यह लेगसी दस्तावेज़ है और हो सकता है कि यह पूरा न हो. अगर आप मार्केटर हैं, तो नए दस्तावेज़ देखने के लिए मार्केटर साइट पर जाएं. अगर आप मेज़रमेंट पार्टनर हैं, तो मेज़रमेंट पार्टनर साइट पर जाएं.

इस पेज का अनुवाद Cloud Translation API से किया गया है.

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा (यूपीडीएम), किसी उपयोगकर्ता के पहले पक्ष (ग्राहक) के इकट्ठा किए गए डेटा को Google के पास मौजूद विज्ञापन डेटा में दिए गए, उसी उपयोगकर्ता की साइन-इन करने की गतिविधि के डेटा से जोड़ती है. इस डेटा में वेबसाइटों, ऐप्लिकेशन या दुकानों से जुड़ी जानकारी शामिल होती है. इसमें Google के मालिकाना हक वाला और Google के ऑपरेट किया जाने वाला डेटा भी शामिल होता है. इसमें Google Marketing Platform (GMP) के प्रॉडक्ट से खरीदा गया डेटा शामिल है. उदाहरण के लिए, Display & Video 360 का इस्तेमाल करके खरीदा गया YouTube डेटा. GMP के ऐसे अन्य प्रॉडक्ट जिन पर Google का मालिकाना हक और कंट्रोल नहीं है उनका इस्तेमाल नहीं किया जा सकता.

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा का इस्तेमाल करने के लिए यह ज़रूरी है कि विज्ञापन इवेंट, Google के पास मौजूद विज्ञापन डेटा में दिए गए, साइन इन किए हुए उपयोगकर्ता के डेटा से जुड़ा हो.

इस दस्तावेज़ में, उपयोगकर्ता से मिले डेटा को मैच करने की सुविधा के बारे में बताया गया है. साथ ही, इसे सेट अप और इस्तेमाल करने के बारे में दिशा-निर्देश भी दिए गए हैं.

कनेक्शन टैब की खास जानकारी

विज्ञापन से जुड़ी अहम जानकारी पाने के लिए, अक्सर कई सोर्स से डेटा इकट्ठा करना पड़ता है. डेटा पाइपलाइन की इस समस्या को हल करने के लिए, आपको ज़्यादा समय और इंजीनियरिंग में ज़्यादा निवेश करना होगा. Ads Data Hub के 'कनेक्शन' पेज पर, BigQuery में विज्ञापन डेटा को इंपोर्ट करने, बदलाव करने, और मैच करने के लिए, सिलसिलेवार निर्देशों वाला इंटरफ़ेस दिया जाता है. इससे, इस प्रोसेस को आसानी से पूरा किया जा सकता है. इस डेटा का इस्तेमाल, Ads Data Hub की क्वेरी या BigQuery से डेटा पढ़ने वाले किसी भी दूसरे प्रॉडक्ट में किया जा सकता है. पहले पक्ष के डेटा की मदद से अपनी क्वेरी को बेहतर बनाने से, ग्राहकों को बेहतर अनुभव मिल सकता है. साथ ही, इससे विज्ञापन ट्रैकिंग से जुड़े उद्योग-व्यापी बदलावों का असर कम पड़ता है.

कनेक्शन पेज पर ऐसे टूल मौजूद हैं जिनकी मदद से, निजता को ध्यान में रखते हुए, पार्टनर के साथ व्यक्तिगत पहचान से जुड़ी जानकारी (पीआईआई) को एन्क्रिप्ट और शेयर किया जा सकता है. यह चुनने के बाद कि किन कॉलम में निजी पहचान से जुड़ा डेटा है, Ads Data Hub उस डेटा को एन्क्रिप्ट कर देता है. इससे यह पक्का होता है कि आपके पहले पक्ष का डेटा सिर्फ़ वे लोग एक्सपोर्ट या पढ़ सकते हैं जिनके पास ऐसा करने की अनुमति है. यह जानना मुश्किल हो सकता है कि आपके मेज़रमेंट या चालू करने के इस्तेमाल के उदाहरण के लिए, पहले पक्ष का कौनसा डेटा ज़रूरी है. इसलिए, Ads Data Hub पहले से तय किए गए इस्तेमाल के उदाहरणों की पूरी सूची उपलब्ध कराता है. इसके बाद, आपके डेटा को निकालने, बदलने, और लोड करने के पूरे अनुभव के दौरान आपकी मदद करता है. कई तरह के कनेक्शन बनाए जा सकते हैं. हालांकि, इस दस्तावेज़ में यह माना गया है कि उपयोगकर्ता से मिले डेटा की मैचिंग के लिए, कनेक्शन पेज का इस्तेमाल किया जा रहा है.

पहले पक्ष (ग्राहक) के इस्तेमाल किए जा सकने वाले डेटा सोर्स

इन डेटा सोर्स से डेटा इंपोर्ट किया जा सकता है:

BigQuery
Cloud Storage
सिक्योर एफ़टीपी (एसएफ़टीपी)
Snowflake
MySQL
PostgreSQL
Amazon Redshift
Amazon S3

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा सिर्फ़ Google पर साइन-इन करने वाले उपयोगकर्ताओं को मिलती है. साथ ही, सिर्फ़ उस इन्वेंट्री के लिए मिलती है जिसका मालिक और जिसे चलाने वाला Google है. इसलिए, तीसरे पक्ष की कुकी के काम न करने से इस सुविधा पर कोई असर नहीं पड़ता. इंडस्ट्री में हुए बदलावों का असर, तीसरे पक्ष से मिले डेटा की तुलना में इस सुविधा पर कम पड़ता है. इसलिए, इससे ज़्यादा अहम जानकारी मिल सकती है. इससे ग्राहकों के जुड़ाव में बढ़ोतरी हो सकती है.

