بررسی حریم خصوصی در Ads Data Hub

حریم خصوصی کاربر نهایی هسته اصلی همه کارهایی است که Ads Data Hub انجام می دهد. این پایه ای است که پلت فرم ما بر آن ساخته شده است. به منظور کمک به حفظ این حریم خصوصی و کمک به مشتریان خود با رعایت مقررات، بررسی‌ها و محدودیت‌های خاصی را اعمال می‌کنیم که برای کمک به جلوگیری از انتقال داده‌های مربوط به تک تک کاربران ¹ در داده‌هایی که از پلتفرم دریافت می‌کنید، طراحی شده‌اند.

اصطلاح کلیدی: ردیف های فیلتر شده ردیف هایی هستند که به دلیل محدودیت های حریم خصوصی از نتایج حذف شده اند.

در اینجا مروری بر ویژگی‌های حریم خصوصی Ads Data Hub با جزئیات بیشتر در بخش‌های زیر است:

• چک های ایستا عبارات موجود در جستارهای شما را بررسی می کند تا نگرانی های آشکار و فوری در مورد حریم خصوصی را جستجو کند.
• بودجه دسترسی به داده، تعداد کل دفعاتی را که می‌توانید به یک داده معین دسترسی داشته باشید، محدود می‌کند.
• بررسی‌های جمع‌آوری تضمین می‌کند که هر ردیف دارای تعداد کافی کاربر برای محافظت از حریم خصوصی کاربر نهایی است.
• بررسی‌های تفاوت (یا «بررسی‌های تفاوت») مجموعه‌های نتایج را با هم مقایسه می‌کنند تا با مقایسه داده‌های مجموعه‌های مختلف کاربر از جمع‌آوری اطلاعات در مورد کاربران منفرد جلوگیری کنند.
• تزریق نویز جایگزینی برای بررسی تفاوت است.حالت نویز فقط در تجربه Ads Data Hub برای بازاریابان موجود است. برای آشنایی با تزریق نویز، این صفحه را در سایت Ads Data Hub for Marketers مشاهده کنید.

هنگامی که نتیجه بررسی حریم خصوصی را تأیید نمی کند، Ads Data Hub پیام حریم خصوصی را نشان می دهد یا به شما اطلاع می دهد که یک ردیف فیلتر شده است. این می تواند هر چیزی از یک ردیف تا یک مجموعه نتیجه کامل باشد. برای اطمینان از اینکه مجموع گزارش های شما دقیق باقی می مانند، از یک خلاصه ردیف فیلتر شده برای شمارش داده های ردیف های حذف شده ² استفاده کنید.

توجه: در صورت امکان، از داده‌های جعبه ایمنی برای تکرار و آزمایش کوئری‌ها استفاده کنید. مشاغلی که از داده‌های جعبه ایمنی استفاده می‌کنند، به تخلفات بررسی تفاوت کمک نمی‌کنند.

چک های استاتیک

بررسی‌های ایستا عبارات موجود در جستارهای شما را بررسی می‌کند تا به دنبال نگرانی‌های آشکار و فوری در مورد حریم خصوصی، مانند صادر کردن شناسه‌های کاربر، هر عملکردی از شناسه‌های کاربر، یا استفاده از توابع غیرمجاز در فیلدهایی که حاوی داده‌های سطح کاربر هستند، بپردازد. برای جلوگیری از خطاهای پرس و جو از بررسی های ایستا، بهترین شیوه ها را مرور کنید و درک کنید که کدام توابع مجاز هستند .

بودجه دسترسی به داده

بودجه دسترسی به داده شما تعداد کل دفعاتی را که می توانید به یک داده معین دسترسی داشته باشید محدود می کند. کاربرانی که به پایان بودجه خود نزدیک می شوند با یک پیام حریم خصوصی با نوع DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED مطلع می شوند. می‌توانید با استفاده از نقطه ورود بودجه دسترسی به داده یا با مشاهده اعلان‌های بودجه در رابط کاربری، بودجه را کنترل کنید.

الزامات تجمیع

هسته اصلی بررسی های حریم خصوصی Ads Data Hub آستانه تجمع کاربر است. برای اکثر پرسش‌ها، فقط می‌توانید داده‌های گزارش 50 کاربر یا بیشتر را دریافت کنید. با این حال، درخواست‌هایی که فقط به کلیک‌ها و تبدیل‌ها دسترسی دارند می‌توانند برای گزارش ده کاربر یا بیشتر استفاده شوند.

