ব্যবহারকারীর প্রদান করা ডেটা ম্যাচিং (UPDM) ফিচার, কোনও ব্যবহারকারীর সম্পর্কে আপনার সংগ্রহ করা ফার্স্ট-পার্টি ডেটা—যেমন আপনার ওয়েবসাইট, অ্যাপ বা ফিজিক্যাল স্টোর থেকে পাওয়া তথ্য—একই ব্যবহারকারীর সমস্ত Google বিজ্ঞাপন ডেটা জুড়ে সাইন-ইন করা অ্যাক্টিভিটির সাথে যুক্ত করে, যার মধ্যে Google-এর মালিকানাধীন ও পরিচালিত ডেটাও অন্তর্ভুক্ত। এর মধ্যে Google Marketing Platform (GMP) প্রোডাক্টের মাধ্যমে কেনা ডেটা অন্তর্ভুক্ত, যেমন, Display & Video 360 ব্যবহার করে কেনা YouTube। Google-এর মালিকানাধীন ও পরিচালিত নয় এমন অন্যান্য GMP প্রোডাক্ট কাজ করে না।
ব্যবহারকারীর দেওয়া ডেটা ম্যাচিংয়ের জন্য উপযুক্ত হতে, বিজ্ঞাপন ইভেন্ট অবশ্যই Google বিজ্ঞাপন ডেটাতে সাইন-ইন করা ব্যবহারকারীর সাথে লিঙ্ক করা থাকতে হবে।
এই ডকুমেন্ট ব্যবহারকারীর প্রদান করা ডেটা ম্যাচিং ফিচার বর্ণনা করে এবং সেট-আপ ও ব্যবহারের ব্যাপারে নির্দেশিকা প্রদান করে।
প্রাইভেট ক্লাউড ম্যাচ এক নজরে
বিজ্ঞাপন সংক্রান্ত মূল্যবান ইনসাইট পেতে, প্রায়ই একাধিক সোর্স থেকে পাওয়া ডেটা একসাথে জুড়তে হয়। এই ডেটা পাইপলাইন সমস্যার জন্য আপনার নিজস্ব সমাধান তৈরি করতে উল্লেখযোগ্য সময় এবং ইঞ্জিনিয়ারিং বিনিয়োগ প্রয়োজন। Private Cloud Match in Ads Data Hub, BigQuery-তে ম্যাচ টেবিল তৈরি করার জন্য Ads Data Hub কোয়েরি টেমপ্লেট প্রদান করে এই প্রসেসকে স্ট্রিমলাইন করে, যা আপনার ফার্স্ট-পার্টি ডেটার সাথে বিজ্ঞাপন ডেটা ম্যাচ করার জন্য Ads Data Hub কোয়েরিতে ব্যবহার করা যেতে পারে। ফার্স্ট-পার্টি ডেটার মাধ্যমে আপনার কোয়েরি সমৃদ্ধ করলে, তা গ্রাহকদের আরও ভালো অভিজ্ঞতা প্রদান করতে পারে এবং ইন্ডাস্ট্রি-জুড়ে বিজ্ঞাপন-ট্র্যাকিং সংক্রান্ত পরিবর্তনের ক্ষেত্রে আরও বেশি প্রতিরোধক হিসেবে কাজ করে।
ব্যবহারকারীর প্রদান করা ডেটা ম্যাচিং শুধুমাত্র Google-এর মালিকানাধীন এবং সাইন-ইন করা ব্যবহারকারীদের জন্য পরিচালিত ইনভেনটরিতে উপলভ্য, তাই এটি আসন্ন থার্ড-পার্টি কুকি বন্ধ হয়ে যাওয়ার দ্বারা প্রভাবিত হয় না। থার্ড-পার্টি ডেটার তুলনায় এটি ইন্ডাস্ট্রির পরিবর্তনের সাথে বেশি মানিয়ে নিতে পারে, তাই এটি আরও সমৃদ্ধ ইনসাইট প্রদান করতে পারে, যার ফলে গ্রাহকের এনগেজমেন্ট আরও বেশি হতে পারে।
প্রসেসের সারসংক্ষেপ
- ডেটা ইনজেশন ও ম্যাচিং সেট-আপ করা
- আপনি আপনার ফার্স্ট-পার্টি ডেটা BigQuery-তে আছে কিনা এবং আপনার পরিষেবা অ্যাকাউন্টের কাছে এটি পড়ার অ্যাক্সেস আছে কিনা তা নিশ্চিত করুন। ডেটা ইনজেশন সেট-আপ করুন দেখুন।
- ফার্স্ট-পার্টি ডেটা ইনজেশন ও ম্যাচিং
- আপনি নিজের ফার্স্ট-পার্টি ডেটা ফর্ম্যাট করে BigQuery ডেটাসেটে আপলোড করেন।
- আপনি একটি Private Cloud Match analysis query তৈরি করে এবং একটি শিডিউল সেট করে ডেটা-ম্যাচিং অনুরোধ শুরু করেন।
- ম্যাচ টেবিল তৈরি ও আপডেট করতে, Google আপনার প্রোজেক্ট ও Google-এর মালিকানাধীন ডেটার মধ্যে ডেটা যোগ করে যেখানে Google-এর ইউজার আইডি ও হ্যাশ করা ব্যবহারকারীর প্রদান করা ডেটা থাকে।
- ফার্স্ট-পার্টি ডেটা ইনজেস্ট করা দেখুন
- মিলে যাওয়া ডেটার ভিত্তিতে, Ads Data Hub-এ চলমান কোয়েরি
- Ads Data Hub-এ আপনি যেভাবে নিয়মিত কোয়েরি চালান, ঠিক সেইভাবেই ম্যাচ টেবিলের বিরুদ্ধে কোয়েরি চালান। কোয়েরি ম্যাচ করা ডেটা দেখুন।
গোপনীয়তা বিষয়ক প্রয়োজনীয়তা সম্পর্কে জানুন
গ্রাহক ডেটা সংগ্রহ করা
ব্যবহারকারীর প্রদান করা ডেটা ম্যাচিং ব্যবহার করার সময়, আপনাকে অবশ্যই ফার্স্ট-পার্টি ডেটা আপলোড করতে হবে। এটি আপনার ওয়েবসাইট, অ্যাপ, ফিজিক্যাল স্টোর থেকে সংগ্রহ করা তথ্য বা গ্রাহক সরাসরি আপনার সাথে শেয়ার করেছেন এমন কোনও তথ্য হতে পারে।
আপনাকে অবশ্যই:
- আপনার তরফ থেকে পরিষেবা প্রদান করার উদ্দেশ্যেই থার্ড-পার্টির সাথে গ্রাহকের ডেটা শেয়ার করা হয় এবং আইনি প্রয়োজন দেখা দিলে, এই ডেটা শেয়ার করার জন্য আপনি গ্রাহকের সম্মতি নিয়ে থাকেন বলে গোপনীয়তা নীতিতে স্পষ্ট উল্লেখ করা আছে কিনা তা নিশ্চিত করুন
- গ্রাহক ডেটা আপলোড করার জন্য শুধুমাত্র Google-এর অনুমোদিত API বা ইন্টারফেস ব্যবহার করুন
- প্রযোজ্য হতে পারে এমন যেকোনও সেল্ফ-রেগুলেটরি বা ইন্ডাস্ট্রি কোড সহ প্রযোজ্য আইন ও বিধি মেনে চলুন
