Dopasowywanie danych własnych i przekazywanych przez użytkowników

Dopasowywanie danych własnych i przekazywanych przez użytkowników (UPDM) łączy zebrane przez Ciebie dane własne o użytkowniku (np. informacje z Twoich witryn, aplikacji i sklepów stacjonarnych) z danymi o aktywności tego samego zalogowanego użytkownika powiązanej z danymi reklam Google, w tym z danymi należącymi do Google i obsługiwanymi przez tę firmę. Obejmuje to dane kupione w usługach Google Marketing Platform (GMP), np. YouTube kupiony w Display & Video 360. Inne usługi GMP, które nie należą do Google i nie są przez Google obsługiwane, nie są obsługiwane.

Aby kwalifikować się do dopasowywania danych własnych i przekazywanych przez użytkowników, zdarzenie reklamy musi być powiązane z zalogowanym użytkownikiem w danych reklam Google.

W tym dokumencie opisujemy funkcję dopasowywania danych przekazywanych przez użytkowników oraz podajemy wskazówki dotyczące jej konfigurowania i używania.

Omówienie dopasowania w chmurze prywatnej

Uzyskanie cennych statystyk dotyczących reklam często wymaga połączenia danych z wielu źródeł. Stworzenie własnego rozwiązania tego problemu z potokiem danych wymaga znacznych nakładów czasu i pracy inżynierów. Funkcja Private Cloud Match w Centrum danych reklam upraszcza ten proces, udostępniając szablon zapytania Centrum danych reklam do tworzenia tabeli odpowiedników w BigQuery, którą można następnie wykorzystać w zapytaniach Centrum danych reklam do dopasowywania danych reklam do danych własnych. Wzbogacanie zapytań za pomocą danych własnych może zapewniać lepsze wrażenia klienta i jest bardziej odporne na ogólnobranżowe zmiany sposobów śledzenia reklam.

Dopasowywanie danych własnych i przekazywanych przez użytkowników jest dostępne tylko w przypadku zalogowanych użytkowników w zasobach reklamowych należących do Google i zarządzanych przez Google, więc zbliżające się wycofanie plików cookie innych firm nie będzie miało na nie wpływu. Są one bardziej odporne na zmiany zachodzące w branży niż dane innych firm, dzięki czemu mogą dostarczać bardziej szczegółowych statystyk, które mogą prowadzić do większego zaangażowania klientów.

Podsumowanie procesu

  1. Konfigurowanie pozyskiwania i dopasowywania danych
    • Ty Sprawdź, czy Twoje dane własne znajdują się w BigQuery i czy Twoje konto usługi ma do nich dostęp z możliwością odczytu. Zobacz Konfigurowanie pozyskiwania danych.
  2. Pozyskiwanie i dopasowywanie danych własnych
    • Ty formatujesz i przesyłasz dane własne do zbioru danych BigQuery.
    • Ty inicjujesz żądanie dopasowania danych, tworząc połączeniezapytanie analizy dopasowania w chmurze prywatnej i ustalając harmonogram.
    • Google łączy dane z Twojego projektu z danymi należącymi do Google, które zawierają identyfikator użytkownika Google i zaszyfrowane dane przekazane przez użytkowników, aby tworzyć i aktualizować tabele dopasowań.
    • Zobacz Pozyskiwanie danych własnych.
  3. Bieżące zapytania w Centrum danych reklam na podstawie dopasowanych danych
    • Zapytania do tabel odpowiedników wykonujesz w taki sam sposób jak zwykłe zapytania w Centrum danych reklam. Patrz Dane dopasowane do zapytania.

Więcej informacji o wymaganiach dotyczących ochrony prywatności

Zbieranie danych o klientach

Jeśli używasz dopasowywania danych własnych i przekazywanych przez użytkowników, musisz przesyłać dane własne. Mogą to być informacje zebrane przez Ciebie w Twoich witrynach, aplikacjach, sklepach stacjonarnych lub inne informacje, które klient udostępnił Ci bezpośrednio.

