การจับคู่ข้อมูลที่ได้จากผู้ใช้

การจับคู่ข้อมูลที่ได้จากผู้ใช้ (UPDM) จะรวมข้อมูลจากบุคคลที่หนึ่งที่คุณได้รวบรวมไว้เกี่ยวกับผู้ใช้ เช่น ข้อมูลจากเว็บไซต์ แอป หรือกิจการที่มีหน้าร้านจริง เข้ากับกิจกรรมที่มีการลงชื่อเข้าใช้ของผู้ใช้รายเดียวกันในข้อมูลในบริบทโฆษณา Google ทั้งหมด รวมถึงข้อมูลที่ Google เป็นเจ้าของและดำเนินการเอง ซึ่งรวมถึงข้อมูลที่ซื้อผ่านผลิตภัณฑ์ Google Marketing Platform (GMP) เช่น YouTube ที่ซื้อโดยใช้ Display & Video 360 ระบบไม่รองรับผลิตภัณฑ์ GMP อื่นๆ ที่ Google ไม่ได้เป็นเจ้าของและดำเนินการ

เหตุการณ์โฆษณาจะต้องลิงก์กับผู้ใช้ที่ลงชื่อเข้าใช้ในข้อมูลในบริบทโฆษณา Google จึงจะมีสิทธิ์ในการจับคู่ข้อมูลที่ได้จากผู้ใช้

เอกสารนี้อธิบายฟีเจอร์การจับคู่ข้อมูลที่ได้จากผู้ใช้ รวมถึงให้คำแนะนำเกี่ยวกับการตั้งค่าและการใช้งาน

ภาพรวมของ Private Cloud Match

การได้รับข้อมูลเชิงลึกด้านการโฆษณาที่มีคุณค่ามักต้องอาศัยการเชื่อมโยงข้อมูลจากแหล่งที่มาหลายแห่งเข้าด้วยกัน การสร้างโซลูชันของคุณเองสำหรับปัญหา Data Pipeline นี้ ต้องใช้เวลาและวิศวกรรมอย่างมาก Private Cloud Match ใน Ads Data Hub ช่วยปรับปรุงกระบวนการนี้ให้มีประสิทธิภาพมากขึ้นโดยการจัดเตรียมเทมเพลตการค้นหา Ads Data Hub สำหรับสร้างตารางการจับคู่ใน BigQuery ซึ่งสามารถใช้ในการค้นหา Ads Data Hub เพื่อจับคู่ข้อมูลในบริบทโฆษณากับข้อมูลจากบุคคลที่หนึ่ง การเสริมคำค้นหาด้วยข้อมูลจากบุคคลที่หนึ่งจะช่วยมอบประสบการณ์ของลูกค้าที่ดียิ่งขึ้น และทนทานต่อการเปลี่ยนแปลงการติดตามโฆษณาทั่วทั้งอุตสาหกรรมได้มากกว่า

เนื่องจากการจับคู่ข้อมูลที่ได้จากผู้ใช้จะใช้งานได้เฉพาะกับพื้นที่โฆษณาที่ Google เป็นเจ้าของและดําเนินการเองสำหรับผู้ใช้ที่ลงชื่อเข้าใช้ จึงไม่ได้รับผลกระทบจากการเลิกใช้งานคุกกี้ของบุคคลที่สามที่จะมีผลในเร็วๆ นี้ เนื่องจากข้อมูลจากบุคคลที่หนึ่งปรับข้อมูลเข้ากับการเปลี่ยนแปลงของอุตสาหกรรมได้ดีกว่าข้อมูลจากบุคคลที่สาม จึงให้ข้อมูลเชิงลึกที่ครบถ้วนยิ่งขึ้น ซึ่งอาจนําไปสู่การมีส่วนร่วมของลูกค้าที่สูงขึ้น

สรุปกระบวนการ

  1. การตั้งค่าการนำเข้าและการจับคู่ข้อมูล
  2. การนำเข้าและการจับคู่ข้อมูลจากบุคคลที่หนึ่ง
    • คุณจัดรูปแบบและอัปโหลดข้อมูลจากบุคคลที่หนึ่งไปยังชุดข้อมูล BigQuery
    • คุณเริ่มส่งคำขอการจับคู่ข้อมูลโดยสร้างการค้นหาการวิเคราะห์ Private Cloud Match และตั้งเวลา
    • Google จะรวมข้อมูลระหว่างโปรเจ็กต์ของคุณกับข้อมูลที่ Google เป็นเจ้าของซึ่งมีรหัสผู้ใช้ของ Google และข้อมูลที่ได้จากผู้ใช้ที่แฮชแล้วเพื่อสร้างและอัปเดตตารางการจับคู่
    • ดูหัวข้อนำเข้าข้อมูลจากบุคคลที่หนึ่ง
  3. การค้นหาอย่างต่อเนื่องใน Ads Data Hub โดยอิงตามข้อมูลที่ตรงกัน
    • คุณเรียกใช้การค้นหาในตารางการจับคู่ในลักษณะเดียวกับการเรียกใช้การค้นหาปกติใน Ads Data Hub ดูค้นหาข้อมูลที่ตรงกัน

ดูข้อมูลเกี่ยวกับข้อกำหนดด้านความเป็นส่วนตัว

การเก็บรวบรวมข้อมูลลูกค้า

เมื่อใช้การจับคู่ข้อมูลที่ได้จากผู้ใช้ คุณต้องอัปโหลดข้อมูลจากบุคคลที่หนึ่ง ซึ่งอาจเป็นข้อมูลที่คุณรวบรวมจากเว็บไซต์ แอป หน้าร้านจริง หรือข้อมูลที่ลูกค้าแชร์กับคุณโดยตรง

