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 पास मौजूद विज्ञापन डेटा शामिल होता है. इसमें Google के मालिकाना हक वाले और उसके ज़रिए मैनेज किए जाने वाले डेटा भी शामिल होते हैं. 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 इस्तेमाल नहीं किए जा सकते जो Google के मालिकाना हक वाले नहीं हैं और जिन्हें Google मैनेज नहीं करता.

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 कराने की सुविधा के बारे में बताया गया है. साथ ही, इसे सेट अप और इस्तेमाल करने के बारे में दिशा-निर्देश दिए गए हैं.

Private Cloud Match के बारे में खास जानकारी

विज्ञापन से जुड़ी अहम जानकारी पाने के लिए, अक्सर कई सोर्स से डेटा इकट्ठा करना पड़ता है. इस डेटा पाइपलाइन की समस्या का समाधान खुद बनाने के लिए, काफ़ी समय और इंजीनियरिंग की ज़रूरत होती है. Private Cloud Match in Ads Data Hub, इस प्रोसेस को आसान बनाता है. इसके लिए, यह Ads Data Hub क्वेरी टेंप्लेट उपलब्ध कराता है, ताकि BigQuery में मैच टेबल बनाई जा सके. इसके बाद, इस टेबल का इस्तेमाल Ads Data Hub क्वेरी में किया जा सकता है, ताकि आपके विज्ञापनों के डेटा को पहले पक्ष (ग्राहक) के डेटा से मैच किया जा सके. अपनी क्वेरी को पहले पक्ष (ग्राहक) के डेटा से बेहतर बनाने पर, ग्राहकों को बेहतर अनुभव मिल सकता है. साथ ही, इससे विज्ञापन ट्रैकिंग में होने वाले बदलावों का असर कम होता है.

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 ग्राहकों के बारे में अहम जानकारी मिलती है. इससे ग्राहकों का जुड़ाव बढ़ता है.

प्रोसेस की खास जानकारी

  1. डेटा डालने और मैच करने की सुविधा सेट अप करना
  2. पहले पक्ष (ग्राहक) के डेटा को शामिल करना और मैच करना
    • आपको पहले पक्ष (ग्राहक) के डेटा को फ़ॉर्मैट करके, अपने BigQuery डेटासेट में अपलोड करना होगा.
    • आप डेटा मैच करने का अनुरोध शुरू करें. इसके लिए, Private Cloud मैच विश्लेषण क्वेरी बनाएं और शेड्यूल सेट करें.
    • Google आपके प्रोजेक्ट के डेटा को Google के मालिकाना हक वाले डेटा के साथ जोड़ता है. इसमें Google का यूज़र आईडी और उपयोगकर्ता से मिला हैश किया गया डेटा शामिल होता है. इससे मैच टेबल बनाई और अपडेट की जाती हैं.
    • पहले पक्ष (ग्राहक) का डेटा शामिल करना देखें
  3. मैच किए गए डेटा के आधार पर, Ads Data Hub में चल रही क्वेरी

निजता से जुड़ी ज़रूरी शर्तों के बारे में जानकारी

ग्राहक से जुड़ा 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 जा सकती है जहां ग्राहक आपके कारोबार से सीधे तौर पर इंटरैक्ट करते हैं. इसमें ऑफ़लाइन ट्रांज़ैक्शन का डेटा भी शामिल है.

इसलिए, आपको ये करने होंगे:

  • अपनी निजता नीति में यह साफ़ तौर पर बताएं कि ग्राहक से जुड़े डेटा को तीसरे पक्षों के साथ शेयर किया जाता है, ताकि वे आपकी ओर से सेवाएं दे सकें. साथ ही, यह भी बताएं 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, ऐसे एपीआई या इंटरफ़ेस का ही इस्तेमाल करें जिसे Google से मंज़ूरी मिली हो
  • लागू होने वाले सभी नियमों और कानूनों का पालन करें. इनमें, खुद तय किए गए या उद्योग से जुड़े नियम भी शामिल हैं

पहले पक्ष (ग्राहक) की सहमति की पुष्टि

Ads Data Hub में पहले पक्ष (ग्राहक) का डेटा इस्तेमाल करने के लिए, आपको यह पुष्टि करनी होगी कि आपने ईयू उपयोगकर्ता की सहमति से जुड़ी नीति और Ads Data Hub की नीति के मुताबिक, ईईए में रहने वाले असली उपयोगकर्ताओं का डेटा Google के साथ शेयर करने के लिए, उनकी सहमति ली है. यह ज़रूरी शर्त, Ads Data Hub के हर खाते पर लागू होती है. साथ ही, जब भी पहले पक्ष का नया डेटा अपलोड किया जाए, तब इसे अपडेट करना ज़रूरी है. पूरे खाते की ओर से कोई भी उपयोगकर्ता इस बात की पुष्टि कर सकता है.

ध्यान दें कि Google की सेवा से जुड़ी क्वेरी के जो नियम, विश्लेषण से जुड़ी क्वेरी पर लागू होते हैं वे 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 बीच क्वेरी नहीं चलाई जा सकतीं.

