کشیدن داده‌های جغرافیایی برای آزمایش‌ها

برای استخراج خودکار یا در مقیاس بزرگ داده‌ها برای آزمایش‌های GeoX، باید از Google Ads API برای استخراج داده‌های هزینه و مخارج استفاده کنید. سپس این داده‌ها را با داده‌های تبدیل یا درآمد خام، فیلترنشده، و منسوب‌نشده از CRM داخلی، پایانه فروش (POS)، یا پایگاه‌های داده فروش داخلی ترکیب می‌کنید.

معماری گردش کار میانای برنامه‌سازی کاربردی توصیه‌شده

برای استخراج دقیق داده‌های پویش و هزینه براساس بخش‌های جغرافیایی، این معماری را دنبال کنید:

• سرویس: از GoogleAdsService، به‌ویژه روش‌های Search یا SearchStream استفاده کنید.

• منبع: پُرسمان geographic_view برای دیدن مکان فیزیکی کاربر یا مکان موردعلاقه او، که معمولاً استاندارد آزمایش‌های GeoX است. یا اینکه، پُرسمان location_view را اجرا کنید تا عملکرد را براساس مکان‌های خاصی که پویش هدف‌یابی کرده است ببینید.

  توجه: از campaign_location_target_report استفاده نکنید، زیرا این گزارش قدیمی AdWords API منسوخ شده است.

• فیلدهای گنجانده‌شده:

  • campaign.id
  • segments.date
  • segments.geo_target_city (یا منطقه یا کشور بسته به دانه‌بندی GeoX)
  • metrics.cost_micros

• نمونه پُرسمان GAQL: برای GeoX، تبلیغ‌کنندگان سنجه‌های هزینه را بااستفاده از Google Ads API به‌جای تبدیل‌های انتساب‌یافته (که باید از CRM داخلی یا سیستم‌های طرف سوم دریافت شود) استخراج می‌کنند. می‌توانید از پُرسمان زیر استفاده کنید:

  SELECT
    campaign.id,
    segments.date,
    segments.geo_target_city,
    metrics.cost_micros
  FROM geographic_view
  WHERE segments.date DURING LAST_30_DAYS
  

  توجه: geographic_view فقط ردیف‌هایی را برای بخش‌های جغرافیایی برمی‌گرداند که ظهور یا هزینه را در تاریخ مشخصی ثبت کرده باشند. برای گنجاندن روزها و مناطق با هزینه صفر در سری زمانی GeoX، یک اتصال بیرونی چپ در خط لوله داده‌های خود دربرابر حاصل‌ضرب دکارتی کامل تاریخ‌ها و مناطق هدف انجام دهید.

توجه: اگر سنجه‌های تبدیل را از Google Ads استخراج می‌کنید، درواقع تبدیل‌های منسوب‌شده را استخراج می‌کنید—یعنی فقط به فروش‌هایی نگاه می‌کنید که الگوریتم Google قبلاً اعتبار آن‌ها را به خود نسبت داده است. استفاده از داده‌های منسوب در GeoX به‌شدت منع می‌شود زیرا منطق انتساب باعث سوگیری در اندازه‌گیری علّی می‌شود.

پس‌پردازش و استخراج داده

• نگاشت بخش جغرافیایی: این میانای برنامه‌سازی کاربردی نام‌های نوشتار ساده (مانند «نیویورک») یا کدهای کوتاه (مانند «۵۰۱» یا «ES») را در نماهای گزارش‌دهی برنمی‌گرداند. فیلدهایی مثل segments.geo_target_city یا segments.geo_target_country رشته نام منبعی را برمی‌گردانند که به GeoTargetConstant اشاره می‌کند (برای مثال، geoTargetConstants/1023191). شناسه عددی (1023191) را استخراج کنید و منبع geo_target_constant را پُرسمان کنید:

  SELECT
    geo_target_constant.id,
    geo_target_constant.name,
    geo_target_constant.canonical_name
  FROM geo_target_constant
  WHERE geo_target_constant.id = 1023191
  

  یا برای انجام پیوستن به‌صورت محلی در کد، CSV هدف‌های جغرافیایی ایستا را در هدف‌های جغرافیایی بارگیری کنید.

