ความเป็นส่วนตัวของผู้ใช้ปลายทางคือหัวใจสำคัญของทุกสิ่งที่ Ads Data Hub ทำ ซึ่งเป็นรากฐานที่แพลตฟอร์มของเราสร้างขึ้น เรากำหนดการตรวจสอบและข้อจำกัดบางอย่างไว้เพื่อช่วยรักษาความเป็นส่วนตัวดังกล่าวและช่วยให้ลูกค้าปฏิบัติตามข้อกำหนดด้านกฎระเบียบ ซึ่งออกแบบมาเพื่อช่วยป้องกันการส่งข้อมูลเกี่ยวกับผู้ใช้แต่ละราย1ในข้อมูลที่คุณได้รับจากแพลตฟอร์ม
ภาพรวมของฟีเจอร์ด้านความเป็นส่วนตัวของ Ads Data Hub มีดังนี้
- การตรวจสอบเบื้องต้น จะตรวจสอบคำสั่งในคําค้นหาเพื่อดูข้อกังวลเกี่ยวกับความเป็นส่วนตัวที่ชัดเจนและเกิดขึ้นทันที
- งบประมาณการเข้าถึงข้อมูล จะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึงข้อมูลชิ้นหนึ่งๆ ได้
- การตรวจสอบการรวม จะตรวจสอบว่าทุกแถวมีผู้ใช้จำนวนมากพอที่จะปกป้องความเป็นส่วนตัวของผู้ใช้ปลายทาง
- Noise Injection จะเพิ่มสัญญาณรบกวนแบบสุ่มที่ปรับเทียบอย่างแม่นยำลงในอนุประโยค
SELECTที่รวมข้อมูลเพื่อปกป้องความเป็นส่วนตัวของผู้ใช้ไปพร้อมกับให้ผลลัพธ์ที่แม่นยำพอสมควร - การตรวจหาข้อมูลที่ต่างกัน (หรือ "การตรวจสอบความแตกต่าง") เป็นทางเลือกเดิมแทน Noise Injection ซึ่งจะเปรียบเทียบชุดผลลัพธ์เพื่อช่วยป้องกันการรวมกันที่อาจระบุตัวตนของผู้ใช้แต่ละรายได้ วิธีนี้จะหลีกเลี่ยงสัญญาณรบกวน แต่ก็มักจะนำไปสู่การปกปิดข้อมูลบางส่วนที่สำคัญและคาดเดาไม่ได้
การตรวจสอบเบื้องต้น
การตรวจสอบเบื้องต้นจะตรวจสอบคำสั่งในคําค้นหาเพื่อดูข้อกังวลเกี่ยวกับความเป็นส่วนตัวที่ชัดเจนและเกิดขึ้นทันที เช่น การส่งออกตัวระบุผู้ใช้ ฟังก์ชันใดๆ ของตัวระบุผู้ใช้ หรือการใช้ฟังก์ชันที่ไม่ได้รับอนุญาตกับช่องที่มีข้อมูลระดับผู้ใช้ โปรดอ่าน แนวทางปฏิบัติแนะนำและทำความเข้าใจ ว่าฟังก์ชันใดได้รับอนุญาตเพื่อหลีกเลี่ยงข้อผิดพลาดของคําค้นหาจากการตรวจสอบเบื้องต้น
จำนวนครั้งที่จำกัดในการเข้าถึงข้อมูล
จำนวนครั้งที่จำกัดในการเข้าถึงข้อมูลจะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึงข้อมูลชิ้นหนึ่งๆ ได้ ระบบจะแจ้งให้ผู้ใช้ที่ใช้งบประมาณใกล้หมดทราบ
ด้วยข้อความด้านความเป็นส่วนตัวที่มี
ประเภท DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED คุณสามารถตรวจสอบงบประมาณได้โดยใช้
จุดเริ่มต้นจำนวนครั้งที่จำกัดในการเข้าถึงข้อมูล หรือสังเกตการแจ้งเตือนงบประมาณใน UI
ข้อกำหนดการรวม
เกณฑ์การรวมผู้ใช้เป็นหัวใจสำคัญของการตรวจสอบด้านความเป็นส่วนตัวของ Ads Data Hub เกณฑ์ที่เฉพาะเจาะจงจะขึ้นอยู่กับโหมดความเป็นส่วนตัวและข้อมูลที่เข้าถึง
- Noise Injection ต้องมีผู้ใช้ที่ไม่ซ้ำกันประมาณ 20 รายต่อแถวผลลัพธ์
- การตรวจหาข้อมูลที่ต่างกันต้องมีผู้ใช้ที่ไม่ซ้ำกันประมาณ 50 รายต่อแถวผลลัพธ์
- คําค้นหาข้อมูลการคลิกและ Conversion เท่านั้นต้องมีผู้ใช้ที่ไม่ซ้ำกันประมาณ 10 รายต่อแถวผลลัพธ์
