사용자 제공 데이터 매칭

사용자 제공 데이터 매칭(UPDM)은 웹사이트, 앱, 오프라인 상점의 정보와 같이 사용자에 관해 수집한 퍼스트 파티 데이터를 Google 소유 및 운영 데이터를 포함한 모든 Google 광고 데이터에 있는 동일한 사용자의 로그인 활동과 결합합니다. 여기에는 Google Marketing Platform(GMP) 제품을 통해 구매한 데이터(예: Display & Video 360을 사용하여 구매한 YouTube)가 포함됩니다. Google 소유 및 운영이 아닌 다른 GMP 제품은 지원되지 않습니다.

사용자 제공 데이터 매칭에 사용하려면 광고 이벤트를 Google 광고 데이터에서 로그인한 사용자와 연결해야 합니다.

이 문서에서는 사용자 제공 데이터 매칭 기능을 설명하고 설정 및 사용에 관한 안내를 제공합니다.

프라이빗 클라우드 데이터 이동 개요

가치 있는 광고 인사이트를 얻으려면 여러 소스의 데이터를 결합해야 하는 경우가 많습니다. 이 데이터 파이프라인 문제에 대한 자체 솔루션을 빌드하려면 상당한 시간과 엔지니어링 투자가 필요합니다. Ads Data Hub의 프라이빗 클라우드 매치는 BigQuery에서 데이터 이동 색인을 만들기 위한 Ads Data Hub 쿼리 템플릿을 제공하여 이 프로세스를 간소화합니다. 이 템플릿은 Ads Data Hub 쿼리에서 광고 데이터를 퍼스트 파티 데이터와 일치시키는 데 사용할 수 있습니다. 퍼스트 파티 데이터로 쿼리를 보강하면 더욱 풍부한 고객 경험을 제공할 수 있고 업계 전반의 광고 추적 변화에 더 잘 대처할 수 있습니다.

로그인한 사용자의 경우 Google이 소유하고 운영하는 인벤토리에서만 사용자 제공 데이터 매칭을 사용할 수 있으므로 서드 파티 쿠키의 지원 중단으로 인한 영향을 받지 않습니다. 서드 파티 데이터보다 업계 변화에 대한 저항력이 더 강하므로 더 풍부한 인사이트를 제공하여 고객 참여도를 높일 수 있습니다.

프로세스 요약

  1. 데이터 수집 및 일치 설정
    • 사용자: 퍼스트 파티 데이터가 BigQuery에 있고 서비스 계정에 읽기 액세스 권한이 있는지 확인합니다. 데이터 수집 설정을 참조하세요.
  2. 퍼스트 파티 데이터 수집 및 매칭
    • 광고주는 퍼스트 파티 데이터의 형식을 지정하고 BigQuery 데이터 세트에 업로드합니다.
    • 사용자가프라이빗 클라우드 Match 분석 쿼리 를 만들고 일정을 설정하여 데이터 일치 요청을 시작합니다.
    • Google은 프로젝트와 Google 소유 데이터 간의 데이터를 조인합니다. 이 데이터에는 Google의 사용자 ID와 해싱된 사용자 제공 데이터가 포함되어 있으며, 이를 통해 일치 표를 빌드하고 업데이트합니다.
    • 퍼스트 파티 데이터 수집 참조
  3. 일치 데이터를 기반으로 Ads Data Hub에서 진행 중인 쿼리
    • Ads Data Hub에서 일반 쿼리를 실행하는 것과 동일한 방식으로 데이터 이동 색인에 대해 쿼리를 실행할 수 있습니다. 일치하는 데이터 쿼리를 참조하세요.

개인 정보 보호 요건 알아보기

고객 데이터 수집

사용자 제공 데이터 매칭을 사용할 때는 퍼스트 파티 데이터를 업로드해야 합니다. 이러한 정보에는 광고주의 웹사이트, 앱, 오프라인 상점에서 수집한 정보 또는 고객이 광고주와 직접 공유한 정보가 포함됩니다.