คุณต้องปฏิบัติดังนี้

  • ตรวจสอบว่านโยบายความเป็นส่วนตัวของคุณเปิดเผยว่าคุณแชร์ข้อมูลลูกค้ากับบุคคลที่สามเพื่อให้บริการในนามของคุณ และคุณได้รับความยินยอมในการแชร์ข้อมูลดังกล่าวตามที่ข้อกำหนดทางกฎหมายกำหนด
  • อัปโหลดข้อมูลลูกค้าโดยใช้ API หรืออินเทอร์เฟซที่ Google อนุมัติเท่านั้น
  • ปฏิบัติตามกฎหมายและกฎระเบียบที่เกี่ยวข้องทั้งหมด รวมถึงหลักเกณฑ์ในการกำกับตนเองหรือหลักเกณฑ์ของอุตสาหกรรมที่อาจมีผลบังคับใช้

การรับทราบความยินยอมของบุคคลที่หนึ่ง

เพื่อให้มั่นใจว่าคุณจะใช้ข้อมูลจากบุคคลที่หนึ่งใน Ads Data Hub ได้ คุณต้องยืนยันว่าได้รับความยินยอมที่เหมาะสมในการแชร์ข้อมูลจากผู้ใช้ปลายทางใน EEA กับ Google ตามนโยบายความยินยอมของผู้ใช้ EU และนโยบาย Ads Data Hub ข้อกำหนดนี้มีผลกับบัญชี Ads Data Hub แต่ละบัญชี และต้องอัปเดตทุกครั้งที่คุณอัปโหลดข้อมูลจากบุคคลที่หนึ่งใหม่ ผู้ใช้รายใดรายหนึ่งสามารถรับทราบในนามของทั้งบัญชีได้

โปรดทราบว่ากฎการค้นหาบริการของ Google เดียวกันกับที่ใช้กับการค้นหาเพื่อการวิเคราะห์จะมีผลกับการค้นหา UPDM ด้วย เช่น คุณไม่สามารถเรียกใช้การค้นหาข้ามบริการกับผู้ใช้ใน EEA เมื่อสร้างตารางการจับคู่

ดูวิธีรับทราบความยินยอมใน Ads Data Hub ได้ที่ข้อกำหนดด้านความยินยอมสำหรับเขตเศรษฐกิจยุโรป

ขนาดข้อมูล

เพื่อปกป้องความเป็นส่วนตัวของผู้ใช้ปลายทาง การจับคู่ข้อมูลที่ได้จากผู้ใช้จะบังคับใช้ข้อกำหนดต่อไปนี้เกี่ยวกับขนาดของข้อมูล

  • คุณต้องอัปโหลดระเบียนอย่างน้อย 1,000 รายการในรายชื่อผู้ใช้

ตั้งค่าการนำเข้าข้อมูล

ก่อนเริ่มต้น โปรดตรวจสอบสิ่งต่อไปนี้

  • ข้อมูลจากบุคคลที่หนึ่งต้องอยู่ใน BigQuery หากคุณมีขอบเขต VPC-SC ข้อมูลจากบุคคลที่หนึ่งนี้ต้องอยู่ภายใน VPC-SC
  • บัญชีบริการ Ads Data Hub ต้องมีสิทธิ์อ่านข้อมูลจากบุคคลที่หนึ่ง
  • ข้อมูลจากบุคคลที่หนึ่งต้องได้รับการจัดรูปแบบและแฮชอย่างถูกต้อง ดูรายละเอียดเพิ่มเติมได้ที่หัวข้อถัดไป

นอกเหนือจากนั้น Private Cloud Match ไม่มีการเริ่มต้นใช้งานเพิ่มเติม หากเรียกใช้การค้นหาเพื่อการวิเคราะห์ได้ คุณจะเรียกใช้การค้นหา Private Cloud Match ได้

นำเข้าและจับคู่ข้อมูลจากบุคคลที่หนึ่ง

สิทธิ์ของแหล่งที่มาและข้อกำหนดในการเชื่อมต่อ

การเชื่อมต่อ Ads Data Hub ใช้บัญชีบริการที่แสดงในส่วนการตั้งค่า > รายละเอียด > บัญชีบริการ (โดยปกติคือ service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) ให้สิทธิ์บทบาทต่อไปนี้แก่บัญชีบริการ

  • แหล่งที่มา BigQuery: roles/bigquery.dataViewer (ผู้ดูข้อมูล BigQuery) ในชุดข้อมูลหรือตารางต้นทาง
  • แหล่งที่มาของ Cloud Storage: roles/storage.objectViewer (Storage Object Viewer) ในออบเจ็กต์หรือที่เก็บข้อมูลต้นทาง
  • ปลายทางการนำเข้าข้อมูลจากบุคคลที่หนึ่ง: roles/bigquery.dataEditor (ผู้แก้ไขข้อมูล BigQuery) ในชุดข้อมูลปลายทาง หากตารางไม่ได้อยู่ในชุดข้อมูลเริ่มต้น

ข้อกำหนดด้านฟิลด์และประเภทข้อมูล

กฎเหล่านี้มีไว้สำหรับการเชื่อมต่อในประสบการณ์การใช้งานการเชื่อมต่อที่อัปเดตแล้ว โดยจะขึ้นอยู่กับประเภทการเชื่อมต่อ ซึ่งได้แก่การจับคู่ข้อมูลที่ได้จากผู้ใช้หรือข้อมูลจากบุคคลที่หนึ่ง

การจับคู่ข้อมูลที่ได้จากผู้ใช้ (UPDM)

