ความเป็นส่วนตัวของผู้ใช้ปลายทางคือหัวใจสำคัญของทุกสิ่งที่ Ads Data Hub ทำ ซึ่งเป็น รากฐานที่แพลตฟอร์มของเราสร้างขึ้น เพื่อช่วยรักษาความเป็นส่วนตัวดังกล่าวและช่วยให้ลูกค้าปฏิบัติตามกฎระเบียบ เราจึงกำหนดการตรวจสอบและข้อจำกัดบางอย่าง ซึ่งออกแบบมาเพื่อช่วยป้องกันการส่งข้อมูลเกี่ยวกับผู้ใช้แต่ละราย1 ในข้อมูลที่คุณได้รับจากแพลตฟอร์ม
ต่อไปนี้คือภาพรวมของฟีเจอร์ด้านความเป็นส่วนตัวของ Ads Data Hub พร้อมรายละเอียดเพิ่มเติม ในส่วนที่ตามมา
- การตรวจสอบแบบคงที่จะตรวจสอบคำสั่งในการค้นหาเพื่อดูข้อกังวลด้านความเป็นส่วนตัวที่ชัดเจน และเร่งด่วน
- งบประมาณการเข้าถึงข้อมูลจะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึง ข้อมูลที่กำหนดได้
- การตรวจสอบการรวมช่วยให้มั่นใจว่าทุกแถวมีจำนวนผู้ใช้มากพอ ที่จะปกป้องความเป็นส่วนตัวของผู้ใช้ปลายทาง
- การตรวจสอบความแตกต่าง (หรือ "การตรวจสอบความแตกต่าง") จะเปรียบเทียบชุดผลลัพธ์เพื่อช่วยป้องกันไม่ให้คุณรวบรวมข้อมูลเกี่ยวกับผู้ใช้แต่ละรายโดยการเปรียบเทียบข้อมูลจากชุดผู้ใช้หลายชุด
- การแทรกเสียงรบกวนเป็นอีกทางเลือกหนึ่งแทนการตรวจสอบความแตกต่าง
การเพิ่มสัญญาณรบกวนแบบสุ่มลงใน
SELECTอนุประโยคการรวมของคําค้นหาจะช่วยปกป้อง ความเป็นส่วนตัวของผู้ใช้ในขณะที่ให้ผลลัพธ์ที่แม่นยำอย่างสมเหตุสมผล ซึ่งจะช่วยลด ความจําเป็นในการตรวจสอบความแตกต่าง และลดเกณฑ์การรวมที่จําเป็น สําหรับเอาต์พุต
เมื่อผลลัพธ์ไม่ผ่านการตรวจสอบความเป็นส่วนตัว Ads Data Hub จะแสดงหรือ ส่งคืนข้อความด้านความเป็นส่วนตัวเพื่อแจ้งให้คุณทราบว่ามีการกรองแถว ซึ่งอาจเป็นอะไรก็ได้ตั้งแต่แถวเดียวไปจนถึงชุดผลลัพธ์ทั้งหมด เพื่อให้ยอดรวมการรายงานยังคงถูกต้อง ให้ใช้สรุปแถวที่กรองแล้วเพื่อนับข้อมูลจาก2แถวที่ถูกทิ้ง
การตรวจสอบเบื้องต้น
การตรวจสอบแบบคงที่จะตรวจสอบคำสั่งในคําค้นหาเพื่อหาข้อกังวลด้านความเป็นส่วนตัวที่ชัดเจนและในทันที เช่น การส่งออกตัวระบุผู้ใช้ ฟังก์ชันใดๆ ของตัวระบุผู้ใช้ หรือการใช้ฟังก์ชันที่ไม่ได้รับอนุญาตในฟิลด์ที่มีข้อมูลระดับผู้ใช้ หากต้องการหลีกเลี่ยงข้อผิดพลาดของคำค้นหาจากการตรวจสอบแบบคงที่ โปรดอ่านแนวทางปฏิบัติแนะนำและทำความเข้าใจฟังก์ชันที่อนุญาต
จำนวนครั้งที่จำกัดในการเข้าถึงข้อมูล
งบประมาณการเข้าถึงข้อมูลจะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึงข้อมูล
