ตัวอย่างการค้นหาใน Ads Data Hub

ตัวอย่างการค้นหาเหล่านี้ถือว่าคุณมีความรู้พื้นฐานเกี่ยวกับ SQL และ BigQuery ดูข้อมูลเพิ่มเติมเกี่ยวกับ SQL ใน BigQuery

คำค้นหาการโอนข้อมูลของ Campaign Manager 360

จับคู่ตัวแปร Floodlight กับตารางชั่วคราว

สร้างการจับคู่ระหว่าง user_id กับตัวแปร Floodlight ที่กำหนดเองในตารางกิจกรรม จากนั้นจะใช้เพื่อรวมข้อมูลจากบุคคลที่หนึ่งกับข้อมูล Campaign Manager 360 ได้


/* Creating the match temp table. This can be a separate query and the
temporary table will persist for 72 hours. */

CREATE TABLE
  temp_table AS (
  SELECT
    user_id,
    REGEXP_EXTRACT(event.other_data, 'u1=([^;]*)') AS u1_val
  FROM
    adh.cm_dt_activities_attributed
  GROUP BY
    1,
    2 )

/* Matching to Campaign Manager 360 impression data */

SELECT
  imp.event.campaign_id,
  temp.u1_val,
  COUNT(*) AS cnt
FROM
  adh.cm_dt_impressions AS imp
JOIN
  tmp.temp_table AS temp USING (user_id)
GROUP BY
  1,
  2

การแสดงผล

ตัวอย่างนี้เหมาะสําหรับการจัดการการแสดงผล และแสดงวิธีค้นหาจํานวนการแสดงผลที่แสดงเกินความถี่สูงสุด หรือในกรณีที่ผู้มีโอกาสเป็นลูกค้าบางรายเห็นโฆษณาน้อยเกินไป ใช้ความรู้นี้เพื่อเพิ่มประสิทธิภาพเว็บไซต์และกลยุทธ์เพื่อให้ได้รับการแสดงผลในจำนวนที่เหมาะสมต่อหน้ากลุ่มเป้าหมายที่เลือก

/* For this query to run, @advertiser_ids and @campaigns_ids
must be replaced with actual IDs. For example [12345] */

WITH filtered_uniques AS (
  SELECT
    user_id,
    COUNT(event.placement_id) AS frequency
  FROM adh.cm_dt_impressions
  WHERE user_id != '0'
    AND event.advertiser_id IN UNNEST(@advertiser_ids)
    AND event.campaign_id IN UNNEST(@campaign_ids)
    AND event.country_domain_name = 'US'
  GROUP BY user_id
)
SELECT
  frequency,
  COUNT(*) AS uniques
FROM filtered_uniques
GROUP BY frequency
ORDER BY frequency
;

ตัวอย่างนี้ช่วยระบุกลยุทธ์และรูปแบบโฆษณาที่ทําให้จํานวนคุกกี้ที่ไม่ซ้ำกันหรือความถี่เพิ่มขึ้นหรือลดลง

/* For this query to run, @advertiser_ids and @campaigns_ids and @placement_ids
must be replaced with actual IDs. For example [12345] */

SELECT
  COUNT(DISTINCT user_id) AS total_users,
  COUNT(DISTINCT event.site_id) AS total_sites,
  COUNT(DISTINCT device_id_md5) AS total_devices,
  COUNT(event.placement_id) AS impressions
FROM adh.cm_dt_impressions
WHERE user_id != '0'
  AND event.advertiser_id IN UNNEST(@advertiser_ids)
  AND event.campaign_id IN UNNEST(@campaign_ids)
  AND event.placement_id IN UNNEST(@placement_ids)
  AND event.country_domain_name = 'US'
;

นอกจากนี้ คุณยังระบุรหัสเว็บไซต์หรือรหัสตําแหน่งในคําสั่ง WHERE เพื่อจํากัดขอบเขตการค้นหาได้ด้วย

ตัวอย่างนี้จะรวมตาราง cm_dt_impressions และตารางข้อมูลเมตา cm_dt_state เพื่อแสดงการแสดงผลทั้งหมด จำนวนคุกกี้ต่อรัฐ และการแสดงผลเฉลี่ยต่อผู้ใช้ โดยจัดกลุ่มตามรัฐหรือจังหวัดในอเมริกาเหนือ


