Trang này được dịch bởi Cloud Translation API.

Lớp học tiếng ồn

Thông tin về tài liệu này

Khi đọc bài viết này, bạn sẽ:

Tìm hiểu các chiến lược cần tạo trước khi tạo báo cáo tóm tắt.
Được giới thiệu Phòng thí nghiệm tiếng ồn, một công cụ giúp nắm bắt ảnh hưởng của nhiều thông số tiếng ồn và cho phép khám phá và đánh giá nhanh nhiều chiến lược quản lý tiếng ồn.

Ảnh chụp màn hình Noise Lab — Phòng thí nghiệm tiếng ồn

Chia sẻ ý kiến phản hồi của bạn

Mặc dù tài liệu này tóm tắt một vài nguyên tắc khi làm việc với báo cáo tóm tắt, nhưng có nhiều phương pháp quản lý tiếng ồn có thể không được đề cập ở đây. Chúng tôi luôn hoan nghênh các đề xuất, nội dung bổ sung và câu hỏi của bạn!

Để đưa ra ý kiến phản hồi công khai về các chiến lược quản lý tiếng ồn, về tiện ích hoặc quyền riêng tư của API (epsilon), cũng như để chia sẻ quan sát của bạn khi mô phỏng bằng Phòng thí nghiệm tiếng ồn: Nhận xét về vấn đề này
Để đưa ra ý kiến phản hồi công khai về Phòng thí nghiệm tiếng ồn (đặt câu hỏi, báo cáo lỗi, yêu cầu tính năng): Tạo vấn đề mới tại đây
Để đưa ra ý kiến phản hồi công khai về một khía cạnh khác của API, hãy làm như sau: Tạo lỗi mới tại đây

Trước khi bắt đầu

Hãy đọc bài viết Báo cáo phân bổ: báo cáo tóm tắt và Tổng quan về toàn bộ hệ thống của Báo cáo phân bổ để biết phần giới thiệu.
Quét qua phần Tìm hiểu về độ nhiễu và Tìm hiểu về các khoá tổng hợp để sử dụng hiệu quả nhất hướng dẫn này.

Quyết định về thiết kế

Nguyên tắc thiết kế cốt lõi

Có những khác biệt cơ bản giữa cách hoạt động của cookie của bên thứ ba và báo cáo tóm tắt. Một điểm khác biệt chính là độ nhiễu được thêm vào dữ liệu đo lường trong báo cáo tóm tắt. Một cách khác là báo cáo được lập lịch.

Để truy cập dữ liệu đo lường báo cáo tóm tắt với tỷ lệ tín hiệu trên độ nhiễu cao hơn, các nền tảng bên cầu (DSP) và nhà cung cấp dịch vụ đo lường quảng cáo sẽ cần làm việc với các nhà quảng cáo để phát triển các chiến lược quản lý độ nhiễu. Để phát triển các chiến lược này, DSP và các nhà cung cấp dịch vụ đo lường cần phải đưa ra quyết định thiết kế. Những quyết định này xoay quanh một khái niệm thiết yếu:

Nhìn chung, giá trị độ nhiễu phân phối được tính toán dựa trên hai tham số⏤epsilon và ngân sách đóng góp⏤bạn có thể tuỳ ý sử dụng một số chế độ kiểm soát khác có thể ảnh hưởng đến tỷ lệ tín hiệu trên độ nhiễu của dữ liệu đo lường đầu ra.

Mặc dù chúng tôi dự kiến rằng một quy trình lặp lại sẽ dẫn đến những quyết định đúng đắn nhất, nhưng mỗi biến thể trong các quyết định này sẽ dẫn đến cách triển khai hơi khác một chút. Do đó, bạn phải đưa ra quyết định này trước khi viết mỗi lần lặp lại mã (và trước khi chạy quảng cáo).

Quyết định: Mức độ chi tiết của phương diện

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu chuyển đổi của bạn.
Quan sát các tham số mặc định. Theo mặc định, tổng số lượt chuyển đổi có thể phân bổ hằng ngày là 1.000. Con số này trung bình khoảng 40 cho mỗi nhóm nếu bạn sử dụng chế độ thiết lập mặc định (phương diện mặc định, số lượng giá trị mặc định có thể có các giá trị khác nhau cho mỗi phương diện, Chiến lược chính A). Lưu ý rằng giá trị nhập vào là 40 trong mục Số lượt chuyển đổi có thể phân bổ trung bình hằng ngày MỖI BUCKET.
Nhấp vào Mô phỏng để chạy hoạt động mô phỏng với các tham số mặc định.
Trong bảng điều khiển bên Thông số, hãy tìm Phương diện. Đổi tên Địa lý thành Thành phố và thay đổi số lượng các giá trị khác nhau có thể có thành 50.
Hãy quan sát cách điều này thay đổi Số lượt chuyển đổi có thể phân bổ trung bình hằng ngày MỖI BUCKET. Mức giá hiện tại thấp hơn nhiều. Điều này là do nếu bạn tăng số lượng giá trị có thể có trong phương diện này mà không thay đổi bất cứ yếu tố nào khác, thì bạn sẽ tăng tổng số nhóm mà không thay đổi số lượng sự kiện chuyển đổi sẽ có trong mỗi nhóm.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được: tỷ lệ nhiễu hiện cao hơn so với phiên mô phỏng trước đó.

Theo nguyên tắc thiết kế cốt lõi, các giá trị tóm tắt nhỏ có thể gây nhiễu hơn các giá trị tóm tắt lớn. Do đó, lựa chọn cấu hình của bạn sẽ ảnh hưởng đến số lượng sự kiện chuyển đổi được phân bổ sẽ xuất hiện trong mỗi bộ chứa (còn gọi là khoá tổng hợp) và số lượng sự kiện đó ảnh hưởng đến độ nhiễu trong các báo cáo tóm tắt đầu ra cuối cùng.