ที่กำหนดได้ ผู้ใช้ที่ใกล้จะใช้งบประมาณจนหมดจะได้รับการแจ้งเตือน
พร้อมข้อความด้านความเป็นส่วนตัวที่มี
ประเภท DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED คุณสามารถตรวจสอบงบประมาณได้โดยใช้จุดแรกเข้างบประมาณการเข้าถึงข้อมูล
หรือโดยสังเกตการแจ้งเตือนงบประมาณใน UI
ข้อกำหนดในการรวบรวม
หัวใจสำคัญของการตรวจสอบความเป็นส่วนตัวของ Ads Data Hub คือเกณฑ์การรวมผู้ใช้ สําหรับการค้นหาส่วนใหญ่ คุณจะรับข้อมูลการรายงานเกี่ยวกับผู้ใช้ 50 คนขึ้นไปได้เท่านั้น อย่างไรก็ตาม คุณสามารถใช้การค้นหาที่เข้าถึงเฉพาะการคลิกและ Conversion เพื่อ รายงานเกี่ยวกับผู้ใช้ 10 รายขึ้นไปได้
- เหตุการณ์ที่มี User-ID ที่เป็น 0 จะนับเป็นผู้ใช้รายเดียวในการรวม เกณฑ์ ไม่ว่าจะมีผู้ใช้จริงที่สร้างเหตุการณ์กี่รายก็ตาม
- ผู้ใช้ที่มีรหัสเป็นค่าว่างจะไม่นับรวมในเกณฑ์การรวม
- ดูว่าโหมดเสียงรบกวนส่งผลต่อข้อกำหนดในการรวบรวมข้อมูลอย่างไร
แนวทางปฏิบัติแนะนำ: กำหนดค่าสรุปแถวที่กรองแล้วเพื่อรายงานข้อมูลที่ ละเว้น ซึ่งจะช่วยรักษาเกณฑ์พื้นฐานที่สอดคล้องกันในรายงาน
ในตัวอย่างต่อไปนี้ ระบบจะกรองแถวที่มีแคมเปญ 125 ออกจากผลลัพธ์สุดท้าย เนื่องจากรวมผลลัพธ์จากผู้ใช้ 48 ราย ซึ่งต่ำกว่าจำนวนผู้ใช้ขั้นต่ำที่ 50 ราย
| รหัสแคมเปญ | ผู้ใช้ | การแสดงผล |
|---|---|---|
| 123 | 314 | 928 |
| 124 | 2718 | 5772 |
| 125 | 48 | 353 |
โหมดความเป็นส่วนตัว
Ads Data Hub มีโหมดความเป็นส่วนตัว 2 โหมด ได้แก่ การตรวจสอบความแตกต่างและการแทรกสัญญาณรบกวน ส่วนต่อไปนี้จะอธิบายและเปรียบเทียบโหมดเหล่านี้
ใช้การตรวจสอบความแตกต่าง
การตรวจสอบความแตกต่างช่วยให้มั่นใจได้ว่าระบบจะไม่ระบุตัวตนของผู้ใช้ผ่าน การเปรียบเทียบผลลัพธ์ที่รวบรวมมาอย่างเพียงพอหลายรายการด้วยวิธีต่อไปนี้
- โดยจะเปรียบเทียบผลลัพธ์จากงานที่คุณกำลังเรียกใช้กับผลลัพธ์ก่อนหน้า
- โดยจะเปรียบเทียบแถวภายในชุดผลลัพธ์เดียวกัน
การละเมิดการตรวจสอบความแตกต่างอาจเกิดจากการเปลี่ยนแปลงข้อมูลพื้นฐาน ระหว่างงาน 2 งาน เมื่อเปรียบเทียบผลลัพธ์ของงานกับผลลัพธ์ก่อนหน้า Ads Data Hub จะมองหาช่องโหว่ที่ระดับผู้ใช้แต่ละราย ด้วยเหตุนี้ แม้แต่ผลลัพธ์จากแคมเปญต่างๆ หรือผลลัพธ์ที่รายงานจำนวนผู้ใช้เท่ากันก็สามารถกรองได้หากมีผู้ใช้ที่ซ้ำกันจำนวนมาก
