คำนวณอัตราการแปลงการดูโฆษณาใน bigQuery

อัตราการแปลงการดูโฆษณา¶

• อัตราการแปลงจากการดูโฆษณาหมายถึงอัตราการแปลงในแต่ละขั้นตอน ได้แก่ การโหลดโฆษณา – เริ่มการดู – การทำให้รางวัลเสร็จสมบูรณ์ โดยทั่วไปแล้ว อัตราการแปลงที่ใกล้เคียงกับ 100% แสดงว่าโฆษณาได้รับการออกแบบมาอย่างดี
• คุณสามารถเก็บเวลาการดูโฆษณาสามช่วงเวลาได้ผ่าน Hive Adkit.
  • การโหลดโฆษณา (load): เมื่อมีการร้องขอโฆษณาหรือเมื่อการร้องขอเสร็จสมบูรณ์
  • เริ่มการดู (open): เมื่อโฆษณาแสดงบนอุปกรณ์
  • การทำให้รางวัลเสร็จสมบูรณ์ (reward): เมื่อผู้ใช้ทำการดูโฆษณาที่มีรางวัลเสร็จสมบูรณ์และได้รับรางวัล

อัตราการเปิด¶

• อัตราการเปิดวัดเปอร์เซ็นต์ของโฆษณาที่ร้องขอโดยโฆษณาที่ได้รับรางวัลและโฆษณาแบบแทรกที่แปลงเป็นการแสดงผล มันช่วยในการกำหนดว่าโฆษณาถูกส่งไปยังผู้ใช้ได้อย่างมีประสิทธิภาพหรือไม่
  • อัตราการเปิด = (จำนวนการเริ่มดู / จำนวนการโหลดโฆษณา) *100
• หากตัวชี้วัดลดลงในกลุ่มเฉพาะ คุณสามารถตรวจสอบได้ว่าโฆษณาถูกออกแบบตามที่ตั้งใจไว้หรือไม่
  • จำนวนการโหลดโฆษณาอาจเพิ่มขึ้นหากมีการร้องขอโฆษณาล่วงหน้าขณะเปิดแอป
  • หากมีข้อจำกัดเกี่ยวกับจำนวนการดูโฆษณา ผู้ใช้อาจไม่สามารถเริ่มดูโฆษณาได้

อัตรารางวัล¶

• อัตรารางวัลคือเปอร์เซ็นต์ของผู้ใช้ที่ดูโฆษณาทั้งหมดในกลุ่มผู้ที่เริ่มดูโฆษณาในโฆษณาที่ได้รับรางวัล ซึ่งช่วยในการประเมินการมีส่วนร่วมของผู้ใช้กับส่วนประกอบของโฆษณา
  • อัตรารางวัล = (จำนวนรางวัลที่เสร็จสมบูรณ์ / จำนวนการดูที่เริ่มต้น) *100
• หากไม่สามารถบรรลุค่าที่ตั้งเป้าในกลุ่มเฉพาะ อาจเกิดจากเวลาการดูโฆษณาที่นานขึ้นหรือเนื้อหาที่ไม่เหมาะสม ทำให้ผู้ใช้ลดการดูในระหว่างการดูโฆษณา

คำนวณอัตราการแปลงการดูโฆษณาใน BigQuery¶

• ใช้ BigQuery เพื่อวิเคราะห์ตัวชี้วัดของช่องทางการดูโฆษณา โดยระบุว่าผู้ใช้อาจจะหลุดออกไปที่ไหน คุณสามารถแสดงตัวชี้วัดโดยการเชื่อมโยงผลลัพธ์ของการสอบถามกับสเปรดชีต
  • ในระหว่างการดำเนินการเริ่มต้นของโมดูลโฆษณา คุณสามารถสังเกตแนวโน้มของตัวชี้วัดและตั้งค่าค่าตั้งเป้าหมายสำหรับแต่ละกลุ่ม
  • โดยการตรวจสอบแนวโน้มล่าสุดของตัวชี้วัด คุณสามารถกำหนดได้ว่าค่าตั้งเป้าหมายที่ตั้งใจไว้ถูกบรรลุอย่างเหมาะสมหรือไม่
  • หากคุณแนะนำการวางโฆษณาใหม่หรือปรับจำนวนรางวัลในแผนการโฆษณาของคุณ คุณสามารถเปรียบเทียบตัวชี้วัดก่อนและหลังการเปลี่ยนแปลง