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

डेटा का साइज़

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

  • आपको अपनी उपयोगकर्ता सूची में कम से कम 1,000 रिकॉर्ड अपलोड करने होंगे.

डेटा डालने की सुविधा सेट अप करना

शुरू करने से पहले, पक्का करें कि:

  • पहले पक्ष (ग्राहक) का डेटा, BigQuery में होना चाहिए. अगर आपके पास वीपीसी-एससी पेरिमीटर है, तो पहले पक्ष का यह डेटा आपके वीपीसी-एससी में होना चाहिए.
  • आपके Ads Data Hub सेवा खाते के पास, पहले पक्ष (ग्राहक) के डेटा को रीड करने का ऐक्सेस होना चाहिए.
  • पहले पक्ष के डेटा को सही तरीके से फ़ॉर्मैट और हैश किया जाना चाहिए. ज़्यादा जानकारी के लिए, अगला सेक्शन देखें.

इसके अलावा, Private Cloud Match में शामिल होने के लिए कोई और प्रोसेस नहीं है. अगर आपके पास विश्लेषण क्वेरी चलाने की अनुमति है, तो आपके पास Private Cloud Match क्वेरी चलाने की अनुमति भी होगी.

पहले पक्ष (ग्राहक) का डेटा शामिल करना और मैच करना

सोर्स की अनुमतियां और कनेक्शन से जुड़ी ज़रूरी शर्तें

Ads Data Hub Connections, सेटिंग > ब्यौरा > सेवा खाता (आम तौर पर service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) में दिखाए गए सेवा खाते का इस्तेमाल करता है. इसे ये भूमिकाएं दें:

  • BigQuery सोर्स: सोर्स डेटासेट या टेबल पर roles/bigquery.dataViewer (BigQuery डेटा व्यूअर).
  • Cloud Storage सोर्स: सोर्स बकेट या ऑब्जेक्ट पर roles/storage.objectViewer (स्टोरेज ऑब्जेक्ट व्यूअर).
  • पहले पक्ष का डेटा इंपोर्ट करने का डेस्टिनेशन: roles/bigquery.dataEditor अगर टेबल आपके डिफ़ॉल्ट डेटासेट में नहीं है, तो डेस्टिनेशन डेटासेट पर BigQuery डेटा एडिटर की भूमिका.

फ़ील्ड और डेटा टाइप से जुड़ी ज़रूरी शर्तें

ये नियम, कनेक्शन के अपडेट किए गए वर्शन में मौजूद कनेक्शन के लिए हैं. ये कनेक्शन के टाइप पर निर्भर करते हैं: उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा या पहले पक्ष (ग्राहक) का डेटा.

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा (यूपीडीएम)

user_id और इनमें से कम से कम एक कॉलम को मैप करें: email, phone या पूरा पता (first_name, last_name, country, और zip_code). अगर आपने पते का कोई कॉलम मैप किया है, तो चारों कॉलम मैप करें. ऐसा न करने पर, कनेक्शन सेव नहीं किया जा सकता. इन कॉलम का टाइप नहीं बदला जा सकता: email, phone, first_name, और last_name के लिए यह HASH है. साथ ही, user_id, country, और zip_code के लिए यह STRING है.

हर डेस्टिनेशन कॉलम से मैप किए जाने वाले सोर्स कॉलम में, यह जानकारी होनी चाहिए. वैल्यू को फ़ॉर्मैट करने के लिए, इनपुट के लिए डेटा फ़ॉर्मैट करना लेख पढ़ें.