शब्दावली सीखें

उपयोगकर्ता से मिले डेटा का कनेक्शन: उपयोगकर्ता से मिले डेटा का कनेक्शन सेट अप करें, ताकि आप अपना डेटा इंपोर्ट और मैच कर सकें. साथ ही, डेटा इंपोर्ट को शेड्यूल कर सकें, डेटा में बदलाव कर सकें, और यूज़र आईडी का इस्तेमाल करके अपने विज्ञापन डेटा को मैच कर सकें. विज्ञापन इवेंट, Google के पास मौजूद विज्ञापन डेटा में दिए गए, साइन इन किए हुए उपयोगकर्ता के डेटा से जुड़ा होना चाहिए. इसके लिए, एक से ज़्यादा Google Cloud प्रोजेक्ट की ज़रूरत होती है.
पहले पक्ष (ग्राहक) का डेटा कनेक्शन: डेटा तैयार करने वाले टूल के तौर पर, पहले पक्ष (ग्राहक) का डेटा कनेक्शन सेट अप करें. इससे, डेटा इंपोर्ट को शेड्यूल किया जा सकता है और UPDM की बेहतर सुविधाओं के बिना डेटा को ट्रांसफ़ॉर्म किया जा सकता है. इस तरह के कनेक्शन के लिए, सिर्फ़ एक Google Cloud प्रोजेक्ट की ज़रूरत होती है.
डेटा सोर्स: कनेक्ट किया गया प्रॉडक्ट, इंपोर्ट की गई फ़ाइल या तीसरे पक्ष का इंटिग्रेशन. उदाहरण के लिए, BigQuery.
डेस्टिनेशन: इस्तेमाल का उदाहरण: आम तौर पर, Google का कोई ऐसा प्रॉडक्ट या प्रॉडक्ट से जुड़ी ऐसी सुविधा जिसमें इंपोर्ट किए गए डेटा की सुविधा चालू होती है. उदाहरण के लिए, Ads Data Hub में उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा.
एडमिन प्रोजेक्ट: यह Google Cloud प्रोजेक्ट होता है, जिसमें आपका मालिकाना विज्ञापन डेटा रॉ फ़ॉर्मैट में मौजूद होता है.
आउटपुट डेटासेट: वह BigQuery डेटासेट जिसमें Ads Data Hub डेटा लिखता है. डिफ़ॉल्ट रूप से, यह आपके एडमिन प्रोजेक्ट में मौजूद डेटासेट होता है. इसे किसी दूसरे Google Cloud प्रोजेक्ट में बदलने के लिए, सेवा खाते कॉन्फ़िगर करना लेख पढ़ें.

प्रोसेस की खास जानकारी

डेटा डालने और मैच करने की सुविधा सेट अप करना
- आपको अपने एडमिन प्रोजेक्ट पर, सेवा खातों को ज़रूरी अनुमतियां देनी होंगी. डेटा डालने की सुविधा सेट अप करना लेख पढ़ें.
पहले पक्ष (ग्राहक) का डेटा डालना और मैच करना
- आप अपने पहले पक्ष के डेटा को फ़ॉर्मैट करके, उसे अपने BigQuery डेटासेट में अपलोड करते हैं. सबसे आसान सेटअप के लिए, अपने एडमिन प्रोजेक्ट का इस्तेमाल करें. हालांकि, आपके पास अपने मालिकाना हक वाले किसी भी BigQuery डेटासेट का इस्तेमाल करने का विकल्प होता है.
- आप, कनेक्शन बनाकर और इंपोर्ट शेड्यूल सेट करके, डेटा मैचिंग का अनुरोध शुरू करते हैं.
- Google, आपके प्रोजेक्ट और Google के मालिकाना हक वाले डेटा को आपस में जोड़ता है. इसमें Google का उपयोगकर्ता आईडी और उपयोगकर्ता से मिले हैश किए गए डेटा को शामिल किया जाता है. ऐसा, मैच टेबल बनाने और अपडेट करने के लिए किया जाता है.
- पहले पक्ष (ग्राहक) का डेटा डालना देखें
मैच किए गए डेटा के आधार पर, Ads Data Hub में चल रही क्वेरी
- आप मैच टेबल के लिए क्वेरी उसी तरह चलाते हैं जिस तरह Ads Data Hub में सामान्य क्वेरी चलाई जाती हैं. मैच होने वाला डेटा क्वेरी करें देखें.

निजता से जुड़ी ज़रूरी शर्तों के बारे में जानें

ग्राहक का डेटा इकट्ठा करना

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा का इस्तेमाल करते समय, आपको पहले पक्ष (ग्राहक) का डेटा अपलोड करना होगा. यह जानकारी आपकी वेबसाइटों, ऐप्लिकेशन, दुकानों या ऐसी जगहों से इकट्ठा की गई हो जहां ग्राहक आपके कारोबार से सीधे तौर पर इंटरैक्ट करते हैं. इसके अलावा, यह ऐसी जानकारी भी हो सकती है जिसे ग्राहक ने सीधे आपके साथ शेयर किया हो.