ในตัวอย่างต่อไปนี้ (ใช้ Noise Injection) ระบบจะกรองแถวที่มีแคมเปญ 125 ออกจากผลลัพธ์สุดท้าย เนื่องจากมีการรวมผลลัพธ์จากผู้ใช้ 18 ราย ซึ่งต่ำกว่าจำนวนผู้ใช้ขั้นต่ำ 20 ราย
| รหัสแคมเปญ | ผู้ใช้ | การแสดงผล |
|---|---|---|
| 123 | 314 | 928 |
| 124 | 2718 | 5772 |
| 125 | 18 | 45 |
โหมดความเป็นส่วนตัว
Ads Data Hub มีโหมดความเป็นส่วนตัว 2 โหมด ได้แก่ Noise Injection และ การตรวจหาข้อมูลที่ต่างกัน ดูรายละเอียดของแต่ละโหมดได้ในหน้าต่อไปนี้
- Noise Injection (ค่าเริ่มต้น)
- การตรวจหาข้อมูลที่ต่างกัน (เดิม)
เปรียบเทียบการตรวจหาข้อมูลที่ต่างกันกับ Noise Injection
|
|
||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||
การกรองเพื่อความเป็นส่วนตัวอย่างชัดเจน
ในกรณีที่คุณต้องแยกคําค้นหาออกเป็นส่วนๆ แต่ต้องการรวมผลลัพธ์ที่รวมไว้แล้ว คุณสามารถใช้การตรวจสอบด้านความเป็นส่วนตัวกับคําค้นหาขนาดเล็กหลายรายการอย่างชัดเจน แล้วรวมผลลัพธ์เหล่านั้นเข้าด้วยกันอย่างปลอดภัยต่อความเป็นส่วนตัว
ตัวอย่างกรณีการใช้งาน
- คุณเป็นผู้ลงโฆษณาที่ต้องการดู Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มาในบัญชี Google Ads ที่ลิงก์ไว้ ซึ่งรวมถึงข้อมูล EEA
- คุณเป็นพาร์ทเนอร์ด้านการวัดผลที่ต้องการดู Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มาในบัญชี Google Ads ที่ลิงก์ไว้
หากต้องการดูผลรวมของ Conversion สำหรับบัญชี Google Ads คุณสามารถเขียนคําค้นหาใหม่โดยใช้อนุประโยค OPTIONS(privacy_checked_export=TRUE) เพื่อใช้การตรวจสอบด้านความเป็นส่วนตัวกับบริการแต่ละอย่างของ Google แยกกัน
การเขียนใหม่ในตัวอย่างในส่วนนี้จะดำเนินการดังต่อไปนี้
- ค้นหาบริการแต่ละอย่างของ Google แยกกัน โดยใช้การตรวจสอบด้านความเป็นส่วนตัวกับชุดผลลัพธ์ระดับกลางแต่ละชุดอย่างชัดเจน
- สร้างตารางชั่วคราวแยกกันสำหรับผลลัพธ์ที่ผ่านการตรวจสอบด้านความเป็นส่วนตัวของบริการแต่ละอย่างของ Google ได้แก่ YouTube, Gmail และเครือข่าย
- รวมและหาผลรวมของจํานวน Conversion ที่ผ่านการตรวจสอบด้านความเป็นส่วนตัวจากตารางชั่วคราว
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
โปรดทราบว่าคําค้นหานี้ไม่ได้ใช้ JOIN เพื่อรวมข้อมูลระหว่างตารางโดยตรง แต่จะดำเนินการคําค้นหาสำหรับแต่ละตารางก่อน จากนั้นใช้การตรวจสอบด้านความเป็นส่วนตัวกับแต่ละตารางระดับกลาง แล้วใช้ UNION เพื่อหาผลรวมของค่าที่ผ่านการตรวจสอบด้านความเป็นส่วนตัว
เครื่องมือแนะนำคําค้นหา
หาก SQL ของคุณถูกต้อง แต่มีแนวโน้มที่จะก่อให้เกิดปัญหาด้านความเป็นส่วนตัว เครื่องมือแนะนำคําค้นหา จะแสดงคำแนะนำที่นำไปใช้ได้จริงในระหว่างกระบวนการพัฒนาคําค้นหา เพื่อช่วยคุณหลีกเลี่ยงผลลัพธ์ที่ไม่พึงประสงค์
วิธีใช้เครื่องมือแนะนำคําค้นหา
- UI คำแนะนำจะแสดงในเครื่องมือแก้ไขคําค้นหาเหนือข้อความคําค้นหา
- API ใช้เมธอด
customers.analysisQueries.validate
-
นอกเหนือจากข้อมูลที่ผู้ใช้ยินยอมให้แชร์ เช่น กรณีของผู้เข้าร่วมการวิจัย ↩