उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा (यूपीडीएम), किसी उपयोगकर्ता के पहले पक्ष (ग्राहक) के इकट्ठा किए गए डेटा को Google के विज्ञापन डेटा में दिए गए, उसी उपयोगकर्ता की साइन-इन करने की गतिविधि के डेटा से जोड़ती है. इस डेटा में वेबसाइटों, ऐप्लिकेशन या दुकानों से जुड़ी जानकारी शामिल होती है. इसमें Google के मालिकाना हक और उसके कंट्रोल वाला डेटा भी शामिल होता है. इसमें Google Marketing Platform (GMP) के प्रॉडक्ट से खरीदा गया डेटा शामिल है. उदाहरण के लिए, Display & Video 360 का इस्तेमाल करके खरीदा गया YouTube. GMP के ऐसे अन्य प्रॉडक्ट इस्तेमाल नहीं किए जा सकते जिनका मालिकाना हक और संचालन Google के पास नहीं है.

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा का इस्तेमाल करने के लिए यह ज़रूरी है कि विज्ञापन इवेंट, Google के पास मौजूद विज्ञापन डेटा में दिए गए, साइन इन किए हुए उपयोगकर्ता के डेटा से जुड़ा हो.

इस दस्तावेज़ में, उपयोगकर्ता की ओर से दिए गए डेटा के मिलान की सुविधा के बारे में बताया गया है. साथ ही, इसे सेट अप करने और इस्तेमाल करने के बारे में दिशा-निर्देश दिए गए हैं.

Private Cloud Match के बारे में खास जानकारी

विज्ञापन से जुड़ी अहम जानकारी पाने के लिए, अक्सर कई सोर्स से मिले डेटा को एक साथ जोड़ना पड़ता है. डेटा पाइपलाइन की इस समस्या को हल करने के लिए, आपको अपने हिसाब से समाधान बनाने में काफ़ी समय और इंजीनियरिंग में निवेश करना होगा. Ads Data Hub में Private Cloud Match की सुविधा, इस प्रोसेस को आसान बनाती है. इसके लिए, यह BigQuery में मैच टेबल बनाने के लिए Ads Data Hub क्वेरी टेंप्लेट उपलब्ध कराती है. इसके बाद, इस टेबल का इस्तेमाल Ads Data Hub की क्वेरी में किया जा सकता है. इससे, विज्ञापन के डेटा को पहले पक्ष (ग्राहक) के डेटा से मैच किया जा सकता है. पहले पक्ष (ग्राहक) के डेटा का इस्तेमाल करके अपनी क्वेरी को बेहतर बनाया जा सकता है. इससे ग्राहकों को बेहतर अनुभव मिलता है. साथ ही, यह इंडस्ट्री में विज्ञापन ट्रैकिंग से जुड़े बदलावों के लिए ज़्यादा असरदार होता है.

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा सिर्फ़ Google पर साइन-इन करने वाले उपयोगकर्ताओं को मिलती है. साथ ही, सिर्फ़ उस इन्वेंट्री के लिए मिलती है जिसका मालिक और जिसे चलाने वाला Google है. इसलिए, तीसरे पक्ष की कुकी के काम न करने से इस सुविधा पर कोई असर नहीं पड़ता. इंडस्ट्री में हुए बदलावों का असर, तीसरे पक्ष से मिले डेटा की तुलना में इस सुविधा पर कम पड़ता है. इसलिए, इससे अहम जानकारी मिलती है. इससे ग्राहकों का जुड़ाव बढ़ता है.

प्रोसेस की खास जानकारी

  1. डेटा इंटेक और मैचिंग की सुविधा सेट अप करना
    • पक्का करें कि पहले पक्ष का डेटा, BigQuery में मौजूद हो और आपके सेवा खाते के पास उसे पढ़ने का ऐक्सेस हो. डेटा इंटेक सेट अप करना लेख पढ़ें.
  2. पहले पक्ष (ग्राहक) के डेटा का इस्तेमाल करना और उसे मैच करना
    • आपको पहले पक्ष (ग्राहक) के डेटा को फ़ॉर्मैट करके, BigQuery डेटासेट में अपलोड करना होगा.
    • आप, Private Cloud Match की विश्लेषण क्वेरी बनाकर और शेड्यूल सेट करके, डेटा मैचिंग का अनुरोध शुरू करते हैं.
    • Google, आपके प्रोजेक्ट और Google के मालिकाना हक वाले डेटा को जोड़ता है. इस डेटा में Google का उपयोगकर्ता आईडी और हैश किया गया उपयोगकर्ता का डेटा शामिल होता है. इससे मैच टेबल बनाने और उन्हें अपडेट करने में मदद मिलती है.
    • पहले पक्ष (ग्राहक) के डेटा का इस्तेमाल करना लेख पढ़ें
  3. मैच किए गए डेटा के आधार पर, Ads Data Hub में चल रही क्वेरी

