您可以使用廣告資料中心執行查詢，彙整 Google 資料與您上傳至 BigQuery 的第一方資料。這樣一來，您就能更全面地瞭解使用者與平台的互動情況，提高歸因的準確度。
您的資料必須與廣告資料中心追蹤的 ID 彙整為鍵值。這個彙整鍵會成為您與 Google 雙方資料的共用屬性，以便連結兩個資料集。廣告資料中心支援使用下列鍵進行彙整：
- 可重設裝置 ID (RDID) [不適用於供應商]
- Floodlight 自訂變數
- Cookie
- LiveRamp RampID (目前為 Beta 版)
雖然部分彙整鍵可能更適合特定用途，但選擇彙整鍵時更重要的判斷因素為資料的設定方式 (即為應用程式或離線資料)，而非用途。以 RDID 和 Cookie 為例，兩者都能做為彙整鍵來區隔顧客。不過，使用 RDID 進行彙整的做法，就較有益於流量主要來自應用程式 (例如共乘服務公司) 的廣告主。對銷售量來自他處的廣告主而言，這麼做的助益相較之下沒那麼大。
概括而言，各種比對選項的用途都一樣：彙整您與 Google 雙方的資料後，您就能解答更有意義的廣告問題，並建立更合適的目標對象。差別在於，各比對選項提供的資料存取權限有別、限制不同，且在設定和維護方面需要投入的心力不一。
可用彙整鍵總覽
請參閱下列總覽，進一步瞭解可用彙整鍵之間的差異。
您可能只能比對部分 Google 廣告資料。媒合率會受到許多因素影響，且因用途和用戶端設定而異。媒合率通常會低於使用者預期。
RDID
RDID 是一種專屬 ID，專門用於行動裝置上的原生應用程式。因此，RDID 比對很適合資料主要來自行動應用程式，或是在行動裝置上放送大量曝光的廣告客戶。RDID 比對在設定方面最節省心力。
Floodlight 自訂變數
Floodlight 自訂變數是附加至 Floodlight 代碼的網址參數，會在轉換事件期間擷取資訊。Floodlight 代碼是 Google Marketing Platform (GMP) 資源的專屬代碼，因此只能比對 GMP ID。進行 Floodlight 自訂變數比對時，在設定方面需要花費一些心力。
Cookie
Cookie 比對可將廣告客戶的 Cookie 與 Google 的 Cookie 建立關聯。這項功能在設定方面需要投入心力，且為對照表填入資料所需的時間也有所不同。
重點：使用者必須與您的網域和廣告互動，才符合加入 Cookie 比對的資格。
LiveRamp RampID
您適合哪個彙整鍵？
如前所述，選擇合適的彙整鍵主要取決於使用者與平台的互動情況。不過，某些用途無法使用特定彙整鍵。您可以透過「支援的用途」資料表，瞭解哪些鍵支援您的用途，然後判斷需要哪種資料。
支援的用途
以下清單提供用途範例，以及可用於實現用途的第一方資料。這份清單無法涵蓋所有情況。此外，如前所述，許多用途都可以透過任一彙整鍵來實現 (不過，部分用途有專屬的平台或裝置類型，可能更適合使用特定彙整鍵)。
| 用途 | 接觸點 (即行動裝置、網頁、社群媒體) | 顧客區隔資料 (即興趣相似類別) | 轉換資料 (即交易、離線轉換) |
|---|---|---|---|
| 廣告活動升幅：使用 A/B 測試評估廣告或廣告活動對轉換的影響。 | |||
| YouTube 行動版成效：追蹤在行動應用程式中發生的 YouTube 曝光。 | |||
| 應用程式內轉換：評估應用程式內發生的轉換。 | |||
| 彙整購買記錄與廣告活動放送後的資料：查看廣告活動的成效，同時提供購買記錄的相關資訊。 | |||
| 顧客區隔：彙整您追蹤的差異化資料與 Google 廣告資料，以便改善目標對象並評估成效。 | |||
| 指定中途放棄購物者：使用「加入購物車」類型的轉換事件，將中途放棄購物者建立為目標對象。 | |||
| 遙測：根據您透過應用程式追蹤的動作 (例如瀏覽及未轉換)，充實目標對象並收集洞察資料。 | |||
| 使用轉換價值指標指定目標：根據轉換的歷來價值建立目標對象。 |
設定
每種比對選項的具體導入方式有所不同。一般而言，您需要：
- 將資料上傳至 BigQuery。
- 向廣告資料中心服務帳戶授予相關資料集的讀取權限，以及內含結果的資料表寫入權限。
然而，除了上述 2 項步驟外，LiveRamp 和 Cookie 比對都必須完成額外設定。
上傳資料
將您的資料上傳至 BigQuery 的至少一個資料集 (例如 YourData)。建立另一個資料集，納入您彙整 Google 資料和自有資料的輸出結果 (例如 OutputData)。
授予廣告資料中心服務帳戶的權限
您必須針對內含想用上傳資料的所有資料集，授予廣告資料中心服務帳戶「BigQuery 資料檢視者」(roles/bigquery.dataViewer) 角色。
對於彙整輸出結果所在的資料集，相關服務帳戶也需要「BigQuery 資料編輯者」(roles/bigquery.dataEditor) 角色。