1P duomenys ir elgsenos signalai AI paieškoje

1P duomenų kelias į AI optimizacijas

← Grįžti į AI paieška ir SEO: kaip patekti į Google viršų 2025–2026 m.

Paskutinį kartą atnaujinta: 2025-11-01

Turinys

Trumpai

Šiame gide paprastai parodome, kaip savo duomenis paversti aiškiais signalais, kuriuos AI naudoja geresnėms rekomendacijoms, taikymui ir matavimui.

Pradžiai – 3 žingsniai:

  1. Įjunkite sutikimus (CMP) ir GA4, suderinkite pagrindinius 10 įvykių.
  2. Paleiskite server-side sekimą bandomai ir patikrinkite padengimą (≥95 %).
  3. Sukurkite 3 segmentus (VIP, Grįžtantys, Rizikos) ir perduokite vertę į kanalus.

Kas yra 1P duomenys ir elgsenos signalai AI?

1P duomenys – tai informacija, kurią renkatės tiesiogiai iš savo vartotojų (svetainė, programėlė, parduotuvė, CRM (klientų ryšių valdymas), pagalbos sistema). Elgsenos signalai – tai vartotojų veiksmų pėdsakai (pvz., puslapių peržiūros, paspaudimai, paieškos, įdėjimai į krepšelį, pirkimai), kuriuos standartizuotai fiksuojate ir perduodate į analitiką bei kanalus. AI modeliai šiuos duomenis naudoja prognozėms, personalizacijai ir kainodarai reklamoje.

Kodėl 1P yra „kuras“ AI? Nes jie tikslūs, aktualūs, kontroliuojami ir teisiškai lengviau pagrindžiami, kai turite sutikimus. Tai leidžia kurti patikimas 1P auditorijas, gerinti reklamų ROAS (grąža iš reklamos išlaidų) ir vartotojo patirtį.

Kas laikoma 1P duomenimis

  • Registracijos ir prisijungimai (el. paštas, telefono numeris – su sutikimu)
  • Pirkimų istorija (užsakymai, krepšelių vertės, grąžinimai)
  • El. pašto sąrašai ir prenumeratos būsenos
  • Pagalbos užklausos, NPS (lojalumo rodiklis) atsakymai
  • Programėlės įvykių duomenys (instaliacijos, aktyvacijos)
  • Offline pirkimai/POS (kasos) eksportai, lojalumo kortelės, klientų ID
  • Atgaliniai signalai iš kanalų (konversijų API (programinė sąsaja), išplėstos konversijos, sėkmės žymos)

Elgsenos signalai: pavyzdžiai

Trumpai: signalai – tai vartotojo veiksmai ir aplinkybės, padedantys suprasti, kiek žmogus pasiruošęs pirkti.

„Kieti“ signalai (aiški vertė): pirkimas, prenumerata, bandomosios paskyros įjungimas, demo užklausa.

„Minkšti“ signalai (ketinimas): produkto peržiūra bent 30 s, pridėjimas į krepšelį, kainodaros puslapio peržiūra, filtrų naudojimas, paieška su prekės pavadinimu, atsakymas į el. laišką, „add to wishlist“ (įtraukti į norų sąrašą).

Konteksto signalai (aplinkybės): įrenginys, miestas/šalis, dienos laikas, srauto šaltinis (pvz., Google ar socialiniai tinklai), kampanija.

Kieti vs minkšti elgsenos signalai

Kaip AI naudoja šiuos duomenis

AI šiuos signalus naudoja keturiais paprastais būdais:

  • Prognozės (spėjimai): įvertina tikimybę, kad žmogus pirks ar išeis (churn – nutekėjimas), taip pat apskaičiuoja LTV (kliento viso gyvenimo vertė).
  • Personalizacija (pritaikymas): parenka rekomendacijas, rodo tinkamą turinį, nustato saugias kainos ribas ir siūlo kitą žingsnį.
  • Reklamų kainodara: automatiškai parenka statymus (bidding – siūloma kaina) pagal veiksmų vertę, koreguoja eCPC (efektyvi paspaudimo kaina) ir optimizuoja pagal vertę.
  • Matavimas (kas veikia): nustato, kas atnešė rezultatą (atribucija), tikrina per bandymus, analizuoja MMM (marketingo mišinio modeliavimas) – bendrą vaizdą be slapukų.

Patarimas: svarbiems veiksmams priskirkite balus (pvz., pirkimas = 100, krepšelis = 20, kainodaros peržiūra = 10) ir perduokite juos kanalams – taip AI mokosi greičiau.