แมป user_id และอย่างน้อย 1 รายการต่อไปนี้ email, phone หรือที่อยู่แบบเต็ม (first_name, last_name, country และ zip_code) หากคุณแมปคอลัมน์ที่อยู่ใดๆ ให้แมปทั้ง 4 คอลัมน์ ไม่เช่นนั้น คุณจะบันทึกการเชื่อมต่อไม่ได้ คุณไม่สามารถเปลี่ยนประเภทของคอลัมน์เหล่านี้ได้ โดยจะเป็น HASH สำหรับ email, phone, first_name และ last_name และเป็น STRING สำหรับ user_id, country และ zip_code

คอลัมน์ต้นทางที่คุณแมปกับคอลัมน์ปลายทางแต่ละคอลัมน์ต้องมีข้อมูลต่อไปนี้ หากต้องการจัดรูปแบบค่า โปรดดูหัวข้อจัดรูปแบบข้อมูลสำหรับการป้อนข้อมูล

คอลัมน์ปลายทาง ค่าคอลัมน์แหล่งที่มา ตัวอย่าง
user_id รหัสของคุณสำหรับผู้ใช้ในรูปแบบข้อความธรรมดา customer-1234
email, phone, first_name, last_name ค่าที่จัดรูปแบบ แฮชด้วย SHA-256 และเข้ารหัสใน Base64 (44 อักขระ) การเข้ารหัสเลขฐาน 16 (64 อักขระ) ก็ใช้ได้เช่นกัน h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ= แฮชของ test@gmail.com
country รหัสประเทศ 2 ตัวอักษร (ISO 3166-1 alpha-2) ในรูปแบบข้อความธรรมดา US
zip_code รหัสไปรษณีย์ที่มีอักขระไม่เกิน 20 ตัว (ตัวอักษร A-Z, ตัวเลข, เว้นวรรค และขีดกลาง) ในรูปแบบข้อความธรรมดา 94043
  • แฮชค่าในแหล่งที่มา Connections จะไม่แฮช email, phone, first_name หรือ last_name แม้ว่าประเภทจะเป็น HASH ก็ตาม ข้อยกเว้นประการหนึ่งคือ หากย้ายการเชื่อมต่อของคุณไปยังประสบการณ์การเชื่อมต่อที่อัปเดตแล้ว และช่องที่ใช้แฮชการประมวลผลก่อนการย้าย (แฮชการประมวลผลจะแฮชคอลัมน์ให้คุณ) การเชื่อมต่อจะยังคงแฮชช่องนั้นอยู่ เก็บค่าแหล่งที่มาของช่องนั้นไว้โดยไม่ต้องแฮช แต่จัดรูปแบบ โปรดดูหัวข้อการเชื่อมต่อที่ย้าย
  • ในตารางแหล่งที่มา BigQuery ให้ใช้คอลัมน์ STRING
    • email, phone, first_name และ last_name ต้องเป็น STRING หากใช้ประเภทอื่น เช่น INT64 คุณจะบันทึกการเชื่อมต่อไม่ได้
    • user_id อาจเป็น INT64 หรือ BYTES ก็ได้ ค่า BYTES ที่ไม่ใช่ข้อความ UTF-8 จะกลายเป็น NULL
    • zip_code อาจเป็น INT64 ได้เช่นกัน แต่ INT64 จะเก็บเลขศูนย์นำหน้าไม่ได้ (02134 จะจัดเก็บเป็น 2134) ดังนั้นรหัสไปรษณีย์ดังกล่าวจึงไม่ตรงกัน จัดเก็บรหัสไปรษณีย์เป็น STRING
  • ระบุรหัสผู้ใช้ในทุกแถว แถวทั้งหมดที่มีรหัสผู้ใช้ NULL จะนับเป็นผู้ใช้ 1 ราย ดังนั้นจึงมีแถวที่ตรงกันได้มากที่สุด 1 แถว เช่นเดียวกับแถวทั้งหมดที่มีรหัสผู้ใช้ว่างเปล่า
  • รหัสผู้ใช้ของคุณจะกลายเป็น BYTES Connections จะแปลงเป็น BYTES ซึ่งเป็นประเภทรหัสผู้ใช้ที่จัดรูปแบบข้อมูลสําหรับอินพุตแสดงรายการไว้ เพื่อให้คอลัมน์แหล่งที่มายังคงเป็น STRING เช่น ค่า INT64 42 จะกลายเป็น b"42" ในตารางการจับคู่ _updm จะเป็นคอลัมน์ customer_data_user_id CAST(my_data.user_id AS BYTES) ไม่สำเร็จสำหรับรหัส INT64 ดังนั้นหากต้องการเข้าร่วมด้วยรหัสดังกล่าว ให้แคสต์เป็น STRING ก่อน: customer_data_user_id = CAST(CAST(my_data.user_id AS STRING) AS BYTES)
  • ค่าอีเมล โทรศัพท์ หรือที่อยู่ที่ว่างเปล่าหรือจัดรูปแบบไม่ถูกต้องจะไม่สามารถจับคู่ได้ แต่จะไม่ทำให้การเรียกใช้ล้มเหลว แถวยังคงจับคู่กับค่าอื่นๆ ได้ ตัวอย่างเช่น อีเมลในรูปแบบข้อความธรรมดา ประเทศ USA หรือรหัสไปรษณีย์ 94043.1351 จะไม่ตรงกัน หากต้องการจับคู่ตามที่อยู่ แถวจะต้องมีค่าที่ถูกต้องในคอลัมน์ที่อยู่ทั้ง 4 คอลัมน์
  • ในการค้นหา Private Cloud Match ค่าที่อยู่ในรูปแบบที่ไม่ถูกต้องอาจทำให้การค้นหาทั้งหมดล้มเหลว กรณีนี้จะเกิดขึ้นหากคุณสร้างตารางการจับคู่ด้วยการค้นหา CREATE OR REPLACE TABLE adh.updm_match_table ใน Ads Data Hub แทนการเชื่อมต่อ ตัวอย่างเช่น แฮชอีเมลที่มีความยาวไม่เท่ากับ 44 อักขระ เช่น แฮชที่เข้ารหัสแบบฐานสิบหก จะทำให้การค้นหาล้มเหลวโดยมีข้อผิดพลาด เช่น email must be encoded using TO_BASE64(SHA256(email))
  • ตรวจสอบอัตราการจับคู่ เช่น ใช้การค้นหาคำนวณอัตราการจับคู่ Connections จะไม่รายงานค่าที่ไม่ตรงกัน คุณจึงได้รับผู้ใช้ที่ตรงกันน้อยลง หากมีผู้ใช้ที่ตรงกันไม่เกิน 1,000 คน การเรียกใช้จะล้มเหลวพร้อมข้อความ Minimum match count check failed.
  • ใช้การเชื่อมต่อ UPDM เพียง 1 รายการต่อบัญชี การเชื่อมต่อ UPDM ไม่มีตารางปลายทาง การเชื่อมต่อ UPDM ทุกรายการในบัญชีและการค้นหา Private Cloud Match ทุกรายการจะเขียนตารางการจับคู่เดียวกัน และการเรียกใช้ที่สําเร็จแต่ละครั้งจะแทนที่ตารางดังกล่าว หากต้องการจับคู่ข้อมูลจากหลายแหล่ง ให้รวมข้อมูลไว้ในตารางหรือไฟล์เดียวก่อน
ข้อมูลจากบุคคลที่หนึ่ง

