廣告資料中心的隱私權檢查

使用者隱私是廣告資料中心的運作核心，也是 Google 平台的建構基礎。為了保護使用者隱私，並協助客戶遵循監管法規，我們採取若干檢查與限制措施，防止 Google 平台提供的資料含有個別使用者的資料1。

廣告資料中心的隱私權功能大致如下，後續章節會有詳細說明：

  • 靜態檢查會檢查查詢中的陳述式，找出顯而易見的隱私權疑慮。
  • 資料存取預算 - 限制可存取特定資料的總次數。
  • 匯總檢查 - 確保每一列的使用者達到一定人數，保障使用者隱私。
  • 雜訊插入會在匯總 SELECT 子句中加入經過精確校準的隨機雜訊，保護使用者隱私，同時提供合理準確的結果。
  • 差異檢查 (或「差異檢查」) 是雜訊注入的舊版替代方案，可比較結果集，避免出現可能識別個別使用者的組合。這樣做可避免雜訊，但通常會導致大量資料遭到不可預測的修訂。

靜態檢查

靜態檢查會檢查查詢中的陳述式，找出顯而易見的隱私權疑慮，例如：匯出使用者 ID 或任何使用者 ID 的函式，或是對包含使用者層級資料的欄位套用不允許的函式。如要避免靜態檢查導致查詢錯誤，請參閱最佳做法，並瞭解允許使用的函式。

資料存取預算

「資料存取預算」會限制可存取特定資料的總次數。預算即將用完時，使用者會收到類型為 DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED 的隱私權訊息通知。您可以透過資料存取預算進入點，或是觀察使用者介面中的預算通知，監控預算使用情況。

匯總需求條件

廣告資料中心在執行隱私權檢查時，是以使用者匯總門檻做為核心標準。具體門檻取決於隱私權模式和存取資料：

  • 雜訊插入功能需要每個結果列大約 20 位不重複使用者。
  • 差異檢查需要每個結果資料列約有 50 位不重複使用者。
  • 如果查詢的資料僅限於點擊和轉換資料，則每個結果資料列大約需要 10 位不重複使用者。

在以下範例 (使用雜訊注入) 中，包含廣告活動 125 的資料列會從最終結果中篩除，因為該列只匯總 18 位使用者的資料，未達 20 位使用者的門檻。

廣告活動 ID 使用者 曝光次數
123 314 928
124 2718 5772
125 18 45

隱私模式

廣告資料中心提供兩種隱私權模式：雜訊插入和差異檢查。如要進一步瞭解每種模式，請參閱下列頁面：

比較差異檢查和雜訊插入

實際資料
廣告活動 ID 曝光次數
101 35
102 63
201 142
202 21
301 56
302 99
使用差異檢查的結果
廣告活動 ID 曝光次數
101 35
102 63
201 142
202 21
301 56
302 99
使用雜訊插入功能得到的結果
廣告活動 ID 曝光次數
101 37.8373
102 60.9104
201 182.0955
202 26.2332
301 58.0871
302 97.5018
範例：雜訊模式下的廣告活動 101
廣告活動 ID 實際曝光次數 已新增噪音 傳回的曝光次數 (ANON_COUNT)
101 35 2.8373 37.8373

明確的隱私權篩選

如果需要將查詢拆開，但想合併匯總結果，可以對多個較小的查詢明確套用隱私權檢查，然後以隱私權安全的方式匯總這些結果。

應用情境範例：

  • 您是廣告主，想在已連結的 Google Ads 帳戶中，依歸因事件類型查看所有轉換，包括歐洲經濟區資料。
  • 您是評估合作夥伴，想在已連結的 Google Ads 帳戶中，依歸因事件類型查看所有轉換。

如要取得 Google Ads 帳戶的轉換總和，您可以重新編寫查詢，使用 OPTIONS(privacy_checked_export=TRUE) 子句個別對每個 Google 服務套用隱私權檢查。

本節中的重寫範例會執行下列操作：

  1. 這項功能會個別查詢每項 Google 服務，並明確對每個中繼結果集套用隱私權檢查。
  2. 系統會為每項 Google 服務 (YouTube、Gmail 和網路) 經過隱私權檢查的結果，建立個別的臨時資料表。
  3. 系統會匯總並加總臨時資料表中通過隱私權檢查的轉換次數。
CREATE TEMP TABLE youtube_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_youtube
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

CREATE TEMP TABLE network_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_network
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

CREATE TEMP TABLE gmail_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_gmail
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

SELECT
 campaign_id,
 attribution_event_type,
 SUM(num_convs) AS num_convs
FROM (
 SELECT * FROM youtube_agg
 UNION ALL
 SELECT * FROM network_agg
 UNION ALL
 SELECT * FROM gmail_agg
)
GROUP BY campaign_id, attribution_event_type

請注意，這項查詢不會使用 JOIN 直接合併資料表之間的資料，而是先針對每個資料表執行查詢，對每個中繼資料表套用隱私權檢查，然後使用 UNION 加總通過隱私權檢查的值。

查詢建議工具

如果 SQL 有效但可能觸發隱私權問題，查詢建議工具會在查詢建構過程中顯示可行的建議，避免產生不適當的結果。

如何使用查詢建議工具：

  1. 除了使用者同意分享的資料 (例如調查對象提供的資料)。 ↩