Ekosistema: šaltiniai, srautai ir įrankiai

Trumpai apžvelgiame, kaip duomenys keliauja nuo šaltinių iki AI modelių per GA4 (Google Analytics 4), GTM (Google Tag Manager), CDP (klientų duomenų platforma) ir kitus įrankius.

Duomenų šaltiniai ir surinkimas

  • Svetainė ir programėlė: fiksuojame pagrindinius veiksmus (pvz., puslapių peržiūras, paspaudimus, paieškas, prisijungimus). Tam naudojamas duomenų sluoksnis (dataLayer – „laukeliai“, kuriuos skaito žymos) ir programėlėse SDK (programų kūrimo rinkinys).
  • CRM ir el. paštas: kontaktų sąrašai, prenumeratų būsenos, laiškų atidarymai/paspaudimai, atsisakymai, grąžinimai.
  • E‑komercija / POS (kasos): užsakymai, prekių kodai SKU (prekės kodas), krepšelių vertės, pajamos ir marža (pelningumas).
  • Kanalų atgaliniai signalai: iš reklamos sistemų grįžtantys patvirtinimai apie konversijas: „Enhanced Conversions“ (išplėstos konversijos), „Conversions API“ (konversijų API), „offline conversions“ (neprisijungus surinktos konversijos).

Žymėjimas ir valdymas

  • Standartas: pavadinimai, parametrai, ID (vienodi tarp analitikos ir kanalų).
  • DataLayer schema: page_view, view_item, add_to_cart, begin_checkout, purchase ir t. t.
  • Versijavimas: aiškūs pakeitimų žurnalai, „tag governance“ (žymų valdymas), prieigos teisės.

Šablonas – įvykio pavadinimai (kopijuok → įklijuok):

view_item: {item_id, item_name, price, category}
add_to_cart: {item_id, item_name, price, quantity}
begin_checkout: {cart_value, items[]}
purchase: {transaction_id, value, currency, coupon}
search: {search_term}
lead: {form_id, step, value}

Greitas patikrinimas (3 klausimai): ar pavadinimai vienodi visur? ar perduodate vertę (value)? ar atlikote bandomą pirkimą?

Server-side sekimas ir kokybės kontrolė

Paprastai: duomenis siunčiame ne iš naršyklės, o per jūsų serverį. Taip mažiau praradimų ir klaidų.

  • Kodėl verta: patikimesnis perdavimas į GA4 ir reklamos kanalus, veikia net kai naršyklės riboja slapukus.
  • Ką tikrinti kas savaitę: įspėjimai (monitoring – stebėsena), 1 bandomas pirkimas, įvykių padengimas (event coverage) ≥95 %, ID atitikimas (ID match rate) ≥70 %.
  • Kur laikyti „tiesos“ kopiją: BigQuery (debesų duomenų bazė) – ilgo laikotarpio analizėms ir modeliavimui.

Server-side sekimo srautas

Privatumas ir sutikimai

Trumpai: be sutikimo – tik apibendrinti (modeliuoti) duomenys; su sutikimu – pilnesni duomenys ir tikslesnis matavimas.

  • CMP – sutikimų valdymo įrankis. Naudokite TCF/GPP (IAB standartai) ir taisykles pagal šalis/regionus.
  • Gairės: Consent Mode v2 – oficialios gairės
  • Duomenų minimizavimas: rinkite tik būtina, nustatykite saugojimo laiką, valdykite prieigas (access control – prieigos kontrolė).

Palyginimas: 1P vs 2P/3P

Supraskite, kuo 1P skiriasi nuo 2P/3P, kada verta remtis partnerių duomenimis ir kaip tai veikia AI mokymą.

Kriterijus 1P (pirmosios šalies) 2P (partnerio) 3P (trečiosios šalies)
Tikslumas Aukštas – tiesiogiai iš vartotojų Vidutinis – priklauso nuo partnerio Kintamas – dažnai žemesnis
Teisėtumas Paprasčiau pagrįsti su sutikimais Reikia sutarčių Rizikingiau, mažiau skaidrumo
Aktualumas Aukštas Vidutinis Kintamas
Kaina Vidinė investicija Partnerio mokesčiai Licencijos/abonementai
Naudojimas AI Puikus AI mokymui Papildo nišinius atvejus Ribotas po privatumų pokyčių

Stiprybės ir silpnybės

1P stiprybės: kontrolė, tikslumas, ilgaamžiškumas. Silpnybės: reikia disciplinos, procesų ir techninių resursų.