เลือกประเภท (ประเภทข้อมูลในหน้ารายละเอียดการเชื่อมต่อ) สำหรับแต่ละคอลัมน์ Connections จะแปลงค่าต้นทางแต่ละค่าเป็นประเภทนั้น และคอลัมน์ปลายทางจะได้รับประเภท BigQuery ที่แสดงที่นี่

ประเภท คอลัมน์ปลายทาง ค่าที่แปลง ค่าที่กลายเป็น NULL
STRING (ค่าเริ่มต้น) STRING ค่าใดก็ได้ในรูปแบบข้อความ จาก BigQuery 123 จะกลายเป็น "123" และ TRUE จะกลายเป็น "true" ระบบจะเก็บข้อความจาก Cloud Storage ไว้ตามเดิม ค่า BYTES ที่ไม่ใช่ข้อความ UTF-8
HASH STRING เหมือนกับ STRING Connections จะไม่แฮชหรือตรวจสอบค่า เหมือนกับ STRING
INTEGER INT64 จำนวนเต็มและข้อความตัวเลข เช่น "42" จาก BigQuery ระบบจะตัดทศนิยมออก: 1.9 จะกลายเป็น 1 ค่าอื่นๆ เช่น "abc", TRUE หรือวันที่ จาก Cloud Storage ซึ่งเป็นทศนิยมเช่นกัน เช่น 1.9
DOUBLE FLOAT64 ตัวเลขและข้อความตัวเลข เช่น "1.5" ค่าอื่นๆ เช่น TRUE หรือวันที่
DATE DATE ค่า DATE และข้อความปี-เดือน-วัน เช่น 2026-01-15 หรือ 2026-1-5 ค่าอื่นๆ เช่น 01/15/2026, 20260115 หรือค่า TIMESTAMP หรือ DATETIME
TIMESTAMP TIMESTAMP ค่า TIMESTAMP, DATETIME และ DATE และข้อความ เช่น 2026-01-15 10:00:00 หรือ 2026-01-15T10:00:00-08:00 ระบบจะอ่านค่าที่ไม่มีเขตเวลาเป็น UTC และวันที่เป็นเที่ยงคืนตามเวลา UTC ค่าอื่นๆ เช่น เวลา Unix Epoch (1768471200)
  • ค่าที่แปลงไม่ได้จะไม่ทำให้การเรียกใช้ล้มเหลว ระบบจะนําเข้าเป็น NULL และ Connections จะไม่รายงาน ดังนั้นโปรดตรวจสอบตารางปลายทางหลังจากการเรียกใช้ครั้งแรก
  • เลือกประเภทที่เหมาะกับข้อมูลของคุณ สำหรับแหล่งข้อมูล BigQuery ให้เลือกประเภทที่ตรงกับคอลัมน์แหล่งข้อมูล ได้แก่ STRING สำหรับ STRING, INTEGER สำหรับ INT64, DOUBLE สำหรับ FLOAT64, DATE สำหรับ DATE และ TIMESTAMP สำหรับ TIMESTAMP ระบบจะนำเข้าค่าเหล่านี้โดยไม่มีการเปลี่ยนแปลง สำหรับแหล่งข้อมูล Cloud Storage ค่า CSV ทุกค่าจะเป็นข้อความ ให้เลือกประเภทของค่าในคอลัมน์ เช่น INTEGER สำหรับ 42 หรือ DATE สำหรับ 2026-01-15 หากคอลัมน์แสดงผลเป็น NULL ในทุกแถว ให้เลือก STRING หรือแปลงค่าในข้อมูลต้นฉบับก่อน
  • BigQuery บางประเภทไม่สามารถแมปได้ หากแมปคอลัมน์ ARRAY, STRUCT, JSON หรือ GEOGRAPHY คุณจะบันทึกการเชื่อมต่อไม่ได้
  • การเรียกใช้แต่ละครั้งจะแทนที่ตารางปลายทางทั้งหมด แต่จะไม่ต่อท้าย หากแหล่งที่มาไม่มีแถว ปลายทางจะว่างเปล่า อย่าใช้ตารางต้นทางหรือตารางที่มีข้อมูลที่คุณต้องการเก็บไว้เป็นปลายทาง
การเชื่อมต่อที่ย้ายแล้ว