Musisz:

  • umieścić w polityce prywatności informację, że udostępniasz dane klientów firmom zewnętrznym, które realizują w Twoim imieniu różne usługi, oraz że uzyskujesz zgodę na udostępnianie danych w ten sposób, jeśli wymaga tego prawo;
  • do przesyłania danych klientów używać wyłącznie interfejsów lub API zatwierdzonych przez Google;
  • przestrzegać wszystkich obowiązujących przepisów i regulacji prawnych, w tym wszelkich regulacji wewnętrznych i wytycznych branżowych;

Potwierdzenie samodzielnie uzyskanej zgody użytkowników

Aby móc używać w Centrum danych reklam danych własnych, musisz potwierdzić, że masz uzyskaną prawidłową zgodę użytkowników z Europejskiego Obszaru Gospodarczego na udostępnianie danych Google, która została otrzymana w sposób określony przez politykę w zakresie zgody użytkownika z UE i zasady Centrum danych reklam. To wymaganie obowiązuje w przypadku każdego konta Centrum danych reklam, a swoje potwierdzenie uzyskania zgody użytkowników musisz aktualizować za każdym razem, gdy przesyłasz nowe dane własne. Potwierdzenie to może przekazać w imieniu całego konta dowolny jego użytkownik.

Pamiętaj, że te same reguły dotyczące zapytań kierowanych do usług Google, które obowiązują w przypadku zapytań analitycznych, mają zastosowanie do zapytań o identyfikatory UPDM. Na przykład, gdy tworzysz tabelę odpowiedników, nie możesz wykonywać zapytań dotyczących użytkowników z Europejskiego Obszaru Gospodarczego i obejmujących różne usługi.

Aby dowiedzieć się, jak potwierdzić w Centrum danych reklam uzyskanie zgody użytkowników, zapoznaj się z artykułem Wymagania dotyczące uzyskiwania zgody użytkowników w Europejskim Obszarze Gospodarczym.

Rozmiar danych

Aby chronić prywatność użytkowników, dopasowywanie danych własnych i przekazywanych przez użytkowników wymaga spełnienia tych warunków dotyczących rozmiaru danych:

  • Musisz przesłać co najmniej 1000 rekordów na liście użytkowników.

Konfigurowanie pozyskiwania danych

Zanim zaczniesz, upewnij się, że:

  • Dane własne muszą znajdować się w BigQuery. Jeśli masz granicę VPC-SC, te dane własne muszą się znajdować w jej obrębie.
  • Twoje konto usługi Centrum danych reklam musi mieć dostęp do danych własnych z możliwością odczytu.
  • Dane własne muszą być prawidłowo sformatowane i zaszyfrowane. Więcej informacji znajdziesz w następnej sekcji.

Poza tym nie ma żadnych dodatkowych wymagań dotyczących wprowadzenia. Jeśli możesz uruchomić zapytanie analityczne, możesz też uruchomić zapytanie Private Cloud Match.

Pozyskiwanie i dopasowywanie danych własnych

Uprawnienia źródłowe i wymagania dotyczące połączenia

Połączenia Centrum danych reklam korzystają z konta usługi widocznego w sekcji Ustawienia > Szczegóły > Konto usługi (zwykle service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com). Przypisz mu te role:

  • Źródło BigQuery: roles/bigquery.dataViewer (Wyświetlający dane BigQuery) w źródłowym zbiorze danych lub tabeli.
  • Źródło Cloud Storage: roles/storage.objectViewer (Wyświetlający obiekty w Cloud Storage) w zasobniku lub obiekcie źródłowym.
  • Miejsce docelowe importu danych własnych: roles/bigquery.dataEditor (Edytujący dane BigQuery) w docelowym zbiorze danych, jeśli tabela nie znajduje się w domyślnym zbiorze danych.

Wymagania dotyczące pól i typów danych

Te reguły dotyczą połączeń w zaktualizowanej wersji Połączeń. Zależą one od typu połączenia: Dopasowywanie danych własnych i przekazywanych przez użytkowników lub Dane własne.