Kada kuriuos pasirinkti

  • Startuojant – 1P pagrindas.
  • Nišinėms nišoms/regionams – 2P partneriai.
  • 3P – tik išimtiniais atvejais ir trumpam (pvz., modelio „seed“ (pradinė aibė) testams).

Kanalai ir „feeds“: kaip AI panaudoja signalus

Štai paprastai, kaip jūsų įvykiai ir „feeds“ (duomenų srautai) keliauja į kanalus ir ką su jais daryti.

Svetainė ir programėlė

  • Ką daro AI: asmeniškai pritaiko turinį (rekomendacijos, paieškos rezultatai) pagal tikimybę pirkti.
  • Ką daryti jums: pažymėkite svarbius veiksmus ir, jei įmanoma, naudokite server-side personalizaciją su „feature flags“ (funkcijų jungikliai) pagal segmentą. Pavyzdys: jei žmogus 2 kartus žiūrėjo kainodarą, rodykite nuolaidos bloką arba demo kvietimą.

Kaip tai dera su paieška – žr. pagrindinį temos puslapį (nuoroda viršuje).

Reklamos tinklai

  • Ką daro AI: Google/Meta/TikTok naudoja konversijų įvykius ir jų vertes automatiškiems „bidding“ (siūlymams) bei modeliams mokyti.
  • Ką daryti jums: perduokite konversijos vertę ir 1P identifikatorius hash (maišos) formatu (el. paštas/telefonas), kad padidintumėte atitikimą.

El. paštas ir CRM

  • Ką daro AI: kuria gyvavimo ciklo laiškus su rekomendacijomis pagal segmentą ir LTV (kliento viso gyvenimo vertė) bei parenka siuntimo laiką (send time optimization – siuntimo laiko optimizavimas).
  • Ką daryti jums: susikurkite onboarding, „win‑back“ (susigrąžinimo) ir lojalumo sekas; įterpkite dinamiškas rekomendacijas.

Rekomendacijų ir paieškos varikliai

  • Ką daro AI: „next‑best‑action“ (kitas geriausias veiksmas) ir „next‑best‑offer“ (kitas geriausias pasiūlymas); vidinė paieška naudoja „learning‑to‑rank“ (rūšiavimo mokymąsi) iš jūsų elgsenos duomenų.
  • Ką daryti jums: perduokite aiškius įvykius ir kokybės signalus (klikai, krepšelis, pirkimai) ir maitinkite sistemą produktų „feedu“ su pilnais atributais.

Paieškos kontekste AI sluoksniai svarbūs: AI Overviews: kaip veikia AI santraukos ir AI Mode: interaktyvus paieškos režimas padeda suprasti, kaip signalai panaudojami rezultatų formavimui.

1P auditorijos: kūrimas ir aktyvavimas

Išmoksite, kaip kurti 1P auditorijas, jas segmentuoti ir aktyvuoti skirtinguose kanaluose su minimaliu triukšmu.

Rinkimas ir obalsiai (lookalike)

Kas tai: „seed“ (pradinė) auditorija – žmonės, kurie atliko aukštos vertės veiksmus (pirkėjai, dideli krepšeliai, prenumeratoriai).

Kaip daryti:

  • Rinkite „seed“ iš paskutinių 30–90 d. (1–5 tūkst. žmonių), duomenys tvarkingi ir su sutikimais.
  • Kurkite obalsius (lookalike) pagal vertę (value‑based), ne tik pagal įsitraukimą.
  • Prospektavimui neįtraukite esamų pirkėjų (exclude).

Pavyzdys: „Lookalike 3 % • LT“ iš pirkėjų per 90 d., perduodant pirkimo vertę į kanalus.

Segmentavimo logika (RFM – recency, frequency, monetary)

Kas tai: RFM padeda suprasti, kada žmogus pirko (R), kiek kartų (F) ir kiek išleido (M).

Paprasti segmentai:

  • VIP: R ≤14 d., F ≥4, M – aukščiausi 20 %.
  • Grįžtantys: 2–3 pirkimai, R ≤30 d.
  • Rizikos: nepirko >60 d., M – žemiau medianos.

Ką daryti: VIP – vertės optimizacija ir rekomendacijos; Grįžtantys – pasiūlymas atnaujinti/paketas; Rizikos – „win‑back“ (susigrąžinimas) su priminimu ar pasiūlymu.