การเปลี่ยนรูปแบบยังไม่พร้อมใช้งานในประสบการณ์การเชื่อมต่อที่อัปเดตแล้ว คุณจึงเพิ่มการเปลี่ยนรูปแบบลงในฟิลด์ไม่ได้ และการแมปฟิลด์จะไม่แสดงการเปลี่ยนรูปแบบ การเชื่อมต่อที่ย้ายไปยังประสบการณ์การเชื่อมต่อที่อัปเดตแล้วจะยังคงเก็บการเปลี่ยนรูปแบบของฟิลด์ไว้ เช่น แฮชการประมวลผล (การแฮช SHA-256)

  • ในการเชื่อมต่อข้อมูลจากบุคคลที่หนึ่ง ฟิลด์ที่มีการเปลี่ยนรูปแบบจะได้รับค่าที่การเปลี่ยนรูปแบบสร้างขึ้นแทนการแปลงประเภท และคุณจะเปลี่ยนประเภทไม่ได้ ในการเชื่อมต่อ UPDM กฎ UPDM จะยังคงมีผลกับค่าดังกล่าว
  • ฟิลด์ UPDM ที่ใช้แฮชการประมวลผลจะยังคงแฮชโดย Connections เก็บค่าแหล่งที่มาไว้โดยไม่แฮช แต่จัดรูปแบบตามที่อธิบายไว้ในจัดรูปแบบข้อมูลสําหรับอินพุต: ค่าที่แฮชแล้วจะถูกแฮชอีกครั้งและไม่สามารถจับคู่ได้ หากต้องการแฮชค่าด้วยตนเองแทน ให้นำการแมปช่องออกแล้วเพิ่มอีกครั้ง
  • ระบบจะย้ายเฉพาะการเปลี่ยนรูปแบบต่อไปนี้

    • ประมวลผลแฮชด้วย SHA-256 (Base64 หรือเลขฐานสิบหก) ยกเว้นใน user_id, country หรือ zip_code ของ UPDM ซึ่งต้องเป็นข้อความธรรมดา
    • การจัดรูปแบบตัวพิมพ์เล็กหรือตัวพิมพ์ใหญ่
    • การแปลงเป็นสตริง
    • การแยกวิเคราะห์การประทับเวลาโดยไม่มีเขตเวลาเริ่มต้นในฟิลด์ของการเชื่อมต่อสูงสุด 10 ฟิลด์
    • 2 ใน 3 รายการแรกติดต่อกัน เช่น การจัดรูปแบบตัวพิมพ์เล็ก แล้วจึงคำนวณแฮช

    ระบบจะย้ายการเปลี่ยนรูปแบบก็ต่อเมื่อสิ่งที่สร้างขึ้นตรงกับช่องของตนเองเท่านั้น สำหรับ 2 รายการที่ติดกัน สิ่งที่รายการที่ 2 สร้างขึ้นจะนับว่าเป็นการจัดรูปแบบตัวพิมพ์เล็ก แล้วจึงคำนวณแฮชที่ตรงกับ email แต่การคำนวณแฮชแล้วจึงจัดรูปแบบตัวพิมพ์เล็กจะไม่นับ

    • ในการเชื่อมต่อ UPDM แฮชสําหรับการประมวลผลจะเหมาะกับ email, phone, first_name และ last_name การจัดรูปแบบตัวพิมพ์เล็กหรือตัวพิมพ์ใหญ่และการแปลงเป็นสตริงเหมาะกับ user_id, country และ zip_code การแยกวิเคราะห์การประทับเวลาไม่ตรงกับฟิลด์ใดเลย
    • ในการเชื่อมต่อข้อมูลจากบุคคลที่หนึ่ง แฮชการประมวลผลจะพอดีกับคอลัมน์ STRING หรือ HASH การจัดรูปแบบตัวพิมพ์เล็กหรือตัวพิมพ์ใหญ่และการแปลงเป็นสตริงจะพอดีกับคอลัมน์ STRING การแยกวิเคราะห์การประทับเวลาจะพอดีกับคอลัมน์ TIMESTAMP

    ระบบจะไม่ย้ายการเชื่อมต่อที่มีการเปลี่ยนรูปแบบอื่นๆ เช่น การผสานหรือแยกฟิลด์ หรือการเปลี่ยนรูปแบบที่ไม่ตรงกับฟิลด์

ข้อกำหนดคอลัมน์ CSV ของ Cloud Storage

  • รวมแถวส่วนหัว ระบบจะข้ามบรรทัดแรกและไม่ใช้ชื่อคอลัมน์ในบรรทัดนั้น
  • ไฟล์ต้องมีคอลัมน์แหล่งข้อมูลที่แมปไว้เท่านั้น โดยไม่มีคอลัมน์อื่นเพิ่มเติมหรือขาดหายไป คอลัมน์เพิ่มเติมทำให้การเรียกใช้ไม่สำเร็จ
  • ข้อมูลจากบุคคลที่หนึ่ง: คอลัมน์ต้องอยู่ในลำดับเดียวกับการแมปฟิลด์
  • การจับคู่ข้อมูลที่ได้จากผู้ใช้: คอลัมน์ต้องเรียงตามลำดับนี้ โดยเก็บเฉพาะช่องที่คุณแมปไว้ ได้แก่ user_id, email, phone, first_name, last_name, country, zip_code ลำดับของแถวการแมปไม่มีความสำคัญ
  • ระบบตรวจไม่พบลำดับคอลัมน์ที่แตกต่างกัน: ค่าจะโหลดลงในช่องที่ไม่ถูกต้อง (หรืออัตราการจับคู่ลดลง) โดยไม่มีข้อผิดพลาด