निजता से जुड़ी ज़रूरी शर्तों के बारे में जानें

ग्राहक से जुड़ा डेटा इकट्ठा करना

उपयोगकर्ता से मिले डेटा को मैच कराने की सुविधा का इस्तेमाल करते समय, आपको पहले पक्ष (ग्राहक) का डेटा अपलोड करना होगा. यह जानकारी आपकी वेबसाइटों, ऐप्लिकेशन, दुकानों या ऐसी जगहों से इकट्ठा की जा सकती है जहां ग्राहक आपके कारोबार से सीधे तौर पर इंटरैक्ट करते हैं. इसमें ऑफ़लाइन ट्रांज़ैक्शन का डेटा भी शामिल है.

इसलिए, आपको ये करने होंगे:

  • पक्का करें कि आपकी निजता नीति में यह बताया गया हो कि ग्राहक का डेटा, तीसरे पक्ष की उन कंपनियों के साथ शेयर किया जाता है जो आपकी ओर से सेवाएं देती हैं. साथ ही, यह भी पक्का करें कि जहां भी कानूनी रूप से ज़रूरी हो वहां आपने डेटा शेयर करने के लिए ग्राहक की सहमति ली हो
  • ग्राहक से जुड़ा डेटा अपलोड करने के लिए, ऐसे एपीआई या इंटरफ़ेस का ही इस्तेमाल करें जिसे Google से मंज़ूरी मिली हो
  • लागू होने वाले सभी नियमों और कानूनों का पालन करें. इनमें, खुद तय किए गए या उद्योग से जुड़े नियम भी शामिल हैं.

पहले पक्ष (ग्राहक) की सहमति की सूचना

यह पक्का करने के लिए कि Ads Data Hub में पहले पक्ष (ग्राहक) का डेटा इस्तेमाल किया जा सके, आपको यह पुष्टि करनी होगी कि आपने ईईए में रहने वाले असली उपयोगकर्ताओं का डेटा Google के साथ शेयर करने के लिए, ईयू उपयोगकर्ता की सहमति से जुड़ी नीति और Ads Data Hub की नीति के मुताबिक सहमति ली है. यह ज़रूरी शर्त, हर Ads Data Hub खाते पर लागू होती है. साथ ही, जब भी पहले पक्ष (ग्राहक) का नया डेटा अपलोड किया जाता है, तब इसे अपडेट करना ज़रूरी होता है. कोई भी उपयोगकर्ता, पूरे खाते की ओर से इस सूचना को स्वीकार कर सकता है.

ध्यान दें कि Google की सेवा से जुड़ी क्वेरी के वे ही नियम, UPDM क्वेरी पर भी लागू होते हैं जो विश्लेषण क्वेरी पर लागू होते हैं. उदाहरण के लिए, मैच टेबल बनाते समय, ईईए में रहने वाले उपयोगकर्ताओं के लिए, अलग-अलग सेवाओं से जुड़ी क्वेरी नहीं चलाई जा सकतीं.

Ads Data Hub में सहमति की पुष्टि करने का तरीका जानने के लिए, यूरोपियन इकनॉमिक एरिया के लिए, सहमति लेने से जुड़ी ज़रूरी शर्तें लेख पढ़ें.

डेटा का साइज़

असली उपयोगकर्ता की निजता को सुरक्षित रखने के लिए, उपयोगकर्ता से मिले डेटा के मिलान की सुविधा, आपके डेटा के साइज़ से जुड़ी इन ज़रूरी शर्तों को लागू करती है:

  • आपको उपयोगकर्ता सूची में कम से कम 1,000 रिकॉर्ड अपलोड करने होंगे.