ফার্স্ট-পার্টি সম্মতি স্বীকৃতি
Ads Data Hub-এ আপনার ফার্স্ট-পার্টি ডেটা ব্যবহার করতে পারবেন কিনা তা নিশ্চিত করতে, আপনাকে অবশ্যই কনফার্ম করতে হবে যে আপনি ইউরোপীয় ইউনিয়নের ব্যবহারকারী সম্মতি নীতি এবং Ads Data Hub নীতি অনুযায়ী, EEA-এর ব্যবহারকারীদের থেকে Google-এর সাথে ডেটা শেয়ার করার জন্য যথাযথ সম্মতি পেয়েছেন। এই প্রয়োজনীয়তা প্রতিটি Ads Data Hub অ্যাকাউন্টের ক্ষেত্রে প্রযোজ্য এবং আপনি যখনই নতুন ফার্স্ট-পার্টি ডেটা আপলোড করবেন তখনই এটি আপডেট করতে হবে। যেকোনও একজন ব্যবহারকারী সম্পূর্ণ অ্যাকাউন্টের হয়ে এই সম্মতি জানাতে পারবেন।
মনে রাখবেন যে বিশ্লেষণ কোয়েরির ক্ষেত্রে প্রযোজ্য একই Google পরিষেবা কোয়েরি সংক্রান্ত নিয়ম UPDM কোয়েরির ক্ষেত্রেও প্রযোজ্য। যেমন, আপনি ম্যাচ টেবিল তৈরি করার সময় EEA-তে ব্যবহারকারীদের উপর ক্রস-সার্ভিস কোয়েরি চালাতে পারবেন না।
Ads Data Hub-এ কীভাবে সম্মতি স্বীকার করতে হয় তা জানতে, ইউরোপীয় অর্থনৈতিক অঞ্চলের জন্য সম্মতি সংক্রান্ত প্রয়োজনীয়তা দেখুন।
ডেটার সাইজ
ব্যবহারকারীর গোপনীয়তা রক্ষা করতে, ব্যবহারকারীর দেওয়া ডেটা ম্যাচিং আপনার ডেটার সাইজ সংক্রান্ত এইসব প্রয়োজনীয়তা এনফোর্স করে:
- আপনার ব্যবহারকারীর তালিকায় অন্তত ১,০০০টি রেকর্ড আপলোড করতে হবে।
ডেটা ইনজেশন সেট-আপ করুন
শুরু করার আগে, এই বিষয়গুলি নিশ্চিত করুন:
- আপনার ফার্স্ট-পার্টি ডেটা BigQuery-তে থাকতে হবে। আপনার VPC-SC পেরিমিটার থাকলে, এই ফার্স্ট-পার্টি ডেটা অবশ্যই আপনার VPC-SC-এর মধ্যে থাকতে হবে।
- আপনার Ads Data Hub পরিষেবা অ্যাকাউন্টে ফার্স্ট-পার্টি ডেটা রিড করার অ্যাক্সেস থাকতে হবে।
- আপনার ফার্স্ট-পার্টি ডেটা সঠিকভাবে ফর্ম্যাট ও হ্যাশ করা থাকতে হবে। আরও বিবরণের জন্য পরবর্তী বিভাগ দেখুন।
এছাড়া, Private Cloud Match-এ আর কোনও অনবোর্ডিং নেই। আপনি যদি কোনও বিশ্লেষণ কোয়েরি চালাতে পারেন, তাহলে আপনি একটি Private Cloud Match কোয়েরি চালাতে পারবেন।
ফার্স্ট-পার্টি ডেটা ইনজেস্ট ও ম্যাচ করা
সোর্স সংক্রান্ত অনুমতি ও কানেকশন সংক্রান্ত প্রয়োজনীয়তা
Ads Data Hub কানেকশন সেটিংস >
বিবরণ > পরিষেবা অ্যাকাউন্ট (সাধারণত
service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com)-এ দেখানো পরিষেবা অ্যাকাউন্ট ব্যবহার করে। এটিকে এইসব
ভূমিকা দিন:
- BigQuery সোর্স: সোর্স ডেটাসেট বা টেবিলে
roles/bigquery.dataViewer(BigQuery ডেটা ভিউয়ার) ভূমিকা। - Cloud Storage সোর্স: সোর্স বাকেট বা অবজেক্টে
roles/storage.objectViewer(Storage Object Viewer)। - ফার্স্ট-পার্টি ডেটা ইমপোর্ট করার ডেস্টিনেশন:
roles/bigquery.dataEditorডেস্টিনেশন ডেটাসেটে (BigQuery ডেটা এডিটর), যদি টেবিলটি আপনার ডিফল্ট ডেটাসেটে না থাকে।
ফিল্ড ও ডেটার ধরন সংক্রান্ত প্রয়োজনীয়তা
আপডেট করা কানেকশন অভিজ্ঞতায় কানেকশনের জন্য এইসব নিয়ম প্রযোজ্য। এগুলি কানেকশনের ধরনের উপর নির্ভর করে: ব্যবহারকারীর দেওয়া ডেটা ম্যাচিং অথবা ফার্স্ট-পার্টি ডেটা।
ব্যবহারকারীর দেওয়া ডেটা ম্যাচিং (UPDM)
user_id ম্যাপ করুন এবং এগুলির মধ্যে অন্তত একটি: email, phone, অথবা সম্পূর্ণ ঠিকানা
(first_name, last_name, country, এবং zip_code)। আপনি কোনও ঠিকানার কলাম
ম্যাপ করলে, চারটিই ম্যাপ করুন। অন্যথায়, আপনি কানেকশন সেভ করতে পারবেন না। আপনি
এইসব কলামের ধরন পরিবর্তন করতে পারবেন না: email, phone,
first_name ও last_name-এর জন্য এটি HASH এবং user_id, country ও
zip_code-এর জন্য STRING।
প্রতিটি গন্তব্য কলামে আপনি যে সোর্স কলাম ম্যাপ করেন তাতে নিম্নলিখিত তথ্য থাকতে হবে। ভ্যালু ফর্ম্যাট করতে, ইনপুটের জন্য ডেটা ফর্ম্যাট করুন দেখুন।
| গন্তব্য কলাম | সোর্স কলামের ভ্যালু | উদাহরণ |
|---|---|---|
user_id |
ব্যবহারকারীর জন্য আপনার আইডি, প্লেন টেক্সটে | customer-1234 |
email, phone, first_name, last_name |
ফর্ম্যাট করা ভ্যালু, SHA-256-এর মাধ্যমে হ্যাশ করা এবং Base64-এ এনকোড করা (৪৪টি অক্ষর)। হেক্স এনকোডিং (৬৪ অক্ষর) ব্যবহার করা যেতে পারে। | h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=, test@gmail.com-এর হ্যাশ |
country |
প্লেন টেক্সটে ২-অক্ষরের দেশের কোড (ISO 3166-1 alpha-2) | US |