ในทางกลับกัน ชุดผลลัพธ์ที่รวบรวม 2 ชุดอาจมีจำนวนผู้ใช้เท่ากัน (ดูเหมือนจะเหมือนกัน) แต่ไม่ได้แชร์ผู้ใช้แต่ละราย จึงเป็นไปตามข้อกำหนดด้านความเป็นส่วนตัว ในกรณีนี้ ระบบจะไม่กรองชุดผลลัพธ์ดังกล่าว
Ads Data Hub ใช้ข้อมูลจากผลลัพธ์ที่ผ่านมาเมื่อพิจารณา ช่องโหว่ของผลลัพธ์ใหม่ ซึ่งหมายความว่าการเรียกใช้คําค้นหาเดียวกันซ้ำๆ จะสร้างข้อมูลเพิ่มเติมสําหรับการตรวจสอบความแตกต่างเพื่อใช้เมื่อพิจารณาช่องโหว่ของผลลัพธ์ใหม่ นอกจากนี้ ข้อมูลพื้นฐานอาจมีการเปลี่ยนแปลง ซึ่งทําให้เกิดการละเมิดการตรวจสอบความเป็นส่วนตัวในคําค้นหาที่คิดว่าเสถียร
เมื่อผลลัพธ์ระดับงานแตกต่างกันอย่างเพียงพอ แต่แถวแต่ละแถวคล้ายกับแถวในงานก่อนหน้า Ads Data Hub จะกรองแถวที่คล้ายกัน ใน ตัวอย่างนี้ ระบบจะกรองแถวที่มีแคมเปญ 123 ในผลลัพธ์ของงานที่ 2 เนื่องจากแตกต่างจากผลลัพธ์ก่อนหน้าเพียงผู้ใช้รายเดียว
|
|
||||||||||||||||
หากผลรวมของผู้ใช้ในทุกแถวในชุดผลลัพธ์คล้ายกับผลรวมจากงานก่อนหน้า Ads Data Hub จะกรองชุดผลลัพธ์ทั้งหมด ใน ตัวอย่างนี้ ระบบจะกรองผลลัพธ์ทั้งหมดจากงานที่ 2
|
|
||||||||||||||||
ใช้ Noise Injection
การแทรกสัญญาณรบกวนเป็นเทคนิคที่ใช้เพื่อปกป้องความเป็นส่วนตัวของผู้ใช้เมื่อทำการค้นหาในฐานข้อมูล โดยจะทำงานด้วยการเพิ่มสัญญาณรบกวนแบบสุ่มลงในSELECT อนุประโยคการรวมของคำค้นหา การเพิ่มสัญญาณรบกวนนี้จะช่วยปกป้องความเป็นส่วนตัวของผู้ใช้ในขณะที่ให้ผลลัพธ์ที่แม่นยำพอสมควร
จึงไม่จำเป็นต้องตรวจสอบความแตกต่างและลดเกณฑ์การรวมที่จำเป็น
สำหรับเอาต์พุต คําค้นหาที่มีอยู่ส่วนใหญ่จะเรียกใช้ได้ในโหมดสัญญาณรบกวนโดยมีข้อจํากัดบางอย่าง ดูข้อมูลเพิ่มเติมเกี่ยวกับโหมดเสียงและวิธีที่การแทรกเสียงรบกวนส่งผลต่อข้อกำหนดด้านความเป็นส่วนตัวได้ที่การแทรกเสียงรบกวน
เปรียบเทียบการตรวจสอบความแตกต่างกับการแทรกสัญญาณรบกวน
|
|
||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||
ข้อมูลสรุปแถวที่กรอง
สรุปแถวที่กรองจะรวบรวมข้อมูลที่กรองเนื่องจากการตรวจสอบความเป็นส่วนตัว ระบบจะรวมข้อมูลจากแถวที่กรองแล้วและเพิ่มลงในแถวที่ครอบคลุมทั้งหมด แม้ว่าจะวิเคราะห์ข้อมูลที่กรองแล้วเพิ่มเติมไม่ได้ แต่ข้อมูลนี้จะแสดงสรุปของปริมาณข้อมูลที่กรองออกจากผลลัพธ์
การกรองเพื่อความเป็นส่วนตัวอย่างชัดเจน