डेटा इंटेक सेट अप करना

शुरू करने से पहले, पक्का करें कि:

  • आपका पहले पक्ष का डेटा, BigQuery में होना चाहिए. अगर आपके पास वीपीसी-एससी पेरीमीटर है, तो पहले पक्ष (ग्राहक) का यह डेटा आपके वीपीसी-एससी में होना चाहिए.
  • आपके Ads Data Hub सेवा खाते के पास, पहले पक्ष (ग्राहक) के डेटा को पढ़ने का ऐक्सेस होना चाहिए.
  • आपके पहले पक्ष का डेटा, सही तरीके से फ़ॉर्मैट और हैश किया गया होना चाहिए. ज़्यादा जानकारी के लिए, अगला सेक्शन देखें.

इसके अलावा, Private Cloud Match के लिए कोई अन्य ऑनबोर्डिंग नहीं है. अगर आपके पास विश्लेषण क्वेरी चलाने की अनुमति है, तो आपके पास Private Cloud Match क्वेरी चलाने की अनुमति भी होगी.

पहले पक्ष (ग्राहक) के डेटा को मैच करना और उसे शामिल करना

इनपुट के लिए डेटा को फ़ॉर्मैट करना

डेटा को सही तरीके से मैच करने के लिए, फ़ॉर्मैटिंग से जुड़ी इन ज़रूरी शर्तों का पालन करना होगा:

  • नीचे दिए गए इनपुट फ़ील्ड के ब्यौरे में जहां बताया गया है वहां आपको SHA256 हैशिंग का इस्तेमाल करके अपलोड करना होगा.
  • इनपुट फ़ील्ड को स्ट्रिंग के तौर पर फ़ॉर्मैट किया जाना चाहिए. उदाहरण के लिए, अगर Base64 एन्कोडिंग फ़ंक्शन (TO_BASE64) के साथ BigQuery के SHA256 हैश फ़ंक्शन का इस्तेमाल किया जा रहा है, तो यह बदलाव करें: TO_BASE64(SHA256(user_data)).
  • UPDM, Base64 एन्कोडिंग के साथ काम करता है. आपको अपने पहले पक्ष (ग्राहक) के डेटा की एन्कोडिंग को, Ads Data Hub क्वेरी में इस्तेमाल की गई डिकोडिंग के साथ अलाइन करना होगा. अगर आपने पहले पक्ष का डेटा एन्कोड करने का तरीका बदला है, तो आपको Ads Data Hub क्वेरी को अपडेट करना होगा, ताकि वह उसी आधार पर डिकोड कर सके. यहां दिए गए उदाहरणों में, Base64 एन्कोडिंग का इस्तेमाल किया गया है.

यूज़र आईडी

  • सादा लेख
  • हैशिंग: कोई नहीं

ईमेल

  • आगे और पीछे की खाली सफ़ेद जगहों को हटाएं
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी ईमेल पतों के लिए कोई डोमेन नेम डालें. उदाहरण के लिए, gmail.com या hotmail.co.jp
  • उच्चारण चिह्न हटाएं—उदाहरण के लिए, è, é, ê या ë को e में बदलें
  • gmail.com और googlemail.com ईमेल पतों के डोमेन नेम से पहले के सभी पीरियड (.) हटाएं
  • हैशिंग: Base64 एन्कोड किया गया SHA256

मान्य यूआरएल: TO_BASE64(SHA256("jeffersonloveshiking@gmail.com"))

अमान्य: TO_BASE64(SHA256(" Jéfferson.Lôves.Hiking@gmail.com "))

फ़ोन

  • व्हाइटस्पेस हटाना
  • E.164 फ़ॉर्मैट में फ़ोन नंबर डालें - अमेरिका का उदाहरण: +14155552671, यूके का उदाहरण: +442071838750
  • देश के कोड से पहले "+" को छोड़कर, सभी खास वर्ण हटाएं
  • हैशिंग: Base64 एन्कोड किया गया SHA256

मान्य यूआरएल: TO_BASE64(SHA256("+18005550101"))

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

नाम

  • व्हाइटस्पेस हटाना
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी प्रीफ़िक्स हटाएं. उदाहरण के लिए, श्रीमती, श्री, सुश्री, डॉ॰
  • उच्चारण चिह्न न हटाएं. उदाहरण के लिए, è, é, ê या ë
  • हैशिंग: Base64 एन्कोड किया गया SHA256

मान्य यूआरएल: TO_BASE64(SHA256("daní"))

अमान्य: TO_BASE64(SHA256("Mrs. Daní"))