इसलिए, आपको ये करने होंगे:

पक्का करें कि आपकी निजता नीति में यह बताया गया हो कि ग्राहक का डेटा, तीसरे पक्ष की उन कंपनियों के साथ शेयर किया जाता है जो आपकी ओर से सेवाएं देती हैं. साथ ही, यह भी पक्का करें कि जहां भी कानूनी रूप से ज़रूरी हो वहां आपने डेटा शेयर करने के लिए ग्राहक की सहमति ली हो
ग्राहक से जुड़ा डेटा अपलोड करने के लिए, सिर्फ़ Google की मंज़ूरी वाले एपीआई या इंटरफ़ेस का इस्तेमाल करें
लागू होने वाले सभी नियमों और कानूनों का पालन करें. इनमें, खुद तय किए गए या इंडस्ट्री से जुड़े नियम भी शामिल हैं

पहले पक्ष की सहमति की पुष्टि

चेतावनी: सहमति स्वीकार न करने या सहमति स्वीकार करने से इनकार करने पर, Ads Data Hub में पहले पक्ष (ग्राहक) के डेटा (1PD) का इस्तेमाल नहीं किया जा सकता. उदाहरण के लिए, नया 1PD नहीं लाया जा सकता या लिंक किए गए विज्ञापन डेटा के साथ मौजूदा 1PD को जॉइन नहीं किया जा सकता. उपयोग के सभी उदाहरण उपलब्ध नहीं हैं. जैसे, उपयोगकर्ता से मिले डेटा की मैचिंग और 1PD का इस्तेमाल करके ऑडियंस को चालू करना. इसमें शेड्यूल किए गए सभी 1PD इंपोर्ट शामिल हैं.

यह पक्का करने के लिए कि आपके पास Ads Data Hub में पहले पक्ष (ग्राहक) के डेटा का इस्तेमाल करने का विकल्प है, आपको पुष्टि करनी होगी कि आपने ईयू उपयोगकर्ता की सहमति से जुड़ी नीति और Ads Data Hub की नीति के मुताबिक, ईईए के असली उपयोगकर्ताओं का डेटा Google के साथ शेयर करने के लिए सही सहमति ली है. यह ज़रूरी शर्त, हर Ads Data Hub खाते पर लागू होती है. साथ ही, हर बार पहले पक्ष (ग्राहक) का नया डेटा अपलोड करने पर, इसे अपडेट करना ज़रूरी है. पूरे खाते की ओर से, कोई भी उपयोगकर्ता यह स्वीकार कर सकता है.

ध्यान दें कि विश्लेषण क्वेरी पर लागू होने वाले Google की सेवा की क्वेरी के नियम, UPDM क्वेरी पर भी लागू होते हैं. उदाहरण के लिए, मैच टेबल बनाते समय, ईईए में रहने वाले उपयोगकर्ताओं के लिए, अलग-अलग सेवाओं के लिए क्वेरी नहीं चलाई जा सकतीं.

Ads Data Hub में सहमति स्वीकार करने का तरीका जानने के लिए, यूरोपियन इकनॉमिक एरिया के लिए, सहमति से जुड़ी ज़रूरी शर्तें लेख पढ़ें.

डेटा का साइज़

असली उपयोगकर्ता की निजता को सुरक्षित रखने के लिए, उपयोगकर्ता से मिले डेटा की मैचिंग की सुविधा, आपके डेटा के साइज़ के लिए इन ज़रूरी शर्तों को लागू करती है:

आपको उपयोगकर्ता सूची में कम से कम 1,000 रिकॉर्ड अपलोड करने होंगे.
मैच टेबल के हर अपडेट में, कम से कम उतने नए उपयोगकर्ता होने चाहिए जिन्हें मैच किया गया है. यह व्यवहार, अंतर की जांच जैसा ही है.
आपकी सूची में रिकॉर्ड की ज़्यादा से ज़्यादा संख्या नहीं होनी चाहिए. डेटा की ज़्यादा से ज़्यादा सीमा के बारे में जानने के लिए, अपने Google प्रतिनिधि से संपर्क करें.

डेटा डालने की सुविधा सेट अप करना

शुरू करने से पहले, आपको डेटा कनेक्शन बनाने के लिए अपने Ads Data Hub खाते को कॉन्फ़िगर करना होगा. इससे, डेटा मैच करने वाली अपनी पाइपलाइन बनाई जा सकेगी. आपको ये चरण सिर्फ़ एक बार करने होंगे.

कनेक्शन पेज पर, सेटअप शुरू करें पर क्लिक करके, खाता सेटअप करने वाला विजर्ड खोलें. ऐसा, यूपीडीएम चालू करने के चरण में करें.

कनेक्शन पर जाएं

BigQuery और Cloud Storage के लिए कौनसी अनुमतियां दी गई हैं?

अगर आपने BigQuery या Cloud Storage के साथ इस्तेमाल करने के लिए यूपीडीएम सेट अप किया है, तो Ads Data Hub के सेवा खातों को दी गई अनुमतियों को समझने के लिए, इस रेफ़रंस का इस्तेमाल करें.

BigQuery

Datafusion सेवा खाता

मकसद Data Fusion सेवा खाते का इस्तेमाल, Ads Data Hub के यूज़र इंटरफ़ेस (यूआई) में, सोर्स फ़ील्ड की सूची दिखाने के लिए किया जाता है.

फ़ॉर्मैट service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com

ज़रूरी ऐक्सेस

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट में मौजूद खास डेटासेट के लिए
`Storage Admin` `roles/storage.admin`	डेटा सोर्स प्रोजेक्ट या स्टोरेज के लिए बनाई गई खास बकेट

Dataproc सेवा खाता

मकसद Dataproc सेवा खाते की मदद से, बैकग्राउंड में डेटा को एक जगह से दूसरी जगह भेजा जा सकता है.

फ़ॉर्मैट some-number-compute@developer.gserviceaccount.com

ज़रूरी ऐक्सेस

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट में मौजूद खास डेटासेट के लिए
`BigQuery Data Editor` `roles/bigquery.dataEditor`	डेस्टिनेशन प्रोजेक्ट में मौजूद खास डेटासेट के लिए
`BigQuery Job User` `roles/bigquery.jobUser`	डेटा सोर्स और डेस्टिनेशन, दोनों प्रोजेक्ट के लिए
`Storage Admin` `roles/storage.admin`	डेटा सोर्स और डेस्टिनेशन, दोनों प्रोजेक्ट के लिए या स्टोरेज के लिए खास तौर पर बनाई गई बकेट

UPDM सेवा खाता

मकसद UPDM सेवा खाते का इस्तेमाल, मैचिंग जॉब को चलाने के लिए किया जाता है.