ในกรณีที่คุณต้องแบ่งคำค้นหาออกเป็นส่วนๆ แต่ต้องการรวมผลลัพธ์ที่ รวบรวมไว้ คุณสามารถใช้การตรวจสอบความเป็นส่วนตัวกับคำค้นหาขนาดเล็กหลายรายการอย่างชัดเจน แล้วจึงรวบรวมผลลัพธ์เหล่านั้นเข้าด้วยกันอย่างปลอดภัยด้านความเป็นส่วนตัว
ตัวอย่างกรณีการใช้งาน
- คุณเป็นผู้ลงโฆษณาที่กําลังมองหา Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มา ในบัญชี Google Ads ที่ลิงก์ไว้ ซึ่งรวมถึงข้อมูล EEA
- คุณเป็นพาร์ทเนอร์การวัดผลที่กําลังมองหา Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มาในบัญชี Google Ads ที่ลิงก์ไว้
หากต้องการทราบผลรวมของ Conversion สำหรับบัญชี Google Ads คุณสามารถเขียนคำสั่งใหม่โดยใช้คําสั่ง OPTIONS(privacy_checked_export=TRUE) เพื่อใช้การตรวจสอบความเป็นส่วนตัว
กับบริการของ Google แต่ละรายการแยกกัน
การเขียนใหม่ในตัวอย่างในส่วนนี้จะดำเนินการต่อไปนี้
- โดยจะค้นหาแต่ละบริการของ Google แยกกัน และใช้การตรวจสอบความเป็นส่วนตัวกับชุดผลลัพธ์ระดับกลางแต่ละชุดอย่างชัดเจน
- โดยจะสร้างตารางชั่วคราวแยกต่างหาก สำหรับผลลัพธ์ที่ผ่านการตรวจสอบความเป็นส่วนตัวของบริการแต่ละอย่างของ Google ได้แก่ YouTube, Gmail และ เครือข่าย
- โดยจะรวบรวมและรวมจํานวน Conversion ที่ผ่านการตรวจสอบความเป็นส่วนตัวจากตารางชั่วคราว
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
โปรดทราบว่าคําค้นหานี้ไม่ได้ใช้ JOIN เพื่อรวมข้อมูลระหว่างตารางโดยตรง
แต่จะทําการค้นหาแต่ละตารางก่อน จากนั้นจะใช้การตรวจสอบความเป็นส่วนตัว
กับแต่ละตารางกลาง แล้วใช้ UNION เพื่อรวมค่าที่ตรวจสอบความเป็นส่วนตัวแล้ว
ที่ปรึกษาด้านคำค้นหา
หาก SQL ใช้ได้ แต่มีแนวโน้มที่จะทริกเกอร์การกรองมากเกินไป query advisor จะแสดงคำแนะนำที่นำไปใช้ได้จริงในระหว่างกระบวนการพัฒนาคำค้นหา เพื่อช่วยให้คุณหลีกเลี่ยงผลลัพธ์ที่ไม่พึงประสงค์
ทริกเกอร์มีรูปแบบต่อไปนี้
- การรวมคิวรีแบบรวม
- การรวมข้อมูลที่ไม่ได้รวบรวมกับผู้ใช้ที่อาจแตกต่างกัน
- ตารางชั่วคราวที่กำหนดแบบเรียกซ้ำ
วิธีใช้คำแนะนำในการค้นหา
- UI คำแนะนำจะปรากฏในตัวแก้ไขคำค้นหา เหนือข้อความคำค้นหา
- API ใช้วิธี
customers.analysisQueries.validate
-
นอกเหนือจากข้อมูลที่ผู้ใช้ยินยอมให้แชร์ เช่น ในกรณีของผู้เข้าร่วมการวิจัย ↩
-
เว้นแต่จะถูกป้องกันโดยข้อจำกัดด้านความเป็นส่วนตัว เช่น เมื่อผู้ใช้ในสรุปแถวที่กรองแล้วไม่เป็นไปตามข้อกำหนดการรวบรวม ↩