שדות שניתן לצרף ב-Ads Data Hub

באופן כללי, אפשר לצרף שדות עם אותו שם באותו פורטל קנייה בין טבלאות. לדוגמה, אפשר לצרף את adh.google_ads_impressions.impression_id ל-adh.google_ads_clicks.impression_id. בדוגמה הזו, Google Display Ads הוא פורטל הקנייה המשותף, impression_id הוא השדה המשותף ו-google_ads_impressions ו-google_ads_clicks הן שתי הטבלאות השונות.

יש מורכבויות שעשויות להקשות על מיזוג נתונים בין ערוצי רכישה שונים. במוצרים שונים של Google נעשה שימוש במזהי משתמשים שונים, ומזהי משתמשים יכולים להשתנות גם בתוך מוצר אחד על סמך מצב הכניסה.

הטבלה הבאה יכולה לשמש כהנחיה למיזוג בין מוצרים. בדרך כלל, צירופים בתוך כל פלטפורמת קנייה יפעלו, אבל צירופים בין פלטפורמות קנייה בדרך כלל לא יפעלו.

פלטפורמת הקנייה מוצרים טבלאות מזהים שניתן להצטרף אליהם
מודעות לרשת המדיה של Google שותפי הווידאו של Google (לא כולל YouTube) adh.google_ads_*
Google Marketing Platform באמצעות העברת נתונים:
Display & Video 360
Campaign Manager 360
adh.dv360_dt_*
adh.cm_dt_*
YouTube Google sold YouTube הזמנה
YouTube (ב-Google Ads)
YouTube (ב-Display & Video 360)
adh.yt_reserve_*
adh.google_ads_*
adh.dv360_youtube_*
YouTube Partner שנמכר Google Ad Manager
Freewheel
adh.partner_sold_cross_sell_*
adh.freewheel_*
מפתח user_id external_cookie device_id_md5

דוגמאות

בנוסף למזהי משתמשים ומכשירים, אפשר לצרף טבלאות באמצעות מספר שדות אחרים. כדי ללמוד איך משלבים טבלאות ב-Ads Data Hub, בוחרים שדה שאפשר לצרף בתפריט הנפתח. בקטע הזה מפורטות דוגמאות חלקיות.

בדוגמה הזו מוסבר איך להשתמש ב-user_id כדי למזג בין טבלאות של חשיפות, נכסי קריאייטיב והמרות.

תרחיש לדוגמה: הבנת ההשפעה של קמפיינים למיתוג על המרות מצטברות.

WITH imp AS (
  SELECT
    user_id,
    COUNTIF(campaign_id IN UNNEST(@brand_campaign_ids)) AS brand_impression,
    COUNTIF(campaign_id IN UNNEST(@perf_campaign_ids)) AS perf_impression,
  FROM adh.google_ads_impressions
  WHERE
    campaign_id IN UNNEST(ARRAY_CONCAT(@perf_campaign_ids, @brand_campaign_ids))
    AND user_id != '0'
  GROUP BY 1
  ),
  conv AS (
  SELECT
    c.user_id,
    COUNT(1) AS conv_count
  FROM adh.google_ads_conversions
  WHERE
    impression_data.campaign_id IN UNNEST(@perf_campaign_ids)
    AND conversion_type IN UNNEST(@conversion_type_list)
    AND user_id != '0'
  GROUP BY 1
  )
SELECT
  SUM(IF(has_brand_traffic AND NOT has_perf_traffic, conv_count, 0)) AS brand_only,
  SUM(IF(NOT has_brand_traffic AND has_perf_traffic, conv_count, 0)) AS perf_only,
  SUM(IF(has_brand_traffic AND has_perf_traffic, conv_count, 0)) AS overlap
FROM
  (
  SELECT
    imp.user_id,
    imp.brand_impression > 0 AS has_brand_traffic,
    imp.perf_impression > 0 AS has_perf_traffic,
    conv.conv_count
  FROM imp
  JOIN conv
    USING (user_id)
  )

בדוגמה הזו מוסבר איך להשתמש ב-impression_id כדי לקשר נתוני המרות לנתוני חשיפות.

תרחיש לדוגמה: ניתוח נתונים סטטיסטיים של חשיפות והמרות לפי מדינה ו-CTC/EVC.

SELECT
  imp.location.country,
  COUNT(1) AS num_imps,
  SUM(IF(attribution_event_type = 'CLICK', 1, 0)) AS ctc_convs,
  SUM(IF(attribution_event_type = 'ENGAGED_VIEW', 1, 0)) AS evc_convs
FROM adh.google_ads_impressions AS imp
LEFT JOIN adh.google_ads_conversions AS conv
  ON (
    imp.impression_id = conv.impression_id
    AND conv.conversion_type IN UNNEST(@conversion_type_list))
WHERE imp.campaign_id IN UNNEST(@campaign_ids)
GROUP BY 1

בדוגמה הזו מוצג איך משלבים כמה טבלאות לפי כמה מזהים.

תרחיש לדוגמה: הצגת רשימה של נכסים שמקושרים לקמפיין מסוים.

SELECT
  cmp.campaign_id,
  adg.adgroup_id,
  cr.video_message.youtube_video_id
FROM adh.google_ads_campaign AS cmp
JOIN adh.google_ads_adgroup AS adg
  USING (campaign_id)
JOIN adh.google_ads_adgroupcreative AS agc
  USING (adgroup_id)
JOIN adh.google_ads_creative AS cr
  ON (agc.customer_id = cr.customer_id
    AND agc.creative_id = cr.creative_id)
WHERE campaign_id = 123
GROUP BY 1, 2, 3

הדוגמה הזו ממחישה איך למזג טבלאות מטא-נתונים.

תרחיש לדוגמה: יצירת צירוף בין טבלת חשיפות לטבלת המטא-נתונים של המדינה כדי להציג את מספר קובצי ה-cookie הייחודיים ואת התדירות הממוצעת לפי מדינה.

SELECT
  IFNULL(reg.region_name, 'unspecified') AS state,
  COUNT(DISTINCT user_id) AS users,
  COUNT(1) AS impressions,
  FORMAT('%0.2f', COUNT(1) / COUNT(DISTINCT user_id)) AS avg_imp_per_user
FROM adh.google_ads_impressions AS imp
LEFT JOIN adh.region AS reg
  ON (imp.location.geo_region_id = reg.region_id)
WHERE
  imp.location.country = 'US'
GROUP BY 1