Börja avstämningen med två sparade observationer. Den ena är siffran som visades i Ads Manager och den andra svaret som rapportintegrationen tog emot. Anteckna när båda hämtades. Ett minne av gårdagens rapport och ett nytt API-anrop är ingen avvikelse som nästa person säkert kan återskapa.
För annonsören i ChatGPT är målet att hitta den återstående skillnaden när rapporterna faktiskt beskriver samma sak. Utgå inte från att det högre värdet är rätt eller att API:et alltid är mer exakt. Båda källorna behöver granskas med sina verkliga inställningar.
Gör ett underlag med synliga bevis
Sätt värdena bredvid varandra och notera konto, valda kampanjer, datum, tidszon, måttetikett och källfält. Lägg till attribueringsinställningar vid konverteringsjämförelse. Bevara API-svaret oförändrat och dokumentera gränssnittets synliga inställningar där det är möjligt och tillåtet.
Välj först ett mått och ett smalt urval. En kampanj under en avslutad period är lättare att undersöka än ett helt konto med många uppdelningar. Om kostnaden stämmer men konverteringarna skiljer sig ska den skillnaden behållas. Ett avvikande utfall gör inte automatiskt varje annat fält misstänkt.
Ha separata kolumner för observerad avvikelse, verifierad förklaring och ännu oförklarad rest. Då kan utredningen inte avslutas med en vag formulering om att inställningarna förmodligen var olika. Nästa granskare ser exakt vilken del som löstes och vilken fråga som återstår.
Samordna urval före beräkning
Bekräfta exakt konto och kampanjidentifierare. Liknande namn eller ett namnbyte kan skapa en falsk jämförelse. Kontrollera att pausade och andra filtrerade kampanjer behandlas lika. Ett urval i gränssnittet och ett statusfilter i API-anropet behöver inte omfatta samma population.
Låt datum och tidszon matcha och kontrollera sedan att båda intervallen omfattar hela dagar. Säkerställ att rapportfunktionen tolkar perioden som avsett. Ett fel på en dag kan dominera en kort kampanjrapport även när resten av integrationen fungerar korrekt.
Om hämtningen har flera sidor behöver varje nödvändig sida ha accepterats exakt en gång. Om en stor rapport delats upp efter datum får intervallen varken ha luckor eller överlapp. Fullständighet vid sidindelning behandlar det första fallet. En korrekt summeringsformel kan inte kompensera för rader som aldrig hämtades.
Läs konverteringsdefinitionen noggrant
OpenAI:s rapporteringsvägledning anger att jämförelser med Ads Manager behöver samma datumperiod, tidsbas och klick- respektive visningsfönster. En totalsiffra med visningsbaserade utfall behöver inte matcha enbart klickbaserade utfall. En period grupperad efter annonsinteraktion skiljer sig också från en period grupperad efter konverteringens datum.
Lägg inte på en utjämnande korrigering innan definitionerna är utredda. Anta hypotetiskt att gränssnittet visar 30 utfall och API-rapporten 24. Om de sex förklaras av en verifierad definitionsskillnad ska den dokumenteras och jämförelsen göras om konsekvent. Lägg inte bara till sex i rapportflödet för att få siffrorna att stämma.
Kontrollera om måttet gäller kampanjmål, ett särskilt event eller köpvärde. Liknande etiketter garanterar inte samma innehåll. Om gränssnittet inte visar tillräckligt med information för att fastställa likvärdighet behöver begränsningen anges. Beskriv då inte underlaget som fullständigt avstämt.
Minska den oförklarade skillnaden
- Urval
Matcha konto, kampanj-ID:n och kompletta datum.
- Definition
Samordna mål, tidsbas och klick- respektive visningsfönster.
- Kvarstående rest
Eskalera reproducerbar avvikelse med råvärden och hämtningstider.
Pröva aktualitet utan att radera ursprunget
Upprepa båda observationerna senare med oförändrade inställningar när nylig behandling kan vara relevant. Behåll det första paret och det nya. Att skillnaden minskar efter uppdatering är användbart underlag men ska inte förvandlas till en påhittad generell garanti om uppdateringstid.
En bestående skillnad i en mogen historisk period kan peka mot hämtningslogik, måttval eller ett plattformsproblem. I en aktuell period försvårar den föränderliga källan avstämningen. Välj en stabilare period för att testa integrationen separat från hanteringen av de allra färskaste uppgifterna.
Granska också den numeriska representationen. Kvoter, procentformat och valutabelopp behöver rätt skala. En visning avrundad till en decimal kan skilja sig lite från råvärdet utan att något väsentligt fel finns. Stäm av med lämplig precision innan slutpresentationen avrundas.
Bestäm när frågan ska eskaleras
Eskalera när en betydande oförklarad skillnad finns kvar efter kontrollerna. Ge ett litet återskapbart urval, exakta inställningar, hämtningstider, fält och råvärden. Ta bort API-nycklar och ovidkommande poster. Förklara varför värdena förväntas motsvara samma mått och visa den återstående avvikelsen.
Undvik att slå fast att systemet räknar fel när bevisen ännu bara visar en skillnad. Ett precist ärende är lättare att undersöka och lämnar utrymme för att en okänd inställning eller tolkning kan förklara resultatet.
Om avvikelsen påverkar ett budgetbeslut ska det framgå vilka mått som är tillförlitliga och vilka som fortfarande utreds. Teamet kanske kan bevaka leverans men behöver vänta med lönsamhetsbedömning. Tidsbas och kostnadsuppdateringar hjälper till att skilja frågorna åt. Använd OpenAI:s dokumentation för definitioner och bevara avstämningen med slutsatsen så att samma utredning inte behöver göras om.
Källor och avgränsning
Stäm av två kampanjrapportkällor genom gemensamt urval, tidsinställningar och mått innan ett datafel fastställs.
Arbetsmetoder och exempel är redaktionella förslag. Kontrollera aktuella plattformsvillkor och funktioner inför genomförandet.