개인 정보 보호 우선 측정 없이 PPC 전환에 미치는 영향

향후 12-15개월 내에 타사 쿠키는 디지털 마케팅 채널에서 사용 중지됩니다.

정통한 광고주는 쿠키 없는 미래를 위한 게임 계획 개발을 시작해야 한다는 것을 알고 있지만 이러한 변화에 적응하지 못하는 광고주는 어떻게 될까요?

무엇보다도 마케터는 신호 손실을 겪을 것이며, 이는 우리가 캠페인 성과를 측정하고, 시간이 지남에 따라 캠페인을 최적화하고, 광고 배포를 위한 잠재고객을 만들고, 디지털 채널 내에서 성장을 주도하는 방법에 부정적인 영향을 미칠 것입니다.

가장 큰 관심을 받고 있는 업계의 변화는 Google Chrome에서 타사 쿠키의 사용 중지입니다.

물론, Microsoft Edge, Apple Safari 및 Mozilla Firefox를 포함한 다른 브라우저는 이전에 타사 쿠키를 제한했습니다. Chrome은 단순히 시장 점유율 때문에 더 기념비적입니다.

SimilarWeb은 최근에 Chrome이 웹 트래픽의 62%를 차지하는 세계에서 가장 인기 있는 브라우저임을 보여주는 연구를 발표했습니다.

이전 기사에서 요약하자면 Google 크롬은 2023년 3분기에 타사 추적 쿠키를 중단할 예정입니다. 이는 이 기념비적인 변경의 대략적인 기간이지만 디지털 마케팅 캠페인이 준비될 수 있도록 하는 목표를 제공합니다.

이것은 먼 미래처럼 들릴 수 있지만 타사 쿠키의 기능을 대체하는 데 필요한 많은 측정 솔루션에는 개발 팀의 상당한 시간과 노력이 필요할 수 있습니다.

이러한 유형의 지원에는 일반적으로 프로젝트 로드맵에서 우선 순위를 지정하는 몇 가지 주기가 필요합니다.

앞으로 몇 달 안에 시작하는 것이 장기적으로 도움이 될 것입니다.

이렇게 보세요: 당신의 미래의 자신은 사려 깊고 능동적인 것에 대해 감사할 것입니다!

마케터가 새로운 측정 프레임워크를 구축하지 않으면 어떻게 됩니까?

20년이 넘는 기간 동안 마케터는 타사 게시자 쿠키를 활용하여 미디어 성과를 추적해 왔습니다. 이 방법은 완벽하지는 않지만 향후 12-15개월 동안 크게 발전할 표준 관행입니다.

디지털 마케팅 관점에서 가장 중요한 영향 중 하나는 전환 측정의 손실입니다. 이러한 성능 데이터 손실에는 판매, 가입, 구매, 수익 및 기타 참여 측정항목이 포함됩니다. 이러한 작업은 제한될 가능성이 높기 때문입니다.

마케터가 측정 방식을 발전시키지 않으면 계정은 알고리즘 기반의 모델링된 전환에 의존하게 됩니다.

PPC 내에서 자동화를 성공적으로 활성화하는 것은 긍정적인 결과를 이끌어내는 데 매우 중요합니다.

가장 강력한 알고리즘 요소 중 하나는 스마트 자동 입찰입니다. CPA(전환당 비용) 및 ROAS(광고 투자 수익) 입찰을 구동하는 알고리즘은 성능을 최적화하기 위해 강력한 데이터 신호가 필요합니다.

이러한 알고리즘을 제공하는 데이터는 계정이 가장 가치 있는 행동에 최적화되도록 신뢰할 수 있어야 하며 이 전환 데이터는 기계 학습을 추진하기에 충분한 양을 가져야 합니다.

데이터 손실은 입찰 알고리즘이 제대로 작동하지 않아 PPC 성능이 저하됨을 의미합니다. 이것을 피하기 위해 노력합시다!

신호 손실의 결과로 더 많은 전환이 알고리즘 방식으로 모델링됩니다.

Google 및 Microsoft와 같은 광고 플랫폼이 손실된 데이터를 다시 얻을 수 있는 다른 옵션 없이 마케터를 방치하기에는 너무 많은 위험(즉, 돈)이 있습니다.