WITH impression_stats AS (
  SELECT
    event.country_domain_name AS country,
    CONCAT(event.country_domain_name, '-', event.state) AS state,
    COUNT(DISTINCT user_id) AS users,
    COUNT(*) AS impressions
  FROM adh.cm_dt_impressions
  WHERE event.country_domain_name = 'US'
    OR event.country_domain_name = 'CA'
  GROUP BY 1, 2
)
SELECT
  country,
  IFNULL(state_name, state) AS state_name,
  users,
  impressions,
  FORMAT(
    '%0.2f',
    IF(
      IFNULL(impressions, 0) = 0,
      0,
      impressions / users
    )
  ) AS avg_imps_per_user
FROM impression_stats
LEFT JOIN adh.cm_dt_state USING (state)
;

กลุ่มเป้าหมาย Display & Video 360

ตัวอย่างนี้แสดงวิธีวิเคราะห์กลุ่มเป้าหมาย Display & Video 360 ดูว่าการแสดงผลเข้าถึงกลุ่มเป้าหมายใด และพิจารณาว่ากลุ่มเป้าหมายบางกลุ่มมีประสิทธิภาพดีกว่ากลุ่มอื่นๆ หรือไม่ ความรู้นี้จะช่วยปรับสมดุลจํานวนคุกกี้ที่ไม่ซ้ำ (การแสดงโฆษณาต่อผู้ใช้จํานวนมาก) และคุณภาพ (การกําหนดเป้าหมายแบบแคบและการแสดงผลที่ได้แสดง) โดยขึ้นอยู่กับเป้าหมายของคุณ

/* For this query to run, @advertiser_ids and @campaigns_ids and @placement_ids
must be replaced with actual IDs. For example [12345] */

WITH filtered_impressions AS (
  SELECT
    event.event_time as date,
    CASE
      WHEN (event.browser_enum IN ('29', '30', '31')
            OR event.os_id IN
              (501012, 501013, 501017, 501018,
               501019, 501020, 501021, 501022,
               501023, 501024, 501025, 501027))
      THEN 'Mobile'
      ELSE 'Desktop'
    END AS device,
    event.dv360_matching_targeted_segments,
    event.active_view_viewable_impressions,
    event.active_view_measurable_impressions,
    user_id
  FROM adh.cm_dt_impressions
  WHERE event.dv360_matching_targeted_segments != ''
    AND event.advertiser_id in UNNEST(@advertiser_ids)
    AND event.campaign_id IN UNNEST(@campaign_ids)
    AND event.dv360_country_code = 'US'
)
SELECT
  audience_id,
  device,
  COUNT(*) AS impressions,
  COUNT(DISTINCT user_id) AS uniques,
  ROUND(COUNT(*) / COUNT(DISTINCT user_id), 1) AS frequency,
  SUM(active_view_viewable_impressions) AS viewable_impressions,
  SUM(active_view_measurable_impressions) AS measurable_impressions
FROM filtered_impressions
JOIN UNNEST(SPLIT(dv360_matching_targeted_segments, ' ')) AS audience_id
GROUP BY 1, 2
;

การมองเห็นโฆษณา

ตัวอย่างเหล่านี้แสดงวิธีวัดเมตริกความสามารถในการแสดงตัวโฆษณาของมุมมองแอ็กทีฟพลัส


WITH T AS (
   SELECT cm_dt_impressions.event.impression_id AS Impression,
          cm_dt_impressions.event.active_view_measurable_impressions AS AV_Measurable,
          SUM(cm_dt_active_view_plus.event.active_view_plus_measurable_count) AS AVP_Measurable
     FROM adh.cm_dt_impressions
FULL JOIN adh.cm_dt_active_view_plus
          ON (cm_dt_impressions.event.impression_id =
              cm_dt_active_view_plus.event.impression_id)
    GROUP BY Impression, AV_Measurable
)
SELECT COUNT(Impression), SUM(AV_Measurable), SUM(AVP_Measurable)
  FROM T
;



