এটি লিগ্যাসি ডকুমেন্টেশন, এবং সম্পূর্ণ নাও হতে পারে। সর্বশেষ ডকুমেন্টেশন দেখতে, আপনি যদি একজন বিপণনকারী হন, মার্কেটার সাইট দেখুন। আপনি যদি একজন পরিমাপ অংশীদার হন, তাহলে পরিমাপ অংশীদারদের সাইট দেখুন।

এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

বিজ্ঞাপন ডেটা হাবে গোপনীয়তা পরীক্ষা করা হয়

অ্যাডস ডেটা হাব যা কিছু করে, তার কেন্দ্রবিন্দুতে রয়েছে ব্যবহারকারীর গোপনীয়তা; এটিই আমাদের প্ল্যাটফর্মের ভিত্তি। সেই গোপনীয়তা বজায় রাখতে এবং আমাদের গ্রাহকদের নিয়মকানুন মেনে চলতে সাহায্য করার জন্য, আমরা কিছু নির্দিষ্ট যাচাই ও বিধিনিষেধ আরোপ করি। এই ব্যবস্থাগুলো প্ল্যাটফর্ম থেকে প্রাপ্ত ডেটার মধ্যে ^কোনো স্বতন্ত্র ব্যবহারকারীর তথ্য আদান-প্রদান রোধ করার উদ্দেশ্যে তৈরি করা হয়েছে।

এখানে অ্যাডস ডেটা হাব-এর গোপনীয়তা বৈশিষ্ট্যগুলির একটি সংক্ষিপ্ত বিবরণ দেওয়া হলো, এবং পরবর্তী বিভাগগুলিতে আরও বিস্তারিত আলোচনা করা হয়েছে:

স্ট্যাটিক চেক আপনার কোয়েরিগুলোর স্টেটমেন্টগুলো পরীক্ষা করে সুস্পষ্ট এবং তাৎক্ষণিক গোপনীয়তার উদ্বেগ খুঁজে বের করে।
ডেটা অ্যাক্সেস বাজেট কোনো নির্দিষ্ট ডেটা মোট কতবার অ্যাক্সেস করা যাবে তা সীমিত করে।
অ্যাগ্রিগেশন চেক নিশ্চিত করে যে প্রতিটি সারিতে শেষ ব্যবহারকারীর গোপনীয়তা রক্ষার জন্য পর্যাপ্ত সংখ্যক ব্যবহারকারী রয়েছে।
পার্থক্য যাচাই (বা "ডিফ চেক") একাধিক ব্যবহারকারী সেটের ডেটা তুলনা করে কোনো একক ব্যবহারকারী সম্পর্কে তথ্য সংগ্রহ করা থেকে আপনাকে বিরত রাখতে সাহায্য করে।
নয়েজ ইনজেকশন হলো ডিফারেন্স চেকের একটি বিকল্প। কোনো কোয়েরির অ্যাগ্রিগেটিং SELECT ক্লজে র‍্যান্ডম নয়েজ যোগ করা হলে তা ব্যবহারকারীর গোপনীয়তা রক্ষা করার পাশাপাশি যথেষ্ট নির্ভুল ফলাফল প্রদান করে, ডিফারেন্স চেকের প্রয়োজনীয়তা দূর করে এবং আউটপুটের জন্য প্রয়োজনীয় অ্যাগ্রিগেশন থ্রেশহোল্ড কমিয়ে আনে।

যখন কোনো ফলাফল গোপনীয়তা যাচাইয়ে উত্তীর্ণ হয় না, তখন অ্যাডস ডেটা হাব একটি গোপনীয়তা বার্তা প্রদর্শন বা ফেরত দেবে, যা আপনাকে জানাবে যে একটি সারি ফিল্টার করা হয়েছে। এটি একটি একক সারি থেকে শুরু করে সম্পূর্ণ ফলাফল সেট পর্যন্ত যেকোনো কিছু হতে পারে। আপনার রিপোর্টিংয়ের মোট পরিমাণ যাতে নির্ভুল থাকে, তা নিশ্চিত করতে বাদ দেওয়া সারিগুলো থেকে ডেটা গণনা করার জন্য একটি ফিল্টার করা সারির সারাংশ ব্যবহার করুন ^২ ।