상담사는 다음 작업을 수행해야 합니다.

  • 개인정보처리방침에 광고주를 대신해서 서비스를 수행하는 제3자와 고객 데이터를 공유함을 명시하고, 현지 법규에 따라 필요한 경우 이러한 공유에 대해 동의를 얻어야 합니다.
  • 고객 데이터 업로드 시 Google의 승인된 API 또는 인터페이스만 사용해야 합니다.
  • 적용되는 자체 규제 또는 업계 규정을 비롯한 모든 관련 법률 및 규정을 준수해야 합니다.

퍼스트 파티 동의 확인

Ads Data Hub에서 퍼스트 파티 데이터를 사용하려면 EU 사용자 동의 정책 및 Ads Data Hub 정책에 따라 EEA 최종 사용자로부터 Google과 데이터를 공유하는 데 적절한 동의를 받았음을 확인해야 합니다. 이 요건은 각 Ads Data Hub 계정에 적용되며, 새로운 퍼스트 파티 데이터를 업로드할 때마다 업데이트해야 합니다. 어느 사용자나 계정 전체를 대신하여 이를 확인할 수 있습니다.

분석 쿼리에 적용되는 것과 동일한 Google 서비스 쿼리 규칙이 UPDM 쿼리에도 적용됩니다. 예를 들어 데이터 이동 색인을 만들 때 EEA의 사용자에게 교차 서비스 쿼리를 실행할 수 없습니다.

Ads Data Hub에서 동의를 확인하는 방법은 유럽 경제 지역의 동의 요건을 참고하세요.

데이터 크기

최종 사용자 개인 정보 보호를 위해 사용자 제공 데이터 매칭은 데이터 크기와 관련하여 다음 요구사항을 적용합니다.

  • 사용자 목록에 1,000개 이상의 레코드를 업로드해야 합니다.

데이터 수집 설정

시작하기 전에 다음 사항을 확인하세요.

  • 퍼스트 파티 데이터가 BigQuery에 있어야 합니다. VPC-SC 경계가 있는 경우 이 퍼스트 파티 데이터는 VPC-SC 내에 있어야 합니다.
  • Ads Data Hub 서비스 계정에 퍼스트 파티 데이터에 대한 읽기 액세스 권한이 있어야 합니다.
  • 퍼스트 파티 데이터의 형식이 올바르게 지정되고 해싱되어야 합니다. 자세한 내용은 다음 섹션을 참고하세요.

그 외에 Private Cloud Match에는 추가 온보딩이 없습니다. 분석 쿼리를 실행할 수 있으면 프라이빗 클라우드 일치 쿼리를 실행할 수 있습니다.

퍼스트 파티 데이터 수집 및 일치

소스 권한 및 연결 요구사항

Ads Data Hub 연결은 설정 > 세부정보 > 서비스 계정에 표시된 서비스 계정(일반적으로 service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com)을 사용합니다. 이 계정에 다음 역할을 부여합니다.

  • BigQuery 소스: 소스 데이터 세트 또는 테이블에 대한 roles/bigquery.dataViewer(BigQuery 데이터 뷰어)
  • Cloud Storage 소스: 소스 버킷 또는 객체에 대한 roles/storage.objectViewer(스토리지 객체 뷰어)
  • 퍼스트 파티 데이터 가져오기 대상: 테이블이 기본 데이터 세트에 없는 경우 대상 데이터 세트에 대한 roles/bigquery.dataEditor(BigQuery 데이터 편집자)

필드 및 데이터 유형 요구사항

이 규칙은 업데이트된 연결 환경의 연결에 적용됩니다. 연결 유형(사용자 제공 데이터 매칭 또는 퍼스트 파티 데이터)에 따라 다릅니다.

사용자 제공 데이터 매칭(UPDM)

user_id 및 email, phone 또는 전체 주소(first_name, last_name, country, zip_code) 중 하나 이상을 매핑합니다. 주소 열을 매핑하는 경우 4개 모두 매핑합니다. 그렇지 않으면 연결을 저장할 수 없습니다. 이러한 열의 유형은 변경할 수 없습니다. email, phone, first_name, last_name의 경우 HASH이고 user_id, country, zip_code의 경우 STRING입니다.