फ़ॉर्मैट service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com

ज़रूरी ऐक्सेस

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	डेस्टिनेशन प्रोजेक्ट के लिए
`BigQuery Job User` `roles/bigquery.jobUser`	डेस्टिनेशन प्रोजेक्ट के लिए

Cloud Storage

Datafusion सेवा खाता

फ़ॉर्मैट service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com

ज़रूरी ऐक्सेस

`Storage Object Viewer` `roles/storage.objectViewer`	डेटा सोर्स प्रोजेक्ट में मौजूद खास स्टोरेज बकेट के लिए
`BigQuery Data Viewer` `roles/bigquery.dataViewer`	डेटा सोर्स प्रोजेक्ट या स्टोरेज के लिए बनाई गई खास बकेट
`Storage Admin` `roles/storage.admin`	डेटा सोर्स प्रोजेक्ट या स्टोरेज के लिए बनाई गई खास बकेट

Dataproc सेवा खाता

फ़ॉर्मैट some-number-compute@developer.gserviceaccount.com

ज़रूरी ऐक्सेस

`Storage Admin` `roles/storage.admin`	डेटा सोर्स और डेस्टिनेशन, दोनों प्रोजेक्ट के लिए या स्टोरेज के लिए खास तौर पर बनाई गई बकेट
`BigQuery Job User` `roles/bigquery.jobUser`	डेस्टिनेशन प्रोजेक्ट के लिए

UPDM सेवा खाता

मकसद UPDM सेवा खाते का इस्तेमाल, मैचिंग जॉब को चलाने के लिए किया जाता है.

फ़ॉर्मैट service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com

ज़रूरी ऐक्सेस

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	डेस्टिनेशन प्रोजेक्ट के लिए
`BigQuery Job User` `roles/bigquery.jobUser`	डेस्टिनेशन प्रोजेक्ट के लिए

अन्य डेटा सोर्स

अन्य डेटा सोर्स के लिए ज़रूरी नहीं है

पहले पक्ष (ग्राहक) का डेटा डालना और मैच करना

इनपुट के लिए डेटा को फ़ॉर्मैट करना

डेटा को सही तरीके से मैच करने के लिए, यह ज़रूरी है कि आपका डेटा इन फ़ॉर्मैटिंग की ज़रूरी शर्तों के मुताबिक हो:

इनपुट फ़ील्ड की जानकारी में जहां बताया गया है वहां आपको SHA256 हैशिंग का इस्तेमाल करके अपलोड करना होगा.
इनपुट फ़ील्ड को स्ट्रिंग के तौर पर फ़ॉर्मैट किया जाना चाहिए. उदाहरण के लिए, अगर Base16 कोड में बदलने वाले फ़ंक्शन (TO_HEX) के साथ, BigQuery के SHA256 हैश फ़ंक्शन का इस्तेमाल किया जा रहा है, तो नीचे दिए गए ट्रांसफ़ॉर्मेशन का इस्तेमाल करें: TO_HEX(SHA256(user_data)).
UPDM, Base16 और Base64, दोनों कोड में बदलने की सुविधा देता है. आपको अपने पहले पक्ष (ग्राहक) के डेटा को एन्कोड करने के तरीके को, Ads Data Hub क्वेरी में इस्तेमाल किए गए डिकोड करने के तरीके के साथ अलाइन करना होगा. अगर आपने पहले पक्ष (ग्राहक) के डेटा को कोड में बदलने का तरीका बदला है, तो आपको Ads Data Hub की क्वेरी को अपडेट करना होगा, ताकि उसी बेस से डेटा को डिकोड किया जा सके. नीचे दिए गए उदाहरणों में Base16 एन्कोडिंग का इस्तेमाल किया गया है.

यूज़र आईडी

सादा लेख
हैशिंग: कोई नहीं

ईमेल

आगे और पीछे की खाली सफ़ेद जगहों को हटाना
सभी वर्ण छोटे अक्षरों में लिखें
सभी ईमेल पतों के लिए कोई डोमेन नेम डालें. उदाहरण के लिए, gmail.com या hotmail.co.jp
उच्चारण हटाना—उदाहरण के लिए, è, é, ê या ë को e में बदलना
gmail.com और googlemail.com ईमेल पतों के डोमेन नेम से पहले के सभी पीरियड (.) हटाएं
हैशिंग: Base16 में एन्कोड किया गया SHA256

मान्य: TO_HEX(SHA256("jeffersonloveshiking@gmail.com"))

अमान्य: TO_HEX(SHA256("JéffersonLôvesHiking@gmail.com"))

फ़ोन

व्हाइटस्पेस हटाना
E.164 फ़ॉर्मैट में फ़ोन नंबर डालें. उदाहरण के लिए, अमेरिका के लिए: +14155552671, यूनाइटेड किंगडम के लिए: +442071838750
देश के कोड से पहले मौजूद "+" के अलावा, सभी खास वर्ण हटाएं
हैशिंग: Base16 में एन्कोड किया गया SHA256

मान्य: TO_HEX(SHA256("+18005550101"))

अमान्य: TO_HEX(SHA256("(800) 555-0101"))

नाम

व्हाइटस्पेस हटाना
सभी वर्ण छोटे अक्षरों में लिखें
सभी प्रीफ़िक्स हटाएं. उदाहरण के लिए, श्रीमती, श्री, सुश्री, डॉ.
उच्चारण चिह्न न हटाएं—उदाहरण के लिए, è, é, ê या ë
हैशिंग: Base16 में एन्कोड किया गया SHA256

मान्य: TO_HEX(SHA256("daní"))

अमान्य: TO_HEX(SHA256("Daní"))

उपनाम

व्हाइटस्पेस हटाना
सभी वर्ण छोटे अक्षरों में लिखें
सभी सफ़िक्स हटाएं-जैसे, जूनियर, सीनियर दूसरा, तीसरा, II, III, पीएचडी, एमडी
उच्चारण चिह्न न हटाएं—उदाहरण के लिए, è, é, ê या ë
हैशिंग: Base16 में एन्कोड किया गया SHA256

मान्य: TO_HEX(SHA256("delacruz"))

अमान्य: TO_HEX(SHA256("de la Cruz, Jr."))