Šablonas – taisyklė (kopijuok → įklijuok):

segment_vip: last_purchase_days<=14 AND orders>=4 AND revenue_percentile>=0.8
segment_reactivate: last_purchase_days>=60 AND last_email_open_days>=30
segment_high_intent: viewed_pricing>=1 OR add_to_cart>=1

RFM segmentų matrica

Aktyvavimas kanaluose

Paprastai: pradėkite nuo 1 konversijos tikslo ir 1 segmento kiekviename kanale; tik tada plėskite.

  • Reklama: vertės perdavimas (value) į konversijas, „Custom Conversions“ (pasirinktinės konversijos) su įvykiais.
  • El. paštas/CRM: dinaminiai blokai pagal segmentą, „win-back“ (susigrąžinimas) sekos.
  • Svetainė/app: A/B (lyginamasis) turinys pagal segmentą.

Matavimas ir KPI

Trumpai: matuojame, ar rinkodara atsiperka ilguoju laikotarpiu ir ar kasdieniai veiksmai juda teisinga kryptimi.

Jei turite pasirinkti vieną rodiklį: orientuokitės į LTV/CAC ≥3 per 12 mėn. (ilgalaikis atsipirkimas). Sužinosite, kaip nustatyti KPI (pagrindiniai rodikliai), kurti bandymus ir įrodyti rinkodaros įtaką verslo rezultatams.

Verslo ir kasdienių rodiklių rinkinys

Sritis KPI pavyzdys Pastaba
Pajamos ROAS, CAC (kliento įsigijimo kaina), LTV/CAC Tikslas: LTV/CAC ≥3 per 12 mėn.
Elgsena CR (konversijų rodiklis), AOV (vidutinė užsakymo vertė) CR +20 % po 1P signalų praplėtimo
Auditorijos „match rate“ (atitikimas), segmentų padengimas ≥70 % identifikavimo per 90 d.
Kokybė Event coverage (įvykių padengimas), duomenų vėlavimas Padengimas ≥95 %, vėlavimas <2 h

Eksperimentai ir „incrementality“ (padidinimo efektas)

Kas tai: parodo, kiek papildomų rezultatų atneša reklama palyginus su situacija be reklamos.

Kaip patikrinti (3 žingsniai):

  1. Padalinkite auditoriją į dvi grupes: reklama rodoma (tvarkymas) ir reklama nerodoma (holdout – sulaikyta kontrolė).
  2. Laikykite kitus veiksnius vienodus 2–4 savaites (biudžetas, kainodara, pasiūlymai).
  3. Palyginkite KPI: pirkimai, pajamos, LTV. Skirtumas tarp grupių = lift (padidinimas).

Trumpas pavyzdys: reklama rodoma – 100 pirkimų; reklama nerodoma (holdout – sulaikyta kontrolė) – 85. Padidinimas (lift) = (100-85) / 85 = 0,176 → +17,6 %.

Šablonas – ką užrašyti: ID, hipotezė (ką tikriname), laikotarpis (nuo–iki), KPI (kurį lyginame), rezultatas (% arba €), sprendimas (ką darome toliau).

 

Server-side sekimo srautas

Modeliavimas: MMM (marketingo mišinio modeliavimas) ir atribucija

  • MMM: ilgo periodo kanalų indėlis, imunus „cookie“ ribojimams.
  • Atribucija: viršutinio‑vidurinio‑apatinio piltuvėlio (funnel) svoriai, „data‑driven“ (duomenimis grįsta) metodika.

30 dienų starto planas 

Starto planas per 30 dienų

1 savaitė: sąranka

  • Įjungti CMP (sutikimų valdymą), Consent Mode v2 (sutikimų režimas).
  • Suderinti dataLayer (duomenų sluoksnio) schemą ir GTM (Google Tag Manager) publikavimo teises.
  • Paruošti 10 pagrindinių įvykių (page_view, view_item, add_to_cart, begin_checkout, purchase, search, sign_up, login, lead, subscribe).

2 savaitė: rinkimas ir validacija

  • Paleisti server-side tracking (sekimą serveryje) bandomajame režime.
  • Patikrinti event coverage (įvykių padengimą) ir ID match rate (ID atitikimą).
  • Įjungti atgalinius signalus: „Enhanced Conversions“, „Conversions API“.

3 savaitė: aktyvavimas

  • Sukurti 3 RFM segmentus (VIP, Grįžtantys, Rizikos) ir 1 aukštos vertės seed (pirkėjai 90 d.).
  • Aktyvuoti segmentus: reklamos tinkluose (vertės optimizacija), el. pašte (dinaminiai blokai), svetainėje (rekomendacijos).