각 대상 열에 매핑하는 소스 열에는 다음이 포함되어야 합니다. 값의 형식을 지정하려면 입력 데이터 형식 지정을 참조하세요.

대상 열 소스 열 값 예
user_id 사용자의 ID(일반 텍스트) customer-1234
email, phone, first_name, last_name SHA-256으로 해싱되고 Base64로 인코딩된 형식 지정 값(44자)입니다. 16진수 인코딩(64자)도 사용할 수 있습니다. h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=, test@gmail.com의 해시
country 일반 텍스트로 된 2자리 국가 코드(ISO 3166-1 alpha-2) US
zip_code 최대 20자(영문 기준)의 우편번호(문자 A~Z, 숫자, 공백, 하이픈)를 일반 텍스트로 입력합니다. 94043
  • 소스의 값을 해싱합니다. 연결은 유형이 HASH인 경우에도 email, phone, first_name, last_name를 해시하지 않습니다. 한 가지 예외: 연결이 업데이트된 연결 환경으로 이동되었고 이동 전에 해시 계산을 사용한 필드가 있는 경우(해시 계산이 열을 해싱함) 연결은 여전히 해당 필드를 해싱합니다. 해당 필드의 소스 값을 해싱하지 않고 형식을 지정합니다. 이동된 연결을 참조하세요.
  • BigQuery 소스 테이블에서 STRING 열을 사용합니다.
    • email, phone, first_name, last_name는 STRING여야 합니다. INT64과 같은 다른 유형을 사용하면 연결을 저장할 수 없습니다.
    • user_id는 INT64 또는 BYTES일 수도 있습니다. UTF-8 텍스트가 아닌 BYTES 값은 NULL가 됩니다.
    • zip_code는 INT64일 수도 있지만 INT64는 선행 0을 유지할 수 없으므로(02134는 2134로 저장됨) 이러한 우편번호는 일치할 수 없습니다. 우편번호를 STRING로 저장합니다.
  • 모든 행에 사용자 ID를 지정합니다. NULL 사용자 ID가 있는 모든 행은 한 명의 사용자로 집계되므로 최대 한 명의 사용자만 일치할 수 있습니다. 사용자 ID가 비어 있는 모든 행도 마찬가지입니다.
  • 사용자 ID가 BYTES가 됩니다. 연결은 이를 입력 데이터 형식 지정에 나열된 사용자 ID 유형인 BYTES로 변환하므로 소스 열은 STRING로 유지될 수 있습니다. 예를 들어 INT64 값 42는 b"42"가 됩니다. _updm 일치 테이블에서는 customer_data_user_id 열입니다. CAST(my_data.user_id AS BYTES)는 INT64 ID에 대해 실패하므로 조인하려면 먼저 STRING로 변환합니다. customer_data_user_id = CAST(CAST(my_data.user_id AS STRING) AS BYTES)
  • 이메일, 전화번호 또는 주소 값이 비어 있거나 형식이 잘못된 경우 일치하지 않지만 실행이 실패하지는 않습니다. 행은 다른 값과 계속 일치할 수 있습니다. 예를 들어 일반 텍스트로 된 이메일, 국가 USA 또는 우편번호 94043.1351는 일치할 수 없습니다. 주소와 일치하려면 행의 네 가지 주소 열 모두에 유효한 값이 있어야 합니다.
  • 프라이빗 클라우드 일치 쿼리에서 잘못된 형식의 값은 전체 쿼리를 실패하게 만들 수 있습니다. 이는 연결 대신 Ads Data Hub에서 CREATE OR REPLACE TABLE adh.updm_match_table 쿼리를 사용하여 데이터 이동 색인을 만드는 경우에 적용됩니다. 예를 들어 16진수로 인코딩된 이메일 해시와 같이 길이가 44자가 아닌 이메일 해시는 email must be encoded using TO_BASE64(SHA256(email))와 같은 오류와 함께 쿼리가 실패합니다.
  • 일치율을 확인합니다. 예를 들어 일치율 계산 쿼리를 사용합니다. 연결은 일치하지 않는 값을 보고하지 않으므로 일치하는 사용자가 줄어듭니다. 일치하는 사용자가 1,000명 이하인 경우 실행이 실패하고 Minimum match count check failed.가 표시됩니다.
  • 계정당 하나의 UPDM 연결만 사용합니다. UPDM 연결에는 대상 테이블이 없습니다. 계정의 모든 UPDM 연결과 모든 프라이빗 클라우드 일치 쿼리는 동일한 일치 테이블을 작성하며, 성공적으로 실행될 때마다 이를 대체합니다. 여러 소스의 데이터를 일치시키려면 먼저 하나의 테이블이나 파일로 결합합니다.
퍼스트 파티 데이터