แหล่งข้อมูลที่รองรับและขีดจำกัดการเชื่อมต่อ

  • แหล่งข้อมูล: รองรับเฉพาะแหล่งข้อมูล BigQuery และ Cloud Storage เท่านั้น
  • ชื่อตาราง BigQuery: ตาราง BigQuery ต้นทางและปลายทางต้องมีชื่อ project.dataset.table แบบเต็ม
  • เส้นทางไฟล์ Cloud Storage: ระบุ URI ไฟล์เดียว (เช่น gs://bucket/path/file.csv) ระบบไม่รองรับเส้นทางไวลด์การ์ดที่มี * หรือ ?
  • ชื่อการเชื่อมต่อ: การเชื่อมต่อแต่ละรายการในบัญชีต้องมีชื่อที่ไม่ซ้ำกัน

จัดรูปแบบข้อมูลสำหรับอินพุต

ข้อมูลของคุณต้องเป็นไปตามข้อกำหนดการจัดรูปแบบเหล่านี้เพื่อให้จับคู่ได้อย่างถูกต้อง

  • คุณต้องอัปโหลดโดยใช้การแฮช SHA256 ตามที่ระบุไว้ในคำอธิบายช่องป้อนข้อมูลต่อไปนี้
  • UPDM รองรับการเข้ารหัส Base64 ดู TO_BASE64
  • ช่องป้อนข้อมูลต้องจัดรูปแบบเป็นสตริง เช่น หากคุณใช้ฟังก์ชันแฮช SHA256 ของ BigQuery ให้ใช้การแปลง TO_BASE64(SHA256(user_data))

User ID

  • ประเภทข้อมูล: BYTES
  • การแฮช: ไม่มี

อีเมล

  • นำช่องว่างขึ้นต้นและต่อท้ายออก
  • อักขระทั้งหมดต้องเป็นตัวพิมพ์เล็ก
  • รวมชื่อโดเมนของอีเมลทั้งหมด เช่น gmail.com หรือ hotmail.co.jp
  • นำเครื่องหมายเน้นเสียงออก เช่น เปลี่ยน è, é, ê หรือ ë เป็น e
  • นำจุด (.) ที่อยู่ก่อนชื่อโดเมนในอีเมล gmail.com และ googlemail.com ออกทั้งหมด
  • การแฮช: SHA256 ที่เข้ารหัส Base64

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

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

โทรศัพท์

  • ตัดช่องว่าง
  • จัดรูปแบบในรูปแบบ E.164 เช่น ตัวอย่างของสหรัฐอเมริกา: +14155552671, ตัวอย่างของสหราชอาณาจักร: +442071838750
  • นำสัญลักษณ์พิเศษทั้งหมดออก ยกเว้น "+" หน้าโค้ดประเทศ
  • การแฮช: SHA256 ที่เข้ารหัส Base64

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

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

ชื่อ

  • ตัดช่องว่าง
  • อักขระทั้งหมดต้องเป็นตัวพิมพ์เล็ก
  • นำคำนำหน้าทั้งหมดออก เช่น นาง Mr., Ms., ควายแดง
  • อย่านำเครื่องหมายเน้นเสียงออก เช่น è, é, ê หรือ ë
  • การแฮช: SHA256 ที่เข้ารหัส Base64

ใช้ได้ถึง: TO_BASE64(SHA256("daní"))

ไม่ถูกต้อง: TO_BASE64(SHA256("Daní"))

นามสกุล

  • ตัดช่องว่าง
  • อักขระทั้งหมดต้องเป็นตัวพิมพ์เล็ก
  • นำคำต่อท้ายทั้งหมดออก เช่น Jr., Sr., 2nd, 3rd, II, III, PHD, MD
  • อย่านำเครื่องหมายเน้นเสียงออก เช่น è, é, ê หรือ ë
  • การแฮช: SHA256 ที่เข้ารหัส Base64

ใช้ได้ถึง: TO_BASE64(SHA256("délacruz"))

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

ประเทศ

  • ใส่รหัสประเทศด้วยแม้ว่าข้อมูลลูกค้าทั้งหมดจะมาจากประเทศเดียวกัน
  • อย่าแฮชข้อมูลประเทศ
  • ใช้รหัสประเทศ ISO 3166-1 alpha-2
  • การแฮช: ไม่มี

ใช้ได้ถึง: US

ไม่ถูกต้อง: United States of America หรือ USA

รหัสไปรษณีย์

  • อย่าแฮชข้อมูลรหัสไปรษณีย์
  • อนุญาตให้ใช้รหัสไปรษณีย์ทั้งของสหรัฐอเมริกาและต่างประเทศ
  • ใช้ได้เฉพาะตัวอักษร A-Z, ตัวเลข, การเว้นวรรค และขีดกลางสั้น โดยมีความยาวไม่เกิน 20 อักขระ
  • สำหรับสหรัฐอเมริกา
    • อนุญาตให้ใช้รหัส 5 หลัก เช่น 94043
    • อนุญาตให้ใช้รหัส 5 หลักตามด้วยส่วนขยาย 4 หลัก เช่น 94043-1351 หรือ 940431351
  • สำหรับประเทศอื่นๆ ทั้งหมด
    • ไม่จำเป็นต้องแปลงเป็นตัวพิมพ์เล็กหรือนำช่องว่างและขีดกลางออก
    • เว้นส่วนขยายรหัสไปรษณีย์ไว้
  • การแฮช: ไม่มี

การตรวจสอบแฮชและการเข้ารหัสข้อมูล

คุณสามารถใช้สคริปต์การตรวจสอบแฮชต่อไปนี้เพื่อให้แน่ใจว่าข้อมูลของคุณอยู่ในรูปแบบที่ถูกต้อง

