Pemeriksaan privasi di Ads Data Hub

Privasi pengguna akhir adalah inti dari semua yang dilakukan Ads Data Hub; hal ini adalah fondasi yang mendasari pembuatan platform kami. Untuk membantu menjaga privasi tersebut dan membantu pelanggan kami mematuhi peraturan, kami menerapkan pemeriksaan dan batasan tertentu, yang dirancang untuk membantu mencegah transmisi data tentang pengguna perorangan1 dalam data yang Anda dapatkan dari platform.

Berikut ringkasan fitur privasi Ads Data Hub, dengan detail selengkapnya di bagian-bagian berikutnya:

  • Pemeriksaan statis memeriksa pernyataan dalam kueri Anda untuk mencari masalah privasi yang jelas dan langsung.
  • Anggaran akses data membatasi jumlah total akses yang dapat Anda lakukan ke sepotong data tertentu.
  • Pemeriksaan agregasi memastikan bahwa setiap baris berisi jumlah pengguna yang cukup besar untuk melindungi privasi pengguna akhir.
  • Pemeriksaan perbedaan (atau "pemeriksaan diff") membandingkan kumpulan hasil untuk membantu mencegah Anda mengumpulkan informasi tentang pengguna individual dengan membandingkan data dari beberapa kumpulan pengguna.
  • Injeksi derau adalah alternatif untuk pemeriksaan perbedaan. Menambahkan derau acak ke klausa SELECT yang menggabungkan kueri melindungi privasi pengguna sekaligus memberikan hasil yang cukup akurat, menghilangkan kebutuhan akan pemeriksaan perbedaan, dan mengurangi batas agregasi yang diperlukan untuk output.

Jika hasil tidak lulus pemeriksaan privasi, Ads Data Hub akan menampilkan atau menampilkan pesan privasi yang memberi tahu Anda bahwa baris telah difilter. Hal ini dapat berupa apa saja mulai dari satu baris hingga seluruh set hasil. Untuk memastikan total pelaporan Anda tetap akurat, gunakan ringkasan baris yang difilter untuk menghitung data dari baris yang dihapus2.

Pemeriksaan statis

Pemeriksaan statis memeriksa pernyataan dalam kueri Anda untuk mencari masalah privasi yang jelas dan langsung, seperti mengekspor ID pengguna, fungsi ID pengguna, atau menggunakan fungsi yang tidak diizinkan pada kolom yang berisi data tingkat pengguna. Untuk menghindari error kueri dari pemeriksaan statis, tinjau praktik terbaik dan pahami fungsi mana yang diizinkan.

Anggaran akses data

Anggaran akses data Anda membatasi total jumlah akses yang dapat Anda lakukan ke bagian data tertentu. Pengguna yang mendekati akhir anggaran mereka akan diberi tahu dengan pesan privasi dengan jenis DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED. Anda dapat memantau anggaran menggunakan titik entri anggaran akses data atau dengan mengamati pemberitahuan anggaran di UI.

Persyaratan agregasi

Inti dari pemeriksaan privasi Ads Data Hub adalah nilai minimum agregasi pengguna. Untuk sebagian besar kueri, Anda hanya dapat menerima data pelaporan tentang 50 pengguna atau lebih. Namun, kueri yang hanya mengakses klik dan konversi dapat digunakan untuk melaporkan 10 pengguna atau lebih.

  • Peristiwa dengan ID pengguna yang disetel ke nol dihitung sebagai satu pengguna terhadap nilai minimum agregasi, berapa pun jumlah pengguna sebenarnya yang membuat peristiwa tersebut.
  • Pengguna dengan ID null tidak dihitung dalam nilai minimum agregasi.
  • Pelajari pengaruh mode derau terhadap persyaratan penggabungan.

Praktik terbaik: Konfigurasi ringkasan baris yang difilter untuk melaporkan data yang tidak disertakan. Hal ini membantu mempertahankan dasar yang konsisten dalam laporan Anda.