उपनाम

  • व्हाइटस्पेस हटाना
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी सफ़िक्स हटाएं. उदाहरण के लिए, Jr., सीनियर, 2nd, 3rd, II, III, PHD, MD
  • उच्चारण चिह्न न हटाएं. उदाहरण के लिए, è, é, ê या ë
  • हैशिंग: Base64 एन्कोड किया गया SHA256

मान्य यूआरएल: TO_BASE64(SHA256("délacruz"))

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

देश

  • देश का कोड शामिल करें, भले ही आपके ग्राहकों से जुड़ा पूरा डेटा उसी देश से हो
  • देश का डेटा हैश न करें
  • ISO 3166-1 alpha-2 फ़ॉर्मैट में देश के कोड इस्तेमाल करना
  • हैशिंग: कोई नहीं

मान्य यूआरएल: US

अमान्य: United States of America या USA

पिन कोड

  • पिन कोड का डेटा हैश न करें
  • अमेरिका के पिन कोड और अंतरराष्ट्रीय पिन कोड, दोनों की अनुमति है
  • अमेरिका के लिए:
    • पांच अंकों के पिन कोड की अनुमति है. उदाहरण के लिए, 94043
    • पांच अंकों के बाद चार अंकों के एक्सटेंशन की भी अनुमति है. उदाहरण के लिए, 94043-1351 या 940431351
  • अन्य सभी देशों के लिए:
    • फ़ॉर्मैटिंग की ज़रूरत नहीं है (छोटे अक्षरों में लिखने या स्पेस और खास वर्णों को हटाने की ज़रूरत नहीं है)
    • पिन कोड एक्सटेंशन न डालें
  • हैशिंग: कोई नहीं

हैश की पुष्टि करना और डेटा को एन्कोड करना

यह पक्का करने के लिए कि आपके डेटा का फ़ॉर्मैट सही है, हैश की पुष्टि करने वाली इन स्क्रिप्ट का इस्तेमाल किया जा सकता है.

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()

ऐप पर जाएं

  /*
  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`;

जुड़ने की कुंजियां

उपयोगकर्ता से मिले डेटा के कुछ कॉम्बिनेशन, अन्य कॉम्बिनेशन की तुलना में ज़्यादा सटीक होते हैं. यहां उपयोगकर्ता से मिले डेटा के अलग-अलग कॉम्बिनेशन की सूची दी गई है. इन्हें उनकी अहमियत के हिसाब से रैंक किया गया है. अगर आपको पता इस्तेमाल करना है, तो आपको यह जानकारी देनी होगी: नाम, उपनाम, देश, और पिन कोड.

  1. ईमेल, फ़ोन, पता (सबसे सटीक)
  2. फ़ोन, पता
  3. ईमेल, पता
  4. ईमेल, फ़ोन
  5. पता
  6. फ़ोन
  7. ईमेल (सबसे कमज़ोर)

मैच टेबल बनाना

  1. रिपोर्ट > रिपोर्ट बनाएं > प्राइवेट क्लाउड मैच टेबल जनरेशन > टेंप्लेट का इस्तेमाल करें पर क्लिक करें ज़रूरी नहीं: अगर आपका डेटा पहले से हैश नहीं किया गया है, तो हैशिंग के साथ प्राइवेट क्लाउड मैच टेबल जनरेशन को चुना जा सकता है.

    // 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`
);

  2. सही एलियासिंग के लिए, पैरामीटर के नामों की जगह अपने कॉलम के नाम डालें.

  3. मैच टेबल को कितनी बार रीफ़्रेश करना है, इसकी फ़्रीक्वेंसी सेट करने के लिए, शेड्यूल सेट करें पर क्लिक करें. हर बार मैच करने पर, मौजूदा मैच टेबल अपडेट हो जाएगी.

क्वेरी से मैच किया गया डेटा

मिलती-जुलती टेबल से क्वेरी करना

जब आपकी मैच टेबल में निजता की जांच को पूरा करने के लिए ज़रूरी डेटा मौजूद हो, तब टेबल के ख़िलाफ़ क्वेरी चलाने के लिए तैयार रहें.

पहले पक्ष (ग्राहक) के डेटा (1PD) के लिए ओरिजनल टेबल को my_data से दिखाया गया है. इसमें व्यक्तिगत पहचान से जुड़ी जानकारी (पीआईआई) और गैर-पीआईआई डेटा, दोनों शामिल हैं. ओरिजनल टेबल का इस्तेमाल करने से, आपको अपनी रिपोर्ट में ज़्यादा अहम जानकारी मिल सकती है. ऐसा इसलिए, क्योंकि मैच टेबल की तुलना में, इसमें स्कोप में मौजूद सभी 1PD डेटा शामिल होता है.