देश

देश का कोड शामिल करें, भले ही आपके ग्राहकों से जुड़ा पूरा डेटा उसी देश से हो
देश का डेटा हैश न करें
ISO 3166-1 alpha-2 फ़ॉर्मैट में देश के कोड इस्तेमाल करें
हैशिंग: कोई नहीं

मान्य: US

अमान्य: United States of America या USA

पिन कोड

पिन कोड का डेटा हैश न करें
अमेरिका के पिन कोड और अंतरराष्ट्रीय पिन कोड, दोनों की अनुमति है
अमेरिका के लिए:
- पांच अंकों के कोड की अनुमति है—उदाहरण के लिए, 94043
- पांच अंकों के बाद चार अंकों के एक्सटेंशन की भी अनुमति है—उदाहरण के लिए, 94043-1351 या 940431351
अन्य सभी देशों के लिए:
- फ़ॉर्मैटिंग की ज़रूरत नहीं है. इसे छोटा करने या स्पेस और खास वर्णों को हटाने की ज़रूरत नहीं है
- पिन कोड एक्सटेंशन छोड़ दें
हैशिंग: कोई नहीं

ध्यान दें: मैच टेबल बनाते समय, ट्रांसफ़ॉर्मेशन का इस्तेमाल करके भी डेटा को फ़ॉर्मैट किया जा सकता है. ट्रांसफ़ॉर्मेशन में, कैलकुलेट हैश, लोअर/अपरकेस फ़ॉर्मैटिंग, और फ़ील्ड मर्ज/स्प्लिट करना शामिल है. कंप्यूट हैश का इस्तेमाल, व्यक्तिगत पहचान से जुड़ी जानकारी (पीआईआई) के लिए करना आसान होता है. ऐसा इसलिए, क्योंकि यह स्ट्रिंग को छोटा और फ़ॉर्मैट करके, उसे लोअरकेस में बदल देता है. साथ ही, हैश वैल्यू का हिसाब लगाता है और उसे Base64 का इस्तेमाल करके कोड में बदल देता है.

हैश की पुष्टि और डेटा को कोड में बदलना

हैश की पुष्टि करने वाली इन स्क्रिप्ट का इस्तेमाल करके, यह पक्का किया जा सकता है कि आपके डेटा का फ़ॉर्मैट सही है.

JavaScript

Base16

/**
 * @fileoverview Provides the hashing algorithm for User-Provided Data Match, 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 hashArrayBuffer = await crypto.subtle.digest(
      'SHA-256', (new TextEncoder()).encode(formattedToken));
  // Converts the hash buffer to a hexadecimal string.
  return Array.from(new Uint8Array(hashArrayBuffer))
      .map((b) => b.toString(16).padStart(2, '0'))
      .join('');
}

function main() {
  // Expected hash for test@gmail.com:
  // 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  hash('test@gmail.com').then(result => console.log(result));

  // Expected hash for +18005551212:
  // 61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  hash('+18005551212').then(result => console.log(result));

  // Expected hash for John:
  // 96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  hash('John').then(result => console.log(result));

  // Expected hash for Doe:
  // 799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f
  hash('Doe').then(result => console.log(result));
}

main()

Base64

/**
 * @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

Base16

"""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': 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  - Phone '+18005551212':   61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  - First name 'John':      96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  - Last name 'Doe':        799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f
"""

import base64
import hashlib

def updm_hash(token):
# Generates a SHA-256 hash of the input token after normalization.
  return hashlib.sha256(token.strip().lower().encode('utf-8')).hexdigest()

def print_updm_hash(token):
# Prints the SHA-256 hash and the original token.
  print('Hash: "{}"\t(Token: {})'.format(updm_hash(token), token))

def main():
# Hashes and prints sample tokens.
  print_updm_hash('test@gmail.com')
  print_updm_hash('+18005551212')
  print_updm_hash('John')
  print_updm_hash('Doe')

if __name__ == '__main__':
  main()

Base64

"""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()

शुरू करें

Base16

/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

Sample hashes:

  - Email 'test@gmail.com': 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  - Phone '+18005551212':   61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  - First name 'John':      96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  - Last name 'Doe':        799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f
*/
package main

import (
  "crypto/sha256"
  "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 := fmt.Sprintf("%x", 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")
}

Base64

/*
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

Base16

package updm.hashing;

import static java.nio.charset.StandardCharsets.UTF_8;

import com.google.common.base.Ascii;
import com.google.common.hash.Hashing;

/**
 * Example of the UPDM hashing algorithm using hex-encoded SHA-256.
*
* <p>This uses the Guava Hashing to generate the hash: https://github.com/google/guava
*
* <p>Sample valid hashes:
*
* <ul>
*   <li>Email "test@gmail.com": "87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674"
*   <li>Phone "+18005551212": "61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44"
*   <li>First name "John": "96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a"
*   <li>Last name "Doe": "799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f"
* </ul>
*/
public final class HashExample {

  private HashExample() {}

  public static String hash(String token) {
    // Normalizes and hashes the input token.
    String formattedToken = Ascii.toLowerCase(token).strip();
    return Hashing.sha256().hashString(formattedToken, UTF_8).toString();
  }

  public static void printHash(String token) {
    // Calculates and prints the token's hash.
    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");
  }
}