डेस्टिनेशन कॉलम सोर्स कॉलम की वैल्यू उदाहरण
user_id उपयोगकर्ता के लिए आपका आईडी, सादे टेक्स्ट में customer-1234
email, phone, first_name, last_name फ़ॉर्मैट की गई वैल्यू, जिसे SHA-256 के साथ हैश किया गया है और Base64 (44 वर्ण) में कोड में बदला गया है. हेक्स एन्कोडिंग (64 वर्ण) भी काम करती है. h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=, test@gmail.com का हैश
country दो अक्षरों वाला देश का कोड (ISO 3166-1 alpha-2), सादे टेक्स्ट में US
zip_code ज़िप या पिन कोड, सादे टेक्स्ट में होना चाहिए. इसमें ज़्यादा से ज़्यादा 20 वर्ण हो सकते हैं. इनमें अंग्रेज़ी के अक्षर A-Z, अंक, स्पेस, और हाइफ़न शामिल हैं 94043
  • अपने सोर्स में मौजूद वैल्यू को हैश करें. Connections, email, phone, first_name या last_name को हैश नहीं करता है. भले ही, उनका टाइप HASH हो. एक अपवाद: अगर आपके कनेक्शन को अपडेट किए गए कनेक्शन अनुभव पर माइग्रेट किया गया था और माइग्रेट करने से पहले किसी फ़ील्ड में कंप्यूट हैश का इस्तेमाल किया गया था (कंप्यूट हैश ने आपके लिए कॉलम को हैश किया था), तो कनेक्शन अब भी उस फ़ील्ड को हैश करता है. उस फ़ील्ड की सोर्स वैल्यू को हैश न करें, लेकिन फ़ॉर्मैट करें; मूव किए गए कनेक्शन देखें.
  • BigQuery की सोर्स टेबल में, STRING कॉलम इस्तेमाल करें.
    • email, phone, first_name, और last_name की वैल्यू STRING होनी चाहिए. किसी दूसरे टाइप के कनेक्शन, जैसे कि INT64 के साथ, कनेक्शन को सेव नहीं किया जा सकता.
    • user_id को INT64 या BYTES भी कहा जा सकता है. BYTES की ऐसी वैल्यू जो UTF-8 टेक्स्ट नहीं है, वह NULL बन जाती है.
    • zip_code, INT64 भी हो सकता है. हालांकि, INT64 में शुरुआत में शून्य नहीं हो सकता (02134 को 2134 के तौर पर सेव किया जाता है). इसलिए, ऐसा पिन कोड मैच नहीं हो सकता. पिन कोड को STRING के तौर पर सेव करें.
  • हर लाइन को एक यूज़र आईडी दें. NULL यूज़र आईडी वाली सभी लाइनें एक उपयोगकर्ता के तौर पर गिनी जाती हैं. इसलिए, उनमें से ज़्यादा से ज़्यादा एक लाइन मैच हो सकती है. यही बात, खाली यूज़र आईडी वाली सभी लाइनों पर भी लागू होती है.
  • आपका यूज़र आईडी BYTES हो जाता है. Connections इसे BYTES में बदल देता है. यह यूज़र आईडी का वह टाइप है जिसे इनपुट के लिए डेटा को फ़ॉर्मैट करें में लिस्ट किया गया है. इससे आपके सोर्स कॉलम का नाम STRING ही रहेगा. उदाहरण के लिए, INT64 वैल्यू 42, b"42" हो जाती है. _updm मैच टेबल में, यह customer_data_user_id कॉलम है. CAST(my_data.user_id AS BYTES), INT64 आईडी के लिए काम नहीं करता. इसलिए, किसी एक पर शामिल होने के लिए, पहले उसे STRING पर कास्ट करें: customer_data_user_id = CAST(CAST(my_data.user_id AS STRING) AS BYTES).
  • ईमेल, फ़ोन नंबर या पते की वैल्यू खाली होने या गलत फ़ॉर्मैट में होने पर, उसे मैच नहीं किया जा सकता. हालांकि, इससे रन नहीं रुकता. लाइन अब भी अपनी अन्य वैल्यू से मैच कर सकती है. उदाहरण के लिए, सादे टेक्स्ट में मौजूद ईमेल, देश USA या पिन कोड 94043.1351 मैच नहीं हो सकता. पते से मैच करने के लिए, किसी पंक्ति के पते वाले चारों कॉलम में मान्य वैल्यू होनी चाहिए.
  • प्राइवेट क्लाउड मैच क्वेरी में, गलत फ़ॉर्मैट में मौजूद वैल्यू की वजह से पूरी क्वेरी फ़ेल हो सकती है. यह तब लागू होता है, जब कनेक्शन के बजाय Ads Data Hub में CREATE OR REPLACE TABLE adh.updm_match_table क्वेरी की मदद से मैच टेबल बनाई जाती है. उदाहरण के लिए, अगर किसी ईमेल हैश की लंबाई 44 वर्णों की नहीं है, जैसे कि हेक्स-कोड में बदला गया हैश, तो क्वेरी पूरी नहीं हो पाती और email must be encoded using TO_BASE64(SHA256(email)) जैसी गड़बड़ी दिखती है.
  • अपना मैच रेट देखें. उदाहरण के लिए, मैच रेट का हिसाब लगाएं क्वेरी का इस्तेमाल करें. Connections, ऐसी वैल्यू रिपोर्ट नहीं करता जो मैच नहीं हो सकतीं. इसलिए, आपको मैच होने वाले कम उपयोगकर्ता मिलते हैं. अगर 1,000 या इससे कम उपयोगकर्ता मैच होते हैं, तो रन नहीं हो पाता और Minimum match count check failed. दिखता है
  • हर खाते के लिए, सिर्फ़ एक UPDM कनेक्शन का इस्तेमाल करें. UPDM कनेक्शन में, डेटा भेजने के लिए कोई टेबल नहीं होती. किसी खाते में मौजूद हर UPDM कनेक्शन और हर Private Cloud Match क्वेरी, एक ही मैच टेबल में डेटा लिखती है. साथ ही, हर सफल रन इसे बदल देता है. कई सोर्स से मिले डेटा को मैच करने के लिए, पहले उसे एक टेबल या फ़ाइल में जोड़ें.
पहले पक्ष का डेटा