Dopasowywanie danych własnych i przekazywanych przez użytkowników (UPDM)

Zmapuj user_id i co najmniej 1 z tych elementów: email, phone lub pełny adres (first_name, last_name, country i zip_code). Jeśli mapujesz dowolną kolumnę adresu, zmapuj wszystkie 4. W przeciwnym razie nie będzie można zapisać połączenia. Nie możesz zmienić typu tych kolumn: w przypadku kolumn email, phone, first_name i last_name jest to HASH, a w przypadku kolumn user_id, country i zip_code – STRING.

Kolumna źródłowa, którą mapujesz na każdą kolumnę docelową, musi zawierać te elementy. Informacje o formatowaniu wartości znajdziesz w artykule Formatowanie danych wejściowych.

Kolumna docelowa Wartość kolumny źródłowej Przykład
user_id Twój identyfikator użytkownika w formie zwykłego tekstu. customer-1234
email, phone, first_name, last_name Sformatowana wartość, zahaszowana za pomocą algorytmu SHA-256 i zakodowana w formacie Base64 (44 znaki). Można też użyć kodowania szesnastkowego (64 znaki). h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=, hasz test@gmail.com
country 2-literowy kod kraju (ISO 3166-1 alfa-2) w formie zwykłego tekstu. US
zip_code Kod pocztowy składający się z maksymalnie 20 znaków (liter A–Z, cyfr, spacji i łączników) w formie zwykłego tekstu. 94043
  • Zaszyfruj wartości w źródle. Połączenia nie haszują pól email, phone, first_name ani last_name, mimo że ich Typ to HASH. Wyjątek: jeśli połączenie zostało przeniesione do zaktualizowanej wersji Połączeń, a pole używało funkcji obliczania skrótu przed przeniesieniem (funkcja obliczania skrótu zaszyfrowała kolumnę), Połączenia nadal będą szyfrować to pole. Pozostaw wartości źródłowe tego pola bez szyfrowania, ale sformatowane. Więcej informacji znajdziesz w sekcji Przeniesione połączenia.
  • W tabeli źródłowej BigQuery użyj kolumn STRING.
    • email, phone, first_name i last_name muszą być STRING. W przypadku innego typu, np. INT64, nie możesz zapisać połączenia.
    • user_id może też być INT64 lub BYTES. Wartość BYTES, która nie jest tekstem UTF-8, staje się wartością NULL.
    • zip_code może też być INT64, ale INT64 nie może zachować zera na początku (02134 jest przechowywany jako 2134), więc taki kod pocztowy nie może pasować. Zapisuj kody pocztowe jako STRING.
  • Każdy wiersz musi zawierać identyfikator użytkownika. Wszystkie wiersze z identyfikatorem użytkownika NULL są liczone jako jeden użytkownik, więc może zostać dopasowany maksymalnie jeden z nich. To samo dotyczy wszystkich wierszy z pustym identyfikatorem użytkownika.
  • Twój identyfikator użytkownika to BYTES. Połączenia konwertują go na BYTES, czyli typ identyfikatora użytkownika, który jest wymieniony w sekcji Formatowanie danych wejściowych, dzięki czemu kolumna źródłowa może pozostać w formacie STRING. Na przykład wartość INT64 42 zmieni się na b"42". W tabelach odpowiedników _updm jest to kolumna customer_data_user_id. Funkcja CAST(my_data.user_id AS BYTES) nie działa w przypadku identyfikatora INT64, więc aby połączyć dane na podstawie identyfikatora, najpierw przekształć go na STRING: customer_data_user_id = CAST(CAST(my_data.user_id AS STRING) AS BYTES).
  • Pusty lub nieprawidłowo sformatowany adres e-mail, numer telefonu lub adres pocztowy nie może zostać dopasowany, ale nie powoduje błędu podczas uruchamiania. Wiersz może nadal pasować do innych wartości. Na przykład adres e-mail w formie zwykłego tekstu, kraj USA lub kod pocztowy 94043.1351 nie mogą być dopasowane. Aby dopasować adres, wiersz musi zawierać prawidłowe wartości we wszystkich 4 kolumnach adresu.
  • W przypadku zapytania Private Cloud Match wartość w nieprawidłowym formacie może spowodować niepowodzenie całego zapytania. Dotyczy to sytuacji, gdy tabelę odpowiedników tworzysz w Centrum danych reklam za pomocą zapytania CREATE OR REPLACE TABLE adh.updm_match_table, a nie połączenia. Na przykład hasz adresu e-mail, który nie ma 44 znaków, np. zakodowany szesnastkowo, spowoduje błąd zapytania, np. email must be encoded using TO_BASE64(SHA256(email)).
  • Sprawdź współczynnik dopasowania. Możesz na przykład użyć zapytania Oblicz współczynnik dopasowania. Connections nie raportuje wartości, których nie można dopasować, więc liczba dopasowanych użytkowników jest mniejsza. Jeśli dopasowanych zostanie maksymalnie 1000 użytkowników, uruchomienie zakończy się niepowodzeniem i wyświetli się błąd Minimum match count check failed..
  • Używaj tylko jednego połączenia UPDM na konto. Połączenia UPDM nie mają tabeli docelowej. Każde połączenie UPDM na koncie i każde zapytanie Private Cloud Match zapisuje tę samą tabelę dopasowań, a każde udane uruchomienie ją zastępuje. Aby dopasować dane z kilku źródeł, najpierw połącz je w jedną tabelę lub jeden plik.
Dane własne

