMeasurementConfig می‌تواند پروازهای «بهینه‌گر نمانام» (SURVEY)، «بهینه‌گر تبدیل» (CONVERSION)، و «بهینه‌گر جستجو» (SEARCH) را گروه‌بندی کند، فیلد lift_measurement_flight.lift_type را در عبارت SELECT اضافه کنید و براساس lift_measurement_flight.lift_type = 'CONVERSION' در عبارت WHERE فیلتر کنید. فیلدهای lift_measurement_flight.start_date و lift_measurement_flight.end_date در عبارت‌های ORDER BY قابل مرتب‌سازی هستند، اما نمی‌توانید آن‌ها را در عبارت WHERE فیلتر کنید.

پرسمان زیر پیکربندی مطالعه را بازیابی می‌کند (فیلد lift_measurement_config.campaigns را در Google Ads API نسخه ۲۵ حذف کنید، زیرا این فیلد به Google Ads API نسخه ۲۶ و بالاتر نیاز دارد):

SELECT
  lift_measurement_config.lift_measurement_config_id,
  lift_measurement_config.name,
  lift_measurement_config.conversion_lift_holdback_ratio_micros,
  lift_measurement_config.conversion_actions,
  lift_measurement_config.campaigns
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر (lift_measurement_config.lift_measurement_config_id).

پُرسمان زیر زمان‌بندی پرواز «بهینه‌گر تبدیل» را برای مطالعه بازیابی می‌کند:

SELECT
  lift_measurement_flight.lift_measurement_config_id,
  lift_measurement_flight.lift_measurement_flight_id,
  lift_measurement_flight.name,
  lift_measurement_flight.status,
  lift_measurement_flight.lift_type,
  lift_measurement_flight.start_date,
  lift_measurement_flight.end_date
FROM lift_measurement_flight
WHERE lift_measurement_flight.lift_measurement_config_id = CONFIG_ID
  AND lift_measurement_flight.lift_type = 'CONVERSION'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر (lift_measurement_config.lift_measurement_config_id).

در Google Ads API نسخه ۲۶ و جدیدتر، می‌توانید پیکربندی سنجش بهینه‌گر پیوندشده به پویش را مستقیماً از منبع campaign با پرسمان فیلد campaign.lift_measurement_config نیز کاوش کنید. پُرسمان این فیلد از ارجاع متقابل منبع LiftMeasurementConfig به‌صورت جداگانه جلوگیری می‌کند:

SELECT
  campaign.id,
  campaign.lift_measurement_config
FROM campaign
WHERE campaign.id = CAMPAIGN_ID

موارد زیر را جایگزین کنید:

  • ‫CAMPAIGN_ID: شناسه عدد صحیح پویش (campaign.id).

فیلد campaign.lift_measurement_config نام منبع را در قالب customers/CUSTOMER_ID/liftMeasurementConfigs/CONFIG_ID برمی‌گرداند. اگر پویشی در چند مطالعه بهینه‌گر شرکت کرده باشد، این فیلد جدیدترین پیکربندی پیوندشده (فعال یا غیرفعال) را شناسایی می‌کند. درمقابل، فیلد lift_measurement_config.campaigns فقط پویش‌های فعال پیوندشده را فهرست می‌کند.

محدوده تاریخ عکس آنی تجمعی پُرسمان

نتایج «بهینه‌گر تبدیل» به‌صورت عکس‌های آنی ارزیابی تجمعی روزانه از تاریخ شروع پخش آگهی ساختاردهی می‌شوند:

هر دو فیلد segments.conversion_lift_start_date و segments.conversion_lift_end_date فیلدهای INT64 هستند که به‌صورت عدد صحیح ۸ رقمی بدون گیومه و خط تیره در قالب YYYYMMDD (برای مثال، 20260501) قالب‌بندی شده‌اند. درمقابل، فیلدهای lift_measurement_flight.start_date و lift_measurement_flight.end_date رشته‌های تاریخ را در قالب ISO 8601 YYYY-MM-DD (برای مثال، 2026-05-01) برمی‌گردانند. برخلاف پُرسمان‌های «بهینه‌گر نمانام» و «بهینه‌گر جستجو»، بخش segments.date با همه سنجه‌ها و بخش‌های «بهینه‌گر تبدیل» ناسازگار است. انتخاب بخش segments.date در کنار بخش‌های «بهینه‌گر تبدیل» (مثل segments.conversion_lift_start_date) در عبارت SELECT خطای QueryError.PROHIBITED_FIELD_COMBINATION_IN_SELECT_CLAUSE را برمی‌گرداند، درحالی‌که ترکیب کردن segments.date با سنجه‌های «بهینه‌گر تبدیل» خطای QueryError.PROHIBITED_SEGMENT_WITH_METRIC_IN_SELECT_OR_WHERE_CLAUSE را برمی‌گرداند.

جدیدترین عکس آنی محاسبه‌شده ممکن است درطول پردازش داده‌ها از تاریخ پایان پرواز فعال عقب بماند. همیشه منبع lift_measurement_config را برای جفت‌های (segments.conversion_lift_start_date, segments.conversion_lift_end_date) دردسترس که براساس segments.conversion_lift_end_date DESC مرتب شده‌اند پرسمان کنید تا جدیدترین عکس آنی ارزیابی‌شده را شناسایی کنید.

پرسمان زیر محدوده تاریخ عکس آنی دردسترس را برای مطالعه بازیابی می‌کند:

SELECT
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'
ORDER BY segments.conversion_lift_end_date DESC

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.

فیلتر کردن براساس حوزه کنش تبدیل

«بهینه‌گر تبدیل» افزایشی بودن را در دو محدوده تعریف‌شده توسط بخش segments.conversion_lift_included_conversion_action_types ارزیابی می‌کند:

  • SELECTED: کنش‌های تبدیل انتخاب‌شده درطول راه‌اندازی مطالعه، یا همه کنش‌های تبدیل قابل پیشنهاد دادن (اصلی) اگر کنش‌های تبدیل سفارشی مشخص نشده باشند.
  • ALL: همه کنش‌های تبدیل از پویش‌های سنجش‌شده در مطالعه.