हर कॉलम के लिए, कोई टाइप चुनें. कनेक्शन की ज़्यादा जानकारी वाले पेज पर, डेटा टाइप चुनें. कनेक्शन, हर सोर्स वैल्यू को उस टाइप में बदल देता है. साथ ही, डेस्टिनेशन कॉलम को यहां दिया गया BigQuery टाइप मिलता है:

टाइप डेस्टिनेशन कॉलम यह किन वैल्यू को कन्वर्ट करता है ऐसी वैल्यू जो NULL बन जाती हैं
STRING (डिफ़ॉल्ट) STRING टेक्स्ट के तौर पर कोई भी वैल्यू. BigQuery से, 123 को "123" और TRUE को "true" में बदल दिया जाता है. Cloud Storage से, टेक्स्ट को बिना किसी बदलाव के रखा जाता है. BYTES की ऐसी वैल्यू जो UTF-8 टेक्स्ट नहीं है
HASH STRING STRING की तरह. Connections, वैल्यू को हैश या उसकी जांच नहीं करता. STRING की तरह
INTEGER INT64 पूरी संख्याएं और नंबर टेक्स्ट, जैसे कि "42". BigQuery से, दशमलव को छोटा किया जाता है: 1.9, 1 बन जाता है. अन्य वैल्यू, जैसे कि "abc", TRUE या कोई तारीख. Cloud Storage से, दशमलव वाली संख्या भी हो सकती है, जैसे कि 1.9.
डबल FLOAT64 नंबर और नंबर टेक्स्ट, जैसे कि "1.5" अन्य वैल्यू, जैसे कि TRUE या कोई तारीख
DATE DATE DATE वैल्यू और साल-महीना-दिन वाला टेक्स्ट, जैसे कि 2026-01-15 या 2026-1-5 अन्य वैल्यू, जैसे कि 01/15/2026, 20260115 या TIMESTAMP या DATETIME वैल्यू
TIMESTAMP TIMESTAMP TIMESTAMP, DATETIME, और DATE वैल्यू और टेक्स्ट, जैसे कि 2026-01-15 10:00:00 या 2026-01-15T10:00:00-08:00. टाइम ज़ोन के बिना दी गई वैल्यू को यूटीसी के तौर पर पढ़ा जाता है. तारीख, यूटीसी के हिसाब से आधी रात हो जाती है. अन्य वैल्यू, जैसे कि Unix epoch टाइम (1768471200)
  • अगर किसी वैल्यू को कन्वर्ट नहीं किया जा सकता, तो इसका मतलब यह नहीं है कि रन नहीं किया जा सकता. इसे NULL के तौर पर इंपोर्ट किया जाता है. साथ ही, Connections इसकी रिपोर्ट नहीं करता. इसलिए, पहली बार चलाने के बाद, डेस्टिनेशन टेबल की जांच करें.
  • अपने डेटा के हिसाब से टाइप चुनें. BigQuery सोर्स के लिए, सोर्स कॉलम से मैच करने वाला टाइप चुनें: STRING के लिए STRING, INT64 के लिए INTEGER, FLOAT64 के लिए DOUBLE, DATE के लिए DATE, और TIMESTAMP के लिए TIMESTAMP. इन वैल्यू को बिना किसी बदलाव के इंपोर्ट किया जाता है. Cloud Storage सोर्स के लिए, हर CSV वैल्यू टेक्स्ट होती है: कॉलम में वैल्यू का टाइप चुनें. जैसे, 42 के लिए INTEGER या 2026-01-15 के लिए DATE. अगर हर लाइन में कोई कॉलम NULL के तौर पर दिखता है, तो STRING चुनें या पहले अपने सोर्स डेटा में मौजूद वैल्यू को बदलें.
  • BigQuery के कुछ टाइप मैप नहीं किए जा सकते. अगर आपने ARRAY, STRUCT, JSON या GEOGRAPHY कॉलम को मैप किया है, तो कनेक्शन को सेव नहीं किया जा सकता.
  • हर बार क्वेरी चलाने पर, डेस्टिनेशन टेबल का पूरा डेटा बदल जाता है. यह अपेंड नहीं होता. अगर सोर्स में कोई पंक्ति नहीं है, तो डेस्टिनेशन खाली हो जाता है. सोर्स टेबल या ऐसी टेबल को डेस्टिनेशन के तौर पर इस्तेमाल न करें जिसका डेटा आपको सेव रखना है.
मूव किए गए कनेक्शन

कनेक्शन के अपडेट किए गए वर्शन में, ट्रांसफ़ॉर्मेशन की सुविधा अब भी उपलब्ध नहीं है: किसी फ़ील्ड में ट्रांसफ़ॉर्मेशन नहीं जोड़ा जा सकता. साथ ही, फ़ील्ड मैपिंग में भी ट्रांसफ़ॉर्मेशन नहीं दिखते. अपडेट किए गए कनेक्शन अनुभव पर माइग्रेट किए गए कनेक्शन में, उसके फ़ील्ड के ट्रांसफ़ॉर्मेशन अब भी सेव रहते हैं. जैसे, कंप्यूट हैश (SHA-256 हैशिंग).