ป้อนคำค้น BigQuery¶

• คัดลอกและวางคำถามตัวอย่างด้านล่างลงในตัวแก้ไขคำถาม ป้อนค่าพารามิเตอร์ห้าค่าที่ตรงกับชุด จากนั้นคลิกที่ปุ่ม “เรียกใช้” ที่ด้านบน (หรือกด Ctrl + Enter)

  • yyyymmdd_1 : วันที่เริ่มต้นของการค้นหา
  • yyyymmdd_2 : วันที่สิ้นสุดของการค้นหา
  • timezone_offset : ตั้งค่าเขตเวลา (9 สำหรับ KST)
  • appidGroup_1 : App Center Game Id
    • สำหรับการป้อนข้อมูลหลายรายการ ตั้งค่า appidGroup_1 = ' "game1","game2" ';
  • company_index : หมายเลขบริษัท
    • คุณสามารถค้นหานี้ได้ใน BigQuery > Explorer ที่มุมซ้ายบน > dataset (analytics_company number_live) ภายใต้ fluted-airline-109810
  • ตัวอย่างการค้นหา

    declare yyyymmdd_1 string ;
    declare yyyymmdd_2 string ;
    declare timezone_offset int64;
    declare appidGroup_1 string;
    declare company_index int64;
    declare dataset string default '';
    declare query string default '';
    
    set yyyymmdd_1 = '2023-07-01';
    set yyyymmdd_2 = '2023-07-07';
    set timezone_offset = 9 ;
    set company_index = 5 ;
    set appidGroup_1 = '"com.sample.samplegametest"' ;
    set dataset = 'analytics_' || company_index || '_live';
    
    set query = format("""
    select appidGroup,yyyymmdd,
    case when open_rate > 100 then 100 else open_rate end as open_rate,
    case when reward_rate > 100 then 100 else reward_rate end as reward_rate,
    load_cnt,
    case when open_cnt > load_cnt then load_cnt else open_cnt end as open_cnt,
    case when reward_cnt > open_cnt then open_cnt else reward_cnt end as reward_cnt
    from
    (
    select appidGroup,yyyymmdd,
    ifnull(round(((safe_divide(count(ad_open), count(ad_load))) * 100),2),0) as open_rate,
    ifnull(round(((safe_divide(count(ad_reward), count(ad_open))) * 100),2),0) as reward_rate,
    count(ad_load) as load_cnt,
    count(ad_open) as open_cnt,
    count(ad_reward) as reward_cnt
    from
    (
    select appidGroup,yyyymmdd,
    case when eventType ='load' then checksum end as ad_load,
    case when eventType='open' then checksum end as ad_open,
    case when eventType='reward' then checksum end as ad_reward
    from
    (
    select appidGroup, checksum, eventType,
    substr(cast(timestamp_add(dateTime, interval %d hour) as string), 1,10) as yyyymmdd
    from fluted-airline-109810.%s.t_hive_ad_watch_log
    where (datetime) >= timestamp_sub(timestamp('%s'), interval %d hour)
    and (datetime) < timestamp_add(timestamp_sub(timestamp('%s'), interval %d hour), interval 1 day)
    and appidGroup in (%s)
    and eventType in ('load','open','reward')
    qualify row_number() over(PARTITION BY checksum ORDER BY bigqueryRegistTimestamp) =1 )
    )
    group by appidGroup,yyyymmdd
    )
    order by appidGroup,yyyymmdd
    """,
    timezone_offset, dataset, yyyymmdd_1, timezone_offset, yyyymmdd_2, timezone_offset,appidGroup_1);
    EXECUTE IMMEDIATE query;
    

ตรวจสอบผลลัพธ์การค้นหา BigQuery¶

• คลิกที่ตัวเลือก “ดูผลลัพธ์” ที่ด้านล่างของหน้าต่างผลลัพธ์การค้นหาเพื่อ *
  • ตรวจสอบผลลัพธ์การค้นหา
  • ppidGroup : รหัสเกม App Center
  • yyyymmdd: วันที่สอบถาม
  • open_rate : อัตราการเปิด
  • reward_rate : อัตรารางวัล
  • load_cnt : จำนวนการโหลดโฆษณา
  • open_cnt : จำนวนการเริ่มดู
  • reward_cnt : จำนวนรางวัลที่เสร็จสมบูรณ์

ลิงก์กับสเปรดชีต¶

• ในเมนูสำรวจข้อมูลที่มุมขวาบนของหน้าต่างผลลัพธ์การค้นหา ให้คลิกสำรวจด้วยสเปรดชีต
• คุณสามารถแสดงภาพตัวชี้วัดผ่านฟังก์ชันกราฟ