4 savaitė: optimizavimas

  • Paleisti 1 „lift“ eksperimentą (holdout 10–20 % auditorijos).
  • Pakartoti žymas/parametrus pagal klaidų žurnalą.
  • „Scale up“ (plėtra): didinti biudžetą segmentams su didžiausiu LTV/CAC.

Praktinis pavyzdys: prieš → po su skaičiais

Parodysime, kaip 1P signalai ir AI pakeitė rezultatus: nuo pradinio „triukšmo“ iki pamatuojamo augimo.

Pradinis stovis

  • CR=2,0 %, AOV=50 €, ROAS=2,2, identifikavimo lygis (match rate) 45 %.
  • Kanalai optimizuoja pagal „paspaudimus“, nėra vertės signalų.

Intervencijos

  • Įjungtas server-side tracking ir „Enhanced Conversions“.
  • 1P segmentai (VIP, High‑intent) ir vertės perdavimas („purchase value“).
  • „Holdout“ testas 15 % auditorijos.

Rezultatai

  • CR=2,6 % (+30 %), AOV=55 € (+10 %), ROAS=3,1 (+41 %), match rate=72 %.
  • „Lift“ testas: +18 % papildomos pajamos dėl 1P signalų aktyvavimo.

Dažniausiai užduodami klausimai (DUK)

  1. Ar 1P duomenys būtini mažam verslui? Taip, nes jie pigiausi ir tiksliausi – pradėkite nuo el. pašto ir pirkimų istorijos.

  2. Ką daryti, jei neturime programuotojų? Naudokite GTM šablonus, pradėkite nuo GA4 ir 3–5 įvykių; vėliau plėskite.

  3. Ar server-side sekimas suderinamas su privatumu? Taip, jei turite sutikimus, ribojate duomenis ir laikotės standartų.

  4. Kaip greitai pamatysime efektą? Dažnai per 2–4 savaites, kai kanalai gauna vertės signalus ir sužino atitikimus.

  5. Ar galima be CDP? Pradžiai – taip. Užtenka GA4 + duomenų sandėlio + paprastų integracijų. CDP (klientų duomenų platforma) vėliau.

  6. Ar obalsiai (lookalike) vis dar veikia? Taip, geriausiai iš aukštos vertės „seed“ (pradinių) auditorijų.

  7. Kokie didžiausi „anti‑pattern“ (blogi įpročiai)? Per daug įvykių be vertės, nenuoseklūs pavadinimai, jokios kokybės kontrolės, sutikimų ignoravimas.

Pažengusiems: Kaip įtraukti LTV į „bidding“ (statymus)? – Priskirkite LTV‑based value (prognozuojamą vertę) pirkimui pagal segmentą/produktą ir perduokite kaip konversijos vertę su modifikatoriumi.

Terminų žodynėlis

  • AI – dirbtinis intelektas.
  • 1P/2P/3P – pirmos/antros/trečios šalies duomenys.
  • GA4 – Google Analytics 4.
  • GTM – Google Tag Manager.
  • CDP – klientų duomenų platforma.
  • CRM – klientų ryšių valdymas.
  • KPI – pagrindiniai rodikliai.
  • RFM – recency, frequency, monetary (paskutinio pirkimo senumas, dažnis, vertė).
  • LTV – kliento viso gyvenimo vertė.
  • ROAS – grąža iš reklamos išlaidų.
  • CAC – kliento įsigijimo kaina.
  • MMM – marketingo mišinio modeliavimas.
  • CMP – sutikimų valdymo platforma.
  • SDK – programų kūrimo rinkinys.

 

Kur rasti daugiau informacijos

Ką daryti dabar? Pradėkite nuo praktinio plano ir pavyzdžių šiame gide: 1P duomenys (first-party data) 2025 – rinkimas, aktyvacija, matavima

 

Autorius ir atsakomybės žyma

Autorius: Reklama.LT redakcija (SEO, AI paieška, 1P duomenys, matavimas). Peržiūra: redakcinė faktų ir aktualumo patikra. Publikuota: 2025-11-01
Atnaujinta: 2025-11-01

Atsakomybės žyma: šis turinys yra informacinio pobūdžio ir nėra teisinė ar techninė konsultacija. Prieš diegdami sprendimus, įsitikinkite, kad jie atitinka jūsų organizacijos ir taikomus teisės aktus (privatumas, sutikimai, sutartys).

 

© 2026 m. Reklama.lt | Kontaktai | Apie reklamą | Naudinga informacija