Một quyết định thiết kế ảnh hưởng đến số lượng sự kiện chuyển đổi được phân bổ trong một bộ chứa là độ chi tiết của phương diện. Hãy xem xét các ví dụ sau đây về khoá tổng hợp và kích thước của khoá:

Phương pháp 1: một cấu trúc chính có thứ nguyên thô: Quốc gia x Chiến dịch quảng cáo (hoặc bộ chứa tổng hợp chiến dịch lớn nhất) x Loại sản phẩm (trong số 10 loại sản phẩm có thể có)
Phương pháp 2: một cấu trúc chính với kích thước chi tiết: Thành phố x Mã mẫu quảng cáo x Sản phẩm (trong số 100 sản phẩm có thể sử dụng)

Thành phố là phương diện chi tiết hơn so với Quốc gia; Mã mẫu quảng cáo chi tiết hơn Chiến dịch và Sản phẩm chi tiết hơn so với Loại sản phẩm. Do đó, Phương pháp 2 sẽ có số lượng sự kiện (lượt chuyển đổi) trên mỗi bộ chứa (= mỗi khoá) ít hơn so với Phương pháp 1. Do độ nhiễu được thêm vào dữ liệu đầu ra không phụ thuộc vào số lượng sự kiện trong bộ chứa, nên dữ liệu đo lường trong báo cáo tóm tắt sẽ bị nhiễu hơn với Phương pháp 2. Đối với mỗi nhà quảng cáo, hãy thử nghiệm với nhiều lựa chọn đánh đổi về độ chi tiết trong thiết kế của khoá để có được mức độ hữu dụng tối đa trong kết quả.

Quyết định: Cấu trúc chính

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Ở chế độ Đơn giản, cấu trúc khoá mặc định sẽ được sử dụng. Ở chế độ Nâng cao, bạn có thể thử nghiệm với nhiều cấu trúc chính. Một số kích thước mẫu được đưa vào; bạn cũng có thể sửa đổi các kích thước này.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược chính. Hãy quan sát thấy rằng chiến lược mặc định, có tên là A trong công cụ, sử dụng một cấu trúc khoá chi tiết bao gồm tất cả các phương diện: Khu vực địa lý x Mã chiến dịch x Danh mục sản phẩm.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của quá trình mô phỏng thu được.
Thay đổi Chiến lược chính thành B. Thao tác này sẽ hiển thị thêm các chế độ kiểm soát để bạn định cấu hình cấu trúc khoá.
Định cấu hình cấu trúc khoá, ví dụ như sau:
1. Số cấu trúc chính: 2
2. Cấu trúc khoá 1 = Khu vực địa lý x Danh mục sản phẩm.
3. Cấu trúc khoá 2 = Mã chiến dịch x Danh mục sản phẩm.
Nhấp vào Mô phỏng.
Lưu ý rằng giờ đây, bạn sẽ nhận được 2 báo cáo tóm tắt cho mỗi loại mục tiêu đo lường (2 báo cáo cho số lượt mua hàng, 2 báo cáo cho giá trị giao dịch mua), do bạn đang sử dụng 2 cấu trúc chính riêng biệt. Hãy quan sát tỷ lệ nhiễu của chúng.
Bạn cũng có thể thử cách này với phương diện tuỳ chỉnh của riêng mình. Để thực hiện việc này, hãy tìm Dữ liệu bạn muốn theo dõi: Phương diện. Hãy cân nhắc việc xoá các phương diện mẫu và tạo phương diện của riêng bạn bằng các nút Thêm/Xoá/Đặt lại bên dưới phương diện cuối cùng.

Một quyết định thiết kế khác sẽ ảnh hưởng đến số lượng sự kiện chuyển đổi được phân bổ trong một bộ chứa là cấu trúc chính mà bạn quyết định sử dụng. Hãy xem xét các ví dụ sau về các khoá tổng hợp:

Một cấu trúc chính cho tất cả các phương diện; hãy gọi đây là Chiến lược chính A.
Có 2 cấu trúc chính, mỗi cấu trúc có một nhóm phương diện. Hãy gọi đây là Chiến lược chính B.

Chiến lược A đơn giản hơn, nhưng bạn có thể cần tổng hợp (tổng) các giá trị tóm tắt gây nhiễu được đưa vào báo cáo tóm tắt để xem một số thông tin chi tiết. Bằng cách tổng hợp các giá trị này, bạn cũng sẽ tính tổng độ nhiễu. Với Chiến lược B, các giá trị tóm tắt được hiển thị trong báo cáo tóm tắt có thể đã cung cấp cho bạn thông tin bạn cần. Điều này có nghĩa là Chiến lược B có thể sẽ tạo ra tỷ lệ tín hiệu trên độ nhiễu tốt hơn Chiến lược A. Tuy nhiên, độ nhiễu có thể đã chấp nhận được với Chiến lược A. Vì vậy, bạn vẫn có thể quyết định ưu tiên Chiến lược A để đơn giản hoá. Tìm hiểu thêm trong ví dụ chi tiết về hai chiến lược này.

Việc quản lý khoá là một chủ đề chuyên sâu. Bạn có thể cân nhắc một số kỹ thuật phức tạp để cải thiện tỷ lệ tín hiệu trên nhiễu. Một cách được mô tả trong bài viết Quản lý khoá nâng cao.

Quyết định: Tần suất phân lô

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Chuyển đến Chế độ đơn giản (hoặc Chế độ nâng cao – cả hai chế độ đều hoạt động theo cách tương tự về tần suất phân lô)
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược tổng hợp của bạn > Tần suất gộp nhóm. Đây là tần suất phân lô của các báo cáo tổng hợp được xử lý bằng dịch vụ tổng hợp trong một công việc duy nhất.
Quan sát tần suất phân lô mặc định: theo mặc định, tần suất phân lô hằng ngày sẽ được mô phỏng.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của quá trình mô phỏng thu được.
Hãy thay đổi tần suất phân lô thành hằng tuần.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được: tỷ lệ độ nhiễu hiện đã thấp hơn (tốt hơn) so với phiên bản mô phỏng trước đó.