  • पहले पक्ष के डेटा कनेक्शन में, ट्रांसफ़ॉर्मेशन वाले फ़ील्ड को टाइप कन्वर्ज़न के बजाय, ट्रांसफ़ॉर्मेशन से जनरेट होने वाली वैल्यू मिलती है. साथ ही, उसका टाइप नहीं बदला जा सकता. UPDM कनेक्शन में, उस वैल्यू पर UPDM के नियम अब भी लागू होते हैं.
  • कंप्यूट हैश का इस्तेमाल करने वाले UPDM फ़ील्ड को अब भी Connections हैश करता है. इसकी सोर्स वैल्यू को हैश न करें. हालांकि, उन्हें इनपुट के लिए डेटा फ़ॉर्मैट करें में बताए गए तरीके से फ़ॉर्मैट करें: पहले से हैश की गई वैल्यू को फिर से हैश किया जाता है और वह मैच नहीं हो सकती. वैल्यू को खुद हैश करने के लिए, फ़ील्ड मैपिंग को हटाएं और फिर से जोड़ें.
  • सिर्फ़ ये ट्रांसफ़ॉर्मेशन मूव किए जाते हैं:

    • SHA-256 (Base64 या हेक्स) के साथ हैश की गणना करें. हालांकि, UPDM user_id, country या zip_code पर ऐसा न करें. इन्हें सादे टेक्स्ट के तौर पर ही रखा जाना चाहिए.
    • लोअरकेस या अपरकेस फ़ॉर्मैटिंग.
    • स्ट्रिंग में बदलना.
    • किसी कनेक्शन के ज़्यादा से ज़्यादा 10 फ़ील्ड पर, डिफ़ॉल्ट टाइम ज़ोन के बिना टाइमस्टैंप पार्स करना.
    • एक लाइन में पहले तीन में से दो, जैसे कि लोअरकेस फ़ॉर्मैटिंग और फिर हैश की गिनती करना.

    किसी ट्रांसफ़ॉर्मेशन को सिर्फ़ तब मूव किया जाता है, जब उससे मिलने वाला आउटपुट उसके फ़ील्ड में फ़िट हो. अगर दो फ़ंक्शन एक साथ इस्तेमाल किए जा रहे हैं, तो दूसरे फ़ंक्शन से मिलने वाला आउटपुट मायने रखता है: लोअरकेस फ़ॉर्मैटिंग और फिर हैश की गणना करना email के लिए सही है, लेकिन हैश की गणना करना और फिर लोअरकेस फ़ॉर्मैटिंग करना सही नहीं है.

    • यूपीडीएम कनेक्शन में, कंप्यूट हैश email, phone, first_name, और last_name के साथ काम करता है. लोअरकेस या अपरकेस फ़ॉर्मैटिंग और स्ट्रिंग में कन्वर्ज़न, user_id, country, और zip_code के लिए सही है. टाइमस्टैंप पार्स करने की सुविधा, किसी भी फ़ील्ड के साथ काम नहीं करती.
    • पहले पक्ष (ग्राहक) के डेटा कनेक्शन में, कंप्यूट हैश, STRING या HASH कॉलम में फ़िट होता है. लोअरकेस या अपरकेस फ़ॉर्मैटिंग और स्ट्रिंग में कन्वर्ज़न, STRING कॉलम में फ़िट होता है. टाइमस्टैंप पार्सिंग, TIMESTAMP कॉलम के लिए सही है.

    किसी अन्य ट्रांसफ़ॉर्मेशन से जुड़े कनेक्शन को माइग्रेट नहीं किया जाता. जैसे, फ़ील्ड को मर्ज या स्प्लिट करना या किसी ऐसे ट्रांसफ़ॉर्मेशन से जुड़ा कनेक्शन जो अपने फ़ील्ड के साथ काम नहीं करता.

Cloud Storage CSV कॉलम की ज़रूरी शर्तें

  • हेडर लाइन को शामिल करना. पहली लाइन को छोड़ दिया जाता है. इसके कॉलम के नामों का इस्तेमाल नहीं किया जाता.
  • फ़ाइल में, मैप किए गए सोर्स कॉलम ही होने चाहिए. न तो इससे ज़्यादा और न ही इससे कम. अतिरिक्त कॉलम होने पर, रन नहीं हो पाता.
  • पहले पक्ष (ग्राहक) का डेटा: कॉलम का क्रम, फ़ील्ड मैपिंग के क्रम के मुताबिक होना चाहिए.
  • उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा: कॉलम इसी क्रम में होने चाहिए. साथ ही, सिर्फ़ वे फ़ील्ड रखें जिन्हें मैप किया गया है: user_id, email, phone, first_name, last_name, country, zip_code. मैपिंग वाली पंक्तियों के क्रम से कोई फ़र्क़ नहीं पड़ता.
  • कॉलम के अलग क्रम का पता नहीं चलता: वैल्यू गलत फ़ील्ड में लोड हो जाती हैं (या मैच रेट कम हो जाते हैं) और कोई गड़बड़ी भी नहीं दिखती.