Dla każdej kolumny wybierz Typ (Typ danych na stronie szczegółów połączenia). Połączenia konwertują każdą wartość źródłową na ten typ, a kolumna docelowa otrzymuje typ BigQuery wymieniony tutaj:

Typ Kolumna docelowa Wartości, które konwertuje Wartości, które stają się NULL
STRING (domyślny) STRING Dowolna wartość jako tekst. W BigQuery 123 staje się "123", a TRUE staje się "true". W przypadku Cloud Storage tekst jest zachowywany w niezmienionej postaci. Wartość BYTES, która nie jest tekstem UTF-8
HASH STRING Tak samo jak STRING. Interfejs Connections nie haszuje ani nie sprawdza wartości. Taka sama cena jak w hotelu STRING
INTEGER INT64 Liczby całkowite i tekst liczbowy, np. "42". W BigQuery liczba dziesiętna jest obcinana: 1.9 staje się 1. inne wartości, takie jak "abc", TRUE lub data. Z Cloud Storage, również w formacie dziesiętnym, np. 1.9.
DOUBLE FLOAT64 Liczby i tekst liczbowy, np. "1.5" inne wartości, takie jak TRUE lub data;
DATE DATE Wartości DATE i tekst w formacie rok-miesiąc-dzień, np. 2026-01-15 lub 2026-1-5 Inne wartości, takie jak 01/15/2026, 20260115, TIMESTAMP lub DATETIME
TIMESTAMP TIMESTAMP Wartości TIMESTAMP, DATETIME i DATE oraz tekst, np. 2026-01-15 10:00:00 lub 2026-01-15T10:00:00-08:00. Wartość bez strefy czasowej jest odczytywana jako UTC, a data staje się północą czasu UTC. inne wartości, takie jak czas epoki uniksowej (1768471200).
  • Wartość, której nie można przekonwertować, nie powoduje niepowodzenia uruchomienia. Zostanie zaimportowana jako NULL, a Połączenia nie będą jej zgłaszać, więc po pierwszym uruchomieniu sprawdź tabelę docelową.
  • Wybierz typ, który pasuje do Twoich danych. W przypadku źródła BigQuery wybierz typ, który pasuje do kolumny źródłowej: STRING dla STRING, INTEGER dla INT64, DOUBLE dla FLOAT64, DATE dla DATE i TIMESTAMP dla TIMESTAMP. Te wartości są importowane bez zmian. W przypadku źródła Cloud Storage każda wartość CSV jest tekstem: wybierz typ wartości w kolumnie, np. INTEGER dla 42 lub DATE dla 2026-01-15. Jeśli w każdym wierszu kolumna ma wartość NULL, wybierz STRING lub najpierw przekonwertuj wartości w danych źródłowych.
  • Niektórych typów BigQuery nie można zmapować. Jeśli zmapujesz kolumnę ARRAY, STRUCT, JSON lub GEOGRAPHY, nie będzie można zapisać połączenia.
  • Każde uruchomienie zastępuje całą tabelę docelową. Nie dołącza. Jeśli źródło nie zawiera wierszy, miejsce docelowe będzie puste. Nie używaj tabeli źródłowej ani tabeli, której dane chcesz zachować, jako miejsca docelowego.
Przeniesione połączenia

