Ads Data Hub

Google’s Ads Data Hub (ADH) geeft adverteerders toegang tot gedetailleerde gegevens van hun mediacampagne op een manier die privacy-safe is. ADH wordt gezien als een toekomstbestendige oplossing voor analyses, campagne-inzichten en doelgroep activering voor de platformen van Google. Wat zijn de kansen en beperkingen van het platform? In deze blog duiken we dieper in Ads Data Hub.  

Ads Data Hub

Even terug in de tijd: Data Transfer files

In 2018 was het nog mogelijk voor adverteerders en bureaus om diepere campagne-analyses te doen dan in de interface mogelijk was. Gedetailleerde adserving data gekoppeld aan user-ID’s maakten dit mogelijk. Met deze zogenaamde Data Transfer Files van Google konden adverteerders gedetailleerde gegevens op gebruikersniveau over hun advertentiecampagnes analyseren. Na de introductie van de Algemene Verordening Gegevensbescherming (AVG) in mei 2018, werden deze user-ID’s verwijderd uit de bestanden. Hierdoor verloor het product zijn belangrijkste feature en werden de toepassingsmogelijkheden van Data Transfer files sterk gelimiteerd.   

De introductie van Ads Data Hub 

Ads Data Hub werd geïntroduceerd als vervanging van Data Transfer Files, met als doel het doen van diepere campagne analyses op een privacy-safe manier. Het belangrijkste verschil met Data Transfer Files is dat bij ADH niemand toegang heeft tot de user-ID’s van Google, waardoor het verhoogde privacy niveau behouden blijft dat vereist wordt door de nieuwe regelgeving. In plaats van rechtstreeks toegang te krijgen tot user-ID’s, kunnen we uit de database geaggregeerde data van minimaal 50 gebruikers terughalen. Op deze manier kan, zonder enige persoonlijk identificeerbare informatie over de personen binnen die cohorten te krijgen, wel inzicht verkregen worden in bereikte doelgroepen. Dit maakt het mogelijk om diepere analyses van advertentiecampagnes uit te voeren.  

Hoe ADH werkt 

Google heeft event-level gegevens van advertentieplatformen van Display & Video 360 (DV360), Campaign Manager 360 (CM360), YouTube en Google Ads. Nadat deze platformen zijn gelinkt aan het ADH account van de adverteerder, worden deze gegevens opgeslagen in een BigQuery project van Google en zijn deze alleen toegankelijk via zoekopdrachten die zijn geschreven in gestructureerde querytaal (SQL) in ADH. Bijzonder nuttig is de mogelijkheid om campagnedata te koppelen aan first-party datasets die zijn opgeslagen in een eigen BigQuery project. Dit biedt de mogelijkheid om bijvoorbeeld offline gekochte artikelen te koppelen aan online activiteiten om meer inzicht te krijgen in bijvoorbeeld in-app impressies en conversies. 

Ads Data Hub
Bron: Google Blog

Ads Data Hub is dus geen database, maar een tool die de mogelijkheid biedt om first-party gegevens te koppelen aan advertentiegegevens. Er zijn standaard SQL query’s beschikbaar in ADH, maar het is ook mogelijk om eigen, aangepaste SQL query’s te schrijven. Het resultaat van deze zoekopdrachten is een tabel met geaggregeerde data, waarvan de rijen die informatie bevatten over minder dan 50 gebruikers er automatisch uitgefilterd worden. Op deze manier voldoet de data altijd aan de privacywetgeving. De tabel wordt vervolgens beschikbaar gemaakt in BigQuery, waarna de data kan worden gedownload of gebruikt in visualisatietools zoals Data Studio. Ook kunnen bestaande query’s worden ingepland door scheduling software zoals Google Cloud Scheduler, zodat deze niet meer handmatig gedraaid hoeven worden. 

Het gestructureerd doormeten van campagnes geeft ons diepere analyse-mogelijkheden. Een van die mogelijkheden is de impact meten van zichtbare impressies op conversies. Door het aantal zichtbare impressies te tellen dat tot conversies heeft geleid, ontstaat een nieuwe statistiek die lijkt op de zichtbare conversieratio. Deze use case biedt interessante toepassingsmogelijkheden, waaronder het uitsluiten van doelgroepen die al teveel in contact zijn gekomen met advertenties over verschillende kanalen heen.  

Een andere mogelijkheid is het meten van de overlap tussen verschillende kanalen of tussen verschillende merken binnen dezelfde adverteerder. Deze analyse biedt inzicht in hoe conversieratio’s veranderen wanneer een gebruiker bijvoorbeeld wordt blootgesteld aan zowel branding als direct response-marketing, of aan één of meerdere merken binnen dezelfde adverteerder. Dit zorgt voor een effectievere campagne-optimalisatie. 