Một quyết định thiết kế khác sẽ ảnh hưởng đến số lượng sự kiện chuyển đổi được phân bổ trong một bộ chứa là tần suất phân lô mà bạn quyết định sử dụng. Tần suất phân lô là tần suất bạn xử lý các báo cáo tổng hợp.

Một báo cáo được lên lịch tổng hợp thường xuyên hơn (ví dụ: mỗi giờ) sẽ có ít sự kiện chuyển đổi hơn so với cùng một báo cáo có lịch tổng hợp ít thường xuyên hơn (ví dụ: mỗi tuần). Do đó, báo cáo hằng giờ sẽ có nhiều sự nhiễu hơn.``` có ít sự kiện chuyển đổi hơn trong cùng một báo cáo với lịch tổng hợp ít thường xuyên hơn (ví dụ: mỗi tuần). Do đó, báo cáo hằng giờ sẽ có tỷ lệ tín hiệu trên độ nhiễu thấp hơn báo cáo hằng tuần, tất cả mọi thứ đều bằng nhau. Thử nghiệm các yêu cầu báo cáo ở nhiều tần suất và đánh giá tỷ lệ tín hiệu trên tiếng ồn cho từng tần số.

Tìm hiểu thêm về tính năng Gộp nhóm và Tổng hợp trong các khoảng thời gian dài hơn.

Quyết định: Các biến của chiến dịch ảnh hưởng đến lượt chuyển đổi có thể phân bổ

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Mặc dù điều này có thể khó dự đoán và có thể có các biến động đáng kể ngoài tác động theo tính thời vụ, nhưng hãy thử và ước tính số lượt chuyển đổi có thể phân bổ một lần chạm hằng ngày với luỹ thừa gần nhất của 10: 10, 100, 1.000 hoặc 10.000.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu chuyển đổi của bạn.
Quan sát các tham số mặc định. Theo mặc định, tổng số lượt chuyển đổi có thể phân bổ hằng ngày là 1.000. Con số này trung bình khoảng 40 cho mỗi nhóm nếu bạn sử dụng chế độ thiết lập mặc định (phương diện mặc định, số lượng giá trị mặc định có thể có các giá trị khác nhau cho mỗi phương diện, Chiến lược chính A). Lưu ý rằng giá trị nhập vào là 40 trong mục Số lượt chuyển đổi có thể phân bổ trung bình hằng ngày MỖI BUCKET.
Nhấp vào Mô phỏng để chạy hoạt động mô phỏng với các tham số mặc định.
Quan sát tỷ lệ nhiễu của quá trình mô phỏng thu được.
Bây giờ, hãy đặt tổng số lượt chuyển đổi có thể phân bổ hằng ngày thành 100. Hãy lưu ý rằng điều này sẽ làm giảm giá trị của Số lượt chuyển đổi trung bình hằng ngày có thể phân bổ cho mỗi lượt chuyển đổi.
Nhấp vào Mô phỏng.
Hãy quan sát để thấy rằng tỷ lệ độ nhiễu hiện đã cao hơn: lý do là khi bạn có ít lượt chuyển đổi hơn trên mỗi bộ chứa, thì độ nhiễu sẽ được áp dụng nhiều hơn để duy trì quyền riêng tư.

Một điểm khác biệt quan trọng là tổng số lượt chuyển đổi có thể xảy ra của một nhà quảng cáo so với tổng số lượt chuyển đổi được phân bổ có thể có. Cuối cùng là yếu tố ảnh hưởng đến độ nhiễu trong báo cáo tóm tắt. Lượt chuyển đổi được phân bổ là một tập hợp con trong tổng số lượt chuyển đổi dễ bị ảnh hưởng bởi các biến chiến dịch, chẳng hạn như ngân sách quảng cáo và tiêu chí nhắm mục tiêu quảng cáo. Ví dụ: bạn có thể kỳ vọng số lượt chuyển đổi được phân bổ cho chiến dịch quảng cáo trị giá 10 triệu đô la Mỹ sẽ cao hơn so với số lượt chuyển đổi được phân bổ cho chiến dịch quảng cáo trị giá 10. 000 đô la Mỹ, tất cả mọi thứ đều bằng nhau.

Những điều cần cân nhắc:

Đánh giá lượt chuyển đổi được phân bổ dựa trên mô hình phân bổ một lần chạm, cùng một thiết bị, vì các lượt chuyển đổi này nằm trong phạm vi báo cáo tóm tắt được thu thập bằng API Báo cáo phân bổ.
Hãy xem xét cả số lượng tình huống xấu nhất và trường hợp tốt nhất cho số lượt chuyển đổi được phân bổ. Ví dụ: nếu mọi thứ khác đều bằng nhau, hãy cân nhắc ngân sách tối thiểu và tối đa có thể có của chiến dịch cho một nhà quảng cáo, sau đó dự đoán các lượt chuyển đổi có thể phân bổ cho cả hai kết quả dưới dạng dữ liệu đầu vào để mô phỏng.
Nếu bạn đang cân nhắc việc sử dụng Hộp cát về quyền riêng tư trên Android, hãy cân nhắc các lượt chuyển đổi được phân bổ trên nhiều nền tảng trong quá trình tính toán.