각 열에 대해 유형(연결 세부정보 페이지의 데이터 유형)을 선택합니다. 연결은 각 소스 값을 해당 유형으로 변환하고 대상 열은 여기에 나열된 BigQuery 유형을 가져옵니다.

유형 대상 열 변환하는 값 NULL가 되는 값
STRING(기본값) STRING 모든 값(텍스트) BigQuery에서 123은 "123"이 되고 TRUE은 "true"이 됩니다. Cloud Storage의 텍스트는 그대로 유지됩니다. UTF-8 텍스트가 아닌 BYTES 값
HASH STRING STRING과 동일합니다. Connections는 값을 해싱하거나 확인하지 않습니다. STRING과 동일
INTEGER INT64 정수 및 숫자 텍스트(예: "42") BigQuery에서 소수점이 잘립니다. 1.9가 1가 됩니다. "abc", TRUE 또는 날짜와 같은 기타 값 Cloud Storage의 경우 1.9과 같은 십진수입니다.
DOUBLE FLOAT64 숫자 및 숫자 텍스트(예: "1.5") 기타 값(예: TRUE 또는 날짜)
DATE DATE DATE 값, 연-월-일 텍스트(예: 2026-01-15 또는 2026-1-5) 01/15/2026, 20260115, TIMESTAMP 또는 DATETIME 값과 같은 기타 값
TIMESTAMP TIMESTAMP TIMESTAMP, DATETIME, DATE 값, 2026-01-15 10:00:00 또는 2026-01-15T10:00:00-08:00와 같은 텍스트 시간대가 없는 값은 UTC로 읽히고 날짜는 UTC 자정이 됩니다. 유닉스 시간(1768471200)과 같은 기타 값
  • 변환할 수 없는 값이 있어도 실행이 실패하지 않습니다. NULL로 가져오고 연결에서 보고하지 않으므로 첫 번째 실행 후 대상 테이블을 확인합니다.
  • 데이터에 맞는 유형을 선택합니다. BigQuery 소스의 경우 소스 열과 일치하는 유형을 선택합니다. STRING의 경우 STRING, INT64의 경우 INTEGER, FLOAT64의 경우 DOUBLE, DATE의 경우 DATE, TIMESTAMP의 경우 TIMESTAMP입니다. 이러한 값은 변경되지 않은 상태로 가져옵니다. Cloud Storage 소스의 경우 모든 CSV 값이 텍스트입니다. 42의 경우 INTEGER, 2026-01-15의 경우 DATE와 같이 열에 있는 값의 유형을 선택합니다. 모든 행에서 열이 NULL로 표시되면 STRING을 선택하거나 소스 데이터의 값을 먼저 변환합니다.
  • 일부 BigQuery 유형은 매핑할 수 없습니다. ARRAY, STRUCT, JSON 또는 GEOGRAPHY 열을 매핑하면 연결을 저장할 수 없습니다.
  • 실행할 때마다 전체 대상 테이블이 대체됩니다. 추가되지 않습니다. 소스에 행이 없으면 대상이 비어 있게 됩니다. 소스 테이블 또는 데이터를 보관해야 하는 테이블을 대상으로 사용하지 마세요.
이동된 연결

업데이트된 연결 환경에서는 아직 변환을 사용할 수 없습니다. 필드에 변환을 추가할 수 없으며 필드 매핑에 변환이 표시되지 않습니다. 업데이트된 연결 환경으로 이동된 연결은 해시 계산(SHA-256 해싱)과 같은 필드 변환을 계속 유지합니다.

