คู่มือการใช้การวัดผล
1. ก่อนเริ่มต้น
พิจารณาสิ่งที่สำคัญกับธุรกิจของคุณมากที่สุดตามประเภทลูกค้าและกรณีการใช้งานต่อไปนี้ และตรวจสอบว่าการผสานรวมและการทดสอบสอดคล้องกับลำดับความสำคัญเหล่านั้น เกณฑ์ดังกล่าวอาจรวมถึงสิ่งต่อไปนี้
- ประเภทลูกค้า: ผู้ลงโฆษณารายใหญ่เทียบกับรายเล็ก เอเจนซี ประเภทประเภทธุรกิจ ขอบเขตทางภูมิศาสตร์
- วัตถุประสงค์ของแคมเปญและประเภท Conversion: การได้ผู้ใช้ใหม่ การคงลูกค้าไว้ การซื้อ และรายได้
- กรณีการใช้งาน: การรายงาน, การวิเคราะห์ ROI, การเพิ่มประสิทธิภาพราคาเสนอ
2. Use Case
เรามักจะเห็นรายงานสรุปที่ใช้สำหรับการรายงานและรายงานระดับเหตุการณ์ซึ่งใช้สำหรับการเพิ่มประสิทธิภาพ (และอาจรายงานเป็นข้อมูลเสริม) เพื่อเพิ่มความสามารถในการวัดผลให้สูงสุด ให้รวมระดับเหตุการณ์และระดับรวมเข้าด้วยกัน เช่น โดยอิงตามวิธีการของ Google Ads และการวิจัยการเพิ่มประสิทธิภาพ Privacy Sandbox
3. ทั่วไป
|
เกณฑ์พื้นฐาน |
เหมาะสมที่สุด |
การรายงาน |
- การใช้รายงานสรุปในการรายงานกรณีการใช้งาน
|
- ทำความเข้าใจวิธีใช้รายงานสรุปและระดับเหตุการณ์ร่วมกันสำหรับการรายงาน
|
การเพิ่มประสิทธิภาพ |
- คำอธิบายที่ชัดเจนเกี่ยวกับสิ่งที่กำลังเพิ่มประสิทธิภาพ
- ความเข้าใจที่ชัดเจนว่ารายงานใดขับเคลื่อนรูปแบบการเพิ่มประสิทธิภาพของคุณ
- การใช้รายงานระดับเหตุการณ์เพื่อ Use Case การเพิ่มประสิทธิภาพ
- การเพิ่มประสิทธิภาพ PA อาจเกี่ยวข้องกับการสร้างแบบจำลองสัญญาณ
|
- ทําความเข้าใจวิธีใช้รายงานสรุปและรายงานระดับเหตุการณ์ร่วมกัน โดยเฉพาะสําหรับการเพิ่มประสิทธิภาพ ROAS
|
การระบุแหล่งที่มาข้ามแอปและเว็บ |
|
- เปรียบเทียบการระบุแหล่งที่มาแบบข้ามแอปและเว็บผ่าน ARA กับความครอบคลุมแบบข้ามแอปและเว็บในปัจจุบัน
- หากไม่ได้วัดการระบุแหล่งที่มาแบบข้ามแอปและเว็บอยู่ ให้พิจารณาว่าวิธีนี้อาจเป็นประโยชน์หรือไม่
|
4. การตั้งค่า
|
เกณฑ์พื้นฐาน |
เหมาะสมที่สุด |
รายงานระดับเหตุการณ์ |
- การตั้งค่าการเรียกใช้การลงทะเบียนแหล่งที่มา / การเรียกการลงทะเบียนอย่างเหมาะสมสำหรับขั้นตอนใดๆ (PA, ไม่ใช่ PA ฯลฯ)
- การใช้ Conversion การคลิกผ่าน (CTC) หรือ Conversion การดูผ่าน (VTC)
- กำลังใช้การตั้งค่าการกำหนดค่าเริ่มต้น
- ความเข้าใจอย่างถ่องแท้เกี่ยวกับลำดับความสำคัญ, expiry, event_report_window, deduplication_key, ตัวกรอง,_lookback_window
|
- การตั้งค่าการเรียกใช้การลงทะเบียนแหล่งที่มา / ทริกเกอร์อย่างเหมาะสมสำหรับทุกขั้นตอน (PA, ไม่ใช่ PA, โฆษณาทุกประเภท ฯลฯ)
- การทดสอบหน้าต่างการรายงานต่างๆ เพื่อเพิ่มประสิทธิภาพป้องกันการสูญเสียรายงาน และระบุการตั้งค่าที่เหมาะกับกรณีการใช้งานของคุณ
- การผสานรวมกับ Sim lib ซึ่งเป็นเครื่องมือที่ใช้ทดสอบ ARA ตามข้อมูลประวัติได้
|
รายงานสรุป |
- การตั้งค่าการเรียกใช้การลงทะเบียนแหล่งที่มา / การเรียกการลงทะเบียนอย่างเหมาะสมสำหรับขั้นตอนใดๆ (PA, ไม่ใช่ PA ฯลฯ)
- ความเข้าใจอย่างถ่องแท้เกี่ยวกับการกำหนดค่ารายงานสรุป ได้แก่ ตัวกรอง, aggregatable_report_window, ลอน_report_time, source_registration_time, reporting_origin
|
- การตั้งค่าการเรียกใช้การลงทะเบียนแหล่งที่มา / ทริกเกอร์อย่างเหมาะสมสำหรับทุกขั้นตอน (PA, ไม่ใช่ PA, โฆษณาทุกประเภท ฯลฯ)
- การผสานรวมกับ SimLib และการทดลองกับการจำลอง Noise Lab สามารถใช้เพื่อทดสอบการกำหนดค่า API แบบต่างๆ