• رویدادهایی که شناسه‌های کاربر صفر شده دارند به عنوان یک کاربر در آستانه تجمیع محسوب می‌شوند، مهم نیست چند کاربر واقعی رویدادها را ایجاد کرده‌اند.
• کاربرانی که شناسه‌های پوچ دارند، در آستانه تجمع حساب نمی‌شوند.

بهترین روش: یک خلاصه ردیف فیلتر شده را برای گزارش داده هایی که حذف شده اند پیکربندی کنید. این به حفظ یک پایه ثابت در گزارش های شما کمک می کند.

در مثال زیر، ردیف حاوی کمپین 125 از نتایج نهایی فیلتر می‌شود، زیرا نتایج 48 کاربر را جمع‌آوری می‌کند که کمتر از حداقل 50 کاربر است.

شناسه کمپین	کاربران	برداشت ها
123	314	928
124	2718	5772
125	48	353

بررسی تفاوت

هشدار: طبق خط‌مشی‌های Ads Data Hub ، سعی نکنید داده‌ها را برای ابهام‌زدایی مجموعه‌هایی از کاربرانی که الزامات تجمع ما را برآورده نمی‌کنند، تفکیک کنید.

بررسی‌های تفاوت کمک می‌کند تا اطمینان حاصل شود که کاربران نمی‌توانند از طریق مقایسه چندین نتیجه جمع‌آوری‌شده به روش‌های زیر شناسایی شوند:

• آنها نتایج شغلی را که در حال اجرا هستید با نتایج قبلی شما مقایسه می کنند.
• آنها سطرها را در یک مجموعه نتیجه مقایسه می کنند.

نقض بررسی تفاوت می تواند با تغییر داده های اساسی شما بین دو شغل ایجاد شود. هنگام مقایسه نتایج یک شغل با نتایج قبلی، Ads Data Hub به دنبال آسیب‌پذیری‌ها در سطح تک تک کاربران می‌گردد. به همین دلیل، حتی نتایج کمپین های مختلف، یا نتایجی که تعداد کاربران یکسانی را گزارش می دهند، در صورتی که تعداد زیادی کاربر همپوشانی داشته باشند، می توانند فیلتر شوند.

از سوی دیگر، ممکن است دو مجموعه نتیجه جمع‌آوری‌شده تعداد کاربران یکسانی داشته باشند - که به نظر یکسان هستند - اما کاربران جداگانه را به اشتراک نگذارند، و بنابراین از نظر حریم خصوصی ایمن هستند، در این صورت فیلتر نمی‌شوند.

Ads Data Hub هنگام بررسی آسیب‌پذیری یک نتیجه جدید از داده‌های نتایج تاریخی شما استفاده می‌کند. این بدان معنی است که اجرای یک پرس و جو بارها و بارها داده های بیشتری را برای بررسی تفاوت ایجاد می کند تا هنگام در نظر گرفتن آسیب پذیری یک نتیجه جدید استفاده شود. به‌علاوه، داده‌های اساسی می‌توانند تغییر کنند، که منجر به نقض بررسی حریم خصوصی در جستارهایی که تصور می‌شود پایدار هستند، شود.

نکته: در صورت امکان، از داده‌های جعبه ایمنی برای تکرار و آزمایش عبارت‌ها استفاده کنید. مشاغلی که از داده‌های جعبه ایمنی استفاده می‌کنند، به تخلفات بررسی تفاوت کمک نمی‌کنند.

وقتی نتایج در سطح شغل شما به اندازه کافی متفاوت است، اما یک ردیف منفرد شبیه به یک ردیف در کار قبلی است، Ads Data Hub ردیف مشابه را فیلتر می کند. در این مثال، ردیف حاوی کمپین 123 در نتایج کار دوم فیلتر خواهد شد، زیرا با نتیجه قبلی توسط یک کاربر متفاوت است.

شغل 1 شناسه کمپین کاربران 123 400 124 569

شغل 2 شناسه کمپین کاربران 123 401 224 1325

اگر مجموع کاربران در تمام ردیف‌های یک مجموعه نتیجه مشابه کار قبلی باشد، Ads Data Hub کل مجموعه نتایج را فیلتر می‌کند. در این مثال، تمام نتایج حاصل از کار دوم فیلتر خواهند شد.