Dalam contoh berikut, baris yang berisi kampanye 125 akan difilter dari hasil akhir, karena menggabungkan hasil dari 48 pengguna, yang berada di bawah minimum 50 pengguna.

ID kampanye Pengguna Tayangan
123 314 928
124 2718 5772
125 48 353

Mode privasi

Ads Data Hub menawarkan dua mode privasi—pemeriksaan perbedaan dan penyisipan derau. Bagian berikut menjelaskan dan membandingkan mode ini.

Menggunakan pemeriksaan perbedaan

Pemeriksaan perbedaan membantu memastikan bahwa pengguna tidak dapat diidentifikasi melalui perbandingan beberapa hasil yang cukup diagregasi dengan cara berikut:

  • Mereka membandingkan hasil dari tugas yang Anda jalankan dengan hasil sebelumnya.
  • Mereka membandingkan baris dalam kumpulan hasil yang sama.

Pelanggaran pemeriksaan perbedaan dapat dipicu oleh perubahan pada data pokok Anda di antara dua tugas. Saat membandingkan hasil tugas dengan hasil sebelumnya, Ads Data Hub mencari kerentanan di tingkat pengguna individu. Oleh karena itu, meskipun hasil dari kampanye yang berbeda, atau hasil yang melaporkan jumlah pengguna yang sama, dapat difilter jika memiliki banyak pengguna yang tumpang-tindih.

Di sisi lain, dua set hasil gabungan mungkin memiliki jumlah pengguna yang sama—tampak identik—tetapi tidak berbagi pengguna individual, dan oleh karena itu aman untuk privasi, sehingga tidak akan difilter.

Ads Data Hub menggunakan data dari hasil historis Anda saat mempertimbangkan kerentanan hasil baru. Artinya, menjalankan kueri yang sama berulang kali akan membuat lebih banyak data untuk digunakan pemeriksaan perbedaan saat mempertimbangkan kerentanan hasil baru. Selain itu, data pokok dapat berubah, sehingga menyebabkan pelanggaran pemeriksaan privasi pada kueri yang dianggap stabil.

Jika hasil tingkat tugas Anda cukup berbeda, tetapi baris tertentu serupa dengan baris dalam tugas sebelumnya, Hub Data Iklan akan memfilter baris serupa tersebut. Dalam contoh ini, baris yang berisi kampanye 123 dalam hasil tugas kedua akan difilter, karena berbeda dari hasil sebelumnya oleh satu pengguna.

Tugas 1
ID kampanye Pengguna
123 400
124 569
Tugas 2
ID kampanye Pengguna
123 401
224 1325

Jika jumlah pengguna di semua baris dalam kumpulan hasil serupa dengan jumlah pengguna dari tugas sebelumnya, Ads Data Hub akan memfilter seluruh kumpulan hasil. Dalam contoh ini, semua hasil dari tugas kedua akan difilter.

Tugas 1
ID kampanye Pengguna
123 400
124 1367
Tugas 2
ID kampanye Pengguna
123 402
124 1367

Menggunakan injeksi derau

Penyisipan derau adalah teknik yang digunakan untuk melindungi privasi pengguna saat membuat kueri database. Fitur ini berfungsi dengan menambahkan derau acak ke klausa SELECT penggabungan kueri. Derau ini melindungi privasi pengguna sekaligus memberikan hasil yang cukup akurat, sehingga tidak perlu melakukan pemeriksaan perbedaan dan mengurangi nilai minimum agregasi yang diperlukan untuk output. Sebagian besar kueri yang ada dapat dieksekusi dalam mode derau, dengan beberapa batasan. Untuk mempelajari lebih lanjut mode derau dan pengaruh penyisipan derau terhadap persyaratan privasi, lihat Penyisipan derau.