স্থির চেক

স্ট্যাটিক চেক আপনার কোয়েরির স্টেটমেন্টগুলো পরীক্ষা করে সুস্পষ্ট ও তাৎক্ষণিক গোপনীয়তার উদ্বেগ খুঁজে বের করে, যেমন ইউজার আইডেন্টিফায়ার এক্সপোর্ট করা, ইউজার আইডেন্টিফায়ারের কোনো ফাংশন ব্যবহার করা, অথবা ইউজার-লেভেল ডেটা ধারণকারী ফিল্ডের উপর অননুমোদিত ফাংশন ব্যবহার করা। স্ট্যাটিক চেক থেকে কোয়েরি ত্রুটি এড়াতে, সেরা অনুশীলনগুলো পর্যালোচনা করুন এবং কোন ফাংশনগুলো অনুমোদিত তা বুঝুন।

ডেটা অ্যাক্সেস বাজেট

আপনার ডেটা অ্যাক্সেস বাজেট একটি নির্দিষ্ট ডেটা মোট কতবার অ্যাক্সেস করতে পারবেন তা সীমিত করে। যেসব ব্যবহারকারীর বাজেট প্রায় শেষ হয়ে আসবে, তাদেরকে DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED টাইপের একটি প্রাইভেসি মেসেজের মাধ্যমে জানানো হবে। আপনি ডেটা অ্যাক্সেস বাজেট এন্ট্রি পয়েন্ট ব্যবহার করে অথবা UI-তে বাজেট নোটিফিকেশনগুলো পর্যবেক্ষণ করে বাজেটটি নিরীক্ষণ করতে পারেন।

একত্রীকরণের প্রয়োজনীয়তা

অ্যাডস ডেটা হাব-এর গোপনীয়তা যাচাইয়ের মূলে রয়েছে ব্যবহারকারী একত্রীকরণ সীমা। বেশিরভাগ কোয়েরির ক্ষেত্রে, আপনি কেবল ৫০ বা তার বেশি ব্যবহারকারীর রিপোর্টিং ডেটা পেতে পারেন। তবে, যে কোয়েরিগুলো শুধু ক্লিক এবং কনভার্সন অ্যাক্সেস করে, সেগুলো ১০ বা তার বেশি ব্যবহারকারীর উপর রিপোর্ট করার জন্য ব্যবহার করা যেতে পারে।

যেসব ইভেন্টের ইউজার আইডি শূন্য, সেগুলোকে অ্যাগ্রিগেশন থ্রেশহোল্ডের জন্য একজন ব্যবহারকারী হিসেবে গণনা করা হয়, ইভেন্টটি কতজন প্রকৃত ব্যবহারকারী তৈরি করেছেন তা নির্বিশেষে।
যেসব ব্যবহারকারীর আইডি নাল (null), তাদের অ্যাগ্রিগেশন থ্রেশহোল্ড গণনার আওতায় আনা হয় না।
নয়েজ মোড কীভাবে অ্যাগ্রিগেশন প্রয়োজনীয়তাকে প্রভাবিত করে তা জানুন ।

সর্বোত্তম পদ্ধতি: বাদ পড়া ডেটার উপর প্রতিবেদন তৈরি করতে একটি ফিল্টার করা সারি সারাংশ কনফিগার করুন। এটি আপনার প্রতিবেদনগুলিতে একটি সামঞ্জস্যপূর্ণ ভিত্তিরেখা বজায় রাখতে সাহায্য করে।

নিম্নলিখিত উদাহরণে, ১২৫ নম্বর ক্যাম্পেইন সম্বলিত সারিটি চূড়ান্ত ফলাফল থেকে ফিল্টার করে বাদ দেওয়া হবে, কারণ এটি ৪৮ জন ব্যবহারকারীর ফলাফল একত্রিত করে, যা ন্যূনতম ৫০ জন ব্যবহারকারীর সংখ্যার চেয়ে কম।

ক্যাম্পেইন আইডি	ব্যবহারকারীরা	ছাপ
১২৩	৩১৪	৯২৮
১২৪	২৭১৮	৫৭৭২
১২৫	৪৮	৩৫৩

গোপনীয়তা মোড

অ্যাডস ডেটা হাব দুটি প্রাইভেসি মোড অফার করে— ডিফারেন্স চেক এবং নয়েজ ইনজেকশন । নিম্নলিখিত বিভাগগুলিতে এই মোডগুলির বর্ণনা এবং তুলনা করা হয়েছে।