• تبدیل هزینه: این میانای برنامه‌سازی کاربردی مقادیر هزینه را به‌صورت میکرو برمی‌گرداند. باید metrics.cost_micros را بر ۱٬۰۰۰٬۰۰۰ تقسیم کنید تا مقدار واحد پول استاندارد موردنیاز در فایل بارگذاری‌شده‌تان را به‌دست آورید.

شناسه‌های مکان جغرافیایی برای جهش‌های هدف‌یابی

هنگام اجرای تغییرات هدف‌یابی مکانی پویش یا گروه آگهی، تبلیغ‌کنندگان باید شناسه دقیق GeoTargetConstant (geoTargetConstants/ID) را برای مناطق انتخابی خود جستجو و ارسال کنند. نمی‌توانید کدهای ISO یا Nielsen خام را ارسال کنید.

نوع منطقه	شناسه API الزامی (GeoTargetConstant)	قالب قدیمی (استفاده نشود)
ناحیه قانون بازارهای دیجیتال	شناسه 200501 (برای نیویورک)	کد Nielsen (برای مثال، 501 برای نیویورک)
کشور	شناسه 2724 (برای اسپانیا)	کد ISO (برای مثال، "ES" برای اسپانیا)

روال‌های مطلوب و خطاهای رایج قالب‌بندی

• قالب‌بندی تاریخ: فیلد segments.date رشته‌های تاریخ ISO-8601 را در قالب YYYY-MM-DD برمی‌گرداند. در خط لوله ETL، فیلدهای تاریخ را به‌طور صریح به‌عنوان رشته‌های YYYY-MM-DD سریال‌سازی کنید و از باز کردن فایل‌های CSV صادرشده در برنامه‌های صفحه‌گسترده که به‌طور خودکار ستون‌های تاریخ را بازقالب‌بندی می‌کنند خودداری کنید.
• صفرهای ابتدایی در کدهای پستی: کدهای پستی (برای مثال، 01234) را در سراسر خط لوله داده‌هایتان به‌عنوان انواع رشته (VARCHAR یا STRING) درنظر بگیرید نه عدد صحیح تا صفرهای ابتدایی هرگز حذف نشوند.
• انبوهش: اگر مطالعه چندسلولی اجرا می‌کنید، باید سنجه‌های هزینه جداگانه‌ای برای هر شاخه درمان ارائه دهید.
• پیوستن به داده‌های تبدیل: هنگام پیوستن به داده‌های تبدیل از یک سیستم CRM داخلی یا پایگاه‌های داده فروش داخلی، مطمئن شوید که داده‌های تبدیل دارای ویژگی‌های زیر هستند تا پردازش داده‌ها با داده‌های Google Ads API و GeoX به‌طور یکپارچه انجام شود:
  • سری زمانی روزانه: داده‌ها باید براساس روز جمع‌آوری شوند.
  • سطح جغرافیایی: هر تبدیل باید دقیقاً به واحدهای جغرافیایی که آزمایش می‌کنید نگاشت شود (برای مثال، مطابقت دادن کد پستی ارسال مشتری با DMA یا خوشه پستی استفاده‌شده در طراحی).
  • مقادیر ناخالص: داده‌ها باید مقادیر مطلق غیرمنفی باشند، مانند درآمد ناخالص یا تعداد تبدیل ناخالص. اگر CRM شما «درآمد خالص» را با مقادیر منفی برای بازپرداخت‌ها ردیابی می‌کند، باید از اعداد ناخالص برای آزمایش استفاده کنید و بعداً نسبت بازپرداخت را اعمال کنید.