마케터가 향상된 전환(EC), Google 애널리틱스 4 또는 오프라인 전환 추적을 통해 새로운 측정 프레임워크를 구축하는 경우 이를 관찰된 전환 으로 간주합니다.

자사 데이터와 사용자 일치 데이터(EC)의 이러한 조합은 당사 웹사이트 방문자가 취한 등록된 작업에 의해 생성됩니다.

관찰된 전환 데이터를 최대한 많이 수집하십시오.

대안은 Google의 모델링된 전환 과 Microsoft Ads의 스마트 목표입니다. Google에 따르면 모델링된 전환은 다음과 같습니다.

“Google이 Google Ads에서 모델링된 전환을 표시할 때 기여 전환을 예측하고 있습니다. 대부분의 경우 Google은 광고 상호작용과 온라인 전환을 수신하지만 둘 사이의 연결을 놓치고 있습니다. 우리가 수행하는 모델링은 전환이 발생했는지 여부가 아니라 Google 광고 상호작용이 온라인 전환으로 이어졌는지 여부를 모델링하는 것입니다."

이러한 대규모 개인정보 보호 이동 후에도 Google은 검색 기록, 검색 기록 및 누군가가 Google 계정에 로그인했을 때의 기타 온라인 활동, 특히 로그인한 사용자가 구글 속성.

Google은 해당 사용자에 대한 추적 픽셀을 구체적으로 설치할 수 없지만 광고주의 전환으로 이어지는 미디어 상호작용을 알고리즘적으로 예측하기에 충분한 데이터가 있어야 합니다.

Microsoft Ads는 전환 모델링 버전을 작업 중입니다. 이 제품은 스마트 목표 라고 합니다.

마이크로소프트에 따르면:

“Smart Goals는 Microsoft Advertising 기계 학습 모델을 사용하여 웹사이트에서 최고의 세션을 식별합니다. UET 태그가 올바르게 설정된 경우 스마트 목표는 모든 웹사이트 세션을 검사하고 이러한 세션 중 '전환'으로 간주될 수 있는 세션을 결정합니다. 스마트 목표는 여러 신호를 사용하여 전환을 식별합니다. 사용되는 신호에는 세션 시간, 세션당 페이지 수, 위치, 장치 및 브라우저가 포함됩니다."

본질적으로 Google의 모델링된 전환과 유사합니다. 둘 다 사용자 행동과 유료 미디어 노출에 대한 잠재적 반응을 이해하기 위해 대규모 머신 러닝에 의존합니다.

마케터는 모델링된 전환을 최대한 정확하게 만들기 위해 수많은 추가 신호를 제공해야 합니다.

사용자 수준 데이터가 손실됨에 따라 모델링된 전환은 2023년에 측정 환경의 일부가 될 것입니다.

이를 통해 플랫폼 내에서 관찰된 전환 데이터를 최대한 많이 제공하기 위한 강력한 프레임워크를 다시 만들게 되며, 이는 모델링된 전환 알고리즘에 정보를 제공하는 데 도움이 됩니다.

마케터는 새로운 측정 프레임워크를 구축할 시간과 전술이 있습니다.

측정 프레임워크를 재구축한다는 전망은 벅차게 느껴질 수 있지만 다음 몇 분기 동안 귀하와 귀하의 비즈니스에 가장 적합한 솔루션을 결정해야 합니다.

이제 현재 프로세스 평가를 시작하고 현재 사용 가능한 새로운 측정 전술을 검토하고 계획 수립을 시작할 때입니다.

지난 기사에서 우리는 이러한 변형이 디지털 마케팅 환경에 무엇 을 의미하는지, 그리고 대략 언제 발생해야 하는지에 대한 토대를 마련했습니다. 이 기사에서는 이러한 변화에 적응하는 것이 전략적 우선 순위가 되어야 하는 이유 를 설명했습니다.

다음 시간에는 2023년을 위한 개인 정보 중심 측정 및 대상 프레임워크를 구축하는 방법 에 대한 계획 초안을 시작할 수 있습니다.

이 기사에 표현된 의견은 게스트 작성자의 의견이며 반드시 Search Engine Land는 아닙니다. 직원 저자가 여기에 나열됩니다.