Przekształcenia nie są jeszcze dostępne w zaktualizowanej wersji Połączeń: nie można ich dodać do pola, a mapowania pól ich nie pokazują. Połączenie, które zostało przeniesione do zaktualizowanej wersji Połączeń, nadal zachowuje przekształcenia swoich pól, takie jak obliczanie skrótu (szyfrowanie SHA-256).

  • W połączeniu danych własnych pole z przekształceniem otrzymuje wartość, którą generuje przekształcenie, zamiast konwersji Typ, i nie możesz zmienić jego Typu. W przypadku połączenia UPDM reguły UPDM nadal obowiązują w odniesieniu do tej wartości.
  • Pole UPDM, które używało obliczonego hasha, jest nadal hashowane przez Connections. Wartości źródłowe nie powinny być zaszyfrowane, ale sformatowane zgodnie z opisem w sekcji Formatowanie danych wejściowych: zaszyfrowana już wartość zostanie zaszyfrowana ponownie i nie będzie pasować. Aby samodzielnie zaszyfrować wartości, usuń mapowanie pól i dodaj je ponownie.
  • Przenoszone są tylko te przekształcenia:

    • Oblicz hasz za pomocą SHA-256 (Base64 lub szesnastkowy), z wyjątkiem UPDM user_id, country lub zip_code, które muszą pozostać zwykłym tekstem.
    • Formatowanie małymi lub wielkimi literami.
    • Konwersja na ciąg znaków.
    • analizowanie sygnatury czasowej bez domyślnej strefy czasowej w maksymalnie 10 polach połączenia;
    • 2 z pierwszych 3 w rzędzie, np. formatowanie małymi literami, a następnie obliczanie hasha.

    Przekształcenie jest przenoszone tylko wtedy, gdy jego wynik pasuje do pola. W przypadku 2 funkcji użytych jedna po drugiej liczy się wynik drugiej z nich: formatowanie małymi literami, a następnie obliczenie skrótu pasuje do email, ale obliczenie skrótu, a następnie formatowanie małymi literami już nie.

    • W przypadku połączenia UPDM obliczanie haszu pasuje do email, phone, first_name i last_name. Formatowanie z użyciem małych lub wielkich liter i konwersja na ciąg znaków pasują do user_id, country i zip_code. Analiza sygnatury czasowej nie pasuje do żadnego pola.
    • W połączeniu danych własnych obliczony skrót pasuje do kolumny STRING lub HASH. Formatowanie z użyciem małych lub wielkich liter i konwersja na ciąg znaków pasują do kolumny STRING. Analiza sygnatury czasowej pasuje do kolumny TIMESTAMP.

    Połączenie z innym przekształceniem, takim jak scalanie lub dzielenie pól, lub z przekształceniem, które nie pasuje do pola, nie zostanie przeniesione.

Wymagania dotyczące kolumn w pliku CSV w Cloud Storage

  • Dodaj wiersz nagłówka. Pierwszy wiersz jest pomijany, a nazwy kolumn nie są używane.
  • Plik musi zawierać dokładnie zmapowane kolumny źródłowe, nie więcej i nie mniej. Dodatkowe kolumny powodują niepowodzenie uruchomienia.
  • Dane własne: kolumny muszą być w tej samej kolejności co mapowania pól.
  • Dopasowywanie danych własnych i przekazywanych przez użytkowników: kolumny muszą być w tej kolejności, zachowując tylko mapowane pola: user_id, email, phone, first_name, last_name, country, zip_code. Kolejność wierszy mapowania nie ma znaczenia.
  • Inna kolejność kolumn nie jest wykrywana: wartości są wczytywane do nieprawidłowych pól (lub współczynniki dopasowania spadają) bez błędu.