  • 퍼스트 파티 데이터 연결에서 변환이 있는 필드는 유형 변환 대신 변환에서 생성하는 값을 가져오며 유형을 변경할 수 없습니다. UPDM 연결에서 UPDM 규칙은 해당 값에 계속 적용됩니다.
  • 컴퓨팅 해시를 사용한 UPDM 필드는 연결에 의해 계속 해싱됩니다. 소스 값은 해싱되지 않은 상태로 유지하되 입력 데이터 형식 지정에 설명된 대로 형식을 지정합니다. 이미 해싱된 값은 다시 해싱되며 일치하지 않을 수 있습니다. 대신 값을 직접 해싱하려면 필드 매핑을 삭제하고 다시 추가하세요.
  • 다음 변환만 이동됩니다.

    • SHA-256(Base64 또는 16진수)을 사용하여 해시를 계산합니다. 단, UPDM user_id, country 또는 zip_code는 일반 텍스트로 유지되어야 합니다.
    • 소문자 또는 대문자 형식
    • 문자열로 변환합니다.
    • 연결의 최대 10개 필드에서 기본 시간대 없이 타임스탬프 파싱
    • 처음 세 개 중 두 개가 연속으로 표시됩니다(예: 소문자 형식 지정 후 해시 계산).

    변환은 생성하는 항목이 필드에 맞는 경우에만 이동됩니다. 두 개가 연속으로 있는 경우 두 번째가 생성하는 것이 중요합니다. 소문자 형식 지정 후 해시 계산은 email에 적합하지만 해시 계산 후 소문자 형식 지정은 적합하지 않습니다.

    • UPDM 연결에서 해시 계산은 email, phone, first_name, last_name에 적합합니다. 소문자 또는 대문자 형식 지정 및 문자열로의 변환은 user_id, country, zip_code에 적합합니다. 타임스탬프 파싱이 필드와 일치하지 않습니다.
    • 퍼스트 파티 데이터 연결에서 컴퓨팅 해시는 STRING 또는 HASH 열에 적합합니다. 소문자 또는 대문자 형식 지정 및 문자열로의 변환은 STRING 열에 적합합니다. 타임스탬프 파싱은 TIMESTAMP 열에 적합합니다.

    필드 병합 또는 분할과 같은 다른 변환과의 연결 또는 필드에 맞지 않는 변환과의 연결은 이동되지 않습니다.

Cloud Storage CSV 열 요구사항

  • 헤더 행을 포함합니다. 첫 번째 줄은 건너뛰고 열 이름은 사용되지 않습니다.
  • 파일에는 매핑된 소스 열이 정확히 포함되어야 하며 더 많거나 적어서는 안 됩니다. 추가 열이 있으면 실행이 실패합니다.
  • 퍼스트 파티 데이터: 열은 필드 매핑과 동일한 순서여야 합니다.
  • 사용자 제공 데이터 매칭: 열은 user_id, email, phone, first_name, last_name, country, zip_code 순서로 정렬되어야 하며 매핑하는 필드만 유지해야 합니다. 매핑 행의 순서는 중요하지 않습니다.
  • 다른 열 순서가 감지되지 않음: 값이 오류 없이 잘못된 필드에 로드되거나 일치율이 떨어집니다.