Base64

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

Base16

/*
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': 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  - Phone '+18005551212':   61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  - First name 'John':      96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  - Last name 'Doe':        799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f

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 hashed versions of specified columns from the input table.
CREATE TABLE `your_project_name.your_dataset_name.output_hashed_table_name`
AS
SELECT
  UserID,
  TO_HEX(SHA256(LOWER(Email))) AS Email,
  TO_HEX(SHA256(Phone)) AS Phone,
  TO_HEX(SHA256(LOWER(FirstName))) AS FirstName,
  TO_HEX(SHA256(LOWER(LastName))) AS LastName,
  PostalCode,
  CountryCode,
FROM
  `your_project_name.your_dataset_name.input_unhashed_table_name`;

Base64

/*
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`;

जुड़ने की कुंजियां

उपयोगकर्ता से मिले डेटा के कुछ कॉम्बिनेशन, दूसरे कॉम्बिनेशन से ज़्यादा असरदार होते हैं. यहां उपयोगकर्ता से मिले अलग-अलग डेटा कॉम्बिनेशन की सूची दी गई है. इनकी रैंकिंग, उनके काम के होने के हिसाब से की गई है. अगर पते का इस्तेमाल किया जाता है, तो आपको ये जानकारी देनी होगी: नाम, उपनाम, देश, और पिन कोड.

ईमेल, फ़ोन नंबर, पता (सबसे भरोसेमंद)
फ़ोन नंबर, पता
ईमेल, पता
ईमेल, फ़ोन
पता
फ़ोन
ईमेल (सबसे कम सुरक्षित)

मैच टेबल बनाना

कनेक्शन > कनेक्शन बनाएं > उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा पर क्लिक करें.
कोई डेटा सोर्स चुनें. इसके बाद, कनेक्ट करें पर क्लिक करें.
अगर कहा जाए, तो पुष्टि करें. इसके बाद, आगे बढ़ें पर क्लिक करें:

BigQuery

BigQuery का ऐक्सेस देने के लिए, 'लागू करें' पर क्लिक करें.

Cloud Storage

Cloud Storage का ऐक्सेस देने के लिए, 'लागू करें' पर क्लिक करें.

MySQL

अपने MySQL डेटाबेस की लोकेशन, पोर्ट, उपयोगकर्ता नाम, और पासवर्ड डालें.

S3

Amazon S3 की सीक्रेट ऐक्सेस कुंजी डालें.

PostgreSQL

अपने PostgreSQL डेटाबेस की लोकेशन, पोर्ट, उपयोगकर्ता नाम, पासवर्ड, और डेटाबेस डालें.

Redshift

अपने Redshift डेटाबेस की लोकेशन, पोर्ट, उपयोगकर्ता नाम, पासवर्ड, और डेटाबेस डालें.

sFTP

अपने एसएफ़टीपी सर्वर की जगह, उपयोगकर्ता नाम, और पासवर्ड डालें.

Snowflake

अपने Snowflake खाते का आइडेंटिफ़ायर, उपयोगकर्ता नाम, और पासवर्ड डालें.
अपना डेटा सोर्स कॉन्फ़िगर करें. इसके बाद, आगे बढ़ें पर क्लिक करें:

BigQuery

इंपोर्ट करने के लिए BigQuery टेबल चुनें.

Cloud Storage

gsutil का पाथ डालें, जैसे कि gs://my-bucket/folder/ और अपनी फ़ाइल का फ़ॉर्मैट चुनें.

अगर आपने इस संसाधन को पहली बार कनेक्ट किया है, तो आपको एक सूचना दिखेगी. ऐक्सेस देने के लिए, 'लागू करें' पर क्लिक करें. इसके बाद, 'आगे बढ़ें' पर क्लिक करें. ध्यान दें: आपके पास कोई ऐसी भूमिका होनी चाहिए जो संबंधित बकेट के लिए, storage.buckets.setIamPolicy सेट करने की अनुमति दे सके.

MySQL

आपको जिस MySQL डेटाबेस और टेबल का इस्तेमाल करना है उसे चुनें.

S3

उस फ़ाइल का यूआरआई डालें जिसे आपको अपलोड करना है. यह होस्ट के पते से मेल खाना चाहिए.

PostgreSQL

PostgreSQL स्कीमा और टेबल (या व्यू) का नाम डालें.

Redshift

Redshift स्कीमा और टेबल (या व्यू) का नाम डालें. Redshift, डिफ़ॉल्ट रूप से, डेटाबेस की लोकेशन के ऐसे यूआरएल इस्तेमाल करता है जिनमें यह टेंप्लेट फ़ॉलो किया गया हो: cluster-identifier.account-number.aws-region.redshift.amazonaws.com .