WITH Raw AS (
  SELECT
    event.ad_id AS Ad_Id,
  SUM(event.active_view_plus_measurable_count) AS avp_total,
  SUM(event.active_view_first_quartile_viewable_impressions) AS avp_1st_quartile,
  SUM(event.active_view_midpoint_viewable_impressions) AS avp_2nd_quartile,
  SUM(event.active_view_third_quartile_viewable_impressions) AS avp_3rd_quartile,
  SUM(event.active_view_complete_viewable_impressions) AS avp_complete
  FROM
    adh.cm_dt_active_view_plus
  GROUP BY
    1
)

SELECT
  Ad_Id,
  avp_1st_quartile / avp_total AS Viewable_Rate_1st_Quartile,
  avp_2nd_quartile / avp_total AS Viewable_Rate_2nd_Quartile,
    avp_3rd_quartile / avp_total AS Viewable_Rate_3rd_Quartile,
    avp_complete / avp_total AS Viewable_Rate_Completion_Quartile
FROM
  Raw
WHERE
  avp_total > 0
ORDER BY
  Viewable_Rate_1st_Quartile DESC
;

ข้อมูลแบบไดนามิกในการโอนข้อมูล Campaign Manager 360

จำนวนการแสดงผลต่อโปรไฟล์และฟีดแบบไดนามิก

SELECT
  event.dynamic_profile,
  feed_name,
  COUNT(*) as impressions
FROM adh.cm_dt_impressions
JOIN UNNEST (event.feed) as feed_name
GROUP BY 1, 2;

จำนวนการแสดงผลต่อป้ายกำกับการรายงานแบบไดนามิกในฟีด 1

SELECT
  event.feed_reporting_label[SAFE_ORDINAL(1)] feed1_reporting_label,,
  COUNT(*) as impressions
FROM adh.cm_dt_impressions
WHERE event.feed_reporting_label[SAFE_ORDINAL(1)] <> “” # where you have at least one reporting label set
GROUP BY 1;

จำนวนการแสดงผลที่ป้ายกำกับการรายงาน = "แดง" ในฟีด 2

SELECT
  event.feed_reporting_label[SAFE_ORDINAL(2)] AS feed1_reporting_label,
  COUNT(*) as impressions
FROM adh.cm_dt_impressions
WHERE event.feed_reporting_label[SAFE_ORDINAL(2)] = “red”
GROUP BY 1;

จํานวนการแสดงผลที่ reporting dimension_1 = ‘red’ และ reporting dimension_2 = ‘car’ ในฟีด 1

SELECT
  event.feed_reporting_label[SAFE_ORDINAL(1)] AS feed1_reporting_label,
  event.feed_reporting_dimension1[SAFE_ORDINAL(1)] AS feed1_reporting_dimension1,
  event.feed_reporting_dimension2[SAFE_ORDINAL(1)] AS feed2_reporting_dimension1,
  event.feed_reporting_dimension3[SAFE_ORDINAL(1)] AS feed3_reporting_dimension1,
  event.feed_reporting_dimension4[SAFE_ORDINAL(1)] AS feed4_reporting_dimension1,
  event.feed_reporting_dimension5[SAFE_ORDINAL(1)] AS feed5_reporting_dimension1,
  event.feed_reporting_dimension6[SAFE_ORDINAL(1)] AS feed6_reporting_dimension1,
  COUNT(*) as impressions
FROM adh.cm_dt_impressions
WHERE event.feed_reporting_dimension1[SAFE_ORDINAL(1)] = “red”
AND event.feed_reporting_dimension2[SAFE_ORDINAL(1)] = “car”
GROUP BY 1,2,3,4,5,6,7;

รูปแบบโฆษณาในการโอนข้อมูล Campaign Manager 360

ตัวอย่างเหล่านี้แสดงวิธีพิจารณาว่ารูปแบบโฆษณาใดที่เพิ่มจํานวนคุกกี้ที่ไม่ซ้ำหรือความถี่ของการแสดงผลได้สูงสุด ใช้ความรู้นี้เพื่อช่วยปรับสมดุลจำนวนคุกกี้ที่ไม่ซ้ำทั้งหมดและการแสดงโฆษณาต่อผู้ใช้

การแสดงผล

/* For this query to run, @advertiser_ids and @campaigns_ids
must be replaced with actual IDs. For example [12345]. YOUR_BQ_DATASET must be
replaced with the actual name of your dataset.*/