zip_code |
প্লেন টেক্সটে ২০টি অক্ষর পর্যন্ত (A-Z অক্ষর, সংখ্যা, স্পেস ও হাইফেন) জিপ বা পোস্টাল কোড | 94043 |
- আপনার সোর্সে ভ্যালু হ্যাশ করুন। Connections
email,phone,first_nameবাlast_nameহ্যাশ করে না, যদিও তাদের ধরন হল HASH। একটি ব্যতিক্রম: আপনার কানেকশন আপডেট করা কানেকশন অভিজ্ঞতায় সরানো হলে এবং সরানোর আগে কোনও ফিল্ড কম্পিউট হ্যাশ ব্যবহার করলে (কম্পিউট হ্যাশ আপনার জন্য কলাম হ্যাশ করেছে), কানেকশন এখনও সেই ফিল্ড হ্যাশ করে। সেই ফিল্ডের সোর্স ভ্যালু আনহ্যাশড রাখুন, তবে ফর্ম্যাট করা; দেখুন সরানো কানেকশন। - BigQuery সোর্স টেবিলে,
STRINGকলাম ব্যবহার করুন।email,phone,first_nameএবংlast_nameঅবশ্যইSTRINGহতে হবে। অন্য ধরনের যেমনINT64-এর ক্ষেত্রে আপনি কানেকশন সেভ করতে পারবেন না।user_id-এর সাথেINT64বাBYTES-ও হতে পারে।BYTESভ্যালু যা UTF-8 টেক্সট নয়, সেটিNULLহয়ে যায়।zip_code-এর মানINT64হতে পারে, কিন্তুINT64-এর শুরুতে শূন্য (02134-এর মান2134হিসেবে সেভ করা হয়) থাকতে পারে না, তাই এই ধরনের পিন কোড মিলবে না।STRINGহিসেবে পিন কোড স্টোর করুন।
- প্রতিটি সারিতে একটি করে ব্যবহারকারীর আইডি দিন।
NULLব্যবহারকারী আইডি সহ সব সারি একটি ব্যবহারকারী হিসেবে গণনা করা হয়, তাই তাদের মধ্যে সর্বাধিক একটি মিলতে পারে। খালি ইউজার আইডি সহ সব সারির ক্ষেত্রেও একই নিয়ম প্রযোজ্য। - আপনার ইউজার আইডি
BYTESহয়ে যাবে। Connections এটিকেBYTES-এ কনভার্ট করে, ব্যবহারকারীর আইডি টাইপ যা ইনপুটের জন্য ডেটা ফর্ম্যাট করুন তালিকাভুক্ত করে, যাতে আপনার সোর্স কলামSTRINGথাকতে পারে। যেমন,INT64ভ্যালু42থেকেb"42"হয়ে যায়।_updmম্যাচ টেবিলেরcustomer_data_user_idকলামে এটি রয়েছে।CAST(my_data.user_id AS BYTES),INT64আইডির জন্য কাজ করে না, তাই একটিতে যোগ দিতে, প্রথমে এটিSTRING-এ কাস্ট করুন:customer_data_user_id = CAST(CAST(my_data.user_id AS STRING) AS BYTES). - ইমেল, ফোন বা ঠিকানার ভ্যালু খালি থাকলে বা ভুলভাবে ফর্ম্যাট করা হলে তা ম্যাচ করবে না,
তবে রান করা বন্ধ হবে না। সারিটি এখনও তার অন্যান্য মানের সাথে
মিলতে পারে। যেমন, প্লেন টেক্সটে লেখা ইমেল, দেশ
USA, অথবা পিন কোড94043.1351মিলবে না। ঠিকানার সাথে ম্যাচ করতে, একটি সারির চারটি ঠিকানা কলামেই সঠিক ভ্যালু থাকতে হবে। - প্রাইভেট ক্লাউড ম্যাচ কোয়েরিতে, ভুল ফর্ম্যাটে কোনও ভ্যালু থাকলে,
পুরো কোয়েরিটিই ব্যর্থ হতে পারে। আপনি কানেকশনের পরিবর্তে Ads Data Hub-এ
CREATE OR REPLACE TABLE adh.updm_match_tableকোয়েরি ব্যবহার করে ম্যাচ টেবিল তৈরি করলে এটি প্রযোজ্য হয়। যেমন, কোনও ইমেল হ্যাশ ৪৪ অক্ষরের থেকে ছোট হলে, যেমন হেক্স-এনকোডেড হ্যাশ, সেক্ষেত্রে কোয়েরি কাজ করে না এবংemail must be encoded using TO_BASE64(SHA256(email))-এর মতো কোনও সমস্যা দেখা যায়। - আপনার ম্যাচ রেট চেক করুন। যেমন,
ম্যাচ রেট গণনা করুন কোয়েরি ব্যবহার করুন। Connections এমন ভ্যালু
রিপোর্ট করে না যা ম্যাচ করে না; আপনি কম সংখ্যক ম্যাচ করা ব্যবহারকারী পান। ১,০০০
বা তার কম ব্যবহারকারী ম্যাচ করলে, রান সম্পূর্ণ হয় না এবং
Minimum match count check failed.দেখায় - প্রতি অ্যাকাউন্টে শুধুমাত্র একটি UPDM কানেকশন ব্যবহার করুন। UPDM কানেকশনে কোনও ডেস্টিনেশন টেবিল নেই। অ্যাকাউন্টে প্রতিটি UPDM কানেকশন এবং প্রতিটি Private Cloud Match কোয়েরি একই ম্যাচ টেবিল লেখে এবং প্রতিটি সফল রান এটি প্রতিস্থাপন করে। বিভিন্ন সোর্স থেকে ডেটা মেলাতে, প্রথমে এটিকে একটি টেবিল বা ফাইলে একত্রিত করুন।
ফার্স্ট-পার্টি ডেটা
প্রতিটি কলামের জন্য, একটি ধরন (কানেকশনের বিবরণ পৃষ্ঠায় ডেটার ধরন) বেছে নিন। Connections প্রতিটি সোর্স ভ্যালুকে সেই ধরনের ডেটায় কনভার্ট করে এবং গন্তব্য কলামে এখানে তালিকাভুক্ত BigQuery ডেটার ধরন পায়:
| ধরন | গন্তব্য কলাম | এটি যে ভ্যালু কনভার্ট করে | ভ্যালু যা NULL হয়ে যায় |
|---|---|---|---|
| STRING (ডিফল্ট) | STRING |
যেকোনও মান, টেক্সট হিসেবে। BigQuery থেকে, 123 হয়ে যায় "123" এবং TRUE হয়ে যায় "true"। ক্লাউড স্টোরেজ থেকে টেক্সট যেমন আছে তেমনই রাখা হয়। |
BYTES ভ্যালু যা UTF-8 টেক্সট নয় |
| HASH | STRING |