পার্থক্য যাচাই ব্যবহার করুন

পার্থক্য যাচাই নিম্নলিখিত উপায়ে একাধিক পর্যাপ্তভাবে একত্রিত ফলাফলের তুলনার মাধ্যমে ব্যবহারকারীদের শনাক্ত করা যাবে না তা নিশ্চিত করতে সাহায্য করে:

তারা আপনার চলমান কাজের ফলাফলকে আপনার পূর্ববর্তী ফলাফলের সাথে তুলনা করে।
তারা একই ফলাফল সেটের মধ্যে সারিগুলোর তুলনা করে।

দুটি জবের মধ্যে আপনার মূল ডেটাতে পরিবর্তনের কারণে ডিফারেন্স চেক ভায়োলেশন দেখা দিতে পারে। একটি জবের ফলাফলকে পূর্ববর্তী ফলাফলের সাথে তুলনা করার সময়, অ্যাডস ডেটা হাব স্বতন্ত্র ব্যবহারকারী পর্যায়ে দুর্বলতা খুঁজে থাকে। এই কারণে, ভিন্ন ভিন্ন ক্যাম্পেইনের ফলাফল, বা যে ফলাফলগুলোতে ব্যবহারকারীর সংখ্যা একই দেখানো হয়, সেগুলোতে যদি বিপুল সংখ্যক অভিন্ন ব্যবহারকারী থাকে, তবে সেগুলোও ফিল্টার হয়ে যেতে পারে।

অন্যদিকে, দুটি একত্রিত ফলাফল সেটে ব্যবহারকারীর সংখ্যা একই হতে পারে—যা দেখতে অভিন্ন মনে হয়—কিন্তু তাদের মধ্যে কোনো একক ব্যবহারকারী নাও থাকতে পারে, এবং সেই কারণে তা গোপনীয়তা-সুরক্ষিত হতে পারে, সেক্ষেত্রে সেগুলোকে ফিল্টার করা হবে না।

একটি নতুন ফলাফলের দুর্বলতা বিবেচনা করার সময় অ্যাডস ডেটা হাব আপনার পূর্ববর্তী ফলাফলগুলোর ডেটা ব্যবহার করে। এর মানে হলো, একই কোয়েরি বারবার চালালে নতুন ফলাফলের দুর্বলতা বিবেচনার জন্য পার্থক্য যাচাইয়ের কাজে ব্যবহারের জন্য আরও বেশি ডেটা তৈরি হয়। এছাড়াও, অন্তর্নিহিত ডেটা পরিবর্তিত হতে পারে, যার ফলে স্থিতিশীল বলে মনে করা কোয়েরিগুলোতেও গোপনীয়তা যাচাইয়ের লঙ্ঘন ঘটতে পারে।

যখন আপনার জব-স্তরের ফলাফলগুলিতে যথেষ্ট পার্থক্য থাকে, কিন্তু একটি নির্দিষ্ট সারি পূর্ববর্তী কোনো জবের সারির সাথে সাদৃশ্যপূর্ণ হয়, তখন Ads Data Hub সাদৃশ্যপূর্ণ সারিটিকে ফিল্টার করবে। এই উদাহরণে, দ্বিতীয় জবের ফলাফলে থাকা ক্যাম্পেইন 123 সম্বলিত সারিটি ফিল্টার করা হবে, কারণ এটি পূর্ববর্তী ফলাফল থেকে একজন ব্যবহারকারীর কারণে ভিন্ন।

কাজ ১
ক্যাম্পেইন আইডি	ব্যবহারকারীরা
১২৩	৪০০
১২৪	৫৬৯

চাকরি ২
ক্যাম্পেইন আইডি	ব্যবহারকারীরা
১২৩	৪০১
২২৪	১৩২৫

যদি কোনো রেজাল্ট সেটের সমস্ত সারির ব্যবহারকারীর সংখ্যা আগের কোনো জবের সংখ্যার সমান হয়, তাহলে Ads Data Hub সম্পূর্ণ রেজাল্ট সেটটি ফিল্টার করে দেবে। এই উদাহরণে, দ্বিতীয় জবের সমস্ত রেজাল্ট ফিল্টার করা হবে।