شغل 1 شناسه کمپین کاربران 123 400 124 1367

شغل 2 شناسه کمپین کاربران 123 402 124 1367

خلاصه ردیف فیلتر شده

ردیف‌های فیلتر شده، داده‌های جمع‌آوری‌شده را که به دلیل بررسی‌های حریم خصوصی فیلتر شده‌اند، خلاصه می‌کند . داده‌های ردیف‌های فیلتر شده جمع‌بندی می‌شوند و به یک ردیف جامع اضافه می‌شوند. در حالی که داده های فیلتر شده را نمی توان بیشتر تجزیه و تحلیل کرد، خلاصه ای از مقدار داده های فیلتر شده از نتایج را ارائه می دهد.

توجه: الزامات تجمیع برای خود خلاصه‌های ردیف فیلتر شده اعمال می‌شود. اگر خلاصه ردیف فیلتر شده به دست آمده کمتر از الزامات تجمع باشد، خود خلاصه ردیف فیلتر شده فیلتر خواهد شد.

فیلتر کردن صریح حریم خصوصی

در مواردی که نیاز به شکستن پرس و جو دارید اما می‌خواهید نتایج جمع‌آوری شده را ترکیب کنید، می‌توانید صریحاً بررسی‌های حریم خصوصی را برای چندین جستار کوچکتر اعمال کنید و سپس آن نتایج را با هم به روشی امن برای حفظ حریم خصوصی جمع کنید.

موارد استفاده مثال:

• شما تبلیغ‌کننده‌ای هستید که به دنبال همه تبدیل‌ها بر اساس نوع رویداد انتساب در حساب Google Ads مرتبط خود، که شامل داده‌های منطقه اقتصادی اروپا می‌شود، می‌گردید.
• شما یک شریک اندازه گیری هستید که به دنبال همه تبدیل ها بر اساس نوع رویداد اسناد در حساب Google Ads پیوند شده خود هستید.

برای دریافت مجموع تبدیل‌ها برای حساب Google Ads خود، می‌توانید با استفاده از یک عبارت OPTIONS(privacy_checked_export=TRUE) پرس و جو را بازنویسی کنید تا بررسی‌های حریم خصوصی را برای هر سرویس Google به صورت جداگانه اعمال کنید.

نمونه بازنویسی در این بخش به صورت زیر عمل می کند:

1. هر سرویس Google را به صورت جداگانه جستجو می‌کند و صریحاً بررسی‌های حریم خصوصی را برای هر مجموعه نتایج میانی اعمال می‌کند.
2. این یک جدول موقت جداگانه برای نتایج بررسی شده حریم خصوصی هر سرویس Google ایجاد می کند: YouTube، Gmail، و Network.
3. تعداد تبدیل‌های بررسی‌شده با حریم خصوصی را از جداول موقت جمع‌آوری و جمع‌آوری می‌کند.

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

توجه داشته باشید که این پرس و جو از JOIN برای ترکیب مستقیم داده ها بین جداول استفاده نمی کند، بلکه در عوض ابتدا پرس و جو را برای هر جدول انجام می دهد، بررسی های حریم خصوصی را برای هر جدول میانی اعمال می کند، سپس از UNION برای جمع مقادیر بررسی شده حریم خصوصی استفاده می کند.

مشاور پرس و جو

اگر SQL شما معتبر است اما ممکن است باعث فیلتر بیش از حد شود، مشاور پرس و جو توصیه های عملی را در طول فرآیند توسعه پرس و جو ارائه می دهد تا به شما کمک کند از نتایج نامطلوب جلوگیری کنید.

محرک ها شامل الگوهای زیر هستند:

• پیوستن به سوالات فرعی انبوه
• پیوستن به داده های تجمیع نشده با کاربران بالقوه متفاوت
• جداول زمانی که به صورت بازگشتی تعریف شده اند

برای استفاده از مشاور پرس و جو:

• UI . توصیه ها در ویرایشگر پرس و جو، بالای متن پرس و جو ظاهر می شوند.
• API . از روش customers.analysisQueries.validate استفاده کنید.

---

1. به غیر از داده‌هایی که رضایت داده‌اند به اشتراک بگذارند، مانند مواردی که اعضای میزگرد. ↩

2. مگر اینکه با محدودیت های حریم خصوصی جلوگیری شود، مانند زمانی که کاربران در خلاصه ردیف فیلتر شده الزامات تجمع را برآورده نمی کنند. ↩