Quyết định: Sử dụng tỷ lệ

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược tổng hợp của bạn > Mở rộng quy mô. Theo mặc định, tuỳ chọn này được đặt thành Có.
Để hiểu được tác động tích cực của việc điều chỉnh tỷ lệ đối với tỷ lệ độ nhiễu, trước tiên, hãy đặt Tỷ lệ thành Không.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của quá trình mô phỏng thu được.
Đặt Tỷ lệ thành Có. Xin lưu ý rằng Phòng thí nghiệm tiếng ồn sẽ tự động tính toán các hệ số tỷ lệ cần sử dụng dựa trên phạm vi (giá trị trung bình và tối đa) của mục tiêu đo lường cho trường hợp của bạn. Trong quá trình thiết lập bản dùng thử theo nguyên gốc hoặc hệ thống thực tế, bạn nên triển khai cách tính toán của riêng mình cho các hệ số tỷ lệ.
Nhấp vào Mô phỏng.
Hãy quan sát để thấy rằng tỷ lệ nhiễu hiện đã thấp hơn (tốt hơn) trong quá trình mô phỏng thứ hai này. Điều này là do bạn đang sử dụng tính năng điều chỉnh theo tỷ lệ.

Theo nguyên tắc thiết kế cốt lõi, độ nhiễu được thêm vào là một chức năng của ngân sách khoản đóng góp.

Do đó, để tăng tỷ lệ tín hiệu trên độ nhiễu, bạn có thể quyết định biến đổi các giá trị được thu thập trong một sự kiện chuyển đổi bằng cách điều chỉnh theo tỷ lệ các giá trị đó theo ngân sách đóng góp (và giảm quy mô của các giá trị sau khi tổng hợp). Sử dụng tỷ lệ để tăng tỷ lệ tín hiệu trên độ nhiễu.

Quyết định: Số lượng mục tiêu đo lường và tỷ lệ phân chia ngân sách về quyền riêng tư

Vấn đề này liên quan đến việc Điều chỉnh tỷ lệ; hãy nhớ đọc bài viết Sử dụng điều chỉnh theo tỷ lệ.

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Mục tiêu đo lường là một điểm dữ liệu riêng biệt được thu thập trong các sự kiện chuyển đổi.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu bạn muốn theo dõi: Mục tiêu đo lường. Theo mặc định, bạn có 2 mục tiêu đo lường: giá trị giao dịch mua hàng và số lượng giao dịch mua.
Nhấp vào Mô phỏng để chạy phiên mô phỏng với các mục tiêu mặc định.
Nhấp vào Xoá. Thao tác này sẽ xoá mục tiêu đo lường cuối cùng (số lượt mua hàng trong trường hợp đó).
Nhấp vào Mô phỏng.
Hãy quan sát rằng tỷ lệ nhiễu của giá trị giao dịch mua hiện đã thấp hơn (tốt hơn) cho hoạt động mô phỏng thứ hai này. Điều này là do bạn có ít mục tiêu đo lường, nên một mục tiêu đo lường của bạn hiện nhận được toàn bộ ngân sách đóng góp.
Nhấp vào Đặt lại. Bây giờ, bạn lại có 2 mục tiêu đo lường: giá trị mua hàng và số lượng giao dịch mua. Xin lưu ý rằng Phòng thí nghiệm tiếng ồn sẽ tự động tính toán các hệ số tỷ lệ cần sử dụng dựa trên phạm vi (giá trị trung bình và tối đa) của mục tiêu đo lường cho trường hợp của bạn. Theo mặc định, Phòng thí nghiệm tiếng ồn phân chia đồng đều ngân sách cho các mục tiêu đo lường.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của quá trình mô phỏng thu được. Hãy lưu ý đến các hệ số tỷ lệ hiển thị trên quá trình mô phỏng.
Bây giờ, hãy tuỳ chỉnh mức phân chia ngân sách quyền riêng tư để đạt được tỷ lệ tín hiệu trên độ nhiễu cao hơn.
Chỉnh sửa % ngân sách được chỉ định cho từng mục tiêu đo lường. Với các thông số mặc định, mục tiêu đo lường 1 (cụ thể là giá trị giao dịch mua) có phạm vi rộng hơn nhiều (từ 0 đến 1000) so với Mục tiêu đo lường 2, cụ thể là số lượt mua hàng (từ 1 đến 1, tức là luôn bằng 1). Do đó, mục tiêu này cần "nhiều không gian hơn để mở rộng quy mô": bạn nên chỉ định ngân sách đóng góp cho mục tiêu Đo lường 1 nhiều hơn so với mục tiêu Đo lường 2 để có thể mở rộng quy mô một cách hiệu quả hơn (xem Mở rộng quy mô).
Chỉ định 70% ngân sách cho mục tiêu Đo lường 1. Chỉ định 30% cho mục tiêu Đo lường 2.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của quá trình mô phỏng thu được. Đối với giá trị giao dịch mua, tỷ lệ độ nhiễu hiện đã thấp hơn đáng kể (tốt hơn) so với phiên bản mô phỏng trước đó. Đối với số lượt mua, các số liệu này gần như không thay đổi.
Tiếp tục điều chỉnh tỷ lệ phân chia ngân sách cho các chỉ số. Hãy quan sát cách tính năng này ảnh hưởng đến độ nhiễu.

Xin lưu ý rằng bạn có thể thiết lập mục tiêu đo lường tuỳ chỉnh của riêng mình bằng các nút Thêm/Xoá/Đặt lại.

Nếu bạn đo lường một điểm dữ liệu (mục tiêu đo lường) trên một sự kiện chuyển đổi, chẳng hạn như số lượt chuyển đổi, thì điểm dữ liệu đó có thể nhận được toàn bộ ngân sách đóng góp (65536). Nếu bạn đặt nhiều mục tiêu đo lường cho một sự kiện chuyển đổi, chẳng hạn như số lượt chuyển đổi và giá trị giao dịch mua, thì các điểm dữ liệu đó sẽ cần chia sẻ ngân sách đóng góp. Điều này có nghĩa là bạn có ít thời gian hơn để mở rộng giá trị của mình.

Do đó, bạn càng có nhiều mục tiêu đo lường, thì tỷ lệ tín hiệu trên độ nhiễu càng thấp (độ nhiễu cao hơn).