কাজ ১
ক্যাম্পেইন আইডি	ব্যবহারকারীরা
১২৩	৪০০
১২৪	১৩৬৭

চাকরি ২
ক্যাম্পেইন আইডি	ব্যবহারকারীরা
১২৩	৪০২
১২৪	১৩৬৭

নয়েজ ইনজেকশন ব্যবহার করুন

নয়েজ ইনজেকশন হলো ডাটাবেস কোয়েরি করার সময় ব্যবহারকারীর গোপনীয়তা রক্ষা করার জন্য ব্যবহৃত একটি কৌশল। এটি একটি কোয়েরির অ্যাগ্রিগেটিং SELECT ক্লজে র‍্যান্ডম নয়েজ যোগ করার মাধ্যমে কাজ করে। এই নয়েজ ব্যবহারকারীর গোপনীয়তা রক্ষা করার পাশাপাশি যথেষ্ট নির্ভুল ফলাফল প্রদান করে, যা পার্থক্য যাচাইয়ের প্রয়োজনীয়তা দূর করে এবং আউটপুটের জন্য প্রয়োজনীয় অ্যাগ্রিগেশন থ্রেশহোল্ড কমিয়ে দেয়। কিছু সীমাবদ্ধতা সাপেক্ষে, বেশিরভাগ বিদ্যমান কোয়েরি নয়েজ মোডে চালানো যায়। নয়েজ মোড এবং নয়েজ ইনজেকশন কীভাবে গোপনীয়তার প্রয়োজনীয়তাকে প্রভাবিত করে সে সম্পর্কে আরও জানতে, নয়েজ ইনজেকশন দেখুন।

নয়েজ ইনজেকশনের সাথে পার্থক্য পরীক্ষাগুলির তুলনা করুন

প্রকৃত তথ্য
ক্যাম্পেইন আইডি	ইম্প্রেশন সংখ্যা
১০১	৩৫
১০২	৬৩
২০১	১৪২
২০২	২১
৩০১	৫৬
৩০২	৯৯

পার্থক্য যাচাই ব্যবহার করে প্রাপ্ত ফলাফল
ক্যাম্পেইন আইডি	ইম্প্রেশন সংখ্যা
১০১	৩৫
১০২	৬৩
২০১	১৪২
২০২	২১
৩০১	৫৬
৩০২	৯৯

নয়েজ ইনজেকশন ব্যবহার করে ফলাফল
ক্যাম্পেইন আইডি	ইম্প্রেশন সংখ্যা
১০১	৩৭.৮৩৭৩
১০২	৬০.৯১০৪
২০১	১৮২.০৯৫৫
২০২	২৬.২৩৩২
৩০১	৫৮.০৮৭১
৩০২	৯৭.৫০১৮

নয়েজ মোডে ক্যাম্পেইন ১০১-এর উদাহরণ
ক্যাম্পেইন আইডি	প্রকৃত ধারণা	শব্দ যোগ করা হয়েছে	প্রাপ্ত ইম্প্রেশন ( `ANON_COUNT` )
১০১	৩৫	২.৮৩৭৩	৩৭.৮৩৭৩

ফিল্টার করা সারির সারাংশ

ফিল্টার করা সারির সারাংশ গোপনীয়তা যাচাইয়ের কারণে ফিল্টার করা ডেটার হিসাব রাখে। ফিল্টার করা সারিগুলোর ডেটা যোগ করে একটি সাধারণ সারিতে যুক্ত করা হয়। যদিও ফিল্টার করা ডেটা আরও বিশ্লেষণ করা যায় না, এটি ফলাফল থেকে কী পরিমাণ ডেটা ফিল্টার করা হয়েছে তার একটি সারাংশ প্রদান করে।

সুস্পষ্ট গোপনীয়তা ফিল্টারিং

যেসব ক্ষেত্রে আপনাকে আপনার কোয়েরি ভাগ করতে হবে কিন্তু একত্রিত ফলাফলগুলোও সমন্বয় করতে চান, সেক্ষেত্রে আপনি কয়েকটি ছোট কোয়েরিতে সুস্পষ্টভাবে গোপনীয়তা যাচাই প্রয়োগ করতে পারেন এবং তারপর সেই ফলাফলগুলোকে গোপনীয়তা-সুরক্ষিত উপায়ে একত্রিত করতে পারেন।

ব্যবহারের উদাহরণ:

আপনি একজন বিজ্ঞাপনদাতা, যিনি আপনার লিঙ্ক করা Google Ads অ্যাকাউন্টে অ্যাট্রিবিউশন ইভেন্ট টাইপ অনুযায়ী সমস্ত কনভার্সন খুঁজছেন, যার মধ্যে EEA ডেটাও অন্তর্ভুক্ত।
আপনি একজন পরিমাপ অংশীদার, যিনি আপনার লিঙ্ক করা গুগল অ্যাডস অ্যাকাউন্টে অ্যাট্রিবিউশন ইভেন্ট টাইপ অনুযায়ী সমস্ত কনভার্সন খুঁজছেন।

আপনার গুগল অ্যাডস অ্যাকাউন্টের কনভার্সনের মোট সংখ্যা পেতে, আপনি প্রতিটি গুগল পরিষেবাতে আলাদাভাবে গোপনীয়তা যাচাই প্রয়োগ করার জন্য OPTIONS(privacy_checked_export=TRUE) ক্লজ ব্যবহার করে কোয়েরিটি নতুন করে লিখতে পারেন।

এই বিভাগের উদাহরণ পুনর্লিখনটি নিম্নলিখিত কাজগুলো করে:

এটি প্রতিটি গুগল পরিষেবাতে পৃথকভাবে অনুসন্ধান করে এবং প্রতিটি অন্তর্বর্তী ফলাফল সেটের উপর সুস্পষ্টভাবে গোপনীয়তা যাচাই প্রয়োগ করে।
এটি প্রতিটি গুগল পরিষেবার (ইউটিউব, জিমেইল এবং নেটওয়ার্ক) গোপনীয়তা-যাচাইকৃত ফলাফলের জন্য একটি আলাদা টেম্প টেবিল তৈরি করে।
এটি টেম্প টেবিলগুলো থেকে গোপনীয়তা-যাচাইকৃত রূপান্তরের সংখ্যাগুলো একত্রিত করে এবং যোগফল বের করে।

CREATE TEMP TABLE youtube_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_youtube
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

CREATE TEMP TABLE network_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_network
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

CREATE TEMP TABLE gmail_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
 impression_data.campaign_id,
 attribution_event_type,
 COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_gmail
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
 AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;

SELECT
 campaign_id,
 attribution_event_type,
 SUM(num_convs) AS num_convs
FROM (
 SELECT * FROM youtube_agg
 UNION ALL
 SELECT * FROM network_agg
 UNION ALL
 SELECT * FROM gmail_agg
)
GROUP BY campaign_id, attribution_event_type

উল্লেখ্য যে, এই কোয়েরিটি টেবিলগুলোর মধ্যে সরাসরি ডেটা একত্রিত করার জন্য JOIN ব্যবহার করে না, বরং প্রথমে প্রতিটি টেবিলের জন্য কোয়েরিটি সম্পাদন করে, প্রতিটি মধ্যবর্তী টেবিলে গোপনীয়তা যাচাই প্রয়োগ করে, এবং তারপরে গোপনীয়তা-যাচাইকৃত মানগুলোর যোগফল বের করার জন্য একটি UNION ব্যবহার করে।

কোয়েরি উপদেষ্টা

আপনার SQL বৈধ হওয়া সত্ত্বেও যদি তা গোপনীয়তার সমস্যা তৈরি করতে পারে, তবে কোয়েরি অ্যাডভাইজার কোয়েরি তৈরির প্রক্রিয়া চলাকালীন কার্যকরী পরামর্শ প্রদান করে, যা আপনাকে অনাকাঙ্ক্ষিত ফলাফল এড়াতে সাহায্য করে।

কোয়েরি অ্যাডভাইজার ব্যবহার করতে:

UI . সুপারিশগুলো কোয়েরি এডিটরে, কোয়েরি টেক্সটের উপরে প্রদর্শিত হবে।
API . customers.analysisQueries.validate মেথডটি ব্যবহার করুন।

যেসব তথ্য তারা শেয়ার করতে সম্মতি দিয়েছেন, যেমন প্যানেলিস্টদের ক্ষেত্রে, তা ছাড়া। ↩
গোপনীয়তার বিধিনিষেধের কারণে বাধা না থাকলে, যেমন যখন ফিল্টার করা সারির সারাংশে থাকা ব্যবহারকারীরা একত্রীকরণের শর্ত পূরণ করেন না। ↩