وقتی منبع lift_measurement_config را برای سنجه‌های «بهینه‌گر تبدیل» بدون فیلتر کردن در بخش segments.conversion_lift_included_conversion_action_types پُرسمان می‌کنید، API دو ردیف برای هر برش برمی‌گرداند—یکی برای ALL و یکی برای SELECTED. در GAQL، هر فیلد بخش غیرتاریخی (و هر بخش تاریخ عکس آنی «بهینه‌گر تبدیل») که در عبارت WHERE فیلتر شده است باید در عبارت SELECT نیز نشان داده شود. درغیراین‌صورت، میانای برنامه‌سازی کاربردی خطای QueryError.EXPECTED_REFERENCED_FIELD_IN_SELECT_CLAUSE را برمی‌گرداند. وقتی براساس segments.conversion_lift_included_conversion_action_types = 'SELECTED' در عبارت WHERE فیلتر می‌کنید، آن بخش را در عبارت SELECT اضافه کنید.

گزارش‌دهی بهینه‌گر تبدیل مستقل

مطالعات «بهینه‌گر تبدیل» مستقل، تأثیر افزایشی آگهی‌هایتان را درمقابل گروه شاهد درمعرض‌قرارنگرفته اندازه‌گیری می‌کند، بدون اینکه پویش‌ها را به شاخه‌های درمانی رقیب تقسیم کند.

پرس‌وجو کردن بهینه‌گر تبدیل و کنش‌بهای افزایشی

گزارش‌های «بهینه‌گر تبدیل» برآوردهای نقطه‌ای را درکنار حدود اطمینان یک‌طرفه ۹۰٪ (*_p90_lower_bound و *_p90_upper_bound که باهم فاصله اطمینان دوطرفه ۸۰٪ را تشکیل می‌دهند) و مقادیر p (p_value <= 0.10 با اهمیت آماری یک‌طرفه ۹۰٪ مطابقت دارد) نشان می‌دهند:

در موارد زیر، میانای برنامه‌سازی کاربردی سنجه‌های «بهینه‌گر تبدیل» را در ردیف‌های برگردانده‌شده حذف می‌کند:

  • پنجره عکس آنی فراگیر کمتر از ۴ روز است.
  • حجم تبدیل مشاهده‌شده مقیاس‌بندی‌نشده کمتر از حداقل آستانه‌های دقت است (کمتر از ۶۵ تبدیل پایه مشاهده‌شده در گروه کنترل یا کمتر از ۱۵۰ تبدیل درمعرض مشاهده‌شده، که قبل‌از مقیاس‌بندی metrics.conversion_lift_baseline_conversions ارزیابی شده است).
  • بهینه‌گر اندازه‌گیری‌شده غیرمثبت است (metrics.incremental_conversions_p_value > 0.5 برای سنجه‌های تبدیل، یا metrics.incremental_conversion_value_p_value > 0.5 برای سنجه‌های مقدار تبدیل).
  • در Google Ads API نسخه ۲۷ و جدیدتر، سنجه‌های iROAS (metrics.incremental_conversion_value_per_cost*) و سنجه‌های امتیاز برنده ارزش تبدیل (metrics.incremental_conversion_value_winner_score و metrics.incremental_conversion_value_per_cost_winner_score) در مطالعه‌ای که درطول راه‌اندازی با تعداد تبدیل به‌جای ارزش تبدیل به‌عنوان سنجه اصلی پیکربندی شده است، پُرسمان می‌شوند. سنجه‌های مقدار تبدیل غیرهزینه‌ای (metrics.conversion_lift_baseline_conversion_value، metrics.conversion_lift_exposed_conversion_value، metrics.incremental_conversion_value*، و metrics.relative_conversion_value_lift*) هرگاه بهینه‌گر مقدار تبدیل قابل‌گزارش باشد، در مطالعات اولیه تعداد تبدیل پر می‌شوند.
  • چند ردیف یا مطالعه تجمیع شده‌اند چون فیلدهای lift_measurement_config.lift_measurement_config_id، segments.conversion_lift_start_date، segments.conversion_lift_end_date، یا segments.conversion_lift_included_conversion_action_types را از بند SELECT حذف کرده‌اید.

هنگام تفسیر نتایج «بهینه‌گر تبدیل» مستقل، دستورالعمل‌های زیر را اعمال کنید:

  • درحال انجام درمقابل پروازهای تکمیل‌شده (STUDY_IN_PROGRESS_*): درحالی‌که پرواز مطالعه ENABLED هنوز درحال انجام است (زمانی که تاریخ فعلی در منطقه زمانی مشتری در تاریخ lift_measurement_flight.end_date یا قبل‌از آن باشد)، مدل‌سازی تبدیل خط مبنا و درمان و اسناد تبدیل تأخیری هنوز درحال تثبیت هستند. سنجه‌های درحال انجام را به‌عنوان سنجه‌های مقدماتی درنظر بگیرید و تا زمانی که دوره پخش تکمیل نشده است، پویش‌ها را موقتاً متوقف نکنید یا بودجه‌ها را کاهش ندهید.
  • بهینه‌گر مثبت (POSITIVE_LIFT_DETECTED): گزارش‌پذیری سنجه «بهینه‌گر تبدیل» و lift_guidance.outcome = 'POSITIVE_LIFT_DETECTED' هرگاه بهینه‌گر اندازه‌گیری‌شده مثبت باشد (p_value <= 0.50، مطابق با حداقل ‎٪۵۰ اطمینان با برآورد نقطه مثبت، درحالی‌که p_value <= 0.10 نشان‌دهنده ‎٪۹۰ اهمیت آماری یک‌طرفه است که در آن *_p90_lower_bound >= 0) و حداقل آستانه‌های دقت (حداقل ۴ روز عکس آنی، حداقل ۶۵ تبدیل خط پایه مقیاس‌بندی‌نشده، و حداقل ۱۵۰ تبدیل درمعرض مقیاس‌بندی‌نشده) برآورده شود، راه‌اندازی می‌شود. وقتی بهینه‌گر مثبت شناسایی شد، تفکیک‌های ابعادی (جمعیت‌شناسی، دستگاه، کشور، یا دسته تبدیل و کنش تبدیل) را پُرسمان کنید تا گروه‌های هم‌سانی را که عملکرد بالایی دارند («نقاط روشن») شناسایی کنید.
  • داده‌های ناکافی یا بدون بهینه‌گر قابل‌توجه (NOT_ENOUGH_DATA یا NO_SIGNIFICANT_LIFT): وقتی حجم داده‌ها ناکافی است (کمتر از ۶۵ تبدیل خط پایه بدون مقیاس یا کمتر از ۱۵۰ تبدیل درمعرض بدون مقیاس) یا هیچ بهینه‌گر قابل‌توجهی از نظر آماری در یک بخش شناسایی نشده است، این را به‌عنوان شکست پویش درنظر نگیرید یا مخاطبان را براساس ناکافی بودن نمونه تک‌بخشی مستثنی نکنید. سنجه‌های کلی مطالعه و پُرسمان را بررسی کنید segments.conversion_lift_included_conversion_action_types = 'ALL' (اگر SELECTED بهینه‌گر را نشان نمی‌دهد) یا تفکیک‌های ابعادی باقی‌مانده را بررسی کنید تا تأیید کنید آیا بهینه‌گر مثبت در جای دیگری جدا شده است یا نه.