Obsługiwane źródła danych i limity połączeń

  • Źródła danych: obsługiwane są tylko źródła BigQuery i Cloud Storage.
  • Nazwy tabel BigQuery: źródłowe i docelowe tabele BigQuery wymagają pełnej nazwy project.dataset.table.
  • Ścieżki plików w Cloud Storage: podaj identyfikator URI pojedynczego pliku (np. gs://bucket/path/file.csv). Ścieżki z symbolami wieloznacznymi * lub ? nie są obsługiwane.
  • Nazwy połączeń: każde połączenie na koncie musi mieć unikalną nazwę.

Formatowanie danych wejściowych

Aby dane zostały prawidłowo dopasowane, muszą spełniać te wymagania dotyczące formatowania:

  • W miejscach wskazanych w opisach pól do wprowadzania danych musisz przesłać dane zaszyfrowane za pomocą algorytmu SHA256.
  • UPDM obsługuje kodowanie Base64. Zobacz TO_BASE64.
  • Pola do wprowadzania danych muszą być sformatowane jako ciągi znaków. Jeśli na przykład używasz funkcji skrótu SHA256 BigQuery, zastosuj to przekształcenie: TO_BASE64(SHA256(user_data)).

Identyfikator użytkownika

  • Typ danych: BYTES
  • Haszowanie: brak

E-mail

  • Usuń spacje na początku i na końcu ciągu.
  • Używaj tylko małych liter.
  • Wszystkie adresy e-mail muszą zawierać domenę, np. gmail.com lub poczta.onet.pl.
  • Usuń znaki diakrytyczne – na przykład zmień ą, ę, ł, ń, ż na a, e, l, n, z.
  • Usuń wszystkie kropki (.) poprzedzające nazwę domeny w adresach e-mail w gmail.com i googlemail.com.
  • Szyfrowanie: SHA256 zakodowany w Base64

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

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

Telefon

  • Usuń odstępy
  • Format E.164 – na przykład: +14155552671 (USA), +442071838750 (Wielka Brytania)
  • Usuń wszystkie znaki specjalne z wyjątkiem „+” przed kodem kraju.
  • Szyfrowanie: SHA256 zakodowany w Base64

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

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

Imię

  • Usuń odstępy
  • Używaj tylko małych liter.
  • Usuń wszystkie prefiksy, np. Pani, Pan, Pani, Dr
  • Nie usuwaj znaków diakrytycznych, takich jak ę, é, ê czy ë.
  • Szyfrowanie: SHA256 zakodowany w Base64

Ważność: TO_BASE64(SHA256("daní"))

Nieprawidłowe: TO_BASE64(SHA256("Daní"))

Nazwisko

  • Usuń odstępy
  • Używaj tylko małych liter.
  • Usuń wszystkie sufiksy, np. Jr., Sr., 2nd, 3rd, II, III, PHD, MD
  • Nie usuwaj znaków diakrytycznych, takich jak ę, é, ê czy ë.
  • Szyfrowanie: SHA256 zakodowany w Base64

Ważność: TO_BASE64(SHA256("délacruz"))

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

Kraj

  • Podawaj kod kraju, nawet jeśli wszystkie dane o klientach pochodzą z tego samego kraju.
  • Nie szyfruj danych kraju
  • Używaj kodów kraju w formacie ISO 3166-1 alfa-2.
  • Haszowanie: brak

Ważność: US

Nieprawidłowe: United States of America lub USA

Kod pocztowy

  • Nie szyfruj danych kodu pocztowego.
  • Dopuszczalne są zarówno amerykańskie, jak i międzynarodowe kody pocztowe
  • Używaj tylko liter A–Z, cyfr, spacji i łączników (maksymalnie 20 znaków)
  • W przypadku Stanów Zjednoczonych:
    • Dozwolone są kody 5-cyfrowe, np. 94043.
    • Format 5-cyfrowy z 4-cyfrowym rozszerzeniem też jest dozwolony, np. 94043-1351 lub 940431351.
  • W przypadku pozostałych krajów:
    • Nie musisz konwertować na małe litery ani usuwać spacji i łączników.
    • Nie dodawaj rozszerzeń kodu pocztowego
  • Haszowanie: brak

Weryfikacja haszy i kodowanie danych

Aby mieć pewność, że dane są prawidłowo sformatowane, możesz użyć tych skryptów weryfikacji szyfrowania.