WITH filtered_uniques AS (
  SELECT
    user_id,
    CASE
      WHEN creative_type LIKE '%Video%' THEN 'Video'
      WHEN creative_type IS NULL THEN 'Unknown'
      ELSE 'Display'
    END AS creative_format,
    COUNT(*) AS impressions
  FROM adh.cm_dt_impressions impression
  LEFT JOIN YOUR_BQ_DATASET.campaigns creative
    ON creative.rendering_id = impression.event.rendering_id
  WHERE user_id != '0'
    AND event.advertiser_id IN UNNEST(@advertiser_ids)
    AND event.campaign_id IN UNNEST(@campaign_ids)
    AND event.country_domain_name = 'US'
  GROUP BY user_id, creative_format
)
SELECT
  impressions AS frequency,
  creative_format,
  COUNT(DISTINCT user_id) AS uniques,
  SUM(impressions) AS impressions
FROM filtered_uniques
GROUP BY frequency, creative_format
ORDER BY frequency
;


/* For this query to run, @advertiser_ids and @campaigns_ids
must be replaced with actual IDs. For example [12345]. YOUR_BQ_DATASET must be
replaced with the actual name of your dataset. */

WITH filtered_impressions AS (
  SELECT
    event.campaign_id AS campaign_id,
    event.rendering_id AS rendering_id,
    user_id
  FROM adh.cm_dt_impressions
  WHERE user_id != '0'
    AND event.advertiser_id IN UNNEST(@advertiser_ids)
    AND event.campaign_id IN UNNEST(@campaign_ids)
    AND event.country_domain_name = 'US'
)
SELECT
  Campaign,
  CASE
    WHEN creative_type LIKE '%Video%' THEN 'Video'
    WHEN creative_type IS NULL THEN 'Unknown'
    ELSE 'Display'
  END AS creative_format,
  COUNT(DISTINCT user_id) AS users,
  COUNT(*) AS impressions
FROM filtered_impressions
LEFT JOIN YOUR_BQ_DATASET.campaigns USING (campaign_id)
LEFT JOIN YOUR_BQ_DATASET.creatives USING (rendering_id)
GROUP BY 1, 2
;

การแสดงผลในแอปบนอุปกรณ์เคลื่อนที่ที่มีตาราง _rdid

คำค้นหาที่ 1:


SELECT
  campaign_id,
  COUNT(*) AS imp,
  COUNT(DISTINCT user_id) AS users
FROM adh.google_ads_impressions
WHERE is_app_traffic
GROUP BY 1
;

คำค้นหา 2:


SELECT
  campaign_id,
  COUNT(DISTINCT device_id_md5) AS device_ids
FROM adh.google_ads_impressions_rdid
GROUP BY 1
;

คุณรวมผลลัพธ์ได้โดยใช้ campaign_id

การแสดงตามข้อมูลประชากร

ตัวอย่างนี้แสดงวิธีพิจารณาว่าแคมเปญใดเข้าถึงกลุ่มประชากรที่กําหนด

/* For this query to run, @customer_id
must be replaced with an actual ID. For example [12345] */

WITH impression_stats AS (
  SELECT
    campaign_id,
    demographics.gender AS gender_id,
    demographics.age_group AS age_group_id,
    COUNT(DISTINCT user_id) AS users,
    COUNT(*) AS impressions
  FROM adh.google_ads_impressions
  WHERE customer_id = @customer_id
  GROUP BY 1, 2, 3
)
SELECT
  campaign_name,
  gender_name,
  age_group_name,
  users,
  impressions
FROM impression_stats
LEFT JOIN adh.google_ads_campaign USING (campaign_id)
LEFT JOIN adh.gender USING (gender_id)
LEFT JOIN adh.age_group USING (age_group_id)
ORDER BY 1, 2, 3
;

การมองเห็นโฆษณา

ดูภาพรวมของการมองเห็นโฆษณาพร้อมตัวอย่างการค้นหาได้ที่ เมตริกมุมมองแอ็กทีฟขั้นสูง

SELECT
  customer_id,
  customer_timezone,
  count(1) as impressions
FROM adh.google_ads_impressions i
  INNER JOIN adh.google_ads_customer c
    ON c.customer_id = i.customer_id
WHERE TIMESTAMP_MICROS(i.query_id.time_usec) >= CAST(DATETIME(@date, c.customer_timezone) AS TIMESTAMP)
AND TIMESTAMP_MICROS(i.query_id.time_usec) < CAST(DATETIME_ADD(DATETIME(@date, c.customer_timezone), INTERVAL 1 DAY) AS TIMESTAMP)
GROUP BY customer_id, customer_timezone