|
5. กลยุทธ์การนำไปปฏิบัติ
|
เกณฑ์พื้นฐาน |
เหมาะสมที่สุด |
ข้อมูลที่ไม่ใช่ 3PC |
|
- ลองพิจารณาวิธีใช้คุกกี้ของบุคคลที่สาม (หากมีให้ใช้งาน) และข้อมูลที่ไม่ได้รับผลกระทบจาก 3PCD เพื่อตรวจสอบหรือปรับปรุงประสิทธิภาพของ ARA เพิ่มเติม
|
เสียงรบกวน |
|
- การผสานรวมกับ SimLib และการทดลองกับการจำลองทาง Noise Lab เพื่อประเมินผลกระทบจากเสียงรบกวน
- ติดตั้งใช้งานและทดสอบกลไกต่างๆ ในการลดเสียงรบกวน
|
บริการรวบรวมข้อมูล |
- ตรวจสอบว่าคีย์ฝั่งแหล่งที่มาและคีย์ฝั่งทริกเกอร์ที่คุณวางแผนจะใช้นั้นเหมาะสมกับกรณีการใช้งานของคุณ
ตัวอย่างโครงสร้างคีย์ที่จะเริ่มต้นอาจเป็นโครงสร้างคีย์ที่รวมมิติข้อมูลทั้งหมดที่คุณต้องการติดตาม คุณทดสอบโครงสร้างคีย์ต่างๆ ได้โดยอิงตามผลลัพธ์
|
- การทดสอบโครงสร้างคีย์ต่างๆ รวมถึงคีย์แบบลำดับชั้นเพื่อเพิ่มประสิทธิภาพให้กรณีการใช้งานของคุณ
- การทดสอบค่าต่างๆ ของ Epsilon ภายใน Aggregation Service และให้มุมมองเกี่ยวกับค่านั้นได้
|
กลยุทธ์แบบกลุ่ม |
- ทดสอบกับความถี่แบบกลุ่มและผู้ลงโฆษณา 1 รายอย่างน้อย 1 ราย
|
- การทดสอบชุดค่าผสมต่างๆ ของความถี่แบบกลุ่มกับมิติข้อมูลของรายงาน และระบุการตั้งค่าที่ดีที่สุดสำหรับกรณีการใช้งาน
- ลดการสูญหายของรายงานโดยการปรับกลยุทธ์การทำงานเป็นกลุ่มให้รองรับรายงานที่รวบรวมได้ล่าช้า
|
การแก้ไขข้อบกพร่อง |
|
- ใช้รายงานการแก้ไขข้อบกพร่องทุกประเภทในการทดสอบและการประเมิน
|
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2024-01-29 UTC
[null,null,["อัปเดตล่าสุด 2024-01-29 UTC"],[[["Prioritize business needs by considering customer types, campaign objectives, and use cases when integrating and experimenting with Attribution Reporting API."],["Combine event-level and summary reports for comprehensive measurement, leveraging them for optimization and reporting respectively."],["Optimize Attribution Reporting API setup by configuring source/trigger registration calls, utilizing both click-through and view-through conversions, and experimenting with reporting windows."],["Explore advanced techniques like noise reduction, aggregation service optimization, and batching strategies to enhance measurement accuracy and efficiency."],["Integrate with debugging tools to validate implementation, compare with existing measurement, and identify areas for improvement."]]],["This document outlines best practices for implementing the Privacy Sandbox Attribution Reporting API (ARA). Key actions include: prioritizing customer types and campaign objectives, combining event-level and summary reports for reporting and optimization, and understanding cross-app & web attribution. Optimal configurations involve using both Click Through Conversions (CTC) and View Through Conversions (VTC), leveraging flexible event-level setups, and integrating transitional debug reports. It emphasizes testing noise impact, different key structures, batching frequencies, and utilizing non-3PC data for validation.\n"]]