sFTP

फ़ाइल का पाथ और नाम डालें. इसे इस फ़ॉर्मैट में डालें /PATH/FILENAME.csv

Snowflake

आपको Snowflake के जिस डेटाबेस, स्कीमा, और टेबल (या व्यू) का इस्तेमाल करना है उसे डालें.
इंटरमीडियरी डेस्टिनेशन के तौर पर इस्तेमाल करने के लिए, कोई BigQuery डेटासेट चुनें. इसके बाद, आगे बढ़ें पर क्लिक करें. इससे यह पक्का होता है कि आपके डेटा का फ़ॉर्मैट सही है.
ज़रूरी नहीं: अपने डेटा का फ़ॉर्मैट बदलें. ट्रांसफ़ॉर्मेशन में, कैलकुलेट हैश, लोअर/अपर केस फ़ॉर्मैटिंग, और फ़ील्ड मर्ज/स्प्लिट करना शामिल है.
1. कार्रवाई > > बदलाव करें पर क्लिक करें.
2. पॉप-अप होने वाले पैनल में, ट्रांसफ़ॉर्मेशन जोड़ें या कोई दूसरा ट्रांसफ़ॉर्मेशन जोड़ें पर क्लिक करें
3. ड्रॉपडाउन मेन्यू से ट्रांसफ़ॉर्मेशन का टाइप चुनें और ज़रूरी शर्तें डालें.
4. सेव करें पर क्लिक करें.
कम से कम एक जॉइन बटन चुनें और उन फ़ील्ड को मैप करें जिनका इस्तेमाल करना है. Ads Data Hub, एक जैसे नाम वाले फ़ील्ड को अपने-आप मैप कर देगा. इन फ़ील्ड को से दिखाया जाता है. ज़रूरी बदलाव करें. इसके बाद, आगे बढ़ें पर क्लिक करें.
शेड्यूल सेट करने के लिए:
1. अपने कनेक्शन को नाम दें.
2. फ़्रीक्वेंसी सेट करें. इससे यह तय होता है कि पिछले चरण में चुने गए डेटासेट में डेटा कितनी बार इंपोर्ट किया जाएगा. हर बार चलाने पर, डेस्टिनेशन टेबल में मौजूद डेटा बदल जाएगा.
3. बताएं कि आपको यूज़र आईडी के मेल खाने की समस्या को कैसे मैनेज करना है. आपके पास मौजूदा मैच को बनाए रखने या नए डेटा से बदलने का विकल्प होता है.
पूरा करें पर क्लिक करें. आम तौर पर, मैच टेबल बनने के 12 घंटे बाद, उनसे क्वेरी की जा सकती है.

कनेक्शन की जानकारी देखना

कनेक्शन की जानकारी वाले पेज पर, किसी कनेक्शन के हाल ही में हुए रन और गड़बड़ियों के बारे में जानकारी मिलती है. किसी कनेक्शन की जानकारी देखने के लिए:

कनेक्शन पर क्लिक करें.
कनेक्शन की जानकारी देखने के लिए, उसके नाम पर क्लिक करें.
अब आपको कनेक्शन की जानकारी और हाल ही में किए गए रन दिखेंगे. हर रिपोर्ट में दो तरह की गड़बड़ियां दिख सकती हैं: कनेक्शन-लेवल (कनेक्शन नहीं हुआ) और लाइन-लेवल (कोई लाइन इंपोर्ट नहीं हुई).
1. पूरा नहीं हो सका स्टेटस से पता चलता है कि पूरा कनेक्शन नहीं चल सका (उदाहरण के लिए, सेवा खाते की अनुमति से जुड़ी समस्या). गड़बड़ी की स्थिति पर क्लिक करके देखें कि किन गड़बड़ियों की वजह से कनेक्शन पर असर पड़ा.
2. पूरा हो गया स्टेटस से पता चलता है कि कनेक्शन पूरा हो गया है. हालांकि, अब भी लाइन-लेवल की गड़बड़ियां हो सकती हैं. इन गड़बड़ियों के बारे में, "गड़बड़ी वाली लाइनें" कॉलम में मौजूद गैर-शून्य वैल्यू से पता चलता है. किन रिकॉर्ड को अपलोड नहीं किया जा सका, इस बारे में ज़्यादा जानने के लिए वैल्यू पर क्लिक करें.

किसी कनेक्शन में बदलाव करना

इनमें बदलाव किया जा सकता है:

कनेक्शन का नाम
शेड्यूल करें
टेबल जिसमें डेटा भेजना है (डेस्टिनेशन टेबल)
फ़ील्ड मैपिंग

डेटा सोर्स में बदलाव नहीं किया जा सकता. डेटा सोर्स बदलने के लिए, नया कनेक्शन बनाएं और पुराने कनेक्शन को मिटाएं.

कनेक्शन की जानकारी में बदलाव करने के लिए:

कनेक्शन पर क्लिक करें.
उस कनेक्शन के नाम पर क्लिक करें जिसमें आपको बदलाव करना है.
आपको जिस जानकारी में बदलाव करना है उसमें बदलाव करें:
- कनेक्शन का नाम: बदलाव करें पर क्लिक करें. इसके बाद, नया नाम डालें और Enter दबाएं.
- शेड्यूल: बदलाव करें पर क्लिक करें. इसके बाद, नया शेड्यूल सेट करें और सेव करें पर क्लिक करें.
- डेस्टिनेशन टेबल: बदलाव करें पर क्लिक करें. इसके बाद, डेस्टिनेशन का नया नाम डालें और सेव करें पर क्लिक करें.
- फ़ील्ड मैपिंग: पर क्लिक करें. इसके बाद, फ़ील्ड में बदलाव करें और सेव करें पर क्लिक करें.
पर क्लिक करें.

मैच होने वाले डेटा के लिए क्वेरी करना

मैच टेबल पर क्वेरी करना

जब आपकी मैच टेबल में निजता जांच के लिए ज़रूरत के मुताबिक डेटा हो, तो टेबल के लिए क्वेरी चलाने के लिए तैयार हो जाएं.

पहले पक्ष (ग्राहक) के डेटा (1PD) की ओरिजनल टेबल को my_data से दिखाया जाता है. इसमें व्यक्तिगत पहचान से जुड़ी जानकारी (पीआईआई) और नॉन-पीआईआई, दोनों तरह का डेटा शामिल होता है. ओरिजनल टेबल का इस्तेमाल करने से, ज़्यादा अहम जानकारी के साथ आपकी रिपोर्ट को बेहतर बनाया जा सकता है. ऐसा इसलिए, क्योंकि मैच टेबल की तुलना में यह स्कोप में मौजूद सभी 1PD डेटा को दिखाती है.