ประเภทพื้นที่โฆษณา

ตัวอย่างการค้นหานี้แสดงให้เห็นแนวคิดของประเภทพื้นที่โฆษณา คุณใช้ช่อง inventory_type เพื่อกำหนดพื้นที่โฆษณาที่โฆษณาแสดง เช่น Gmail หรือ YouTube Music ค่าที่เป็นไปได้: YOUTUBE, YOUTUBE_TV, YOUTUBE_MUSIC, SEARCH, GMAIL, GOOGLE_TV, OTHER อื่นๆ หมายถึงเครือข่าย Display หรือวิดีโอของ Google

SELECT
 i.campaign_id,
 cmp.campaign_name,
 i.inventory_type,
 COUNT(i.query_id.time_usec) AS impressions
FROM adh.google_ads_impressions i
LEFT JOIN adh.google_ads_campaign cmp ON (i.campaign_id = cmp.campaign_id)
WHERE
 TIMESTAMP_MICROS(i.query_id.time_usec)
  BETWEEN @local_start_date
  AND TIMESTAMP_ADD(@local_start_date,INTERVAL @number_days*24 HOUR)
GROUP BY 1, 2, 3
ORDER BY 4 DESC

ทํางานกับรูปแบบการระบุแหล่งที่มา

Ads Data Hub รองรับทั้งรูปแบบการระบุแหล่งที่มาโดยอิงตามข้อมูล (DDA) และรูปแบบการระบุแหล่งที่มาของคลิกสุดท้าย (LCA) ในตาราง Conversion ของ Google Ads ก่อนวันที่ 19 กันยายน 2023 ระบบรองรับเฉพาะ LCA ตัวอย่างต่อไปนี้แสดงวิธีค้นหา Conversion ที่ใช้รูปแบบใดรูปแบบหนึ่ง และวิธีใช้ตารางข้อมูลเมตาของการตั้งค่า Conversion

ค้นหา Conversion จากการระบุแหล่งที่มาโดยอิงตามข้อมูล

ตัวอย่างนี้ค้นหา Conversion ที่ใช้รูปแบบ DDA

SELECT
  s.name
  SUM(conv.num_conversion_micros)/1000000 AS num_convs
FROM adh.google_ads_conversions AS conv
JOIN adh.google_ads_conversion_settings AS s
  ON (conv.conversion_type = s.conversion_type_id)
WHERE s.action_optimization = 'Primary'
    AND s.attribution_model = 'DATA_DRIVEN'
GROUP BY 1;

ค้นหา Conversion ของการระบุแหล่งที่มาของคลิกสุดท้าย

หากต้องการคงลักษณะการทำงานเดิมไว้ ให้เพิ่มWHEREข้อความในคำค้นหาเพื่อกรอง ผลลัพธ์ Conversion ของการระบุแหล่งที่มาของคลิกสุดท้าย

SELECT COUNT(*)
FROM adh.google_ads_conversions
WHERE conversion_type = 123
  AND conversion_attribution_model_type = 'LAST_CLICK';

ใช้ตารางข้อมูลเมตาเพื่อกรองตามชื่อ Conversion

ตารางข้อมูลเมตาของการตั้งค่า Conversion ช่วยให้คุณกรองตามชื่อที่มีความหมาย แทนที่จะใช้ตัวเลขได้

เช่น แทนที่จะกรอง Conversion ตาม conversion_type

SELECT COUNT(*)
FROM adh.google_ads_conversions
WHERE conversion_type = 291496508;

ใช้JOINเพื่อกรองโดยใช้ฟิลด์ในการตั้งค่า Conversion ตารางข้อมูลเมตา

SELECT SUM(num_conversion_micros)/1000000 AS num_convs
FROM adh.google_ads_conversions AS conv
JOIN adh.google_ads_conversion_settings AS s
     ON (conv.conversion_type = s.conversion_type_id)
WHERE s.name = 'LTH Android Order';