پرسمان زیر افزایشی بودن تبدیل کلی، حدود اطمینان، و iCPA را بازیابی می‌کند:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  metrics.conversion_lift_baseline_conversions,
  metrics.conversion_lift_exposed_conversions,
  metrics.incremental_conversions,
  metrics.incremental_conversions_p90_lower_bound,
  metrics.incremental_conversions_p90_upper_bound,
  metrics.incremental_conversions_p_value,
  metrics.cost_per_incremental_conversion,
  metrics.cost_per_incremental_conversion_p90_lower_bound,
  metrics.cost_per_incremental_conversion_p90_upper_bound,
  metrics.relative_conversion_lift,
  metrics.relative_conversion_lift_p90_lower_bound,
  metrics.relative_conversion_lift_p90_upper_bound
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

پرس‌وجو درباره بهینه‌گر ارزش تبدیل و iROAS

برای ارزیابی درآمد افزایشی تولیدشده توسط هزینه‌کرد تبلیغات، سنجه‌های مقدار تبدیل و سنجه metrics.incremental_conversion_value_per_cost را پُرسمان کنید. سنجه‌های ارزش تبدیل غیرهزینه‌ای (metrics.conversion_lift_baseline_conversion_value، metrics.conversion_lift_exposed_conversion_value، metrics.incremental_conversion_value*، و metrics.relative_conversion_value_lift*) هرگاه مطالعه دارای بهینه‌گر ارزش تبدیل قابل‌گزارش باشد، صرف‌نظر از اینکه سنجه اصلی مطالعه تعداد تبدیل باشد یا ارزش تبدیل، تکمیل می‌شوند. در Google Ads API نسخه ۲۷ و جدیدتر، سنجه‌های iROAS (metrics.incremental_conversion_value_per_cost*)—همراه با metrics.incremental_conversion_value_winner_score و metrics.incremental_conversion_value_per_cost_winner_score—فقط زمانی برگردانده می‌شوند که مطالعه درطول راه‌اندازی با مقدار تبدیل به‌عنوان سنجه اصلی پیکربندی شده باشد (و در مطالعاتی که سنجه اصلی آن‌ها تعداد تبدیل است حذف می‌شوند):

پرسمان زیر افزایشی بودن مقدار تبدیل، حدود اطمینان، و iROAS را بازیابی می‌کند:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  metrics.conversion_lift_baseline_conversion_value,
  metrics.conversion_lift_exposed_conversion_value,
  metrics.incremental_conversion_value,
  metrics.incremental_conversion_value_p90_lower_bound,
  metrics.incremental_conversion_value_p90_upper_bound,
  metrics.incremental_conversion_value_p_value,
  metrics.incremental_conversion_value_per_cost,
  metrics.incremental_conversion_value_per_cost_p90_lower_bound,
  metrics.incremental_conversion_value_per_cost_p90_upper_bound,
  metrics.relative_conversion_value_lift,
  metrics.relative_conversion_value_lift_p90_lower_bound,
  metrics.relative_conversion_value_lift_p90_upper_bound
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

بخش‌بندی نتایج براساس بُعد

سنجه‌های تبدیل افزایشی را براساس دسته تبدیل، کنش تبدیل، جمعیت‌شناسی، دستگاه، یا جغرافیا بخش‌بندی کنید. هنگام پرسمان منبع lift_measurement_config، فقط ترکیب‌های بخش سازگار را انتخاب کنید:

  • بخش‌های دسته تبدیل و کنش تبدیل: می‌توانید بخش‌های segments.conversion_lift_conversion_category، segments.conversion_action، و segments.conversion_action_name را به‌صورت جداگانه انتخاب کنید، آن‌ها را با یکدیگر جفت کنید، یا آن‌ها را با حداکثر یک بُعد جمعیت‌شناختی، دستگاه، یا کشور ترکیب کنید. (هنگام پرسمان بخش segments.experiment_arm، فقط بخش segments.conversion_lift_conversion_category سازگار است.)
  • بخش‌های جمعیت‌شناختی، دستگاه، و جغرافیایی: بُعدهای segments.age_range، segments.gender، segments.device، و کشور (segments.country با segments.country_localized_name) با یکدیگر و با بخش segments.experiment_arm ناسازگارند. حداکثر یکی از این چهار بُعد را برای هر پُرسمان انتخاب کنید.

انتخاب بخش‌های ناسازگار با یکدیگر در عبارت SELECT باعث عدم موفقیت در اعتبارسنجی پُرسمان می‌شود و خطای QueryError.PROHIBITED_FIELD_COMBINATION_IN_SELECT_CLAUSE را برمی‌گرداند. از پرسمان‌ساز Google Ads برای اعتبارسنجی تعاملی ترکیب‌های بخش استفاده کنید.