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`;

คีย์สำหรับรวม

ข้อมูลที่ได้จากผู้ใช้บางชุดมีประสิทธิภาพมากกว่าชุดอื่นๆ ต่อไปนี้คือรายการชุดค่าผสมต่างๆ ของข้อมูลที่ได้จากผู้ใช้ โดยจัดอันดับตามความแข็งแกร่งที่เกี่ยวข้อง หากใช้ที่อยู่ คุณต้องระบุชื่อ นามสกุล ประเทศ และรหัสไปรษณีย์

  1. อีเมล โทรศัพท์ ที่อยู่ (มีประสิทธิภาพสูงสุด)
  2. โทรศัพท์ ที่อยู่
  3. อีเมล ที่อยู่
  4. อีเมล, โทรศัพท์
  5. ที่อยู่
  6. โทรศัพท์
  7. อีเมล (ปลอดภัยน้อยที่สุด)

สร้างตารางจับคู่

  1. คลิกadd สร้าง > การค้นหา
  2. คัดลอกเทมเพลตการค้นหาการสร้างตารางการจับคู่ในระบบคลาวด์ส่วนตัว แล้ววางลงในเครื่องมือแก้ไขการค้นหา ไม่บังคับ: คุณสามารถใช้เทมเพลตการสร้างตารางการจับคู่ในระบบคลาวด์ส่วนตัว (ที่มีการแฮช) หากข้อมูลของคุณยังไม่ได้แฮช

    /* 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. แทนที่ชื่อพารามิเตอร์ด้วยชื่อคอลัมน์เพื่อระบุนามแฝงที่เหมาะสม

  4. คลิกบันทึก

  5. คลิกเรียกใช้ คุณต้องเรียกใช้การค้นหานี้ด้วยตนเองเพื่อรีเฟรชตารางการจับคู่ การเรียกใช้แต่ละครั้งจะเขียนทับตารางการจับคู่ปัจจุบัน

ย้ายข้อมูลการเชื่อมต่อที่มีอยู่

การเชื่อมต่อที่มีอยู่ในแท็บการเชื่อมต่อจะย้ายไปที่ประสบการณ์การเชื่อมต่อที่อัปเดตซึ่งสร้างขึ้นใน Ads Data Hub โดยตรง การเชื่อมต่อที่อัปเดตจะอ่านแหล่งที่มาและเขียนปลายทางโดยใช้บัญชีบริการที่แสดงในส่วนการตั้งค่า > รายละเอียด > บัญชีบริการ (โดยปกติคือ service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) แทนบัญชีบริการ Data Fusion, Dataproc และ UPDM เดิม

โปรดดำเนินการตามรายการการทำงานเหล่านี้ก่อนที่จะมีการย้ายการเชื่อมต่อ

  1. ให้สิทธิ์บัญชีบริการ: ให้สิทธิ์บัญชีบริการที่แสดงในส่วนการตั้งค่า > รายละเอียด > บัญชีบริการ (โดยปกติคือ service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) สำหรับบทบาทต้นทางและปลายทางที่จำเป็น (roles/bigquery.dataViewer, roles/storage.objectViewer และ roles/bigquery.dataEditor ในชุดข้อมูลปลายทางที่ไม่ใช่ค่าเริ่มต้น) ระบบอาจยังคงย้ายการเชื่อมต่อที่มีแหล่งข้อมูลที่อ่านไม่ได้ ถูกลบ หรือมีการเปลี่ยนแปลง (โดยเฉพาะแหล่งข้อมูล Cloud Storage ซึ่งไม่ได้รับการตรวจสอบ ณ เวลาที่ย้าย) แต่การเรียกใช้จะล้มเหลวจนกว่าคุณจะให้สิทธิ์เข้าถึงหรือแก้ไขแหล่งข้อมูล
  2. แปลงการเชื่อมต่อที่ไม่รองรับ: ระบบจะไม่ย้ายข้อมูลการเชื่อมต่อที่มีการกำหนดค่าต่อไปนี้ แปลงเป็น BigQuery หรือการเชื่อมต่อ Cloud Storage ที่รองรับโดยทำดังนี้

    • แหล่งข้อมูลอื่นๆ (Amazon S3, Snowflake, MySQL, PostgreSQL, Amazon Redshift, sFTP หรือ Salesforce): จัดเตรียมข้อมูลใน BigQuery หรือ Cloud Storage ก่อน จากนั้นจึงสร้างการเชื่อมต่อ BigQuery หรือ Cloud Storage
    • การแมปฟิลด์หรือประเภทข้อมูลที่ไม่รองรับ: อัปเดตหรือสร้างการเชื่อมต่อใหม่เพื่อให้เป็นไปตามข้อกำหนดด้านฟิลด์และประเภทข้อมูล
    • การเปลี่ยนรูปแบบที่ไม่รองรับ: ระบบจะย้ายเฉพาะการเปลี่ยนรูปแบบที่แสดงในการเชื่อมต่อที่ย้ายเท่านั้น นำการเปลี่ยนรูปแบบอื่นๆ ออก เช่น การผสานหรือแยกฟิลด์ แล้วดำเนินการดังกล่าวในข้อมูลต้นทางแทน
    • เส้นทางไวลด์การ์ดของ Cloud Storage (* หรือ ?): แทนที่ URI ไวลด์การ์ดด้วย URI ไฟล์เดียว หรือโหลดไฟล์ลงใน BigQuery ก่อน
    • ชื่อที่ใช้แล้วใน Ads Data Hub: เปลี่ยนชื่อการเชื่อมต่อหากการค้นหาหรือการเชื่อมต่อที่สร้างขึ้นในประสบการณ์การเชื่อมต่อที่อัปเดตมีชื่อเดียวกันในบัญชีอยู่แล้ว