STRING-এর মতো। Connections ভ্যালু হ্যাশ বা চেক করে না। | STRING-এর মতো একই |
| INTEGER | INT64 |
পূর্ণ সংখ্যা এবং "42"-এর মতো সংখ্যা টেক্সট। BigQuery থেকে, একটি দশমিক ট্রাঙ্কেট করা হয়েছে: 1.9 থেকে 1 হয়েছে। |
অন্যান্য ভ্যালু, যেমন "abc", TRUE বা কোনও তারিখ। ক্লাউড স্টোরেজ থেকে, এটিও দশমিক, যেমন 1.9। |
| DOUBLE | FLOAT64 |
সংখ্যা এবং সংখ্যার টেক্সট যেমন "1.5" |
অন্যান্য ভ্যালু, যেমন TRUE বা কোনও তারিখ |
| DATE | DATE |
DATE ভ্যালু এবং বছর-মাস-দিন টেক্সট যেমন 2026-01-15 বা 2026-1-5 |
অন্যান্য ভ্যালু, যেমন 01/15/2026, 20260115, অথবা TIMESTAMP বা DATETIME ভ্যালু |
| TIMESTAMP | TIMESTAMP |
TIMESTAMP, DATETIME এবং DATE ভ্যালু ও 2026-01-15 10:00:00 বা 2026-01-15T10:00:00-08:00-এর মতো টেক্সট। টাইম জোন ছাড়া কোনও ভ্যালু UTC হিসেবে পড়া হয়; তারিখ UTC মধ্যরাত হিসেবে সেট করা হয়। |
অন্যান্য ভ্যালু, যেমন Unix epoch টাইম (1768471200) |
- যে ভ্যালু কনভার্ট করা যায় না সেটি রান করা বন্ধ করে দেয় না। এটি
NULLহিসেবে ইমপোর্ট করা হয়েছে এবং Connections এটি রিপোর্ট করে না, তাই প্রথমবার রান করার পরে ডেস্টিনেশন টেবিল চেক করুন। - আপনার ডেটার সাথে মানানসই ধরন বেছে নিন। BigQuery সোর্সের জন্য, সোর্স কলামের সাথে ম্যাচ করে এমন ধরন বেছে নিন:
STRING-এর জন্য STRING,INT64-এর জন্য INTEGER,FLOAT64-এর জন্য DOUBLE,DATE-এর জন্য DATE এবংTIMESTAMP-এর জন্য TIMESTAMP। এইসব ভ্যালু অপরিবর্তিত অবস্থায় ইম্পোর্ট করা হয়। Cloud Storage সোর্সের জন্য, প্রতিটি CSV ভ্যালু হল টেক্সট: কলামে ভ্যালুর ধরন বেছে নিন, যেমন42-এর জন্য INTEGER অথবা2026-01-15-এর জন্য DATE। প্রতিটি সারিতে কোনও কলামNULLহিসেবে দেখালে, STRING বেছে নিন অথবা প্রথমে আপনার সোর্স ডেটার ভ্যালু কনভার্ট করুন। - কিছু BigQuery-এর ধরন ম্যাপ করা যাবে না। আপনি
ARRAY,STRUCT,JSONবাGEOGRAPHYকলাম ম্যাপ করলে, কানেকশন সেভ করতে পারবেন না। - প্রতিবার রান করার সময় সম্পূর্ণ ডেস্টিনেশন টেবিল পরিবর্তন করা হয়। এটি অ্যাপেন্ড করে না। সোর্সে কোনও সারি না থাকলে, গন্তব্য খালি হয়ে যায়। সোর্স টেবিল বা এমন কোনও টেবিল গন্তব্য হিসেবে ব্যবহার করবেন না যার ডেটা আপনি রাখতে চান।
কানেকশন সরানো হয়েছে
আপডেট করা কানেকশন অভিজ্ঞতায় ট্রান্সফর্মেশন এখনও উপলভ্য নয়: আপনি কোনও ফিল্ডে একটি যোগ করতে পারবেন না এবং ফিল্ড ম্যাপিং সেগুলি দেখায় না। আপডেট করা কানেকশন অভিজ্ঞতায় সরানো হয়েছে এমন একটি কানেকশন এখনও তার ফিল্ডের ট্রান্সফর্মেশন রাখে, যেমন কম্পিউট হ্যাশ (SHA-256 হ্যাশিং)।
- ফার্স্ট-পার্টি ডেটা কানেকশনে, ট্রান্সফর্মেশন সহ কোনও ফিল্ড Type কনভার্সনের পরিবর্তে ট্রান্সফর্মেশনের মাধ্যমে তৈরি হওয়া ভ্যালু পায় এবং আপনি এর Type পরিবর্তন করতে পারবেন না। UPDM কানেকশনে, UPDM নিয়ম এখনও সেই ভ্যালুর ক্ষেত্রে প্রযোজ্য হয়।
- UPDM ফিল্ড যা কম্পিউট হ্যাশ ব্যবহার করে তা এখনও কানেকশন দ্বারা হ্যাশ করা হয়। এর সোর্স ভ্যালু হ্যাশ না করে রাখুন, তবে ইনপুটের জন্য ডেটা ফর্ম্যাট করুন-এ যেভাবে বর্ণনা করা হয়েছে সেভাবে ফর্ম্যাট করুন: আগে থেকে হ্যাশ করা ভ্যালু আবার হ্যাশ করা হয় এবং মিলতে পারে না। পরিবর্তে, আপনি নিজে ভ্যালু হ্যাশ করতে চাইলে, ফিল্ড ম্যাপিং সরিয়ে দিয়ে আবার যোগ করুন।
শুধুমাত্র এইসব ট্রান্সফর্মেশন সরানো হয়েছে:
- UPDM
user_id,country, অথবাzip_codeছাড়া SHA-256 (Base64 অথবা হেক্স) দিয়ে হ্যাশ গণনা করুন, যা অবশ্যই প্লেন টেক্সট হতে হবে। - ছোট হাতের বা বড় হাতের অক্ষর ফর্ম্যাটিং।
- স্ট্রিংয়ে কনভার্ট করা।
- ডিফল্ট টাইম জোন ছাড়া টাইমস্ট্যাম্প পার্সিং, একটি কানেকশনের সর্বাধিক ১০টি ফিল্ডে।
- প্রথম তিনটির মধ্যে দুটি, যেমন ছোট হাতের ফর্ম্যাটিং এবং তারপর হ্যাশ গণনা করা।
কোনও ট্রান্সফর্মেশন তখনই সরানো হয় যখন এটি যা তৈরি করে তা এর ফিল্ডে ফিট করে। এক সারিতে দুটি -এর জন্য, দ্বিতীয়টি যা তৈরি করে তা গণনা করা হয়: ছোট হাতের ফর্ম্যাটিং এবং তারপরে হ্যাশ গণনা
email-এর সাথে মানানসই হয়, কিন্তু হ্যাশ গণনা এবং তারপরে ছোট হাতের ফর্ম্যাটিং মানানসই হয় না।- UPDM কানেকশনে, কম্পিউট হ্যাশ