سنجه‌های مقرون‌به‌صرفه بودن (metrics.cost_per_incremental_conversion* و metrics.incremental_conversion_value_per_cost*) را فقط در ردیف‌های کلی مطالعه یا ردیف‌های segments.experiment_arm ارزیابی کنید. در Google Ads API نسخه ۲۵ و ۲۶، طرح‌واره اجازه می‌دهد شش سنجه نسبت هزینه (metrics.cost_per_incremental_conversion، metrics.cost_per_incremental_conversion_p90_lower_bound، metrics.cost_per_incremental_conversion_p90_upper_bound، metrics.incremental_conversion_value_per_cost، metrics.incremental_conversion_value_per_cost_p90_lower_bound، و metrics.incremental_conversion_value_per_cost_p90_upper_bound) با هشت بخش برش غیرشاخه (segments.conversion_action، segments.conversion_action_name، segments.conversion_lift_conversion_category، segments.age_range، segments.gender، segments.device، segments.country، و segments.country_localized_name) انتخاب شوند. از Google Ads API نسخه ۲۷، انتخاب هرکدام از این شش سنجه نسبت هزینه با هرکدام از آن هشت بخش برش غیرشاخه اعتبارسنجی پُرسمان را ناموفق می‌کند و خطای QueryError.PROHIBITED_SEGMENT_WITH_METRIC_IN_SELECT_OR_WHERE_CLAUSE را برمی‌گرداند. سنجه‌های مقدار تبدیل غیرهزینه‌ای (metrics.conversion_lift_baseline_conversion_value، metrics.conversion_lift_exposed_conversion_value، metrics.incremental_conversion_value*، و metrics.relative_conversion_value_lift*) همچنان در بخش‌های دسته تبدیل، کنش تبدیل، جمعیت‌شناسی، دستگاه، و کشور پشتیبانی می‌شوند، هرگاه بهینه‌گر مقدار تبدیل قابل‌گزارش باشد (صرف‌نظر از اینکه سنجه اصلی مطالعه تعداد تبدیل باشد یا مقدار تبدیل).

برای ارزیابی بهینه‌گر در دسته‌های تبدیل تعریف‌شده در ConversionActionCategory enum (مانند PURCHASE، SIGNUP، یا SUBMIT_LEAD_FORM)، نتایج را براساس segments.conversion_lift_conversion_category بخش‌بندی کنید:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  segments.conversion_lift_conversion_category,
  metrics.conversion_lift_baseline_conversions,
  metrics.conversion_lift_exposed_conversions,
  metrics.incremental_conversions,
  metrics.relative_conversion_lift
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

بخش segments.conversion_action نام منبع کنش تبدیل را در قالب customers/CUSTOMER_ID/conversionActions/CONVERSION_ACTION_ID برمی‌گرداند. بخش segments.conversion_action_name را در منبع lift_measurement_config انتخاب کنید تا نام‌های کنش تبدیل قابل‌خواندن برای انسان را بدون پرسمان جداگانه از منبع conversion_action بازیابی کنید. پُرسمان زیر سنجه‌های «بهینه‌گر تبدیل» را براساس کنش تبدیل، نام کنش تبدیل، و دسته تبدیل بخش‌بندی می‌کند:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  segments.conversion_action,
  segments.conversion_action_name,
  segments.conversion_lift_conversion_category,
  metrics.conversion_lift_baseline_conversions,
  metrics.conversion_lift_exposed_conversions,
  metrics.incremental_conversions,
  metrics.relative_conversion_lift
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

پُرسمان زیر سنجه‌های «بهینه‌گر تبدیل» را براساس بخش segments.device بخش‌بندی می‌کند. بخش segments.age_range یا segments.gender را در درخواست‌های جداگانه جایگزین کنید تا تفکیک‌های جمعیت‌شناختی را بازیابی کنید (به‌صورت اختیاری با دسته تبدیل یا بخش‌های کنش تبدیل ترکیب شده است):

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  segments.device,
  metrics.conversion_lift_baseline_conversions,
  metrics.conversion_lift_exposed_conversions,
  metrics.incremental_conversions,
  metrics.relative_conversion_lift
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

برای تفکیک نتایج براساس جغرافیا، بخش‌های segments.country و segments.country_localized_name را اضافه کنید (به‌صورت اختیاری با دسته تبدیل یا بخش‌های کنش تبدیل ترکیب شده است). بخش segments.country نام منبع ثابت هدف جغرافیایی جهانی را در قالب geoTargetConstants/CRITERION_ID برمی‌گرداند (برای مثال، geoTargetConstants/2840 برای ایالات متحده).

پُرسمان زیر سنجه‌های «بهینه‌گر تبدیل» را براساس نام منبع معیار کشور و نام کشور بومی‌سازی‌شده بخش‌بندی می‌کند:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  segments.country,
  segments.country_localized_name,
  metrics.conversion_lift_baseline_conversions,
  metrics.conversion_lift_exposed_conversions,
  metrics.incremental_conversions,
  metrics.relative_conversion_lift
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

گزارش‌دهی «آزمون آ/ب» + «بهینه‌گر تبدیل»

در Google Ads API نسخه ۲۵ و جدیدتر، مطالعات «بهینه‌سازی تبدیل + A/B» یک آزمایش دوطرفه (مقایسه استراتژی‌های کنترل دربرابر درمان) را با اندازه‌گیری نگه‌داشت در Google Ads API ترکیب می‌کند تا افزایشی بودن هر طرف را ارزیابی کند و امتیازهای برنده بیزی را محاسبه کند. برخلاف گزارش‌دهی آزمایش مستقیم در منبع experiment که سنجه‌های ترافیک تعدیل‌نشده شاخه دربرابر شاخه را مقایسه می‌کند، پرس‌وجو کردن منبع lift_measurement_config با بخش segments.experiment_arm، بهینه‌گر افزایشی هر شاخه را دربرابر خط پایه نگهداشت غیردرمعرض‌قرارگرفته می‌سنجد.

کاوش آزمایش‌ها و بازوها

مطالعه «بهینه‌گر تبدیل + A/B» منبع LiftMeasurementConfig را ازطریق فیلد فقط خواندنی (OUTPUT_ONLY) experiment.lift_measurement_config به منبع دو شاخه‌ای experiment پیوند می‌دهد.