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")
  }

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`;

Połącz klucze

Niektóre kombinacje danych przekazywanych przez użytkowników są skuteczniejsze od innych. Poniżej znajdziesz listę różnych kombinacji danych przekazywanych przez użytkowników, uporządkowanych według względnej skuteczności. Jeśli używasz adresu, musisz podać: imię, nazwisko, kraj i kod pocztowy.

  1. E-mail, telefon, adres (najsilniejszy)
  2. Telefon, adres
  3. Adres e-mail, adres
  4. E-mail, telefon
  5. Adres
  6. Telefon
  7. E-mail (najsłabsza metoda)

Tworzenie tabeli dopasowań

  1. Kliknij add Utwórz > Zapytanie.
  2. Skopiuj szablon zapytania Generowanie tabeli odpowiedników dla chmury prywatnej i wklej go w edytorze zapytań. Opcjonalnie: jeśli Twoje dane nie są jeszcze zahaszowane, możesz użyć szablonu Generowanie tabeli odpowiedników dla chmury prywatnej (z haszowaniem).

    /* 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. Zastąp nazwy parametrów nazwami kolumn, aby zapewnić prawidłowe aliasowanie.

  4. Kliknij Zapisz.

  5. Kliknij Wykonaj. Aby odświeżyć tabelę dopasowań, musisz ręcznie uruchomić to zapytanie. Każde uruchomienie spowoduje zastąpienie bieżącej tabeli dopasowań.

Migracja istniejących połączeń

Dotychczasowe połączenia na karcie Połączenia zostaną przeniesione do zaktualizowanej wersji połączeń wbudowanej bezpośrednio w Centrum danych reklam. Zaktualizowane połączenia odczytują źródła i zapisują miejsca docelowe za pomocą konta usługi widocznego w sekcji Ustawienia > Szczegóły > Konto usługi (zwykle service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) zamiast starszych kont usługi Data Fusion, Dataproc i UPDM.

Zanim połączenia zostaną przeniesione, wykonaj te działania:

  1. Przyznaj uprawnienia kontu usługi: przyznaj kontu usługi widocznemu w sekcji Ustawienia > Szczegóły > Konto usługi (zwykle service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) wymagane role źródłowe i docelowe (roles/bigquery.dataViewer, roles/storage.objectViewer i roles/bigquery.dataEditor w niedomyślnych docelowych zbiorach danych). Połączenia z nieczytelnymi, usuniętymi lub zmienionymi źródłami mogą nadal zostać przeniesione (zwłaszcza źródła Cloud Storage, które nie są sprawdzane podczas przenoszenia), ale ich uruchomienie będzie się kończyć niepowodzeniem, dopóki nie przyznasz dostępu lub nie naprawisz źródła.
  2. Konwertowanie nieobsługiwanych połączeń: połączenia z tymi konfiguracjami nie zostaną przeniesione. Przekonwertuj je na obsługiwane połączenia BigQuery lub Cloud Storage:

    • Inne źródła danych (Amazon S3, Snowflake, MySQL, PostgreSQL, Amazon Redshift, sFTP lub Salesforce): najpierw przygotuj dane w BigQuery lub Cloud Storage, a następnie utwórz połączenie z BigQuery lub Cloud Storage.
    • Nieobsługiwane mapowania pól lub typy danych: zaktualizuj lub ponownie utwórz połączenie, aby spełniało wymagania dotyczące pól i typów danych.
    • Nieobsługiwane przekształcenia: przenoszone są tylko przekształcenia wymienione w sekcji Przeniesione połączenia. Usuń wszystkie inne przekształcenia, takie jak scalanie lub dzielenie pól, i wykonaj te czynności w danych źródłowych.
    • Ścieżki Cloud Storage z symbolami wieloznacznymi (* lub ?): zastąp identyfikator URI z symbolem wieloznacznym identyfikatorem URI pojedynczego pliku lub najpierw wczytaj pliki do BigQuery.
    • Nazwy używane już w Centrum danych reklam: zmień nazwę połączenia, jeśli zapytanie lub połączenie utworzone w zaktualizowanej wersji Połączeń ma już taką samą nazwę na Twoim koncie.