SELECT s.name, SUM(conv.num_conversion_micros)/1000000 AS num_convs
FROM adh.google_ads_conversions AS conv
JOIN adh.google_ads_conversion_settings AS s
     ON (conv.conversion_type = s.conversion_type_id)
WHERE s.conversion_category = 'PURCHASE'
  AND s.action_optimization = 'Primary'
GROUP BY 1;

การค้นหาพ็อดโฆษณา YouTube

พ็อดโฆษณาจะจัดกลุ่มโฆษณา 2 รายการเป็นช่วงพักโฆษณาเดียวในระหว่างเซสชันการดู YouTube ที่ยาวนานขึ้น (คิดถึงช่วงพักโฆษณา แต่จำกัดไว้ที่ 2 โฆษณา) โฆษณาที่แสดงในพ็อดโฆษณายังคงเป็นแบบข้ามได้ อย่างไรก็ตาม หากผู้ใช้ข้ามโฆษณาแรก ระบบจะข้ามโฆษณาที่ 2 ด้วย

SELECT
 cmp.campaign_name,
 imp.is_app_traffic,
 COUNT(*) AS total_impressions,
 COUNTIF(clk.click_id IS NOT NULL) AS total_trueview_views
FROM adh.google_ads_impressions imp
JOIN adh.google_ads_campaign cmp USING (campaign_id)
JOIN adh.google_ads_adgroup adg USING (adgroup_id)
LEFT JOIN adh.google_ads_creative_conversions clk ON
  imp.impression_id = clk.impression_id
WHERE
 imp.customer_id IN UNNEST(@customer_ids)
 AND adg.adgroup_type = 'VIDEO_TRUE_VIEW_IN_STREAM'
 AND cmp.advertising_channel_type = 'VIDEO'
GROUP BY 1, 2

เมตริกการมองเห็นได้ของ Display & Video 360 ตามรายการโฆษณา

WITH
 imp_stats AS (
   SELECT
     imp.line_item_id,
     count(*) as total_imp,
     SUM(num_active_view_measurable_impression) AS num_measurable_impressions,
     SUM(num_active_view_eligible_impression) AS num_enabled_impressions
   FROM adh.dv360_youtube_impressions imp
   WHERE
     imp.line_item_id IN UNNEST(@line_item_ids)
   GROUP BY 1
 ),
 av_stats AS (
   SELECT
     imp.line_item_id,
     SUM(num_active_view_viewable_impression) AS num_viewable_impressions
   FROM adh.dv360_youtube_impressions imp
   LEFT JOIN
     adh.dv360_youtube_active_views av
     ON imp.impression_id = av.impression_id
   WHERE
     imp.line_item_id IN UNNEST(@line_item_ids)
   GROUP BY 1
 )
SELECT
 li.line_item_name,
 SUM(imp.total_imp) as num_impressions,
 SUM(imp.num_measurable_impressions) AS num_measurable_impressions,
 SUM(imp.num_enabled_impressions) AS num_enabled_impressions,
 SUM(IFNULL(av.num_viewable_impressions, 0)) AS num_viewable_impressions
FROM imp_stats as imp
LEFT JOIN av_stats AS av USING (line_item_id)
JOIN adh.dv360_youtube_lineitem li ON (imp.line_item_id = li.line_item_id)
GROUP BY 1

คำค้นหา YouTube Reserve

การแสดงผลตามผู้ลงโฆษณา

คําค้นหานี้จะวัดจํานวนการแสดงผลและผู้ใช้ที่ไม่ซ้ำกันต่อผู้ลงโฆษณา คุณใช้ตัวเลขเหล่านี้เพื่อคำนวณจำนวนการแสดงผลเฉลี่ยต่อผู้ใช้ (หรือ "ความถี่ของโฆษณา") ได้

SELECT
  advertiser_name,
  COUNT(*) AS imp,
  COUNT(DISTINCT user_id) AS users
FROM adh.yt_reserve_impressions AS impressions
JOIN adh.yt_reserve_order order ON impressions.order_id = order.order_id
GROUP BY 1
;