برای کشف آزمایش پیوندشده و شاخه‌های آن در یک درخواست، منبع ExperimentArm را با فیلدهای experiment منسوب‌شده پُرسمان کنید و فیلد experiment.lift_measurement_config را فیلتر کنید. پاسخ شامل وضعیت کنترل هر شاخه (experiment_arm.control)، توزیع ترافیک (experiment_arm.traffic_split)، پویش‌های پیوندشده (experiment_arm.campaigns)، و نام منبع است. از مقدار experiment_arm.resource_name برگردانده‌شده (قالب‌بندی‌شده به‌صورت customers/CUSTOMER_ID/experimentArms/EXPERIMENT_ID~ARM_ID) برای فیلتر کردن در بخش segments.experiment_arm استفاده کنید:

SELECT
  experiment.experiment_id,
  experiment.name,
  experiment.lift_measurement_config,
  experiment_arm.resource_name,
  experiment_arm.name,
  experiment_arm.control,
  experiment_arm.traffic_split,
  experiment_arm.campaigns
FROM experiment_arm
WHERE experiment.lift_measurement_config =
  'customers/CUSTOMER_ID/liftMeasurementConfigs/CONFIG_ID'

موارد زیر را جایگزین کنید:

  • CUSTOMER_ID: شناسه مشتری ۱۰ رقمی حسابی که مالک مطالعه است (بدون خط تیره).
  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.

اگر از EXPERIMENT_ID شناخته‌شده‌ای شروع می‌کنید (یا می‌خواهید همه آزمایش‌های فعال‌شده برای بهینه‌گر را در حساب فهرست کنید)، همان پُرسمان experiment_arm را که براساس WHERE experiment.experiment_id = EXPERIMENT_ID (یا WHERE experiment.lift_measurement_config IS NOT NULL) فیلتر شده است اجرا کنید.

پرس‌وجو درباره افزایشی بودن هر شاخه و امتیازهای برنده

برای اندازه‌گیری افزایشی بودن هر شاخه و ارزیابی احتمال آماری برنده بودن یک شاخه، بخش segments.experiment_arm را در پُرسمان خود به منبع lift_measurement_config اضافه کنید.

سنجه‌های امتیاز برنده بیزی زیر احتمال (از 0.0 تا 1.0، با مجموع 1.0 در هر دو شاخه وقتی هر دو شاخه بهینه‌گر مثبت قابل‌گزارش دارند) برتر بودن یک شاخه خاص را ارزیابی می‌کنند:

  • metrics.incremental_conversions_winner_score: احتمال اینکه این شاخه برنده تبدیل‌های افزایشی باشد، نرمال‌شده با تقسیم ترافیک شاخه (experiment_arm.traffic_split).
  • metrics.incremental_conversion_value_winner_score: احتمال اینکه این شاخه برنده مقدار تبدیل افزایشی باشد، که با تقسیم ترافیک شاخه (experiment_arm.traffic_split) نرمال‌سازی شده است. در Google Ads API نسخه ۲۷ و جدیدتر، فقط زمانی پر می‌شود که سنجه اصلی مطالعه مقدار تبدیل باشد و در مطالعاتی که سنجه اصلی آن‌ها تعداد تبدیل است حذف می‌شود (تنظیم‌نشده باقی می‌ماند).
  • metrics.cost_per_incremental_conversion_winner_score: احتمال اینکه این شاخه برنده هزینه به‌ازای تبدیل فزاینده (پایین‌ترین iCPA) باشد، که براساس هزینه نرمال‌سازی شده است.
  • metrics.incremental_conversion_value_per_cost_winner_score: احتمال اینکه این شاخه برنده ارزش تبدیل افزایشی به‌ازای هزینه (بالاترین iROAS) باشد، که براساس هزینه نرمال‌سازی شده است. در Google Ads API نسخه ۲۷ و جدیدتر، فقط زمانی تکمیل می‌شود که سنجه اصلی مطالعه مقدار تبدیل باشد، و در مطالعاتی که سنجه اصلی آن‌ها تعداد تبدیل است حذف می‌شود (تنظیم‌نشده باقی می‌ماند).

پرسمان زیر افزایشی بودن هر شاخه و امتیازهای برنده بیزی را برای هر دو شاخه بازیابی می‌کند:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  segments.experiment_arm,
  metrics.conversion_lift_baseline_conversions,
  metrics.conversion_lift_exposed_conversions,
  metrics.incremental_conversions,
  metrics.cost_per_incremental_conversion,
  metrics.incremental_conversions_winner_score,
  metrics.cost_per_incremental_conversion_winner_score,
  metrics.incremental_conversion_value,
  metrics.incremental_conversion_value_winner_score,
  metrics.incremental_conversion_value_per_cost_winner_score
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

برای فیلتر کردن یک بازو، AND segments.experiment_arm = 'customers/CUSTOMER_ID/experimentArms/EXPERIMENT_ID~ARM_ID' را به عبارت WHERE اضافه کنید، که در آن EXPERIMENT_ID شناسه آزمایش و ARM_ID شناسه بازو است که در فیلد experiment_arm.resource_name برگردانده شده است. بخش segments.experiment_arm از فیلتر کردن در بندهای WHERE (=، !=، IN، NOT IN) پشتیبانی می‌کند، اما نمی‌توانید آن را در بند ORDER BY مرتب کنید.

تفسیر کردن نتایج A/B + بهینه‌گر تبدیل

مطالعه «بهینه‌سازی تبدیل» + A/B دو فرضیه را به‌طور هم‌زمان ارزیابی می‌کند: برتری شاخه رودررو (metrics.*_winner_score) و بهینه‌سازی علّی دربرابر گروه کنترل درمعرض‌قرارنگرفته (metrics.incremental_* و *_p_value). درحالی‌که دوره مطالعه ENABLED هنوز درحال انجام است (STUDY_IN_PROGRESS_*، وقتی که تاریخ فعلی در منطقه زمانی مشتری در تاریخ lift_measurement_flight.end_date یا قبل‌از آن است)، مقایسه شاخه رودررو و مدل‌سازی تبدیل گروه کنترل هنوز درحال تثبیت است. سنجه‌های درحال پیشرفت را به‌عنوان سنجه‌های مقدماتی درنظر بگیرید و تا زمانی که دوره پخش تکمیل نشده است، از تبلیغ کردن بازوی آزمایش یا تخصیص مجدد بودجه‌ها خودداری کنید.