इस्तेमाल किए जा सकने वाले डेटा सोर्स और कनेक्शन की सीमाएं

  • डेटा सोर्स: सिर्फ़ BigQuery और Cloud Storage सोर्स का इस्तेमाल किया जा सकता है.
  • BigQuery टेबल के नाम: सोर्स और डेस्टिनेशन BigQuery टेबल के लिए, पूरा project.dataset.table नाम डालना ज़रूरी है.
  • Cloud Storage फ़ाइल पाथ: एक फ़ाइल यूआरआई दें (जैसे, gs://bucket/path/file.csv). * या ? वाले वाइल्डकार्ड पाथ इस्तेमाल नहीं किए जा सकते.
  • कनेक्शन के नाम: खाते में मौजूद हर कनेक्शन का नाम यूनीक होना चाहिए.

इनपुट के लिए डेटा फ़ॉर्मैट करना

सही तरीके से मैच होने के लिए, आपके डेटा को फ़ॉर्मैटिंग से जुड़ी इन ज़रूरी शर्तों का पालन करना होगा:

  • इनपुट फ़ील्ड की जानकारी में जहां बताया गया है वहां आपको SHA256 हैशिंग का इस्तेमाल करके अपलोड करना होगा.
  • UPDM, Base64 एन्कोडिंग के साथ काम करता है. TO_BASE64 देखें.
  • इनपुट फ़ील्ड, स्ट्रिंग के तौर पर फ़ॉर्मैट किए जाने चाहिए. उदाहरण के लिए, अगर BigQuery के SHA256 हैश फ़ंक्शन का इस्तेमाल किया जा रहा है, तो इस ट्रांसफ़ॉर्मेशन का इस्तेमाल करें: TO_BASE64(SHA256(user_data)).

यूज़र आईडी

  • डेटा टाइप: BYTES
  • हैशिंग: कोई नहीं

ईमेल

  • शुरू या आखिर में मौजूद व्हाइटस्पेस हटाएं
  • 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 चिह्न हटाएं—उदाहरण के लिए, è, é, ê या ë को e में बदलें
  • gmail.com और googlemail.com वाले ईमेल पतों में, डोमेन नेम से पहले आने वाले सभी पीरियड (.) हटा दें
  • हैशिंग: Base64 कोड में बदला गया SHA256

मान्य: TO_BASE64(SHA256("jeffersonloveshiking@gmail.com"))

अमान्य: TO_BASE64(SHA256("JéffersonLôvesHiking@gmail.com"))

फ़ोन

  • व्हाइटस्पेस हटाएं
  • E.164 फ़ॉर्मैट में डालें—उदाहरण के लिए, अमेरिका का उदाहरण: +14155552671, यूके का उदाहरण: +442071838750
  • देश के कोड से पहले "+" को छोड़कर, सभी खास वर्ण हटाएं
  • हैशिंग: Base64 कोड में बदला गया SHA256

मान्य: TO_BASE64(SHA256("+18005550101"))

अमान्य: TO_BASE64(SHA256("(800) 555-0101"))

नाम

  • व्हाइटस्पेस हटाएं
  • 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: Base64 कोड में बदला गया SHA256

मान्य: TO_BASE64(SHA256("daní"))

अमान्य: TO_BASE64(SHA256("Daní"))

उपनाम

  • व्हाइटस्पेस हटाएं
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी सफ़िक्स हटाएं-उदाहरण के लिए, Jr., सीनियर, 2nd, 3rd, II, III, PHD, MD
  • उच्चारण चिह्न न हटाएं—उदाहरण के लिए, è, é, ê या ë
  • हैशिंग: Base64 कोड में बदला गया SHA256

मान्य: TO_BASE64(SHA256("délacruz"))

अमान्य: TO_BASE64(SHA256("dé 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 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
  • सिर्फ़ अंग्रेज़ी के बड़े अक्षरों (A-Z), अंकों, स्पेस, और हाइफ़न का इस्तेमाल करें. इनमें ज़्यादा से ज़्यादा 20 वर्ण इस्तेमाल किए जा सकते हैं
  • अमेरिका के लिए:
    • पांच अंकों के पिन 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:
    • आपको छोटे अक्षरों में बदलने या स्पेस और हाइफ़न हटाने की ज़रूरत नहीं है
    • पिन कोड एक्सटेंशन न डालें
  • हैशिंग: कोई नहीं

हैश की पुष्टि और डेटा को कोड में बदलना

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

JavaScript

  /**
   * @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()

ऐप पर जाएं

  /*
  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`;

जुड़ने की कुंजियां

उपयोगकर्ता से मिले डेटा के कुछ कॉम्बिनेशन, अन्य कॉम्बिनेशन की तुलना में ज़्यादा बेहतर होते हैं. यहां उपयोगकर्ता से मिले डेटा के अलग-अलग कॉम्बिनेशन की सूची दी गई है. इन्हें रिलेटिव स्ट्रेंथ के हिसाब से रैंक किया गया है. अगर पते का इस्तेमाल किया जाता है, तो आपको ये शामिल करने होंगे: नाम, उपनाम, देश, और पिन कोड.