การข้ามโฆษณา

คําค้นหานี้จะวัดจํานวนการข้ามโฆษณาต่อลูกค้า แคมเปญ กลุ่มโฆษณา และครีเอทีฟโฆษณา

SELECT
  impression_data.customer_id,
  impression_data.campaign_id,
  impression_data.adgroup_id,
  impression_data.ad_group_creative_id,
  COUNTIF(label = "videoskipped") AS num_skips
FROM
  adh.google_ads_conversions
GROUP BY 1, 2, 3, 4;

คำค้นหาทั่วไป

ลบกลุ่มผู้ใช้กลุ่มหนึ่งออกจากอีกกลุ่มหนึ่ง

ตัวอย่างนี้แสดงวิธีลบกลุ่มผู้ใช้กลุ่มหนึ่งออกจากอีกกลุ่มหนึ่ง เทคนิคนี้มีการใช้งานที่หลากหลาย รวมถึงการนับผู้ที่ไม่ทำ Conversion, ผู้ใช้ที่ไม่มีการแสดงผลที่มองเห็นได้ และผู้ใช้ที่ไม่มีการคลิก

WITH exclude AS (
  SELECT DISTINCT user_id
  FROM adh.google_ads_impressions
  WHERE campaign_id = 123
)

SELECT
  COUNT(DISTINCT imp.user_id) -
      COUNT(DISTINCT exclude.user_id) AS users
FROM adh.google_ads_impressions imp
LEFT JOIN exclude
  USING (user_id)
WHERE imp.campaign_id = 876
;

การทับซ้อนที่กำหนดเอง

คําค้นหานี้จะวัดการทับซ้อนกันของแคมเปญ 2 รายการขึ้นไป คุณปรับแต่งเพื่อวัดการทับซ้อนตามเกณฑ์ที่เลือกได้

/* For this query to run, @campaign_1 and @campaign_2 must be replaced with
actual campaign IDs. */

WITH flagged_impressions AS (
SELECT
  user_ID,
  SUM(IF(campaign_ID in UNNEST(@campaign_1), 1, 0)) AS C1_impressions,
  SUM(IF(campaign_ID in UNNEST(@campaign_2), 1, 0)) AS C2_impressions
FROM adh.cm_dt_impressions
GROUP BY user_ID

SELECT COUNTIF(C1_impressions > 0) as C1_cookie_count,
 COUNTIF(C2_impressions > 0) as C2_cookie_count,
 COUNTIF(C1_impressions > 0 and C2_impressions > 0) as overlap_cookie_count
FROM flagged_impressions
;

โฆษณาที่พาร์ทเนอร์เป็นผู้ขาย - การขายครอสเซล

คําค้นหานี้จะวัดการแสดงผลและการคลิกผ่านของพื้นที่โฆษณาที่พาร์ทเนอร์เป็นผู้ขาย

SELECT
  a.record_date AS record_date,
  a.line_item_id AS line_item_id,
  a.creative_id AS creative_id,
  a.ad_id AS ad_id,
  a.impressions AS impressions,
  a.click_through AS click_through,
  a.video_skipped AS video_skipped,
  b.pixel_url AS pixel_url
FROM
  (
    SELECT
      FORMAT_TIMESTAMP('%D', TIMESTAMP_MICROS(i.query_id.time_usec), 'Etc/UTC') AS record_date,
      i.line_item_id as line_item_id,
      i.creative_id as creative_id,
      i.ad_id as ad_id,
      COUNT(i.query_id) as impressions,
      COUNTIF(c.label='video_click_to_advertiser_site') AS click_through,
      COUNTIF(c.label='videoskipped') AS video_skipped
    FROM
      adh.partner_sold_cross_sell_impressions AS i
      LEFT JOIN adh.partner_sold_cross_sell_creative_conversions AS c
        ON i.impression_id = c.impression_id
    GROUP BY
      1, 2, 3, 4
    ) AS a
    JOIN adh.partner_sold_cross_sell_creative_pixels AS b
      ON (a.ad_id = b.ad_id)
;

การแสดงผลใน App Store

คําค้นหาต่อไปนี้จะนับจํานวนการแสดงผลทั้งหมดที่จัดกลุ่มตาม App Store และแอป

SELECT app_store_name, app_name, COUNT(*) AS number
FROM adh.google_ads_impressions AS imp
JOIN adh.mobile_app_info
USING (app_store_id, app_id)
WHERE imp.app_id IS NOT NULL
GROUP BY 1,2
ORDER BY 3 DESC