Offline konverzió követés: definíció és működése
Az offline konverzió követés egy olyan értékesítést párosít vissza, amely a webhelyen kívül történik, például egy telefonos vagy CRM-es lezárás, az azt előidéző hirdetéskattintáshoz.

Az offline konverzió követés az a folyamat, amikor egy olyan konverziót párosítanak vissza, amely egy webhelyen vagy alkalmazáson kívül történik, például egy telefonos értékesítés, egy üzleti vásárlás vagy egy olyan lead, amely hetekkel később zárul le egy CRM-ben, az eredeti hirdetéskattintáshoz vagy impresszióhoz. Mivel maga az értékesítés soha nem érint egy böngészőt, nincs konverziós pixel, amely automatikusan aktiválódna, így a hirdetőnek utólag kell feltöltenie vagy elküldenie a párosítást.
Hogyan működik a párosítás#
A legtöbb megvalósítás egy közös azonosítóra támaszkodik, amelyet a hirdetéskattintás pillanatában rögzítenek, és átvisznek az offline eseményig. Egy kattintásazonosító tárolható egy CRM-mezőben, egy űrlap rejtett mezőjében vagy egy hívásnyomkövető rendszerben, majd vissza lehet tölteni a hirdetési platformra az offline eredménnyel együtt. A titkosított ügyfélazonosító párosítás hasonlóan működik: az offline konverzióponton gyűjtött e-mail vagy telefonszám titkosításra kerül, és párosításra kerül a platform saját titkosított first-party adatával. A hívásnyomkövető számok, amelyek egy adott kampányhoz kötött egyedi telefonszámok, úgy irányítják a hívást, hogy egy telefonos értékesítés anélkül kapjon attribúciót, hogy bármilyen manuális párosítási lépésre lenne szükség.
Miért fontos a lead-generálás és a magas értékű szegmensek számára#
Azok a vállalkozások, ahol a tényleges értékesítés a platformon kívül zárul le (biztosítás, pénzügy, otthoni szolgáltatások, B2B szoftver, oktatás), nem támaszkodhatnak egy böngészőalapú pixelre a valódi eredmény látásához. Egy lead űrlapkitöltés egy elfogadható proxy esemény, de a vállalkozást valójában az érdekli, hogy mely leadek válnak fizető ügyfelekké napokkal vagy hetekkel később. Offline konverzió követés nélkül a kampányoptimalizálás a lead mennyiség üldözésében végzi, nem pedig azon bevétel üldözésében, amelyet azok a leadek ténylegesen termelnek, ami csendesen a rossz hirdetéseket és célközönségeket jutalmazza.
Hol kapcsolódik a szélesebb méréshez#
Az offline konverzió adatok ugyanazokat az optimalizáló algoritmusokat táplálják, amelyekre a platformlicitálás támaszkodik, így a következetes (nem csak alkalmi) feltöltés általában javítja a célzás minőségét idővel, mivel az algoritmus a valódi bevételi eredményekből tanul, nem egy sekély proxyból. Ez egy szükséges bemenet is a pontos ROAS és CPA jelentéskészítéshez ezekben a szegmensekben, mivel a csak platformon belüli számok jelentősen alulbecsülnék a valódi megtérülést, figyelmen kívül hagyva a késleltetett, offline felét a tölcsérnek. Ugyanez az elv vonatkozik a CPL jelentéskészítésre is: egy olcsó lead, amely soha nem zárul le, rosszabb eredmény, mint egy drágább, amely lezárul, de csak az offline párosítás mutatja meg, melyik melyik.
Gyakorlati nehézségek#
A legnagyobb hiba a megszakadt azonosító-lánc: a kattintásazonosítót vagy azonosítót rögzítik a hirdetéskattintásnál, de valahol elveszik a céloldal űrlapja, a CRM és a végső visszatöltés a hirdetési platformra között, általában azért, mert a lánc egyik rendszere nem lett ezzel az átadással szem előtt tartva építve. A párosítási arányok is számítanak. Még egy jól felépített folyamat is általában csak az offline konverziók egy részét párosítja vissza az eredeti kattintáshoz, mivel nem minden offline esemény hordoz egy tiszta azonosítót a teljes úton. Ez még mindig jelentős fejlődés a nulla rálátással szemben az offline eredményekre, de érdemes ennek megfelelően beállítani az elvárásokat, nem pedig tökéletes attribúciót feltételezni.
A lead-generáló és pénzügyi hirdetők, akik natív kampányokat futtatnak, gyakran az offline konverzió adatokat használják kifejezetten annak megítélésére, hogy mely hálózatok termelnek olyan leadeket, amelyek ténylegesen lezárulnak, nem csak olyanokat, amelyek kitöltik az űrlapot. Annak ellenőrzése, hogy mely hálózatok és hirdetők aktívak egy adott szegmensben az OpenAdLibrary hirdetési intelligencia eszközeivel segít alapvonalat felállítani annak, hogy milyen a versenyképes költség/lead, mielőtt befektetne a teljes offline párosítási folyamat felépítésébe.