    Istniejące połączenia, które mają tę samą nazwę, są nadal przenoszone: najstarsze zachowuje nazwę, a pozostałe otrzymują sufiks, np. (2) lub (3).

  3. Usuń nieużywane połączenia: usuń nieaktualne połączenia, których już nie potrzebujesz.

Dane dopasowane do zapytania

Wykonywanie zapytań dotyczących tabel odpowiedników

Gdy tabele odpowiedników zawierają wystarczającą ilość danych, aby spełnić wymagania mechanizmów kontroli prywatności, możesz wykonywać zapytania dotyczące tych tabel.

Pierwotna tabela danych własnych jest reprezentowana przez my_data. Obejmuje to zarówno informacje umożliwiające identyfikację, jak i inne dane. Korzystanie z pierwotnej tabeli może poprawić jakość raportów, ponieważ zawiera ona więcej statystyk, ponieważ w porównaniu z tabelą odpowiedników reprezentuje wszystkie dane własne w zakresie.

Każdej tabeli w schemacie Centrum danych reklam, która zawiera pole user_id, towarzyszy tabela dopasowań. Na przykład w przypadku tabeli adh.google_ads_impressions Centrum danych reklam generuje też tabelę odpowiedników o nazwie adh.google_ads_impressions_updm, która zawiera Twoje identyfikatory użytkowników. W przypadku tabel sieciowych odseparowanych zgodnie z zasadami tworzone są osobne tabele odpowiedników. Na przykład w przypadku tabeli adh.google_ads_impressions_policy_isolated_network Centrum danych reklam generuje też tabelę odpowiedników o nazwie adh.google_ads_impressions_policy_isolated_network_updm, która zawiera Twoje identyfikatory użytkowników.

Te tabele obejmują podzbiór użytkowników dostępnych w pierwotnych tabelach dopasowanych do identyfikatorów user_id. Jeśli na przykład pierwotna tabela zawiera dane dotyczące użytkowników A i B, ale dopasowane zostanie tylko konto użytkownika A, użytkownik B nie znajdzie się w tabeli odpowiedników.

Tabele odpowiedników zawierają dodatkową kolumnę o nazwie customer_data_user_id, która przechowuje identyfikator użytkownika w postaci bajtów.

Podczas tworzenia zapytań należy zwracać uwagę na typ pola. Operatory porównania SQL wymagają, aby porównywane literały były tego samego typu. Ostrzeżenie: w zależności od sposobu, w jaki w tabeli danych własnych przechowywane są dane (user_id), przed przystąpieniem do dopasowywania danych może być konieczne zakodowanie wartości w tabeli. Aby zapewnić prawidłowe dopasowanie, musisz przeformatować klucz łączenia na bajty:

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

Poza tym porównania ciągów znaków w języku SQL uwzględniają wielkość liter, więc dokładne porównywanie ciągów znaków może wymagać ich zakodowania po obu stronach porównania.

Przykładowe zapytania

Zliczanie dopasowanych użytkowników

To zapytanie zlicza liczbę dopasowanych użytkowników w tabeli wyświetleń reklam Google Ads.

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

Obliczanie współczynnika dopasowania

Nie wszyscy użytkownicy kwalifikują się do dopasowania. Na przykład wylogowani użytkownicy, dzieci i użytkownicy, którzy nie wyrazili zgody, nie są dopasowywani za pomocą UPDM. Aby dokładniej obliczać współczynniki dopasowania danych własnych i przekazywanych przez użytkowników, możesz używać pola is_updm_eligible. Pamiętaj, że pole is_updm_eligible jest dostępne od 1 października 2024 r. Nie możesz używać tego pola do obliczania współczynników dopasowania przed tą datą.

/* 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)

Łączenie danych własnych i danych reklam Google Ads

To zapytanie pokazuje, jak połączyć dane własne z danymi reklam Google Ads:

/* 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

Najczęstsze pytania dotyczące UPDM

Listę najczęstszych pytań dotyczących UPDM znajdziesz w tym artykule.