Một quyết định khác cần đưa ra liên quan đến mục tiêu đo lường là phân chia ngân sách. Nếu bạn chia đều ngân sách đóng góp cho 2 điểm dữ liệu, thì mỗi điểm dữ liệu sẽ có ngân sách là 65536/2 = 32768. Điều này có thể là hoặc không tối ưu tuỳ thuộc vào giá trị tối đa có thể có cho từng điểm dữ liệu. Ví dụ: nếu bạn đang đo lường số lượt mua hàng có giá trị tối đa là 1 và giá trị giao dịch mua có giá trị tối thiểu là 1 và tối đa là 120, thì giá trị mua hàng sẽ hưởng lợi từ việc có "thêm không gian" để mở rộng quy mô, tức là bạn sẽ nhận được một tỷ lệ lớn hơn trong ngân sách đóng góp. Bạn sẽ biết liệu một số mục tiêu đo lường có nên được ưu tiên hơn các mục tiêu khác khi xét đến tác động của độ nhiễu hay không.

Quyết định: Quản lý cơ sở dữ liệu bên ngoài

Dùng thử tính năng này trong Phòng thí nghiệm tiếng ồn

Mục tiêu đo lường là một điểm dữ liệu riêng biệt được thu thập trong các sự kiện chuyển đổi.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược tổng hợp của bạn > Mở rộng quy mô.
Hãy đảm bảo đặt tỷ lệ thành Có. Xin lưu ý rằng Phòng thí nghiệm tiếng ồn tự động tính toán các hệ số tỷ lệ cần sử dụng, dựa trên phạm vi (giá trị trung bình và tối đa) bạn đã cung cấp cho mục tiêu đo lường.
Giả sử giao dịch mua lớn nhất từng thực hiện là 2.000 USD, nhưng hầu hết giao dịch mua xảy ra trong khoảng từ 10 đến 120 USD. Trước tiên, hãy xem điều gì sẽ xảy ra nếu chúng ta sử dụng phương pháp điều chỉnh theo tỷ lệ cố định (không nên dùng): hãy nhập $2000 làm giá trị tối đa cho purchaseValue.
Nhấp vào Mô phỏng.
Hãy quan sát để thấy rằng tỷ lệ nhiễu cao. Nguyên nhân là do hệ số tỷ lệ của chúng tôi hiện được tính dựa trên 2.000 USD, trong khi thực tế, hầu hết giá trị giao dịch mua sẽ thấp hơn đáng kể so với con số đó.
Bây giờ, hãy sử dụng phương pháp chia tỷ lệ thực tế hơn. Thay đổi giá trị giao dịch mua tối đa thành 120 USD.
Nhấp vào Mô phỏng.
Hãy quan sát thấy tỷ lệ nhiễu thấp hơn (tốt hơn) trong quá trình mô phỏng thứ hai này.

Để triển khai việc điều chỉnh theo tỷ lệ, thông thường, bạn sẽ tính toán hệ số tỷ lệ dựa trên giá trị tối đa có thể có của một sự kiện chuyển đổi nhất định (tìm hiểu thêm trong ví dụ này).

Tuy nhiên, hãy tránh sử dụng giá trị tối đa cố định để tính hệ số tỷ lệ đó, vì điều này sẽ làm giảm tỷ lệ tín hiệu trên độ nhiễu. Thay vào đó, hãy loại bỏ các điểm ngoại lai và sử dụng giá trị tối đa thực tế.

Việc quản lý ngoại lệ là một chủ đề chuyên sâu. Bạn có thể cân nhắc một số kỹ thuật phức tạp để cải thiện tỷ lệ tín hiệu trên nhiễu. Một ví dụ được mô tả trong phần Quản lý ngoại lệ nâng cao.

Các bước tiếp theo

Sau khi đã đánh giá nhiều chiến lược quản lý độ nhiễu cho trường hợp sử dụng của mình, bạn đã sẵn sàng bắt đầu thử nghiệm báo cáo tóm tắt bằng cách thu thập dữ liệu đo lường thực thông qua bản dùng thử theo nguyên gốc. Hãy xem hướng dẫn và các mẹo để dùng thử API.

Phụ lục

Chuyến tham quan nhanh về Phòng thí nghiệm tiếng ồn

Phòng thí nghiệm tiếng ồn giúp bạn nhanh chóng đánh giá và so sánh các chiến lược quản lý tiếng ồn. Bạn có thể sử dụng kỹ thuật này để:

Nắm được các thông số chính có thể ảnh hưởng đến độ nhiễu và tác động của các thông số đó.
Mô phỏng ảnh hưởng của độ nhiễu đối với dữ liệu đo lường đầu ra dựa trên các quyết định thiết kế khác nhau. Chỉnh sửa các tham số thiết kế cho đến khi bạn đạt được tỷ lệ tín hiệu trên độ nhiễu phù hợp với trường hợp sử dụng của mình.
Chia sẻ ý kiến phản hồi về tiện ích của báo cáo tóm tắt: những giá trị nào của epsilon và các tham số nhiễu thì phù hợp với bạn, còn những giá trị nào thì không? Các điểm uốn nằm ở đâu?

Hãy coi đây là một bước chuẩn bị. Noise Lab tạo dữ liệu đo lường để mô phỏng kết quả của báo cáo tóm tắt dựa trên thông tin đầu vào của bạn. chứ không duy trì hoặc chia sẻ bất kỳ dữ liệu nào.

Có hai chế độ khác nhau trong Phòng thí nghiệm tiếng ồn:

Chế độ đơn giản: nắm được kiến thức cơ bản về các chế độ kiểm soát mà bạn có về độ nhiễu.
Chế độ nâng cao: thử nghiệm nhiều chiến lược quản lý tiếng ồn và đánh giá xem chiến lược nào dẫn đến tỷ lệ tín hiệu trên tiếng ồn tốt nhất cho các trường hợp sử dụng của bạn.

Nhấp vào các nút trong trình đơn trên cùng để chuyển đổi giữa hai chế độ (#1. trong ảnh chụp màn hình bên dưới).