    ระบบจะยังคงย้ายข้อมูลการเชื่อมต่อที่มีอยู่ซึ่งใช้ชื่อร่วมกัน โดยการเชื่อมต่อที่เก่าที่สุดจะใช้ชื่อเดิม และการเชื่อมต่ออื่นๆ จะมีคำต่อท้าย เช่น (2) หรือ (3)

  3. ลบการเชื่อมต่อที่ไม่ได้ใช้: ลบการเชื่อมต่อที่ล้าสมัยซึ่งคุณไม่ต้องการอีกต่อไป

ข้อมูลที่ตรงกับการจับคู่คำค้นหา

ค้นหาตารางที่ตรงกัน

เมื่อตารางการจับคู่มีข้อมูลเพียงพอที่จะผ่านการตรวจสอบความเป็นส่วนตัว คุณก็พร้อมที่จะเรียกใช้การค้นหากับตารางแล้ว

ตารางต้นฉบับสำหรับข้อมูลจากบุคคลที่หนึ่ง (1PD) จะแสดงด้วย my_data ซึ่งรวมถึงทั้งข้อมูลส่วนบุคคลที่ระบุตัวบุคคลนั้นได้ (PII) และข้อมูลที่ไม่ใช่ PII การใช้ตารางเดิมจะช่วยปรับปรุงรายงานให้มีข้อมูลเชิงลึกมากขึ้น เนื่องจากแสดงข้อมูล 1PD ทั้งหมดในขอบเขตเมื่อเทียบกับตารางการจับคู่

ตารางแต่ละตารางในสคีมา Ads Data Hub ที่มีช่อง user_id จะมาพร้อมกับตารางการจับคู่ เช่น สำหรับตาราง adh.google_ads_impressions Ads Data Hub จะสร้างตารางการจับคู่ชื่อ adh.google_ads_impressions_updm ที่มีรหัสผู้ใช้ของคุณด้วย ระบบจะสร้างตารางการจับคู่แยกต่างหากสำหรับตารางเครือข่ายที่แยกตามนโยบาย ตัวอย่างเช่น สำหรับตาราง adh.google_ads_impressions_policy_isolated_network Ads Data Hub จะสร้างตารางการจับคู่ที่ชื่อว่า adh.google_ads_impressions_policy_isolated_network_updm ซึ่งมีรหัสผู้ใช้ของคุณด้วย

ตารางเหล่านี้มีชุดย่อยของผู้ใช้ที่พร้อมใช้งานในตารางเดิม ซึ่งมีการจับคู่ใน user_id เช่น หากตารางเดิมมีข้อมูลของผู้ใช้ A และผู้ใช้ B แต่มีเพียงผู้ใช้ A เท่านั้นที่ตรงกัน ผู้ใช้ B จะไม่อยู่ในตารางการจับคู่

ตารางการจับคู่มีคอลัมน์เพิ่มเติมชื่อ customer_data_user_id ซึ่งจัดเก็บตัวระบุผู้ใช้เป็น BYTES

คุณควรพิจารณาประเภทของช่องเมื่อเขียนคำค้นหา โอเปอเรเตอร์การเปรียบเทียบ SQL คาดหวังว่าลิเทอรัลที่คุณเปรียบเทียบจะเป็นประเภทเดียวกัน คุณอาจต้องเข้ารหัสค่าในตารางก่อนจับคู่ข้อมูล ทั้งนี้ขึ้นอยู่กับวิธีจัดเก็บ user_id ในตารางข้อมูลจากบุคคลที่หนึ่ง คุณต้องแคสต์คีย์สำหรับการรวมเป็น BYTES เพื่อให้จับคู่ได้สำเร็จ ดังนี้

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

นอกจากนี้ การเปรียบเทียบสตริงใน SQL จะคำนึงถึงตัวพิมพ์เล็กและตัวพิมพ์ใหญ่ ดังนั้นคุณอาจต้องเข้ารหัสสตริงทั้ง 2 ด้านของการเปรียบเทียบเพื่อให้แน่ใจว่าสามารถเปรียบเทียบได้อย่างถูกต้อง

ตัวอย่างการค้นหา

นับผู้ใช้ที่ตรงกัน

การค้นหานี้จะนับจำนวนผู้ใช้ที่ตรงกันในตารางการแสดงโฆษณา Google Ads

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

คำนวณอัตราการจับคู่

ผู้ใช้บางรายไม่มีสิทธิ์ใช้การจับคู่ เช่น ระบบจะไม่จับคู่ผู้ใช้ที่ออกจากระบบ เด็ก และผู้ใช้ที่ไม่ให้ความยินยอมผ่าน UPDM คุณสามารถใช้ช่อง is_updm_eligible เพื่อคำนวณอัตราการจับคู่ UPDM ที่แม่นยำยิ่งขึ้น โปรดทราบว่าช่อง is_updm_eligible พร้อมใช้งานตั้งแต่วันที่ 1 ตุลาคม 2024 คุณไม่สามารถใช้ช่องนี้เพื่อคำนวณอัตราการจับคู่ก่อนวันที่ดังกล่าวได้

/* 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)

รวมข้อมูลจากบุคคลที่หนึ่งและข้อมูลในบริบทโฆษณาของ Google Ads

การค้นหานี้แสดงวิธีรวมข้อมูลจากบุคคลที่หนึ่งกับข้อมูลในบริบทโฆษณาของ 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

คำถามที่พบบ่อยเกี่ยวกับ UPDM

ดูรายการคําถามที่พบบ่อยเกี่ยวกับ UPDM ได้ที่คําถามที่พบบ่อยเกี่ยวกับ UPDM