در مطالعات تکمیل‌شده، یک بازوی آزمایش به‌عنوان برنده رقابت مستقیم طبقه‌بندی می‌شود وقتی که حداقل آستانه‌های دقت را برآورده کند (حداقل ۴ روز عکس آنی، ۶۵ تبدیل خط مبنای مقیاس‌بندی‌نشده، و ۱۵۰ تبدیل درمعرض قرارگرفته مقیاس‌بندی‌نشده)، 0 <= p_value <= 0.50 داشته باشد، و به امتیاز برنده بیزی بیشتر از 0.55 (> 0.55) در سنجه اصلی مطالعه دست یابد. این ارزیابی فرضیه دوگانه دو حالت برنده متمایز ایجاد می‌کند (که در lift_guidance.outcome در Google Ads API نسخه ۲۷ و جدیدتر نیز منعکس شده است):

  • برنده قطعی با بهینه‌گر علّی (AB_WINNER_WITH_LIFT): شاخه برنده عملکرد بهتری نسبت‌به شاخه رقیب در مقایسه رودررو (winner_score > 0.55) دارد و تبدیل‌های افزایشی یا مقدار تبدیل قابل‌توجهی ازنظر آماری نسبت‌به گروه کنترل درمعرض‌قرارنگرفته ایجاد می‌کند. استراتژی شاخه برنده را ترویج یا مقیاس‌بندی کنید و تفکیک‌های ابعادی را برای بررسی گروه‌های با عملکرد بالا جستجو کنید.
  • برنده رودررو در برابری با گروه کنترل (AB_WINNER_PARITY_VS_CONTROL): شاخه برنده عملکرد بهتری نسبت به شاخه رقیب در رقابت رودررو دارد (winner_score > 0.55)، اما هیچ‌کدام از شاخه‌ها بهبود افزایشی معنادار آماری نسبت به گروه کنترل درمعرض‌قرارنگرفته در سطح موردپرسش ایجاد نمی‌کنند. قبل‌از افزایش هزینه در شاخه برنده، تبدیل‌های ALL (segments.conversion_lift_included_conversion_action_types = 'ALL') و تفکیک‌های segments.conversion_lift_conversion_category را جستجو کنید تا تأیید کنید که آیا بهینه‌سازی علّی مثبت در جای دیگری جدا شده است یا نه.

نتیجه POSITIVE_LIFT_DETECTED در سراسر پرسمان آزمایش A/B + بهینه‌گر تبدیل به‌صورت زیر اعمال می‌شود:

  • ردیف‌های مطالعه ترکیبی (OVERALL) (پرس‌وجوهای بدون segments.experiment_arm): مطالعه بهینه‌گر مثبتی نسبت‌به گروه کنترل غیردرمعرض (p_value <= 0.50) ایجاد کرد و هیچ‌کدام از شاخه‌ها به امتیاز برنده رودررو بیشتر از 0.55 دست نیافتند.
  • ردیف‌های (segments.experiment_arm) Per-arm: وقتی یک شاخه برنده می‌شود (winner_score > 0.55) و هر دو شاخه به بهینه‌سازی مثبت نسبت‌به گروه کنترل دست پیدا می‌کنند، ردیف شاخه برنده AB_WINNER_WITH_LIFT را برمی‌گرداند درحالی‌که ردیف شاخه غیربرنده POSITIVE_LIFT_DETECTED را برمی‌گرداند.
  • ردیف‌های برش دسته تبدیل (segments.conversion_lift_conversion_category): ردیف‌های بهینه‌گر مثبت همیشه POSITIVE_LIFT_DETECTED را برمی‌گردانند زیرا امتیازهای برنده برای هر دسته تبدیل ارزیابی نمی‌شوند.

وقتی که یک برش NOT_ENOUGH_DATA یا NO_SIGNIFICANT_LIFT را برمی‌گرداند، شاخه‌ها را موقتاً متوقف نکنید یا مخاطبان را براساس ناکافی بودن نمونه تک‌برش مستثنی نکنید. سنجه‌های کلی مطالعه و ALL تبدیل (segments.conversion_lift_included_conversion_action_types = 'ALL') را بررسی کنید.

نتایج ترکیبی و چندمطالعه‌ای را پُرسمان کنید

وقتی بخش segments.experiment_arm را از پُرسمانی در منبع lift_measurement_config حذف می‌کنید، API افزایشی در سطح مطالعه را که در هر دو شاخه ترکیبی جمع‌آوری شده است برمی‌گرداند. در پُرسمان‌های شاخه ترکیبی، چهار سنجه metrics.*_winner_score را که فقط برای شاخه‌های رقیب اعمال می‌شوند و در ردیف‌های شاخه ترکیبی بدون segments.experiment_arm حذف می‌شوند (تنظیم‌نشده باقی می‌مانند) حذف کنید. از پُرسمان‌های سطح مطالعه در پُرسمان بهینه‌گر تبدیل و کنش‌بهای افزایشی و پُرسمان بهینه‌گر مقدار تبدیل و برگشت هزینه‌های تبلیغات افزایشی استفاده کنید.

وقتی نتایج «بهینه‌گر تبدیل» + A/B را براساس بخش segments.experiment_arm تقسیم‌بندی می‌کنید، میانای برنامه‌سازی کاربردی فقط از بخش segments.conversion_lift_conversion_category به‌عنوان بُعد تفکیک اضافی پشتیبانی می‌کند. چون هزینه گروه به دسته‌های تبدیل مجزا نسبت داده نمی‌شود، هنگام اضافه کردن بخش segments.conversion_lift_conversion_category، سنجه‌های بهینه‌گر تبدیل و تبدیل را ارزیابی کنید (سنجه‌های iCPA و iROAS را که درستی‌سنجی پُرسمان را با خطای QueryError.PROHIBITED_SEGMENT_WITH_METRIC_IN_SELECT_OR_WHERE_CLAUSE در Google Ads API نسخه ۲۷ و جدیدتر رد می‌کنند حذف کنید). بخش‌های segments.conversion_action، segments.conversion_action_name، segments.age_range، segments.gender، segments.device، segments.country، segments.country_localized_name، و segments.date با بخش segments.experiment_arm و سنجه‌های metrics.*_winner_score ناسازگارند. انتخاب هریک از این بخش‌های ناسازگار در کنار segments.experiment_arm خطای QueryError.PROHIBITED_FIELD_COMBINATION_IN_SELECT_CLAUSE (و خطای QueryError.PROHIBITED_SEGMENT_WITH_METRIC_IN_SELECT_OR_WHERE_CLAUSE اگر پُرسمان هریک از سنجه‌های metrics.*_winner_score را نیز انتخاب کند) برمی‌گرداند.

