Privasi pengguna akhir adalah inti dari semua yang dilakukan Ads Data Hub; ini adalah landasan yang digunakan untuk membangun platform kami. Untuk membantu menjaga privasi tersebut dan membantu pelanggan kami mematuhi peraturan, kami menerapkan pemeriksaan dan pembatasan tertentu, yang dirancang untuk membantu mencegah penyebaran data tentang setiap pengguna1 dalam data yang Anda keluarkan dari platform.
Berikut adalah ringkasan fitur privasi Ads Data Hub, dengan detail selengkapnya di bagian berikut:
- Pemeriksaan statis memeriksa pernyataan dalam kueri Anda untuk mencari masalah privasi yang jelas dan seketika.
- Anggaran akses data membatasi total berapa kali Anda dapat mengakses bagian data tertentu.
- Pemeriksaan agregasi memastikan bahwa setiap baris berisi jumlah pengguna yang cukup besar untuk melindungi privasi pengguna akhir.
- Pemeriksaan perbedaan (atau "pemeriksaan perbedaan") membandingkan kumpulan hasil untuk membantu mencegah Anda mengumpulkan informasi tentang masing-masing pengguna dengan membandingkan data dari beberapa kumpulan pengguna.
- Injeksi derau adalah alternatif untuk pemeriksaan perbedaan. Mode derau hanya tersedia di versi Ads Data Hub untuk Pemasar. Untuk mempelajari injeksi derau, lihat halaman ini di situs Ads Data Hub untuk Pemasar.
Jika hasil tidak lulus pemeriksaan privasi, Ads Data Hub akan menampilkan atau menampilkan pesan privasi yang memberi tahu Anda bahwa suatu baris difilter. Ini bisa apa saja dari satu baris hingga seluruh kumpulan 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 segera, 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 berapa kali Anda dapat mengakses
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 notifikasi anggaran di UI.
Persyaratan agregasi
Inti pemeriksaan privasi Ads Data Hub adalah nilai minimum agregasi pengguna. Untuk sebagian besar kueri, Anda hanya dapat menerima data pelaporan untuk 50 pengguna atau lebih. Namun, kueri yang hanya mengakses klik dan konversi dapat digunakan untuk melaporkan 10 pengguna atau lebih.
- Peristiwa dengan ID pengguna nol akan dihitung sebagai satu pengguna dalam nilai minimum agregasi, berapa pun jumlah pengguna sebenarnya yang membuat peristiwa.
- Pengguna dengan ID null tidak diperhitungkan dalam nilai minimum agregasi.
Praktik terbaik: Konfigurasi ringkasan baris yang difilter untuk melaporkan data yang dihapus. Hal ini membantu mempertahankan dasar pengukuran yang konsisten dalam laporan Anda.
Pada contoh berikut, baris yang berisi kampanye 125 akan difilter dari hasil akhir karena menggabungkan hasil dari 48 pengguna, yang jumlahnya berada di bawah batas minimum 50 pengguna.
| ID kampanye | Pengguna | Tayangan |
|---|---|---|
| 123 | 314 | 928 |
| 124 | 2718 | 5772 |
| 125 | 48 | 353 |
Pemeriksaan perbedaan
Pemeriksaan perbedaan membantu memastikan bahwa pengguna tidak dapat diidentifikasi melalui perbandingan beberapa hasil yang digabungkan secara memadai dengan cara berikut:
- Fitur tersebut 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 di antara dua tugas. Saat membandingkan hasil lowongan dengan hasil sebelumnya, Ads Data Hub mencari kerentanan pada tingkat masing-masing pengguna. Oleh karena itu, bahkan 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—terlihat identik tetapi tidak berbagi pengguna individual, sehingga menjaga privasi, sehingga tidak akan difilter.
Ads Data Hub menggunakan data dari hasil historis Anda saat mempertimbangkan kerentanan hasil baru. Ini berarti, menjalankan kueri yang sama berulang kali akan menghasilkan lebih banyak data untuk pemeriksaan perbedaan yang digunakan saat mempertimbangkan kerentanan hasil yang baru. Selain itu, data yang mendasari dapat berubah, sehingga menyebabkan pelanggaran pemeriksaan privasi pada kueri yang dianggap stabil.
Jika hasil tingkat tugas Anda cukup berbeda, tetapi baris individual serupa dengan baris di tugas sebelumnya, Ads Data Hub akan memfilter baris yang serupa. Dalam contoh ini, baris yang berisi kampanye 123 di hasil tugas kedua akan difilter, karena berbeda dari hasil sebelumnya berdasarkan satu pengguna.
|
|
||||||||||||||||
Jika jumlah pengguna di semua baris dalam kumpulan hasil sama dengan jumlah dari tugas sebelumnya, Ads Data Hub akan memfilter seluruh kumpulan hasil. Dalam contoh ini, semua hasil dari tugas kedua akan difilter.
|
|
||||||||||||||||
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 generik. Meskipun data yang difilter tidak dapat dianalisis lebih lanjut, data tersebut memberikan ringkasan tentang berapa banyak data yang difilter dari hasil tersebut.
Penasihat kueri
Jika SQL Anda valid tetapi mungkin memicu pemfilteran yang berlebihan, penasihat kueri akan menampilkan saran yang dapat ditindaklanjuti selama proses pengembangan kueri, untuk membantu Anda menghindari hasil yang tidak diinginkan.
Pemicu mencakup pola berikut:
- Menggabungkan subkueri gabungan
- Menggabungkan data yang tidak diagregasi dengan pengguna yang berpotensi berbeda
- Tabel sementara yang ditentukan secara rekursif
Untuk menggunakan konsultan kueri:
- UI. Rekomendasi akan muncul di editor kueri, di atas teks kueri.
- API. Gunakan metode
customers.analysisQueries.validate.
-
Selain data yang telah mereka izinkan untuk dibagikan, seperti dalam kasus panelis. ↩
-
Kecuali dicegah oleh pembatasan privasi, seperti saat pengguna di ringkasan baris yang difilter tidak memenuhi persyaratan agregasi. ↩