email,phone,first_nameএবংlast_name-এর সাথে মানানসই। ছোট হাতের বা বড় হাতের অক্ষরে ফর্ম্যাট করা এবং স্ট্রিংয়ে পরিবর্তন করাuser_id,countryওzip_code-এর জন্য উপযুক্ত। টাইমস্ট্যাম্প পার্সিং কোনও ফিল্ডের সাথে মিলছে না। - ফার্স্ট-পার্টি ডেটা কানেকশনে, কম্পিউট হ্যাশ STRING বা HASH কলামে ফিট করে। ছোট হাতের বা বড় হাতের অক্ষর ফর্ম্যাট করা এবং স্ট্রিংয়ে কনভার্ট করা STRING কলামের জন্য উপযুক্ত। টাইমস্ট্যাম্প পার্সিং TIMESTAMP কলামের সাথে মানানসই।
অন্য কোনও ট্রান্সফর্মেশনের সাথে কানেকশন, যেমন ফিল্ড মার্জ বা স্প্লিট করা, অথবা এমন কোনও ট্রান্সফর্মেশনের সাথে কানেকশন যা এর ফিল্ডের সাথে মানানসই নয়, সরানো হয় না।
- UPDM
Cloud Storage CSV কলাম সংক্রান্ত প্রয়োজনীয়তা
- হেডার সারি যোগ করুন। প্রথম লাইনটি এড়িয়ে যাওয়া হয়েছে; এর কলামের নাম ব্যবহার করা হয়নি।
- ফাইলে ঠিক ম্যাপ করা সোর্স কলাম থাকতে হবে, তার থেকে বেশি বা কম নয়। অতিরিক্ত কলামের কারণে রান করা যায়নি।
- ফার্স্ট-পার্টি ডেটা: কলামগুলি অবশ্যই ফিল্ড ম্যাপিংয়ের মতো একই ক্রমে থাকতে হবে।
- ব্যবহারকারীর প্রদান করা ডেটা ম্যাচিং: কলামগুলি অবশ্যই এই ক্রমে থাকতে হবে, শুধুমাত্র আপনার ম্যাপ করা ফিল্ডগুলি রেখে:
user_id,email,phone,first_name,last_name,country,zip_code. ম্যাপিং সারির ক্রম গুরুত্বপূর্ণ নয়। - কলামের ক্রম আলাদা হলে তা শনাক্ত করা যায় না: কোনও সমস্যা ছাড়াই ভুল ফিল্ডে ভ্যালু লোড হয় (অথবা ম্যাচ রেট কমে যায়)।
কাজ করে এমন ডেটা সোর্স ও কানেকশনের সীমা
- ডেটা সোর্স: শুধুমাত্র BigQuery এবং Cloud Storage সোর্স কাজ করে।
- BigQuery টেবিলের নাম: সোর্স ও ডেস্টিনেশন BigQuery টেবিলের জন্য
সম্পূর্ণ
project.dataset.tableনাম প্রয়োজন। - Cloud Storage ফাইল পাথ: একটি ফাইল URI (যেমন
gs://bucket/path/file.csv) প্রদান করুন।*বা?সহ ওয়াইল্ডকার্ড পাথ কাজ করে না। - কানেকশনের নাম: অ্যাকাউন্টে প্রতিটি কানেকশনের অনন্য নাম থাকতে হবে।
ইনপুটের জন্য ডেটা ফর্ম্যাট করুন
সঠিকভাবে ম্যাচ করার জন্য আপনার ডেটাকে অবশ্যই এইসব ফর্ম্যাটিং সংক্রান্ত প্রয়োজনীয়তা মেনে চলতে হবে:
- নিম্নলিখিত ইনপুট ফিল্ডের বিবরণে যেখানে উল্লেখ করা আছে, সেখানে আপনাকে SHA256 হ্যাশিং ব্যবহার করে আপলোড করতে হবে।
- UPDM-এ Base64 এনকোডিং কাজ করে। TO_BASE64 দেখুন।
- ইনপুট ফিল্ড অবশ্যই স্ট্রিং হিসেবে ফর্ম্যাট করতে হবে। যেমন, আপনি যদি
BigQuery SHA256 হ্যাশ ফাংশন ব্যবহার করেন,
তাহলে নিম্নলিখিত ট্রান্সফর্মেশন ব্যবহার করুন:
TO_BASE64(SHA256(user_data))।
ব্যবহারকারীর আইডি
- ডেটার ধরন:
BYTES - হ্যাশিং: কোনওটিই নয়
ইমেল
- শুরুতে ও শেষে থাকা হোয়াইটস্পেস সরিয়ে দিন
- সব অক্ষর ছোট হাতের করুন
- সব ইমেল আইডির জন্য ডোমেন নাম অন্তর্ভুক্ত করুন, যেমন gmail.com বা hotmail.co.jp
- অ্যাকসেন্ট সরিয়ে দিন—যেমন, è, é, ê বা ë-এর পরিবর্তে e লিখুন
gmail.comএবংgooglemail.comইমেল আইডিতে ডোমেন নামের আগে থাকা সব ফুলস্টপ (.) সরিয়ে দিন- হ্যাশিং: Base64 এনকোড করা SHA256
মেয়াদ: TO_BASE64(SHA256("jeffersonloveshiking@gmail.com"))
ভুল: TO_BASE64(SHA256("JéffersonLôvesHiking@gmail.com"))
ফোন
- হোয়াইটস্পেস স্ট্রিপ করুন
- E.164 ফর্ম্যাটে ফর্ম্যাট করুন—যেমন, মার্কিন যুক্তরাষ্ট্রের উদাহরণ: +১৪১৫৫৫৫২৬৭১, যুক্তরাজ্যের উদাহরণ: +৪৪২০৭১৮৩৮৭৫০
- কান্ট্রি কোডের আগে "+" চিহ্ন ছাড়া সব বিশেষ অক্ষর সরিয়ে দিন
- হ্যাশিং: Base64 এনকোড করা SHA256
মেয়াদ: TO_BASE64(SHA256("+18005550101"))
ভুল: TO_BASE64(SHA256("(800) 555-0101"))
নাম
- হোয়াইটস্পেস স্ট্রিপ করুন
- সব অক্ষর ছোট হাতের করুন
- সব প্রিফিক্স সরিয়ে দিন-যেমন Mrs., শ্রীমান, Ms., ড.
- অ্যাকসেন্টসরাবেন না—যেমন, è, é, ê, বা ë
- হ্যাশিং: Base64 এনকোড করা SHA256
মেয়াদ: TO_BASE64(SHA256("daní"))
ভুল: TO_BASE64(SHA256("Daní"))
পদবি
- হোয়াইটস্পেস স্ট্রিপ করুন
- সব অক্ষর ছোট হাতের করুন
- সব সাফিক্স সরিয়ে দিন-যেমন Jr., Sr., ২য়, ৩য়, II, III, PHD, MD
- অ্যাকসেন্টসরাবেন না—যেমন, è, é, ê, বা ë
- হ্যাশিং: Base64 এনকোড করা SHA256
মেয়াদ: TO_BASE64(SHA256("délacruz"))
ভুল: TO_BASE64(SHA256("dé la Cruz, Jr."))