برای بازیابی نتایج چندین پیکربندی مطالعه در یک درخواست، با اپراتور IN فیلتر کنید:

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.conversion_lift_start_date,
  segments.conversion_lift_end_date,
  segments.conversion_lift_included_conversion_action_types,
  segments.experiment_arm,
  segments.conversion_lift_conversion_category,
  metrics.incremental_conversions,
  metrics.incremental_conversions_winner_score,
  metrics.incremental_conversion_value,
  metrics.incremental_conversion_value_winner_score
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id IN (
    CONFIG_ID_1, CONFIG_ID_2)
  AND segments.conversion_lift_start_date = START_DATE
  AND segments.conversion_lift_end_date = END_DATE
  AND segments.conversion_lift_included_conversion_action_types = 'SELECTED'

موارد زیر را جایگزین کنید:

  • ‫CONFIG_ID_1: شناسه عدد صحیح اولین پیکربندی اندازه‌گیری بهینه‌گر.
  • CONFIG_ID_2: شناسه عدد صحیح پیکربندی دوم اندازه‌گیری بهینه‌گر.
  • START_DATE: تاریخ شروع عکس آنی به‌صورت عدد صحیح ۸ رقمی YYYYMMDD بدون گیومه (برای مثال، 20260501).
  • END_DATE: تاریخ پایان عکس آنی به‌صورت عدد صحیح YYYYMMDD ۸ رقمی بدون گیومه (برای مثال، 20260515).

برابری دقیق تاریخ (= START_DATE و = END_DATE) ردیف‌ها را فقط برای مطالعاتی برمی‌گرداند که آن پنجره عکس آنی دقیق را هم‌رسانی می‌کنند. هنگام پرسمان مطالعات با تاریخ‌های شروع پرواز متفاوت یا آخرین تاریخ‌های عکس آنی ارزیابی‌شده، با عملگرهای محدوده (>= و <=) فیلتر کنید یا فیلترهای تاریخ را از عبارت WHERE حذف کنید درحالی‌که هر دو بخش segments.conversion_lift_start_date و segments.conversion_lift_end_date را در عبارت SELECT نگه می‌دارید.

گزارش‌دهی «بهینه‌گر جستجو»

برای اندازه‌گیری افزایش حجم پرسمان جستجوی طبیعی ناشی از پویش‌های آگهی‌تان در Google Ads API نسخه ۲۶ و جدیدتر، منابع گزارش‌دهی «بهینه‌گر جستجو» را پرسمان کنید. «بهینه‌گر جستجو» تفاوت در رفتار جستجو برای نمانام یا محصولات شما را بین کاربرانی که درمعرض آگهی‌هایتان قرار گرفته‌اند و گروه شاهد که درمعرض قرار نگرفته‌اند، به‌صورت کمی بیان می‌کند.

منابع و بخش‌بندی «بهینه‌گر جستجو»

منبع SearchLiftKeywordBundle را پرسمان کنید تا جزئیات مربوط به دسته‌های کلیدواژه پیکربندی‌شده برای مطالعات «بهینه‌گر جستجو» را بازیابی کنید. منبع SearchLiftKeywordBundle در Google Ads API فقط خواندنی است (همه فیلدها OUTPUT_ONLY هستند)، و دسته‌های کلیدواژه در واسط کاربری Google Ads یا توسط نماینده Google یا مخاطب GPS شما پیکربندی می‌شوند. فیلدهای قابل‌پرسمان آن در GAQL عبارت‌اند از resource_name، search_lift_keyword_bundle_id، source (SearchLiftMatchingInfoSource)، و status (SearchLiftKeywordBundleStatus) (فیلد تکراری keywords در پرسمان‌های GAQL قابل‌انتخاب نیست).

برای بازیابی سنجه‌های «بهینه‌گر جستجو» و پیکربندی‌های کلی مطالعه، منبع LiftMeasurementConfig را پُرسمان کنید.

در Google Ads API نسخه ۲۷ و جدیدتر، می‌توانید فیلد فقط خواندنی (OUTPUT_ONLY) lift_measurement_config.lift_guidance (lift_guidance.outcome و lift_guidance.guidance_message، از نوع LiftGuidance) را در عبارت GAQL SELECT در lift_measurement_config هنگام پرسمان سنجه‌ها یا بخش‌های «بهینه‌گر جستجو» (segments.search_lift_keyword_bundle یا segments.search_property) انتخاب کنید. در lift_measurement_config، lift_guidance در پرسمان‌های پیکربندی فقط فراداده حذف می‌شود و lift_guidance.guidance_message می‌تواند حاوی پیوندهای Markdown درون‌خطی (مانند [Learn more](https://support.google.com/...)) باشد. برای «بهینه‌گر جستجو»، lift_guidance.outcome STUDY_IN_PROGRESS_WITH_LIFT، STUDY_IN_PROGRESS_NO_LIFT_YET، STUDY_IN_PROGRESS_COLLECTING_DATA، POSITIVE_LIFT_DETECTED (حداقل ۷۰٪ اطمینان، p_value <= 0.30)، NO_SIGNIFICANT_LIFT، یا NOT_ENOUGH_DATA (ارزیابی‌شده دربرابر آستانه‌های حداقل ۱٬۰۰۰٬۰۰۰ ظهور کلی یا ۱۰۰٬۰۰۰ ظهور برش، حداقل ۷۵ جستجوی مشاهده‌شده، و حداقل ۱۷ از ۲۰ دسته کوکی، که در آن یک بسته کلیدواژه ضعیف باعث می‌شود نتایج کلی مطالعه NOT_ENOUGH_DATA را گزارش کند) را برمی‌گرداند.