Chế độ đơn giản

Với Chế độ đơn giản, bạn sẽ kiểm soát các Thông số (ở bên trái hoặc số 2. trong ảnh chụp màn hình bên dưới) chẳng hạn như Epsilon và xem cách các Thông số này ảnh hưởng đến độ nhiễu.
Mỗi thông số đều có một phần chú thích (nút "?"). Hãy nhấp vào các trường này để xem nội dung giải thích về từng thông số (#3. trong ảnh chụp màn hình bên dưới)
Để bắt đầu, hãy nhấp vào nút "Mô phỏng" và quan sát xem kết quả đầu ra trông như thế nào (#4. trong ảnh chụp màn hình bên dưới)
Trong phần Kết quả, bạn có thể thấy nhiều thông tin chi tiết. Một số phần tử có `?` bên cạnh. Hãy dành thời gian nhấp vào từng "?" để xem nội dung giải thích về nhiều loại thông tin.
Trong phần Kết quả, hãy nhấp vào nút bật/tắt Chi tiết nếu bạn muốn xem phiên bản mở rộng của bảng (#5. trong ảnh chụp màn hình bên dưới)
Bên dưới mỗi bảng dữ liệu trong phần đầu ra, bạn có thể tải bảng xuống để sử dụng khi không có mạng. Ngoài ra, ở góc dưới cùng bên phải có tuỳ chọn để tải tất cả các bảng dữ liệu xuống (số 6. trong ảnh chụp màn hình bên dưới)
Kiểm thử các chế độ cài đặt khác nhau cho tham số trong phần Tham số rồi nhấp vào Mô phỏng để xem các chế độ đó ảnh hưởng như thế nào đến kết quả:

Giao diện Phòng thí nghiệm độ ồn ở chế độ Đơn giản.

Chế độ nâng cao

Trong Chế độ nâng cao, bạn có nhiều quyền kiểm soát hơn đối với các Thông số. Bạn có thể thêm Mục tiêu đo lường và Phương diện tuỳ chỉnh (số 1 và 2 trong ảnh chụp màn hình bên dưới)
Di chuyển xuống dưới trong phần Thông số và xem tuỳ chọn Chiến lược chính. Bạn có thể dùng tính năng này để kiểm thử các cấu trúc chính khác nhau (#3. trong ảnh chụp màn hình bên dưới)
- Để thử nghiệm nhiều Cấu trúc chính, hãy chuyển Chiến lược chính thành "B"
- Nhập số lượng cấu trúc phím khác nhau mà bạn muốn sử dụng (mặc định là đặt là "2")
- Nhấp vào Tạo cấu trúc khoá
- Bạn sẽ thấy các tuỳ chọn để chỉ định cấu trúc chính bằng cách nhấp vào hộp đánh dấu bên cạnh các khoá mà bạn muốn đưa vào cho mỗi cấu trúc khoá
- Nhấp vào Mô phỏng để xem kết quả.
  
  Giao diện Phòng thí nghiệm tiếng ồn cho Chế độ nâng cao.
  
  Giao diện Phòng thí nghiệm tiếng ồn cho Chế độ nâng cao.

Chỉ số tiếng ồn

Khái niệm cốt lõi

Tiếng ồn được thêm vào để bảo vệ quyền riêng tư của cá nhân người dùng.

Giá trị độ nhiễu cao cho biết nhóm/khoá bị thưa thớt và chứa nội dung đóng góp từ một số ít sự kiện nhạy cảm. Điều này được Phòng thí nghiệm tiếng ồn thực hiện tự động, để cho phép các cá nhân "ẩn trong đám đông" hay nói cách khác là bảo vệ quyền riêng tư của những cá nhân hạn chế này bằng mức độ nhiễu lớn hơn.

Giá trị độ nhiễu thấp cho biết cách thiết lập dữ liệu được thiết kế theo cách cho phép các cá nhân "ẩn trong đám đông". Điều này có nghĩa là các nhóm chứa nội dung đóng góp từ đủ số lượng sự kiện để đảm bảo quyền riêng tư của từng người dùng được bảo vệ.

Câu này đúng với cả lỗi tỷ lệ phần trăm trung bình (APE) và RMSRE_T (lỗi tương đối gốc-trung bình-bình phương với một ngưỡng).

APE (tỷ lệ phần trăm trung bình lỗi)

APE là tỷ lệ độ nhiễu so với tín hiệu, cụ thể là giá trị tóm tắt thực tế.p> Giá trị APE càng thấp thì tỷ lệ tín hiệu trên tín hiệu càng cao.

Công thức

Đối với một báo cáo tóm tắt nhất định, APE được tính như sau:

Phương trình cho APE. Bạn cần phải nhập giá trị tuyệt đối, vì độ nhiễu có thể là số âm.

True là giá trị tóm tắt đúng. APE là giá trị trung bình của độ nhiễu trên mỗi giá trị tóm tắt thực, tính trung bình trên tất cả các mục trong một báo cáo tóm tắt. Trong Phòng thí nghiệm tiếng ồn, giá trị này được nhân với 100 để có kết quả phần trăm.

Ưu và nhược điểm

Bộ chứa có kích thước nhỏ hơn có tác động không cân đối đến giá trị cuối cùng của APE. Điều này có thể gây hiểu lầm khi đánh giá độ nhiễu. Do đó, chúng tôi thêm một chỉ số khác là RMSRE_T nhằm giảm thiểu hạn chế này của APE. Xem ví dụ để biết thông tin chi tiết.

Mã

Xem lại mã nguồn để tính toán APE.

RMSRE_T (lỗi tương đối trung bình gốc-bình phương có ngưỡng)

RMSRE_T (lỗi tương đối trung bình gốc – bình phương có ngưỡng) là một phép đo độ nhiễu khác.