Ads Data Hub स्कीमा में मौजूद हर टेबल में user_id फ़ील्ड के साथ एक मैच टेबल होती है. उदाहरण के लिए, adh.google_ads_impressions टेबल के लिए, Ads Data Hub एक मैच टेबल भी जनरेट करता है. इसे adh.google_ads_impressions_updm कहा जाता है और इसमें आपके यूज़र आईडी शामिल होते हैं. नीति के हिसाब से अलग-अलग टेबल के लिए, अलग-अलग मैच टेबल बनाई जाती हैं. उदाहरण के लिए, adh.google_ads_impressions_policy_isolated_youtube टेबल के लिए, Ads Data Hub एक मैच टेबल भी जनरेट करता है. इसे adh.google_ads_impressions_policy_isolated_youtube_updm कहा जाता है और इसमें आपके उपयोगकर्ता आईडी शामिल होते हैं.

इन टेबल में, ओरिजनल टेबल में मौजूद उपयोगकर्ताओं का एक सबसेट होता है, जहां user_id मैच होता है. उदाहरण के लिए, अगर ओरिजनल टेबल में उपयोगकर्ता A और उपयोगकर्ता B का डेटा है, लेकिन सिर्फ़ उपयोगकर्ता A का डेटा मैच होता है, तो उपयोगकर्ता B मैच टेबल में नहीं दिखेगा.

मैच टेबल में customer_data_user_id नाम का एक अतिरिक्त कॉलम होता है, जो उपयोगकर्ता आइडेंटिफ़ायर को बाइट के तौर पर सेव करता है.

क्वेरी लिखते समय, फ़ील्ड के टाइप का ध्यान रखना ज़रूरी है. SQL के कंपैरिज़न ऑपरेटर, तुलना किए जा रहे लिटरल के एक जैसे होने की उम्मीद करते हैं. पहले पक्ष के डेटा की टेबल में user_id को कैसे सेव किया गया है, इसके आधार पर आपको डेटा को मैच करने से पहले, टेबल में वैल्यू को कोड में बदलना पड़ सकता है. मैच करने के लिए, आपको अपनी जॉइन बटन को बाइट में बदलना होगा:

JOIN ON
  adh.google_ads_impressions_updm.customer_data_user_id = CAST(my_data.user_id AS BYTES)

इसके अलावा, एसक्यूएल में स्ट्रिंग की तुलना करने पर, कैपिटल लेटर का ध्यान रखा जाता है. इसलिए, आपको तुलना करने के लिए, दोनों तरफ़ स्ट्रिंग को कोड में बदलना पड़ सकता है, ताकि उनकी सटीक तुलना की जा सके.

सैंपल क्वेरी

मैच होने वाले उपयोगकर्ताओं की संख्या

यह क्वेरी, Google Ads इंप्रेशन टेबल में मैच होने वाले उपयोगकर्ताओं की संख्या की गिनती करती है.

/* Count matched users in Google Ads impressions table */

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

मैच रेट का हिसाब लगाना

सभी उपयोगकर्ताओं के लिए, मैच करने की सुविधा उपलब्ध नहीं है. उदाहरण के लिए, साइन आउट किए हुए उपयोगकर्ताओं, बच्चों, और सहमति न देने वाले उपयोगकर्ताओं को यूपीडीएम की मदद से मैच नहीं किया जाता. is_updm_eligible फ़ील्ड का इस्तेमाल करके, यूपीडीएम मैच रेट का सटीक हिसाब लगाया जा सकता है. ध्यान दें कि is_updm_eligible फ़ील्ड 1 अक्टूबर, 2024 से उपलब्ध था. इस तारीख से पहले मैच रेट का हिसाब लगाने के लिए, इस फ़ील्ड का इस्तेमाल नहीं किया जा सकता.

/* 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)

पहले पक्ष (ग्राहक) और Google Ads डेटा को जोड़ना

इस क्वेरी में, पहले पक्ष (ग्राहक) के डेटा को Google Ads डेटा के साथ जोड़ने का तरीका बताया गया है:

/* 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

यूपीडीएम के बारे में अक्सर पूछे जाने वाले सवाल

यूपीडीएम से जुड़े अक्सर पूछे जाने वाले सवालों की सूची के लिए, यूपीडीएम के बारे में अक्सर पूछे जाने वाले सवाल देखें.

कनेक्शन टैब की खास जानकारी

पहले पक्ष (ग्राहक) के इस्तेमाल किए जा सकने वाले डेटा सोर्स

शब्दावली सीखें

प्रोसेस की खास जानकारी

निजता से जुड़ी ज़रूरी शर्तों के बारे में जानें

डेटा डालने की सुविधा सेट अप करना

BigQuery और Cloud Storage के लिए कौनसी अनुमतियां दी गई हैं?

BigQuery

Cloud Storage

अन्य डेटा सोर्स

पहले पक्ष (ग्राहक) का डेटा डालना और मैच करना

इनपुट के लिए डेटा को फ़ॉर्मैट करना

यूज़र आईडी

ईमेल

फ़ोन

नाम

उपनाम

देश

पिन कोड

हैश की पुष्टि और डेटा को कोड में बदलना

JavaScript

Base16

Base64

Python

Base16

Base64

शुरू करें

Base16

Base64

Java

Base16

Base64

SQL

Base16

Base64

जुड़ने की कुंजियां

मैच टेबल बनाना

BigQuery

Cloud Storage

MySQL

S3

PostgreSQL

Redshift

sFTP

Snowflake

BigQuery

Cloud Storage

MySQL

S3

PostgreSQL

Redshift

sFTP

Snowflake

कनेक्शन की जानकारी देखना

किसी कनेक्शन में बदलाव करना

मैच होने वाले डेटा के लिए क्वेरी करना

मैच टेबल पर क्वेरी करना

सैंपल क्वेरी

मैच होने वाले उपयोगकर्ताओं की संख्या

मैच रेट का हिसाब लगाना

पहले पक्ष (ग्राहक) और Google Ads डेटा को जोड़ना

यूपीडीएम के बारे में अक्सर पूछे जाने वाले सवाल