দেশ
- আপনার সব গ্রাহক ডেটা একই দেশের হলেও দেশের কোড অন্তর্ভুক্ত করুন
- দেশ সংক্রান্ত ডেটা হ্যাশ করবেন না
- ISO 3166-1 alpha-2 দেশের কোড ব্যবহার করুন
- হ্যাশিং: কোনওটিই নয়
মেয়াদ: US
ভুল: United States of America অথবা USA
পিন কোড
- পিন কোড ডেটা হ্যাশ করবেন না
- মার্কিন যুক্তরাষ্ট্র ও আন্তর্জাতিক জিপ ও পোস্টাল কোড, দুটিই ব্যবহার করা যাবে
- সর্বাধিক ২০টি অক্ষর ব্যবহার করুন, যার মধ্যে শুধু A-Z অক্ষর, সংখ্যা, স্পেস ও হাইফেন থাকতে পারে
- মার্কিন যুক্তরাষ্ট্রের ক্ষেত্রে:
- ৫ সংখ্যার কোড ব্যবহার করা যাবে—যেমন, ৯৪০৪৩
- ৫টি সংখ্যার পরে ৪টি সংখ্যার এক্সটেনশনও লেখা যেতে পারে—যেমন, ৯৪০৪৩-১৩৫১ বা ৯৪০৪৩১৩৫১
- অন্যান্য সব দেশের জন্য:
- ছোট হাতের অক্ষরে কনভার্ট করা বা স্পেস ও হাইফেন সরানোর প্রয়োজন নেই
- পিন কোড এক্সটেনশন বাদ দিন
- হ্যাশিং: কোনওটিই নয়
হ্যাশ যাচাইকরণ ও ডেটা এনকোডিং
আপনার ডেটা সঠিকভাবে ফর্ম্যাট করা হয়েছে কিনা তা নিশ্চিত করতে আপনি নিম্নলিখিত হ্যাশ যাচাইকরণ স্ক্রিপ্ট ব্যবহার করতে পারেন।
জাভাস্ক্রিপ্ট
/**
* @fileoverview Provides the hashing algorithm, as well as some valid hashes of
* sample data for testing.
*/
async function hash(token) {
// Removes leading or trailing spaces and converts all characters to lowercase.
const formattedToken = token.trim().toLowerCase();
// Hashes the formatted string using the SHA-256 hashing algorithm.
const hashBuffer = await crypto.subtle.digest(
'SHA-256', (new TextEncoder()).encode(formattedToken));
// Converts the hash buffer to a base64-encoded string and returns it.
const base64Str = btoa(String.fromCharCode(...new Uint8Array(hashBuffer)));
return base64Str;
}
function main() {
// Expected hash for test@gmail.com:
// h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
hash('test@gmail.com').then(result => console.log(result));
// Expected hash for +18005551212:
// YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
hash('+18005551212').then(result => console.log(result));
// Expected hash for John: ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
hash('John').then(result => console.log(result));
// Expected hash for Doe: eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
hash('Doe').then(result => console.log(result));
}
main()
Python
"""Provides the hashing algorithm, as well as some valid hashes of sample data for testing.
Supports: Python 2, Python 3
Sample hashes:
- Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
- Phone '+18005551212': YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
- First name 'John': ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
- Last name 'Doe': eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
"""
import base64
import hashlib
def hash(token):
# Generates a base64-encoded SHA-256 hash of a normalized input string.
return base64.b64encode(
hashlib.sha256(
token.strip().lower().encode('utf-8')).digest()).decode('utf-8')
def print_hash(token, expected=None):
# Computes and displays the hash of a token, with optional validation.
hashed = hash(token)
if expected is not None and hashed != expected:
print(
'ERROR: Incorrect hash for token "{}". Expected "{}", got "{}"'.format(
token, expected, hashed))
return
print('Hash: "{}"\t(Token: {})'.format(hashed, token))
def main():
# Tests the hash function with sample tokens and expected results.
print_hash(
'test@gmail.com', expected='h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=')
print_hash(
'+18005551212', expected='YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=')
print_hash('John', expected='ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=')
print_hash('Doe', expected='eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=')
if __name__ == '__main__':
main()
খুলুন
/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.
Sample hashes:
- Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
- Phone '+18005551212': YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
- First name 'John': ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
- Last name 'Doe': eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
*/
package main
import (
"crypto/sha256"
"encoding/base64"
"fmt"
"strings"
)
// Hash hashes an email, phone, first name, or last name into the correct format.
func Hash(token string) string {
formatted := strings.TrimSpace(strings.ToLower(token))
hashed := sha256.Sum256([]byte(formatted))
encoded := base64.StdEncoding.EncodeToString(hashed[:])
return encoded
}
// PrintHash prints the hash for a token.
func PrintHash(token string) {
fmt.Printf("Hash: \"%s\"\t(Token: %s)\n", Hash(token), token)
}
func main() {
PrintHash("test@gmail.com")
PrintHash("+18005551212")
PrintHash("John")
PrintHash("Doe")
}
Java
package updm.hashing;
import static java.nio.charset.StandardCharsets.UTF_8;
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.Base64;
/**
* Example of the hashing algorithm.
*
* <p>Sample hashes:
*
* <ul>
* <li>Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
* <li>Phone '+18005551212': YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
* <li>First name 'John': ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
* <li>Last name 'Doe': eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
* </ul>
*/
public final class HashExample {
private HashExample() {}
public static String hash(String token) {
// Normalizes and hashes the input token using SHA-256 and Base64 encoding.
String formattedToken = token.toLowerCase().strip();
byte[] hash;
try {
hash = MessageDigest.getInstance("SHA-256").digest(formattedToken.getBytes(UTF_8));
} catch (NoSuchAlgorithmException e) {
throw new IllegalStateException("SHA-256 not supported", e);
}
return Base64.getEncoder().encodeToString(hash);
}
public static void printHash(String token) {
// Calculates and prints the hash for the given token.
System.out.printf("Hash: \"%s\"\t(Token: %s)\n", hash(token), token);
}
public static void main(String[] args) {
// Executes hash calculations and prints results for sample tokens.
printHash("test@gmail.com");
printHash("+18005551212");
printHash("John");
printHash("Doe");
}
}
SQL
/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.
The following code uses Google Standard SQL and can be run on BigQuery to generate match tables from unhashed data.
Sample hashes:
- Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
- Phone '+18005551212': YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
- First name 'John': ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
- Last name 'Doe': eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
The unhashed input table schema is assumed to be:
- Column name: UserID, Type: String
- Column name: Email, Type: String
- Column name: Phone, Type: String
- Column name: FirstName, Type: String
- Column name: LastName, Type: String
- Column name: PostalCode, Type: String
- Column name: CountryCode, Type: String
*/
-- Creates a new table with Base64-encoded SHA-256 hashes of specified columns.