Cách diễn giải RMSRE_T

Giá trị RMSRE_T thấp hơn có nghĩa là tỷ lệ tín hiệu trên nhiễu tốt hơn.
Ví dụ: nếu tỷ lệ tiếng ồn chấp nhận được cho trường hợp sử dụng của bạn là 20% và RMSRE_T là 0,2, thì bạn có thể yên tâm rằng mức độ nhiễu nằm trong phạm vi chấp nhận được.

Công thức

Đối với một báo cáo tóm tắt cụ thể, RMSRE_T được tính như sau:

Ưu và nhược điểm

RMSRE_T phức tạp hơn một chút so với APE. Tuy nhiên, trong một số trường hợp, thuật toán này có thể phù hợp hơn so với APE để phân tích độ nhiễu trong báo cáo tóm tắt:

RMSRE_T ổn định hơn. "T" là một ngưỡng. "T" được dùng để giảm trọng số trong phép tính RMSRE_T cho các nhóm có ít lượt chuyển đổi hơn và do đó nhạy cảm hơn với nhiễu do kích thước nhỏ. Với T, chỉ số này không tăng đột biến trên những nhóm có ít lượt chuyển đổi. Nếu T bằng 5, giá trị độ nhiễu nhỏ bằng 1 trên nhóm có 0 lượt chuyển đổi sẽ không được hiển thị trên mức 1. Thay vào đó, nó sẽ được giới hạn ở mức 0,2, tương đương với 1/5, vì T bằng 5. Bằng cách giảm trọng số cho các nhóm nhỏ hơn, vốn nhạy cảm hơn với nhiễu, chỉ số này ổn định hơn và do đó giúp so sánh hai mô phỏng dễ dàng hơn.
RMSRE_T cho phép dễ dàng tổng hợp. Việc biết RMSRE_T của nhiều nhóm cùng với số lượng thực của chúng cho phép bạn tính RMSRE_T của tổng. Việc này cũng giúp bạn tối ưu hoá RMSRE_T cho những giá trị kết hợp này.

Mặc dù có thể tổng hợp đối với APE, nhưng công thức khá phức tạp vì nó liên quan đến giá trị tuyệt đối của tổng các nhiễu Laplace. Điều này khiến APE khó tối ưu hoá hơn.

Mã

Xem lại mã nguồn để tính toán RMSRE_T.

Ví dụ

Báo cáo tóm tắt có ba nhóm:

nhóm_1 = nhiễu: 10, truesummaryGiá trị: 100
nhóm_2 = nhiễu: 20, truesummaryGiá trị: 100
nhóm_3 = nhiễu: 20, truesummaryGiá trị: 200

APE = (0,1 + 0,2 + 0,1) / 3 = 13%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,200))^2) / 3) =  sqrt( (0.01 + 0.04 + 0.01) / 3) =  0.14

Báo cáo tóm tắt có ba nhóm:

nhóm_1 = nhiễu: 10, truesummaryGiá trị: 100
nhóm_2 = nhiễu: 20, truesummaryGiá trị: 100
bộ chứa_3 = nhiễu: 20, truesummaryGiá trị: 20

APE = (0,1 + 0,2 + 1) / 3 = 43%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,20))^2) / 3)  =  sqrt( (0.01 + 0.04 + 1.0) / 3) =  0.59

Báo cáo tóm tắt có ba nhóm:

nhóm_1 = nhiễu: 10, truesummaryGiá trị: 100
nhóm_2 = nhiễu: 20, truesummaryGiá trị: 100
bộ chứa_3 = nhiễu: 20, truesummaryGiá trị: 0

APE = (0,1 + 0,2 + Vô cực) / 3 = Vô hạn

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2  +
(20/max(5,0))^2) / 3) =  sqrt( (0.01 + 0.04 + 16.0) / 3) =  2.31

Quản lý khoá nâng cao

Một DSP (Bộ xử lý tín hiệu kỹ thuật số) hoặc công ty đo lường quảng cáo có thể có hàng nghìn khách hàng quảng cáo trên toàn cầu, trải rộng trên nhiều ngành, đơn vị tiền tệ và tiềm năng của giá mua. Điều này có nghĩa là việc tạo và quản lý một khoá tổng hợp cho mỗi nhà quảng cáo có thể sẽ không thực tế. Ngoài ra, việc chọn một giá trị tổng hợp và ngân sách tổng hợp tối đa có thể hạn chế tác động của độ nhiễu đối với hàng nghìn nhà quảng cáo trên toàn cầu này sẽ rất khó khăn. Thay vào đó, hãy xem xét các trường hợp sau:

Chiến lược chính A

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý một khoá cho tất cả các khách hàng quảng cáo của mình. Đối với tất cả các nhà quảng cáo và mọi đơn vị tiền tệ, phạm vi giao dịch mua rất đa dạng, từ giao dịch mua số lượng ít, cao cấp đến giao dịch mua số lượng lớn, giá thấp. Điều này dẫn đến khoá sau:

	Khoá (nhiều đơn vị tiền tệ)
Giá trị tổng hợp tối đa	5.000.000
Khoảng giá trị giao dịch mua	[120 – 5000000]

Chiến lược chính B

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý 2 khoá cho tất cả các khách hàng quảng cáo của mình. Họ quyết định tách khoá theo đơn vị tiền tệ. Đối với tất cả các nhà quảng cáo và tất cả các đơn vị tiền tệ, phạm vi giao dịch mua sẽ khác nhau, từ giao dịch mua số lượng ít, cao cấp đến giao dịch mua số lượng lớn, cấp thấp. Tách biệt theo đơn vị tiền tệ, người dùng sẽ tạo 2 khoá:

	Khoá 1 (USD)	Phím 2 (JPY)
Giá trị tổng hợp tối đa	$40.000	5.000.000 yên
Khoảng giá trị giao dịch mua	[120 – 40.000]	[15.000 – 5.000.000]

Chiến lược chính B sẽ có kết quả ít gây nhiễu hơn so với Chiến lược chính A, vì giá trị tiền tệ không được phân phối đồng nhất giữa các đơn vị tiền tệ. Ví dụ: hãy cân nhắc việc các giao dịch mua bằng JPY kết hợp với các giao dịch mua có giá trị bằng USD sẽ làm thay đổi dữ liệu cơ bản và dẫn đến kết quả nhiễu.