지원되는 데이터 소스 및 연결 한도

  • 데이터 소스: BigQuery 및 Cloud Storage 소스만 지원됩니다.
  • BigQuery 테이블 이름: 소스 및 대상 BigQuery 테이블에는 전체 project.dataset.table 이름이 필요합니다.
  • Cloud Storage 파일 경로: 단일 파일 URI(예: gs://bucket/path/file.csv)를 제공합니다. * 또는 ?가 있는 와일드 카드 경로는 지원되지 않습니다.
  • 연결 이름: 계정의 각 연결에는 고유한 이름이 있어야 합니다.

입력 데이터 형식 지정

데이터가 올바르게 일치하려면 다음 형식 요구사항을 준수해야 합니다.

  • 다음 입력란 설명에 표시된 경우 SHA256 해싱을 사용하여 업로드해야 합니다.
  • UPDM은 Base64 인코딩을 지원합니다. TO_BASE64를 참조하세요.
  • 입력 필드는 문자열 형식이어야 합니다. 예를 들어 BigQuery SHA256 해시 함수를 사용하는 경우 TO_BASE64(SHA256(user_data)) 변환을 사용합니다.

사용자 ID

  • 데이터 유형: BYTES
  • 해싱: 없음

이메일

  • 선행 및 후행 공백 삭제
  • 소문자로만 입력하세요.
  • 모든 이메일 주소에 도메인 이름(예: gmail.com 또는 hotmail.co.jp)을 포함하세요.
  • 악센트 삭제(예: è, é, ê, ë를 e로 변경)
  • gmail.com 및 googlemail.com 이메일 주소의 도메인 이름 앞에 있는 모든 마침표(.)를 삭제합니다.
  • 해싱: Base64로 인코딩된 SHA256

유효 기간: TO_BASE64(SHA256("jeffersonloveshiking@gmail.com"))

잘못된 값: TO_BASE64(SHA256("JéffersonLôvesHiking@gmail.com"))

전화

  • 공백 제거
  • E.164 형식으로 형식을 맞춥니다(예: 미국: +14155552671, 영국: +442071838750).
  • 국가 코드 앞의 '+'를 제외한 모든 특수문자를 삭제합니다.
  • 해싱: Base64로 인코딩된 SHA256

유효 기간: TO_BASE64(SHA256("+18005550101"))

잘못된 값: TO_BASE64(SHA256("(800) 555-0101"))

이름

  • 공백 제거
  • 소문자로만 입력하세요.
  • 모든 접두사(예: Mrs., Mr., Ms., 박사
  • 악센트(예: è, é, ê, ë)를 삭제하지 마세요.
  • 해싱: Base64로 인코딩된 SHA256

유효 기간: TO_BASE64(SHA256("daní"))

잘못된 값: TO_BASE64(SHA256("Daní"))

성

  • 공백 제거
  • 소문자로만 입력하세요.
  • 모든 접미사(예: Jr., Sr., 2nd, 3rd, II, III, PHD, MD
  • 악센트(예: è, é, ê, ë)를 삭제하지 마세요.
  • 해싱: Base64로 인코딩된 SHA256

유효 기간: TO_BASE64(SHA256("délacruz"))

잘못된 값: TO_BASE64(SHA256("dé la Cruz, Jr."))

국가

  • 모든 고객 데이터가 동일 국가의 데이터라도 국가 코드를 포함하세요.
  • 국가 데이터는 해싱하지 마세요.
  • ISO 3166-1 alpha-2 국가 코드를 사용합니다.
  • 해싱: 없음

유효 기간: US

잘못됨: United States of America 또는 USA

우편번호

  • 우편번호 데이터는 해싱하지 마세요.
  • 미국 및 국제 우편번호가 모두 허용됩니다.
  • 영문자(A~Z), 숫자, 공백, 하이픈만 사용하세요(최대 20자).
  • 미국:
    • 5자리 코드가 허용됩니다(예: 94043).
    • 5자리 숫자 뒤에 붙는 4자리 코드도 허용됩니다(예: 94043-1351 또는 940431351).
  • 기타 모든 국가:
    • 소문자로 변환하거나 공백 및 하이픈을 삭제할 필요가 없습니다.
    • 우편번호 확장은 비워 두세요.
  • 해싱: 없음

해시 검증 및 데이터 인코딩

다음 해시 검증 스크립트를 사용하여 데이터 형식이 올바른지 확인할 수 있습니다.