  1. ईमेल, फ़ोन, पता (सबसे मज़बूत)
  2. फ़ोन, पता
  3. ईमेल, पता
  4. ईमेल, फ़ोन
  5. पता
  6. फ़ोन
  7. ईमेल (सबसे कमज़ोर)

मैच टेबल बनाना

  1. add बनाएं > क्वेरी पर क्लिक करें.
  2. Private cloud match table generation क्वेरी टेंप्लेट को कॉपी करें और उसे क्वेरी एडिटर में चिपकाएं. ज़रूरी नहीं: अगर आपका डेटा पहले से हैश नहीं किया गया है, तो निजी क्लाउड मैच टेबल जनरेशन (हैशिंग के साथ) टेंप्लेट का इस्तेमाल किया जा सकता है.

    /* 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`
    );
    
  3. पैरामीटर के नामों को अपने कॉलम के नामों से बदलें, ताकि सही दूसरा नाम दिया जा सके.

  4. सेव करें पर क्लिक करें

  5. चलाएं पर क्लिक करें. मैच टेबल को रीफ़्रेश करने के लिए, आपको इस क्वेरी को मैन्युअल तरीके से चलाना होगा. हर बार रन करने पर, मौजूदा मैच टेबल ओवरराइट हो जाएगी.

मौजूदा कनेक्शन माइग्रेट करना

कनेक्शन टैब में मौजूद कनेक्शन, Ads Data Hub में सीधे तौर पर बनाए गए कनेक्शन के अपडेट किए गए वर्शन पर माइग्रेट हो रहे हैं. अपडेट किए गए कनेक्शन, सेटिंग > जानकारी > सेवा खाता (आम तौर पर service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) में दिखाए गए सेवा खाते का इस्तेमाल करके सोर्स को पढ़ते हैं और डेस्टिनेशन को लिखते हैं. ये कनेक्शन, Data Fusion, Dataproc, और UPDM के लेगसी सेवा खातों का इस्तेमाल नहीं करते.

अपने कनेक्शन माइग्रेट करने से पहले, ये ऐक्शन आइटम पूरे करें:

  1. सेवा खाते को अनुमतियां दें: सेटिंग > जानकारी > सेवा खाता (आम तौर पर, service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) में दिखाए गए सेवा खाते को सोर्स और डेस्टिनेशन की ज़रूरी भूमिकाएं दें. जैसे, roles/bigquery.dataViewer, roles/storage.objectViewer, और डिफ़ॉल्ट के अलावा अन्य डेस्टिनेशन डेटासेट पर roles/bigquery.dataEditor. ऐसे सोर्स के कनेक्शन अब भी ट्रांसफ़र किए जा सकते हैं जिन्हें पढ़ा नहीं जा सकता, मिटा दिया गया है या जिनमें बदलाव किया गया है. खास तौर पर, Cloud Storage के सोर्स, जिनकी पुष्टि ट्रांसफ़र के समय नहीं की जाती. हालांकि, जब तक ऐक्सेस नहीं दिया जाता या सोर्स को ठीक नहीं किया जाता, तब तक रन नहीं होते.
  2. ऐसे कनेक्शन बदलें जो काम नहीं करते: यहां दिए गए कॉन्फ़िगरेशन वाले कनेक्शन माइग्रेट नहीं किए जाएंगे. उन्हें BigQuery या Cloud Storage के साथ काम करने वाले कनेक्शन में बदलें:

    • अन्य डेटा सोर्स (Amazon S3, Snowflake, MySQL, PostgreSQL, Amazon Redshift, sFTP या Salesforce): पहले BigQuery या Cloud Storage में डेटा को स्टेज करें. इसके बाद, BigQuery या Cloud Storage कनेक्शन बनाएं.
    • काम न करने वाली फ़ील्ड मैपिंग या डेटा टाइप: फ़ील्ड और डेटा टाइप की ज़रूरी शर्तों को पूरा करने के लिए, कनेक्शन को अपडेट करें या फिर से बनाएं.
    • ऐसे ट्रांसफ़ॉर्मेशन जो काम नहीं करते: सिर्फ़ माइग्रेट किए गए कनेक्शन में मौजूद ट्रांसफ़ॉर्मेशन ही माइग्रेट किए जाते हैं. फ़ील्ड को मर्ज करने या अलग करने जैसे अन्य ट्रांसफ़ॉर्मेशन हटाएं. इसके बजाय, यह काम अपने सोर्स डेटा में करें.
    • Cloud Storage के वाइल्डकार्ड पाथ (* या ?): वाइल्डकार्ड यूआरआई को किसी एक फ़ाइल के यूआरआई से बदलें या फ़ाइलों को पहले BigQuery में लोड करें.
    • Ads Data Hub में पहले से इस्तेमाल किए जा रहे नाम: अगर आपके खाते में किसी क्वेरी या कनेक्शन का नाम पहले से मौजूद है, तो कनेक्शन का नाम बदलें. यह कनेक्शन, अपडेट किए गए कनेक्शन अनुभव में बनाया गया हो.

