Wat is conversiemodellering?

Conversiemodellering is een computationeel kader dat de waarschijnlijkheid van gebruikersconversies inschat wanneer directe trackingmechanismen onbeschikbaar of onvolledig zijn. Deze aanpak pakt het dataverlies aan dat inherent is aan traditionele trackingmethoden zoals cookies, met name voor gebruikers die geen toestemming geven voor dataverzameling. De primaire functie van conversiemodellering is het opvullen van deze datagaten door gebruik te maken van machine learning-algoritmes om niet-geobserveerde conversiegebeurtenissen af te leiden.

De methodologie omvat:

• Het evalueren van de incrementele impact van individuele websitebezoeken met behulp van gedragsgegevens van bezoekers.
• Het analyseren van geobserveerde conversies van gebruikers die toestemming hebben gegeven en historische trends om conversies te voorspellen onder gebruikers die geen toestemming hebben gegeven.
• Het inschatten van gedragspatronen van gebruikers langs interactiepaden op de website, en zo waarschijnlijke conversieresultaten te reconstrueren.

In scenario's waarin de toestemmingsmodus (Consent Mode) is geactiveerd — wat resulteert in Google-tags die zonder cookiegegevens werken — wordt conversiemodellering cruciaal. Consent Mode wijzigt het gedrag van tags om de privacy van gebruikers te respecteren, maar dit creëert discontinuïteiten in de meetgegevens van advertenties. Conversiemodellering compenseert voor deze gaten door Google AI toe te passen op waarneembare signalen en historische conversiepatronen, en zo de verbinding te overbruggen tussen advertentie-interacties en daadwerkelijke conversies (Google, 2023).

Implementatie van dit framework vereist doorgaans integratie met een door Google gecertificeerd Consent Management Platform (CMP) om naleving te garanderen en het datagebruik te maximaliseren.

Belangrijkste bevindingen:

• Conversiemodellering verbetert de nauwkeurigheid van de conversieattributie aanzienlijk onder privacybeperkingen door conversies in te schatten die traditionele tracking mist.
• Machine learning-modellen die getraind zijn op data van gebruikers die toestemming hebben gegeven, bieden robuuste voorspellingen voor het gedrag van gebruikers die geen toestemming hebben gegeven.
• De methode stelt adverteerders in staat om de meetnauwkeurigheid te behouden ondanks toegenomen wettelijke beperkingen op het gebruik van cookies en trackingtechnologieën.