Membandingkan pemeriksaan perbedaan dengan injeksi noise

Data sebenarnya
ID kampanye Jumlah tayangan iklan
101 35
102 63
201 142
202 21
301 56
302 99
Hasil menggunakan pemeriksaan perbedaan
ID kampanye Jumlah tayangan iklan
101 35
102 63
201 142
202 21
301 56
302 99
Hasil menggunakan injeksi noise
ID kampanye Jumlah tayangan iklan
101 37,8373
102 60,9104
201 182,0955
202 26,2332
301 58.0871
302 97,5018
Contoh Kampanye 101 dalam mode derau
ID kampanye Tayangan aktual Kebisingan ditambahkan Tayangan yang ditampilkan (ANON_COUNT)
101 35 2,8373 37,8373

Ringkasan baris yang difilter

Ringkasan baris yang difilter menghitung data yang difilter karena pemeriksaan privasi. Data dari baris yang difilter dijumlahkan dan ditambahkan ke baris umum. Meskipun data yang difilter tidak dapat dianalisis lebih lanjut, data tersebut memberikan ringkasan tentang jumlah data yang difilter dari hasil.

Pemfilteran privasi eksplisit

Jika Anda perlu memecah kueri, tetapi ingin menggabungkan hasil yang diagregasi, Anda dapat menerapkan pemeriksaan privasi secara eksplisit ke beberapa kueri yang lebih kecil, lalu menggabungkan hasil tersebut dengan cara yang aman untuk privasi.

Contoh kasus penggunaan:

  • Anda adalah pengiklan yang mencari semua konversi menurut jenis peristiwa atribusi di akun Google Ads tertaut, yang mencakup data EEA.
  • Anda adalah partner pengukuran yang mencari semua konversi menurut jenis peristiwa atribusi di akun Google Ads tertaut Anda.

Untuk mendapatkan jumlah konversi untuk akun Google Ads Anda, Anda dapat menulis ulang kueri menggunakan klausa OPTIONS(privacy_checked_export=TRUE) untuk menerapkan pemeriksaan privasi ke setiap layanan Google secara terpisah.

Penulisan ulang contoh di bagian ini melakukan hal berikut:

  1. Layanan ini membuat kueri setiap layanan Google secara terpisah, dengan menerapkan pemeriksaan privasi secara eksplisit ke setiap set hasil perantara.
  2. Tabel ini membuat tabel sementara terpisah untuk hasil yang diperiksa privasinya dari setiap layanan Google: YouTube, Gmail, dan Jaringan.
  3. Fungsi ini menggabungkan dan menjumlahkan jumlah konversi yang diperiksa privasinya dari tabel sementara.
CREATE TEMP TABLE youtube_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_youtube
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

CREATE TEMP TABLE network_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_network
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

CREATE TEMP TABLE gmail_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_gmail
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

SELECT
 campaign_id,
 attribution_event_type,
 SUM(num_convs) AS num_convs
FROM (
 SELECT * FROM youtube_agg
 UNION ALL
 SELECT * FROM network_agg
 UNION ALL
 SELECT * FROM gmail_agg
)
GROUP BY campaign_id, attribution_event_type

Perhatikan bahwa kueri ini tidak menggunakan JOIN untuk menggabungkan data secara langsung di antara tabel, tetapi menjalankan kueri untuk setiap tabel terlebih dahulu, menerapkan pemeriksaan privasi ke setiap tabel perantara, lalu menggunakan UNION untuk menjumlahkan nilai yang diperiksa privasinya.

Penasihat kueri

Jika SQL Anda valid tetapi dapat memicu pemfilteran yang berlebihan, penasihat kueri akan memberikan saran yang dapat ditindaklanjuti selama proses pengembangan kueri, untuk membantu Anda menghindari hasil yang tidak diinginkan.

Pemicunya mencakup pola berikut:

Untuk menggunakan penasihat kueri:

  1. Selain data yang telah mereka izinkan untuk dibagikan, seperti dalam kasus panelis. ↩

  2. Kecuali jika dicegah oleh batasan privasi, seperti saat pengguna dalam ringkasan baris yang difilter tidak memenuhi persyaratan penggabungan. ↩