    एक ही नाम वाले मौजूदा कनेक्शन अब भी माइग्रेट किए जाते हैं: सबसे पुराने कनेक्शन का नाम वही रहता है और अन्य कनेक्शन के नाम के आखिर में सफ़िक्स जोड़ दिया जाता है, जैसे कि (2) या (3).

  3. इस्तेमाल न किए जा रहे कनेक्शन मिटाना: ऐसे पुराने कनेक्शन मिटाएं जिनकी अब आपको ज़रूरत नहीं है.

क्वेरी से मैच होने वाला डेटा

मिलते-जुलते टेबल से क्वेरी करना

जब आपकी मैच टेबल में निजता की जांच के लिए ज़रूरी डेटा मौजूद हो, तब टेबल पर क्वेरी चलाई जा सकती हैं.

पहले पक्ष (ग्राहक) के डेटा (1PD) की ओरिजनल टेबल को my_data से दिखाया जाता है. इसमें व्यक्तिगत पहचान से जुड़ी जानकारी (पीआईआई) और व्यक्तिगत पहचान ज़ाहिर नहीं करने वाली जानकारी (नॉन-पीआईआई), दोनों शामिल हैं. ओरिजनल टेबल का इस्तेमाल करने से, आपकी रिपोर्ट में ज़्यादा अहम जानकारी मिल सकती है. ऐसा इसलिए, क्योंकि मैच टेबल की तुलना में, इसमें स्कोप में मौजूद सारा 1PD डेटा दिखता है.

Ads Data Hub स्कीमा की हर टेबल में user_id फ़ील्ड होता है. साथ ही, हर टेबल 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. इसमें आपके यूज़र आईडी शामिल होते हैं. नीति के हिसाब से अलग-अलग नेटवर्क टेबल के लिए, अलग-अलग मैच टेबल बनाई जाती हैं. उदाहरण के लिए, adh.google_ads_impressions_policy_isolated_network टेबल के लिए, Ads Data Hub, adh.google_ads_impressions_policy_isolated_network_updm नाम की एक मैच टेबल भी जनरेट करता है. इसमें आपके यूज़र आईडी शामिल होते हैं.

इन टेबल में, ओरिजनल टेबल में मौजूद उपयोगकर्ताओं का एक सबसेट होता है. इसमें user_id से मैच होने वाले उपयोगकर्ता शामिल होते हैं. 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 का डेटा मैच टेबल में नहीं होगा.

मैच टेबल में customer_data_user_id नाम का एक अतिरिक्त कॉलम होता है. इसमें यूज़र आइडेंटिफ़ायर को बाइट के तौर पर सेव किया जाता है.

क्वेरी लिखते समय, फ़ील्ड के टाइप को ध्यान में रखना ज़रूरी है. SQL कंपैरिज़न ऑपरेटर के लिए ज़रूरी है कि जिन लिटरल की तुलना की जा रही है वे एक ही टाइप के हों. पहले पक्ष के डेटा की टेबल में user_id को सेव करने के तरीके के आधार पर, डेटा मैच करने से पहले आपको टेबल में मौजूद वैल्यू को कोड में बदलना पड़ सकता है. मैच करने के लिए, आपको अपनी जॉइन की को BYTES में कास्ट करना 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 करते समय, कैपिटल लेटर का ध्यान रखना ज़रूरी है. इसलिए, आपको तुलना के दोनों तरफ़ स्ट्रिंग को कोड में बदलना पड़ सकता है, ताकि उनकी सटीक तुलना की जा सके.

सैंपल क्वेरी

मिलते-जुलते 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 को मैचिंग की सुविधा नहीं मिलती. उदाहरण के लिए, साइन आउट कर चुके उपयोगकर्ताओं, बच्चों, और सहमति न देने वाले उपयोगकर्ताओं को यूपीडीएम के ज़रिए मैच नहीं किया जाता. is_updm_eligible फ़ील्ड का इस्तेमाल करके, यूपीडीएम के मैच रेट का ज़्यादा सटीक हिसाब लगाया जा सकता है. ध्यान दें कि is_updm_eligible फ़ील्ड, 1 अक्टूबर, 2024 से उपलब्ध है. इस तारीख से पहले के 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 के डेटा को जोड़ना

इस क्वेरी से पता चलता है कि पहले पक्ष (ग्राहक) के डेटा को Google Ads के विज्ञापनों के डेटा के साथ कैसे जोड़ा जाता 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 देखने के लिए, यूपीडीएम के बारे में अक्सर पूछे जाने वाले सवाल पर जाएं.