CREATE TABLE `your_project_name.your_dataset_name.output_hashed_table_name`
AS
SELECT
UserID,
TO_BASE64(SHA256(LOWER(Email))) AS Email,
TO_BASE64(SHA256(Phone)) AS Phone,
TO_BASE64(SHA256(LOWER(FirstName))) AS FirstName,
TO_BASE64(SHA256(LOWER(LastName))) AS LastName,
PostalCode,
CountryCode,
FROM
`your_project_name.your_dataset_name.input_unhashed_table_name`;
যোগ দেওয়ার 'কী'
ব্যবহারকারীর দেওয়া ডেটার কিছু কম্বিনেশন অন্যদের থেকে বেশি শক্তিশালী। নিচে ব্যবহারকারীর দেওয়া ডেটার বিভিন্ন কম্বিনেশনের তালিকা দেওয়া হল, যা আপেক্ষিক শক্তির ভিত্তিতে র্যাঙ্ক করা হয়েছে। আপনি ঠিকানা ব্যবহার করলে, আপনাকে অবশ্যই এগুলি অন্তর্ভুক্ত করতে হবে: নাম, পদবি, দেশ এবং পিন কোড।
- ইমেল, ফোন, ঠিকানা (সবচেয়ে শক্তিশালী)
- ফোন, ঠিকানা
- ইমেল, ঠিকানা
- ইমেল, ফোন
- ঠিকানা
- ফোন
- ইমেল (সবচেয়ে দুর্বল)
একটি ম্যাচ টেবিল তৈরি করুন
- যোগ করুন তৈরি করুন > কোয়েরি বিকল্পে ক্লিক করুন।
প্রাইভেট ক্লাউড ম্যাচ টেবিল জেনারেশন কোয়েরি টেমপ্লেট কপি করে কোয়েরি এডিটরে পেস্ট করুন। ঐচ্ছিক: আপনার ডেটা আগে থেকে হ্যাশ করা না থাকলে, আপনি প্রাইভেট ক্লাউড ম্যাচ টেবিল জেনারেশন (হ্যাশিং সহ) টেমপ্লেট ব্যবহার করতে পারেন।
/* Private cloud match table generation Create a new match table using your first party data with this template. Parameters: Manually remove all the parameters tagged with @ prefix and replace them with column names from your first party table: * @user_id * @email * @phone * @first_name * @last_name * @country_code * @postal_code And your BigQuery table information: * @my_project: Your BigQuery project where the first party table is. * @my_dataset: Your dataset where the first party table is. * @my_first_party_table: Your first party table. */ CREATE OR REPLACE TABLE adh.updm_match_table AS ( SELECT CAST(@user_id AS BYTES) AS user_id, @email AS email, @phone AS phone, @first_name AS first_name, @last_name AS last_name, @country_code AS country, @postal_code AS zip_code FROM `@my_project.@my_dataset.@my_first_party_table` );/* Private cloud match table generation (with hashing) Create a new match table using your first party data with this template. Parameters: Manually remove all the parameters tagged with @ prefix and replace them with column names from your first party table: * @user_id * @email * @phone * @first_name * @last_name * @country_code * @postal_code And your BigQuery table information: * @my_project : Your BigQuery project where the first party table is. * @my_dataset : Your dataset where the first party table is. * @my_first_party_table : Your first party table. */ CREATE OR REPLACE TABLE adh.updm_match_table AS ( SELECT CAST(@user_id AS BYTES) AS user_id, TO_BASE64(SHA256(LOWER(@email))) AS email, TO_BASE64(SHA256(@phone)) AS phone, TO_BASE64(SHA256(LOWER(@first_name))) AS first_name, TO_BASE64(SHA256(LOWER(@last_name))) AS last_name, @country_code AS country, @postal_code AS zip_code FROM `@my_project.@my_dataset.@my_first_party_table` );সঠিক অ্যালিয়াসিং প্রদান করতে প্যারামিটারের নাম আপনার কলামের নাম দিয়ে পরিবর্তন করুন।
সেভ করুন বিকল্পে ক্লিক করুন
রান করুন বিকল্পে ক্লিক করুন। ম্যাচ টেবিল রিফ্রেশ করতে আপনাকে ম্যানুয়ালি এই কোয়েরি রান করতে হবে। প্রতিটি রান বর্তমান ম্যাচ টেবিল ওভাররাইট করবে।
আগে থেকে থাকা কানেকশন মাইগ্রেট করা
কানেকশন ট্যাবে আগে থেকে থাকা কানেকশনগুলি Ads Data Hub-এ সরাসরি তৈরি করা একটি আপডেট করা
কানেকশন অভিজ্ঞতায় সরানো হচ্ছে। আপডেট করা কানেকশন
সেটিংস > বিবরণ > পরিষেবা অ্যাকাউন্ট (সাধারণত
service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com)-এর অধীনে দেখানো পরিষেবা অ্যাকাউন্ট ব্যবহার করে সোর্স পড়ে এবং গন্তব্য লেখে।
এটি পুরনো Data Fusion, Dataproc এবং UPDM পরিষেবা অ্যাকাউন্টের পরিবর্তে
ব্যবহার করা হয়।
আপনার কানেকশন সরানোর আগে এইসব অ্যাকশন আইটেম সম্পূর্ণ করুন:
- পরিষেবা অ্যাকাউন্টকে অনুমতি দিন: সেটিংস > বিবরণ > পরিষেবা অ্যাকাউন্ট (সাধারণত
service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com)-এর অধীনে দেখানো পরিষেবা অ্যাকাউন্টকে প্রয়োজনীয় সোর্স ও ডেস্টিনেশন রোল (roles/bigquery.dataViewer,roles/storage.objectViewerএবংroles/bigquery.dataEditorডিফল্ট নয় এমন ডেস্টিনেশন ডেটাসেটে) দিন। পড়া যায় না, মুছে ফেলা হয়েছে বা পরিবর্তন করা হয়েছে এমন সোর্সের সাথে কানেকশন এখনও সরানো যেতে পারে (বিশেষ করে ক্লাউড স্টোরেজ সোর্স, যা সরানোর সময় যাচাই করা হয় না), কিন্তু আপনি অ্যাক্সেস না দেওয়া বা সোর্স ঠিক না করা পর্যন্ত রান করা যাবে না। কাজ করে না এমন কানেকশন কনভার্ট করুন: নিম্নলিখিত কনফিগারেশন সহ কানেকশন মাইগ্রেট করা হবে না। সেগুলিকে কাজ করে এমন BigQuery বা Cloud Storage কানেকশনে কনভার্ট করুন:
- অন্যান্য ডেটা সোর্স (Amazon S3, Snowflake, MySQL, PostgreSQL, Amazon Redshift, sFTP, বা Salesforce): প্রথমে BigQuery বা Cloud Storage-এ ডেটা স্টেজ করুন, তারপর BigQuery বা Cloud Storage কানেকশন তৈরি করুন।