عملکرد «بهینه‌گر جستجو» را در ابعاد زیر بخش‌بندی کنید:

  • segments.search_lift_keyword_bundle: بخش‌بندی براساس نام منبع دسته کلیدواژه. سازگار با segments.search_property، segments.date، و بخش‌های جمعیت‌شناختی (segments.device، segments.age_range، و segments.gender). هر دسته کلیدواژه هزینه و ظهورهای کامل پویش را گزارش می‌کند، و کلیدواژه‌ها می‌توانند به بیش‌از یک دسته تعلق داشته باشند. سنجه‌های metrics.search_lift_cost_micros، metrics.search_lift_impressions، یا «بهینه‌گر جستجو» را در دسته‌های کلیدواژه جمع نکنید.
  • segments.search_property: بخش‌بندی براساس دارایی جستجویی که جستجو در آن انجام شده است، که با شمارش SearchLiftSearchProperty (مانند GOOGLE_SEARCH یا YOUTUBE) تعریف می‌شود. بخش segments.search_property فقط با بخش‌های segments.search_lift_keyword_bundle و segments.date سازگار است. ترکیب کردن segments.search_property با بخش‌های جمعیت‌شناختی (segments.device، segments.age_range، یا segments.gender) اعتبارسنجی پُرسمان را ناموفق می‌کند. چون segments.search_property بخش‌هایی را که جستجوهای طبیعی بعدی در آن‌ها رخ داده است به‌جای بخش‌هایی که آگهی‌ها در آن‌ها ارائه شده است تقسیم می‌کند، ردیف‌های بخش‌بندی‌شده براساس segments.search_property هزینه و ظهورهای سطح پویش تقسیم‌نشده را در Google Ads API نسخه ۲۶ تکرار می‌کنند. از Google Ads API نسخه ۲۷، هر هشت سنجه هزینه و ظهور (metrics.search_lift_cost_micros، metrics.search_lift_impressions، metrics.normalized_incremental_searches_per_cost*، و metrics.normalized_incremental_searches_per_impression*) با segments.search_property ناسازگار هستند و اعتبارسنجی پُرسمان با خطای QueryError.PROHIBITED_SEGMENT_WITH_METRIC_IN_SELECT_OR_WHERE_CLAUSE ناموفق می‌شود.
  • بخش‌های جمعیت‌شناختی و تاریخ: segments.device، segments.age_range، segments.gender، و segments.date.

سنجه‌های بهینه‌گر جستجو

منبع LiftMeasurementConfig سنجه‌های «بهینه‌گر جستجو» را برای ارزیابی تغییرات رفتار جستجو ارائه می‌دهد:

  • metrics.relative_search_lift: تفاوت در حجم پرسمان جستجو بین گروه‌های درمعرض‌بوده و شاهد، که به‌صورت کسری از پرسمان‌های جستجو در گروه شاهد بیان می‌شود.
  • metrics.relative_search_lift_p90_lower_bound و metrics.relative_search_lift_p90_upper_bound: حدود اطمینان یک‌طرفه ۹۰٪ (که باهم یک بازه اطمینان دوطرفه ۸۰٪ را تشکیل می‌دهند) برای بهینه‌گر جستجوی نسبی.
  • metrics.incremental_searches_p_value: مقدار p برای جستجوهای افزایشی، که نشان‌دهنده احتمال آماری است که افزایش مشاهده‌شده در پرسمان‌های جستجو به‌طور تصادفی رخ داده است.
  • metrics.search_lift_cost_micros: هزینه کل (به میکرو) ظهورهای آگهی ارائه‌شده برای این بخش اندازه‌گیری «بهینه‌گر جستجو». با segments.search_property در Google Ads API نسخه ۲۷ و جدیدتر ناسازگار است.
  • metrics.search_lift_impressions: تعداد کل ظهورهای آگهی ارائه‌شده برای این بخش اندازه‌گیری «بهینه‌گر جستجو». با segments.search_property در Google Ads API نسخه ۲۷ و جدیدتر ناسازگار است.

سنجه‌های افزایشی نرمال‌شده زیر—همراه با حدود اطمینان یک‌طرفه ۹۰٪ مربوطه (*_p90_lower_bound و *_p90_upper_bound)—زمانی گزارش می‌شوند که بهینه‌گر ازنظر آماری مثبت باشد:

نمونه پُرسمان‌های «بهینه‌گر جستجو»

پُرسمان‌های GAQL زیر نشان می‌دهند که چگونه می‌توان دسته‌های کلیدواژه و سنجه‌های عملکرد «بهینه‌گر جستجو» را بازیابی کرد.

پرسمان بسته کلیدواژه

برای بازیابی دسته‌های کلیدواژه پیکربندی‌شده برای اندازه‌گیری‌های «بهینه‌گر جستجو»، منبع search_lift_keyword_bundle را پُرسمان کنید:

SELECT
  search_lift_keyword_bundle.resource_name,
  search_lift_keyword_bundle.search_lift_keyword_bundle_id,
  search_lift_keyword_bundle.source,
  search_lift_keyword_bundle.status
FROM search_lift_keyword_bundle

پُرسمان سنجه‌ها

مقادیر search_lift_keyword_bundle.resource_name بازیابی‌شده در پُرسمان بسته کلیدواژه با مقادیر برگردانده‌شده در بخش segments.search_lift_keyword_bundle در پُرسمان زیر مطابقت دارد. برای کاوش CONFIG_ID، پویش‌های پیوندشده، و زمان‌بندی دسته آگهی برای مطالعه‌تان، کاوش پیکربندی‌های مطالعه و دسته‌های آگهی را در منابع lift_measurement_config و lift_measurement_flight دنبال کنید (فیلتر کردن دسته‌های آگهی براساس lift_measurement_flight.lift_type = 'SEARCH').

پرس‌وجو زیر سنجه‌های «بهینه‌گر جستجو» را که براساس دسته کلیدواژه و دارایی جستجو بخش‌بندی شده‌اند بازیابی می‌کند (هنگام انتخاب metrics.search_lift_cost_micros یا metrics.search_lift_impressions، segments.search_property را حذف کنید):

SELECT
  lift_measurement_config.lift_measurement_config_id,
  segments.search_lift_keyword_bundle,
  segments.search_property,
  metrics.relative_search_lift,
  metrics.relative_search_lift_p90_lower_bound,
  metrics.relative_search_lift_p90_upper_bound,
  metrics.incremental_searches_p_value,
  metrics.normalized_incremental_searches,
  metrics.normalized_incremental_searches_p90_lower_bound,
  metrics.normalized_incremental_searches_p90_upper_bound
FROM lift_measurement_config
WHERE lift_measurement_config.lift_measurement_config_id = CONFIG_ID

موارد زیر را جایگزین کنید:

  • CONFIG_ID: شناسه عدد صحیح پیکربندی اندازه‌گیری بهینه‌گر.
قبلی
گزارش
بعدی
واکشی داده‌های جغرافیایی