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()

Go

  /*
  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")
  }

자바

  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`;

통합 키

사용자 제공 데이터의 일부 조합은 다른 조합보다 더 강력합니다. 다음은 상대적 강도에 따라 순위가 매겨진 다양한 사용자 제공 데이터 조합의 목록입니다. 주소를 사용하는 경우 이름, 성, 국가, 우편번호를 포함해야 합니다.

  1. 이메일, 전화번호, 주소(가장 강력함)
  2. 전화번호, 주소
  3. 이메일, 주소
  4. 이메일, 전화
  5. 주소
  6. 전화
  7. 이메일(가장 약함)

일치 테이블 만들기

  1. add 만들기 > 쿼리를 클릭합니다.
  2. 프라이빗 클라우드 데이터 이동 색인 생성 쿼리 템플릿을 복사하여 쿼리 편집기에 붙여넣습니다. 선택사항: 데이터가 아직 해싱되지 않은 경우 프라이빗 클라우드 데이터 이동 색인 생성(해싱 포함) 템플릿을 사용할 수 있습니다.

    /* 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. 매개변수 이름을 열 이름으로 바꿔서 적절한 별칭을 제공합니다.

  4. 저장을 클릭합니다.

  5. 실행을 클릭합니다. 이 쿼리를 수동으로 실행하여 일치 테이블을 새로고침해야 합니다. 실행할 때마다 현재 일치 테이블을 덮어씁니다.

기존 연결 이전하기

연결 탭의 기존 연결이 Ads Data Hub에 직접 빌드된 업데이트된 연결 환경으로 이동됩니다. 업데이트된 연결은 기존 Data Fusion, Dataproc, UPDM 서비스 계정 대신 설정 > 세부정보 > 서비스 계정(일반적으로 service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com)에 표시된 서비스 계정을 사용하여 소스를 읽고 대상을 작성합니다.

연결이 이전되기 전에 다음 작업 항목을 완료하세요.

  1. 서비스 계정 권한 부여: 설정 > 세부정보 > 서비스 계정(일반적으로 service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com)에 표시된 서비스 계정에 필요한 소스 및 대상 역할(roles/bigquery.dataViewer, roles/storage.objectViewer, 기본값이 아닌 대상 데이터 세트의 roles/bigquery.dataEditor)을 부여합니다. 읽을 수 없거나 삭제되었거나 변경된 소스가 있는 연결(특히 이동 시 검증되지 않는 Cloud Storage 소스)은 이동될 수 있지만 액세스 권한을 부여하거나 소스를 수정할 때까지 실행에 실패합니다.
  2. 지원되지 않는 연결 변환: 다음 구성이 있는 연결은 마이그레이션되지 않습니다. 지원되는 BigQuery 또는 Cloud Storage 연결로 변환합니다.

    • 기타 데이터 소스(Amazon S3, Snowflake, MySQL, PostgreSQL, Amazon Redshift, sFTP 또는 Salesforce): 먼저 BigQuery 또는 Cloud Storage에서 데이터를 스테이징한 후 BigQuery 또는 Cloud Storage 연결을 만듭니다.
    • 지원되지 않는 필드 매핑 또는 데이터 유형: 필드 및 데이터 유형 요구사항을 충족하도록 연결을 업데이트하거나 다시 만듭니다.
    • 지원되지 않는 변환: 이동된 연결에 나열된 변환만 이동됩니다. 필드 병합 또는 분할과 같은 다른 변환을 삭제하고 대신 소스 데이터에서 해당 작업을 수행합니다.
    • Cloud Storage 와일드 카드 경로(* 또는 ?): 와일드 카드 URI를 단일 파일 URI로 바꾸거나 파일을 먼저 BigQuery에 로드합니다.
    • Ads Data Hub에서 이미 사용 중인 이름: 업데이트된 연결 환경에서 생성된 쿼리 또는 연결이 계정에서 이미 동일한 이름을 사용하는 경우 연결 이름을 바꿉니다.