- কাজ করে না এমন ফিল্ড ম্যাপিং বা ডেটার ধরন: ফিল্ড ও ডেটার ধরনের প্রয়োজনীয়তা পূরণ করতে কানেকশন আপডেট বা আবার তৈরি করুন।
- যেসব ট্রান্সফর্মেশন কাজ করে না: শুধুমাত্র সরানো কানেকশন-এ তালিকাভুক্ত ট্রান্সফর্মেশন সরানো হয়। অন্য কোনও ট্রান্সফর্মেশন সরিয়ে দিন, যেমন ফিল্ড মার্জ বা স্প্লিট করা এবং সেই কাজ আপনার সোর্স ডেটাতে করুন।
- Cloud Storage ওয়াইল্ডকার্ড পাথ (
*বা?): ওয়াইল্ডকার্ড URI-এর পরিবর্তে একটি ফাইল URI ব্যবহার করুন অথবা প্রথমে BigQuery-তে ফাইল লোড করুন। - Ads Data Hub-এ আগে থেকেই ব্যবহার করা নাম: আপনার অ্যাকাউন্টে আগে থেকেই একই নামের কোনও কোয়েরি বা আপডেট করা কানেকশন অভিজ্ঞতায় তৈরি করা কানেকশন থাকলে, কানেকশনের নাম পরিবর্তন করুন।
একে অপরের সাথে নাম শেয়ার করে এমন আগে থেকে থাকা কানেকশন এখনও মাইগ্রেট করা হয়: সবচেয়ে পুরনোটি নাম রেখে দেয় এবং অন্যগুলি একটি প্রত্যয় পায়, যেমন
(2)বা(3)।অব্যবহৃত কানেকশন মুছে দিন: আপনার আর প্রয়োজন নেই এমন পুরনো কানেকশন মুছে দিন।
কোয়েরি করা ডেটা ম্যাচ করুন
ম্যাচ টেবিল কোয়েরি করুন
আপনার ম্যাচ টেবিলে গোপনীয়তা চেক করার জন্য পর্যাপ্ত ডেটা থাকলে, আপনি টেবিলের সাথে কোয়েরি রান করার জন্য প্রস্তুত।
ফার্স্ট-পার্টি ডেটার (1PD) আসল টেবিল my_data দ্বারা দেখানো হয়েছে।
এর মধ্যে ব্যক্তিগতভাবে শনাক্তকরণযোগ্য তথ্য (PII) এবং PII নয় এমন ডেটা, দুই-ই অন্তর্ভুক্ত।
মূল টেবিল ব্যবহার করলে আপনার রিপোর্ট আরও ইনসাইট সহ উন্নত হতে পারে, কারণ এটি
ম্যাচ টেবিলের তুলনায় স্কোপে থাকা সমস্ত 1PD ডেটা দেখায়।
Ads Data Hub স্কিমার প্রতিটি টেবিলে user_id ফিল্ড থাকে এবং
এর সাথে একটি ম্যাচ টেবিল থাকে। যেমন, adh.google_ads_impressions টেবিলের জন্য, Ads Data Hub একটি ম্যাচ টেবিলও তৈরি করে
যার নাম adh.google_ads_impressions_updm এবং এতে আপনার ব্যবহারকারীর আইডি থাকে।
নীতি-বিচ্ছিন্ন নেটওয়ার্ক টেবিলের জন্য আলাদা ম্যাচ টেবিল তৈরি করা হয়। যেমন,
adh.google_ads_impressions_policy_isolated_network টেবিলের জন্য, Ads
Data Hub একটি ম্যাচ টেবিলও তৈরি করে, যার নাম
adh.google_ads_impressions_policy_isolated_network_updm, এতে
আপনার ব্যবহারকারীর আইডি থাকে।
এইসব টেবিলে আসল টেবিলে উপলভ্য ব্যবহারকারীদের সাবসেট থাকে,
যেখানে user_id-এর সাথে মিল আছে। যেমন, আসল টেবিলে যদি ব্যবহারকারী ক ও ব্যবহারকারী খ-এর ডেটা থাকে, কিন্তু শুধু ব্যবহারকারী ক-এর ডেটা ম্যাচ করে, তাহলে ম্যাচ টেবিলে ব্যবহারকারী খ-এর ডেটা থাকবে না।
ম্যাচ টেবিলে customer_data_user_id নামে একটি অতিরিক্ত কলাম থাকে, যা
BYTES হিসেবে ইউজার আইডেন্টিফায়ার স্টোর করে।
আপনার কোয়েরি লেখার সময় ফিল্ডের ধরন বিবেচনা করা গুরুত্বপূর্ণ। SQL
তুলনাকারী অপারেটর আশা করে যে আপনি যে লিটারেল তুলনা করছেন সেগুলি একই
ধরনের। আপনার ফার্স্ট-পার্টি ডেটার টেবিলে user_id কীভাবে স্টোর করা আছে তার উপর নির্ভর করে, ডেটা ম্যাচ করার আগে আপনাকে টেবিলের ভ্যালু এনকোড করতে হতে পারে।
সঠিকভাবে ম্যাচ করার জন্য আপনাকে নিজের জয়েন কী BYTES-এ কাস্ট করতে হবে:
JOIN ON
adh.google_ads_impressions_updm.customer_data_user_id = CAST(my_data.user_id AS BYTES)
এছাড়াও, SQL-এ স্ট্রিং তুলনা করার সময় বড় হাতের ও ছোট হাতের অক্ষরের মধ্যে পার্থক্য করা হয়, তাই আপনাকে তুলনার উভয় পাশে স্ট্রিং এনকোড করতে হতে পারে যাতে সেগুলি সঠিকভাবে তুলনা করা যায়।
নমুনা কোয়েরি
ম্যাচ করা ব্যবহারকারীর সংখ্যা
এই কোয়েরি আপনার Google Ads ইম্প্রেশন টেবিলে মিলে যাওয়া ব্যবহারকারীর সংখ্যা গণনা করে।
/* Count matched users in Google Ads impressions table */
SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm
ম্যাচ রেট হিসেব করা
সব ব্যবহারকারী ম্যাচিংয়ের জন্য উপযুক্ত নন। যেমন, সাইন-আউট করা ব্যবহারকারী,
বাচ্চা এবং অনুমতি দেননি এমন ব্যবহারকারীদের UPDM-এর মাধ্যমে ম্যাচ করা হয় না। আরও নির্ভুল UPDM ম্যাচ রেট গণনা করতে আপনি
is_updm_eligible ফিল্ড ব্যবহার করতে পারেন। মনে রাখবেন যে
is_updm_eligible ফিল্ডটি ১ অক্টোবর, ২০২৪ থেকে উপলভ্য ছিল। আপনি
এই ফিল্ড ব্যবহার করে সেই তারিখের আগের ম্যাচ রেট গণনা করতে পারবেন না।
/* Calculate the UPDM match rate */
CREATE TEMP TABLE total_events OPTIONS(privacy_checked_export=TRUE) AS
SELECT
customer_id,
COUNT(*) AS n
FROM adh.google_ads_impressions
WHERE is_updm_eligible
GROUP BY 1;
CREATE TEMP TABLE matched_events OPTIONS(privacy_checked_export=TRUE) AS
SELECT
customer_id,
COUNT(*) AS n
FROM adh.google_ads_impressions_updm
GROUP BY 1;
SELECT
customer_id,
SAFE_DIVIDE(matched_events.n, total_events.n) AS match_rate
FROM total_events
LEFT JOIN matched_events
USING (customer_id)
ফার্স্ট-পার্টি ও Google Ads ডেটা যোগ করা
এই কোয়েরি দেখায় যে কীভাবে Google Ads ডেটার সাথে ফার্স্ট-পার্টি ডেটা যোগ করতে হয়:
/* Join first-party data with Google Ads data. The customer_data_user_id field
contains your ID as BYTES. You need to cast your join key into BYTES for
successful matches. */
SELECT
inventory_type,
COUNT(*) AS impressions
FROM
adh.yt_reserve_impressions_updm AS google_data_imp
LEFT JOIN
`my_data`
ON
google_data_imp.customer_data_user_id = CAST(my_data.user_id AS BYTES)
GROUP BY
inventory_type
UPDM সংক্রান্ত প্রায়শই জিজ্ঞাসিত প্রশ্ন
UPDM সম্পর্কিত প্রায়শই জিজ্ঞাসিত প্রশ্নের তালিকা দেখতে, UPDM সম্পর্কিত প্রায়শই জিজ্ঞাসিত প্রশ্ন দেখুন।