Ads Data Hub के स्कीमा में मौजूद हर टेबल में user_id फ़ील्ड होता है. इसके साथ, मैच टेबल भी होती है. उदाहरण के लिए, adh.google_ads_impressions टेबल के लिए, Ads Data Hub एक मैच टेबल भी जनरेट करता है. इसे adh.google_ads_impressions_updm कहा जाता है. इसमें आपके यूज़र आईडी शामिल होते हैं. नीति के उल्लंघन की वजह से अलग की गई नेटवर्क टेबल के लिए, अलग-अलग मैच टेबल बनाई जाती हैं. उदाहरण के लिए, adh.google_ads_impressions_policy_isolated_network टेबल के लिए Ads Data Hub, मैच टेबल भी जनरेट करता है. इसे adh.google_ads_impressions_policy_isolated_network_updm कहा जाता है. इसमें आपके यूज़र आईडी शामिल होते हैं.

इन टेबल में, ओरिजनल टेबल में मौजूद उपयोगकर्ताओं का सबसेट होता है. इनमें user_id के आधार पर मैच किया जाता है. उदाहरण के लिए, अगर ओरिजनल टेबल में उपयोगकर्ता A और उपयोगकर्ता B का डेटा है, लेकिन सिर्फ़ उपयोगकर्ता A का डेटा मैच होता है, तो मैच टेबल में उपयोगकर्ता B का डेटा नहीं होगा.

मैच टेबल में एक और कॉलम होता है, जिसे customer_data_user_id कहा जाता है. यह उपयोगकर्ता के आइडेंटिफ़ायर को BYTES के तौर पर सेव करता है.

क्वेरी लिखते समय, फ़ील्ड के टाइप को ध्यान में रखना ज़रूरी है. SQL कंपैरिज़न ऑपरेटर यह उम्मीद करते हैं कि तुलना किए जा रहे लिटरल एक ही टाइप के हों. आपकी टेबल में पहले पक्ष (ग्राहक) का डेटा किस तरह से सेव किया गया है, इसके आधार पर आपको डेटा मैच करने से पहले टेबल में मौजूद वैल्यू को एन्कोड करना पड़ सकता है.user_id मैचिंग के लिए, आपको अपनी जॉइन की को BYTES में काटना होगा:

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

इसके अलावा, एसक्यूएल में स्ट्रिंग की तुलना करते समय, कैपिटल लेटर का ध्यान रखा जाता है. इसलिए, आपको तुलना के दोनों ओर स्ट्रिंग को एन्कोड करने की ज़रूरत पड़ सकती है, ताकि यह पक्का किया जा सके कि उनकी सटीक तुलना की जा सके.

सैंपल क्वेरी

मैच किए गए उपयोगकर्ताओं की संख्या

इस क्वेरी से, Google Ads इंप्रेशन टेबल में मैच किए गए उपयोगकर्ताओं की संख्या का पता चलता है.

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

मैच रेट का हिसाब लगाना

सभी उपयोगकर्ताओं के लिए, मैचिंग की सुविधा उपलब्ध नहीं है. उदाहरण के लिए, साइन आउट किए हुए उपयोगकर्ताओं, बच्चों, और सहमति न देने वाले उपयोगकर्ताओं को UPDM के ज़रिए मैच नहीं किया जाता. ज़्यादा सटीक UPDM मैच रेट का हिसाब लगाने के लिए, is_updm_eligible फ़ील्ड का इस्तेमाल किया जा सकता है. ध्यान दें कि is_updm_eligible फ़ील्ड 1 अक्टूबर, 2024 से उपलब्ध है. इस फ़ील्ड का इस्तेमाल, उस तारीख से पहले मैच रेट का हिसाब लगाने के लिए नहीं किया जा सकता.

/* 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)

पहले पक्ष (ग्राहक) और Google Ads के डेटा को जोड़ना

इस क्वेरी में, पहले पक्ष (ग्राहक) के डेटा को Google Ads के डेटा के साथ जोड़ने का तरीका दिखाया गया है:

/* 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

यूपीडीएम के बारे में अक्सर पूछे जाने वाले सवाल

यूपीडीएम से जुड़े अक्सर पूछे जाने वाले सवालों की सूची देखने के लिए, यूपीडीएम के बारे में अक्सर पूछे जाने वाले सवाल देखें.