Daarnaast is het mogelijk om met ADH inzicht te krijgen in het cross-screen gedrag van consumenten op Youtube. Het evalueren van cross-screen gedrag kan een uitdaging zijn voor adverteerders, omdat consumenten op een onvoorspelbare manier tussen schermen wisselen. Als je begrijpt hoe content op meerdere schermen wordt geconsumeerd, kun je je strategie optimaliseren en de prestaties van campagnes verbeteren. 

Tot slot is er de mogelijkheid om eigen attributieanalyses te doen via ADH. Hierdoor is het mogelijk geworden om inzicht te verkrijgen in de paden van consumenten die leiden tot conversies, zonder de privacy van het individueel te schenden. De rol van verschillende mediakanalen zoals display, social en paid search kan duidelijk worden gemaakt en budgetten en tactieken kunnen eenvoudig worden geoptimaliseerd. Bekijk onze MTA ADH oplossing voor meer informatie. 

Meer inzicht in het profiel van je klanten

Om meer te weten te komen over het profiel van klanten en deze inzichten te gebruiken in campagnes biedt ADH verschillende mogelijkheden. Zo kan er bijvoorbeeld inzicht worden verkregen in alle affiniteit- en in-market segmenten van klanten. Dit kan ook geografisch worden bekeken, waardoor je meer inzicht krijgt in de interesses van klanten in specifieke markten.  

Daarnaast is het mogelijk om aangepaste doelgroepen te maken door zogenoemde “audience query’s” binnen ADH te creëren en te draaien. Dit doet men door bijvoorbeeld data van DV360, CM360, klik-, Floodlight- of conversiegegevens van Google Ads, samen met first-party gegevens van adverteerders te combineren. Deze aangepaste doelgroepen kunnen vervolgens worden geactiveerd in advertentieplatforms zoals DV360. 

Tot slot is het mogelijk om met ADH te achterhalen wat de karakteristieken zijn van bereikte groepen op campagne, site en zelfs placement niveau. Door campagnedata te combineren met eigen panel-data kunnen niet alleen demografische kenmerken, maar ook specifieke kenmerken van bereikte groepen worden geanalyseerd. Deze privacy-veilige manier van doelgroep validatie won de prijs voor Best tech and measurent solution (IAB Programmatic Awards 2020). Meer weten? Bekijk onze AdChieved oplossing hier.  

Maximaliseer het gebruik van je first-party data assets 

De combinatie van bedrijfsgegevens en campagne data biedt ons de kans om het gebruik van onze first-party datasets te maximaliseren en nog betere inzichten te verkrijgen. Een van de manieren waarop dat kan is door offline conversieanalyses te doen. Door een online Quote ID te koppelen aan een offline geconverteerde verkoop, kun je zien welk deel van de campagne verantwoordelijk is voor een offline conversie. Ook kunnen we bijvoorbeeld een lijst met publishers bekijken om te zien welke offertes zijn gegenereerd en hoeveel van die offertes zijn omgezet in conversies, waardoor we een beter beeld krijgen van onze marketingactiviteiten. 

Een andere manier is door winstgevendheidsanalyses te doen. Dit kan gedaan worden door de bestel-ID en bestelwaarde voor elke online conversie te vergelijken met de winst die op elke bestelling is gegenereerd.  Vervolgens kan geïdentificeerd worden welke media-aankopen de meest conversies genereren en de winst berekend worden over de verkopen waaraan ze hebben bijgedragen. 

Belangrijke overwegingen bij het gebruik van Ads Data Hub 

De ontwikkeling van Ads Data Hub is een flinke stap in de goede richting als het gaat om het aanbieden van diepere data-analyse met behoud van de privacy van gebruikers. Hoewel er tegenwoordig veel verschillende use cases beschikbaar zijn, zijn er een aantal belangrijke overwegingen bij het gebruik van Ads Data Hub. 

Ads Data Hub is niet voor iedereen. Het is het meest effectief wanneer een adverteerder meerdere Google-platforms gebruikt en wanneer er specifieke onderzoeksvragen onbeantwoord blijven met de beschikbare in-platform rapportages.  

Daarnaast vereist het gebruik van ADH enige specialistische kennis. Hoewel het gebruik van ADH niet moeilijk is, is basiskennis van het werken met SQL en een cloud architectuur essentieel. Als je als adverteerder zelf analyses wilt draaien in ADH, dan heb je daar dus in-house kennis voor nodig.  

Tot slot is een belangrijke overweging dat de meeste use cases van ADH nog steeds afhankelijk zijn van third-party-cookies. Door de geleidelijk uitfasering wordt de ondersteuning van cookies door browsers en besturingssystemen steeds beperkter. Uiteraard werkt Google op de achtergrond aan aanpassingen die het in de toekomst mogelijk maken om ADH te kunnen blijven gebruiken zonder cookies.  

Als je meer wilt weten over de mogelijkheden die Ads Data Hub kan bieden, neem dan contact op met ons.  

Nieuwsgierig?

We komen graag met u in contact om te kijken wat voor u kunnen betekenen.