    이름을 서로 공유하는 기존 연결은 계속 이전됩니다. 가장 오래된 연결은 이름을 유지하고 다른 연결은 (2) 또는 (3)과 같은 서픽스를 가져옵니다.

  3. 사용하지 않는 연결 삭제: 더 이상 필요하지 않은 오래된 연결을 삭제합니다.

일치하는 데이터 쿼리

데이터 이동 색인 쿼리

데이터 이동 색인에 개인 정보 보호 검사를 충족하기에 충분한 데이터가 포함되어 있으면 테이블에 대해 쿼리를 실행할 수 있습니다.

퍼스트 파티 데이터(1PD)의 원본 테이블은 my_data로 표시됩니다. 여기에는 개인 식별 정보(PII)와 개인 식별이 불가능한 정보가 모두 포함됩니다. 원본 테이블을 사용하면 데이터 이동 색인과 비교할 때 범위 내의 모든 퍼스트 파티 데이터를 나타내므로 더 많은 통계로 보고서를 개선할 수 있습니다.

user_id 필드가 포함된 Ads Data Hub 스키마의 각 테이블에 데이터 매칭 테이블이 함께 제공됩니다. 예를 들어 adh.google_ads_impressions 테이블의 경우 Ads Data Hub는 사용자 ID가 포함된 adh.google_ads_impressions_updm라는 데이터 이동 색인도 생성합니다. 정책에 따라 격리된 네트워크 테이블의 경우 별도의 데이터 이동 색인이 생성됩니다. 예를 들어 adh.google_ads_impressions_policy_isolated_network 테이블의 경우 Ads Data Hub는 사용자 ID가 포함된 adh.google_ads_impressions_policy_isolated_network_updm라는 데이터 이동 색인도 생성합니다.

이러한 테이블에는 user_id에 일치하는 항목이 있는 원본 테이블에서 사용 가능한 사용자의 하위 집합이 포함됩니다. 예를 들어 원본 테이블에 사용자 A와 사용자 B의 데이터가 포함되어 있지만 사용자 A만 일치하는 경우 사용자 B는 데이터 이동 색인에 포함되지 않습니다.

데이터 이동 색인에는 사용자 식별자를 BYTES로 저장하는 customer_data_user_id라는 추가 열이 포함됩니다.

쿼리를 작성할 때 필드 유형을 고려해야 합니다. SQL 비교 연산자는 동일한 유형의 리터럴을 비교한다고 예상합니다. user_id가 퍼스트 파티 데이터 테이블에 저장되는 방식에 따라 데이터를 일치시키기 전에 테이블의 값을 인코딩해야 할 수도 있습니다. 매칭에 성공하려면 조인 키를 BYTES로 변환해야 합니다.

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

또한 SQL의 문자열 비교에서는 대소문자가 구분되므로 정확하게 비교할 수 있도록 양쪽의 문자열을 인코딩해야 할 수도 있습니다.

샘플 쿼리

일치하는 사용자 수

이 쿼리는 Google Ads 노출수 표에서 일치하는 사용자 수를 계산합니다.

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

일치율 계산

일부 사용자는 매칭 대상이 아닙니다. 예를 들어 로그아웃한 사용자, 아동, 동의하지 않은 사용자는 UPDM을 통해 일치하지 않습니다. is_updm_eligible 필드를 사용하여 더 정확한 UPDM 일치율을 계산할 수 있습니다. is_updm_eligible 필드는 2024년 10월 1일부터 사용할 수 있습니다. 이 날짜 이전에는 이 필드를 사용하여 일치율을 계산할 수 없습니다.

/* 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)

퍼스트 파티 데이터와 Google 광고 데이터 조인

이 쿼리는 퍼스트 파티 데이터를 Google 광고 데이터와 조인하는 방법을 보여줍니다.

/* 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 FAQ

UPDM과 관련된 FAQ 목록은 UPDM FAQ를 참고하세요.