Google Consent Mode v2 är utformad för att hjälpa både användare och annonsörer att finna en balans. Om en användare väljer att inte ge sitt samtycke för personligt anpassade annonser via encCookiebanner, tillåter Consent Mode v2 ändå insamling av anonymiserad och samkörd data med hjälp av cookieless-pings.

Med hjälp av datamodellering, en process som använder maskininlärning (AI), kan Google göra uppskattningar av konverteringshändelser baserat på den aggregerade datan från användare som har givit sitt samtycke till det. Detta är främst användbart för annonsörer eftersom det hjälper dem att förstå och optimera sina kampanjer även när de inte har tillgång till detaljerad användardata.

Så, även om det kan verka komplicerat, är syftet med detta att göra det möjligt för annonsörer fortsätta att få insikter och effektivt optimera sina annonser även när de inte kan använda individuell användardata.

När en användare besöker en hemsida och väljer att inte acceptera cookies, kan hemsidan fortfarande skicka viss information till Google via cookieless pings. Denna information är helt anonym och aggregerad, vilket innebär att den inte kan spåras tillbaka till en specifik individ. Istället ger den en övergripande bild av användarbeteendet på webbplatsen.

Exempel på sådan information kan vara:

1. Enhetsinformation: Typ av enhet som används för att besöka webbplatsen (desktop, mobil, surfplatta etc.).
2. Geografisk region: Den allmänna geografiska platsen för användaren, som kan vara baserad på IP-adressen.
3. Tid på dygnet: Informationen om när besöket skedde, vilket kan ge insikter i användaraktivitetens mönster under olika tider på dagen.
4. Webbläsartyp: Typen av webbläsare som används för att komma åt webbplatsen.

Denna data är inte kopplad till några personidentiteter och kan inte användas för att skapa en individuell användarprofil. Istället används den för att skapa aggregerade mönster och trender. Google kan sedan använda maskininlärning (AI) för att jämföra detta anonyma beteende med beteendet hos användare som faktiskt har givit sitt samtycke till att använda cookies.

På detta sätt kan Google göra antaganden och datamodellering för att förstå och dra slutsatser om användarbeteendet och optimera annonseringskampanjer, även för de användare som inte accepterar cookies.

Den förmåga till maskininlärning (AI) och datamodellering som Google erbjuder är av avgörande betydelse för annonsering via deras plattform. Genom att kunna kompensera för en del av den ”förlorade” användardatan kan annonsörer finjustera och förbättra sina budgivningsstrategier samt målgruppsinriktning för att bättre matcha den verkliga användaraktiviteten. Enligt Google själva kan de återskapa upp till 70% av de konverteringar som annars skulle gå förlorade när användare inte ger sitt samtycke.

Denna förmåga innebär att Googles annonseringsverktyg får tillgång till mer data, vilket är avgörande för optimal optimering av algoritmerna. Som vi alla vet är dataåterkoppling avgörande för att dessa algoritmer ska kunna optimera prestandan på bästa sätt.

Låt oss säga att vi har två kampanjer, ”Campaign A” och ”Campaign B”, som genomför ett A/B-test för att utvärdera deras prestanda. Initialt har båda kampanjerna fått 100 klick och 10 konverteringar vardera. Vid första anblicken verkar resultaten vara jämförbara.

Men genom att integrera consentdata från Google Consent Mode v2 och använda datamodelleringen från den, kan vi få en djupare förståelse för användarbeteendet. Genom att analysera den anonymiserade och aggregerade datan som samlats in via cookieless pings, kan vi identifiera att ”Campaign B” har en högre konverteringsgrad än ”Campaign A”.

Med hjälp av Google Consent Mode v2 kan vi göra en mer exakt jämförelse av kampanjernas prestanda och dra slutsatsen att ”Campaign B” är mer effektiv. Genom att tilldela mer eller till och med hela budgeten till ”Campaign B” framåt, kan marknadsförare optimera sina resurser och maximera sin avkastning på investeringen.

Detta exempel illustrerar hur Google Consent Mode v2 ger marknadsförare möjlighet att fatta beslut baserade på mer relevanta data, vilket leder till bättre resultat och effektivare kampanjer.