Chiến lược chính C

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý 4 khoá cho toàn bộ khách hàng quảng cáo của mình, đồng thời phân tách các khoá đó theo ngành Đơn vị tiền tệ x Nhà quảng cáo:

	Khoá 1 (USD x Nhà quảng cáo trang sức cao cấp)	Khoá 2 (JPY x Nhà quảng cáo trang sức cao cấp)	Khoá 3 (USD x Nhà quảng cáo bán lẻ quần áo)	Khoá 4 (JPY x Nhà quảng cáo bán lẻ quần áo)
Giá trị tổng hợp tối đa	$40.000	5.000.000 yên	500 đô la	JPY 65.000
Khoảng giá trị giao dịch mua	[10.000 – 40.000]	[1.250.000 – 5.000.000]	[120 – 500]	[15.000 – 65.000]

Chiến lược chính C sẽ có kết quả ít gây nhiễu hơn so với Chiến lược chính B, vì giá trị giao dịch mua của nhà quảng cáo không được phân bổ đồng đều giữa các nhà quảng cáo. Ví dụ: hãy cân nhắc việc kết hợp giao dịch mua đồ trang sức cao cấp kết hợp với giao dịch mua mũ bóng chày sẽ làm thay đổi dữ liệu cơ bản và dẫn đến kết quả nhiễu.

Hãy cân nhắc tạo giá trị tổng hợp tối đa dùng chung và hệ số tỷ lệ dùng chung cho những điểm chung giữa nhiều nhà quảng cáo để giảm nhiễu trong đầu ra. Ví dụ: bạn có thể thử nghiệm với các chiến lược khác nhau bên dưới cho các nhà quảng cáo của mình:

Một chiến lược được tách riêng theo đơn vị tiền tệ (USD, JPY, CAD, v.v.)
Một chiến lược được tách riêng theo ngành của nhà quảng cáo (Bảo hiểm, Ô tô, Bán lẻ, v.v.)
Một chiến lược được phân tách theo các phạm vi giá trị giao dịch mua tương tự ([100], [1000], [10000], v.v.)

Bằng cách tạo các chiến lược chính dựa trên những điểm chung của nhà quảng cáo, các khoá và mã tương ứng sẽ dễ quản lý hơn và tỷ lệ tín hiệu trên độ nhiễu sẽ cao hơn. Thử nghiệm với nhiều chiến lược dựa trên những điểm chung của các nhà quảng cáo khác nhau để khám phá các điểm uốn trong việc tối đa hoá tác động của độ nhiễu so với việc quản lý mã.

Quản lý các điểm ngoại lệ nâng cao

Hãy xem xét một tình huống giữa hai nhà quảng cáo:

Nhà quảng cáo A:
- Trên tất cả các sản phẩm trên trang web của Nhà quảng cáo A, giá mua có thể nằm trong khoảng [$120 - $1.000] và trong khoảng $880.
- Giá mua được phân bổ đồng đều trong khoảng 880 USD mà không có các điểm ngoại lai nằm ngoài 2 mức chênh lệch chuẩn so với giá mua trung bình.
Nhà quảng cáo B:
- Trên tất cả các sản phẩm trên trang web của Nhà quảng cáo B, giá mua có thể nằm trong khoảng [$120 - $1.000] và trong phạm vi $880.
- Giá mua lệch nhiều về phía khoảng từ 120 USD đến 500 USD, chỉ 5% số giao dịch mua nằm trong khoảng từ 500 USD đến 1.000 USD.

Dựa trên các yêu cầu về ngân sách đóng góp và phương pháp [áp dụng mức độ nhiễu](/privacy-sandbox/relevance/attribution-reporting/understanding-noise/#how-noise-is-applied) đối với kết quả cuối cùng, Nhà quảng cáo B sẽ mặc định có kết quả gây nhiễu hơn Nhà quảng cáo A, vì Nhà quảng cáo B có nhiều khả năng tác động đến các phép tính cơ bản hơn.

Bạn có thể giảm thiểu điều này bằng cách thiết lập khoá cụ thể. Kiểm thử các chiến lược chính giúp quản lý dữ liệu ngoại lệ và phân phối đồng đều hơn các giá trị giao dịch mua trên phạm vi giao dịch mua của khoá.

Đối với Nhà quảng cáo B, bạn có thể tạo hai khoá riêng biệt để ghi nhận hai phạm vi giá trị giao dịch mua khác nhau. Trong ví dụ này, công nghệ quảng cáo nhận thấy rằng các điểm ngoại lai xuất hiện trên giá trị giao dịch mua 500 USD. Hãy thử triển khai hai khoá riêng biệt cho nhà quảng cáo này:

Cấu trúc khoá 1 : Khoá chỉ ghi nhận các giao dịch mua trong khoảng từ $120 đến $500 (chiếm khoảng 95% tổng số giao dịch mua).
Cấu trúc khoá 2: Khoá chỉ ghi nhận các giao dịch mua hàng trên 500 USD (chiếm khoảng 5% tổng số giao dịch mua).

Việc triển khai chiến lược chính này sẽ giúp quản lý tốt hơn độ nhiễu cho Nhà quảng cáo B và giúp tăng tối đa lợi ích cho họ từ các báo cáo tóm tắt. Do các phạm vi mới nhỏ hơn, Khoá A và Khoá B hiện sẽ được phân bổ dữ liệu đồng đều hơn trên từng khoá tương ứng so với khoá đơn trước đó. Điều này sẽ giúp giảm độ nhiễu đối với dữ liệu đầu ra của mỗi phím so với đầu ra của một phím trước đó.