การตรวจสอบความเป็นส่วนตัวใน Ads Data Hub

ความเป็นส่วนตัวของผู้ใช้ปลายทางคือหัวใจสําคัญของทุกสิ่งที่ Ads Data Hub ทํา และเป็นรากฐานที่แพลตฟอร์มของเราสร้างขึ้น เราใช้การตรวจสอบและข้อจํากัดบางอย่างที่ออกแบบมาเพื่อช่วยป้องกันการส่งข้อมูลเกี่ยวกับผู้ใช้แต่ละราย1 ในข้อมูลที่ได้จากแพลตฟอร์ม เพื่อช่วยรักษาความเป็นส่วนตัวดังกล่าวและช่วยให้ลูกค้าปฏิบัติตามข้อกําหนดได้

ต่อไปนี้คือภาพรวมของฟีเจอร์ด้านความเป็นส่วนตัวของ Ads Data Hub โดยมีรายละเอียดเพิ่มเติมในส่วนถัดไป

  • การตรวจสอบแบบคงที่จะตรวจสอบข้อความในการค้นหาเพื่อหาข้อกังวลด้านความเป็นส่วนตัวที่เห็นได้ชัดและเกิดขึ้นทันที
  • งบประมาณการเข้าถึงข้อมูลจะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึงข้อมูลหนึ่งๆ ได้
  • การตรวจสอบการรวมช่วยให้มั่นใจได้ว่าทุกแถวมีผู้ใช้จํานวนมากพอที่จะปกป้องความเป็นส่วนตัวของผู้ใช้ปลายทาง
  • การตรวจสอบความแตกต่าง (หรือ "การตรวจสอบความแตกต่าง") จะเปรียบเทียบชุดผลลัพธ์เพื่อช่วยป้องกันไม่ให้คุณรวบรวมข้อมูลเกี่ยวกับผู้ใช้แต่ละรายด้วยการเปรียบเทียบข้อมูลจากผู้ใช้หลายชุด
  • การแทรกสัญญาณรบกวนเป็นทางเลือกแทนการตรวจสอบความแตกต่าง โหมดสัญญาณรบกวนใช้ได้เฉพาะใน Ads Data Hub สําหรับนักการตลาดเท่านั้น ดูข้อมูลเกี่ยวกับการแทรกสัญญาณรบกวนได้ที่หน้านี้ในเว็บไซต์ Ads Data Hub สําหรับนักการตลาด

เมื่อผลลัพธ์ไม่ผ่านการตรวจสอบความเป็นส่วนตัว Ads Data Hub จะแสดงหรือแสดงข้อความความเป็นส่วนตัวเพื่อแจ้งให้คุณทราบว่ามีการกรองแถว ซึ่งอาจเป็นอะไรก็ได้ตั้งแต่แถวเดียวไปจนถึงชุดผลลัพธ์ทั้งหมด โปรดใช้สรุปแถวที่กรองเพื่อนับข้อมูลจากแถวที่ทิ้ง2 เพื่อให้ยอดรวมของการรายงานถูกต้อง

การตรวจสอบแบบคงที่

การตรวจสอบแบบคงที่จะตรวจสอบคำสั่งในข้อความค้นหาเพื่อหาข้อกังวลด้านความเป็นส่วนตัวที่ชัดเจนและเกิดขึ้นทันที เช่น การส่งออกตัวระบุผู้ใช้ ฟังก์ชันของตัวระบุผู้ใช้ หรือการใช้ฟังก์ชันที่ไม่อนุญาตในช่องที่มีข้อมูลระดับผู้ใช้ หากต้องการหลีกเลี่ยงข้อผิดพลาดในการค้นหาจากการตรวจสอบแบบคงที่ โปรดอ่านแนวทางปฏิบัติแนะนำและทำความเข้าใจฟังก์ชันที่อนุญาต

จำนวนครั้งที่จำกัดในการเข้าถึงข้อมูล

งบประมาณการเข้าถึงข้อมูลจะจํากัดจํานวนครั้งทั้งหมดที่คุณเข้าถึงข้อมูลหนึ่งๆ ได้ ผู้ใช้ที่งบประมาณใกล้หมดจะได้รับการแจ้งเตือนข้อความความเป็นส่วนตัวประเภท DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED คุณสามารถตรวจสอบงบประมาณได้โดยใช้จุดแรกเข้างบประมาณการเข้าถึงข้อมูล หรือสังเกตการแจ้งเตือนงบประมาณใน UI

ข้อกำหนดการรวม

หัวใจสําคัญของการตรวจสอบความเป็นส่วนตัวของ Ads Data Hub คือเกณฑ์การรวมผู้ใช้ สําหรับคําค้นหาส่วนใหญ่ คุณจะรับข้อมูลการรายงานได้เฉพาะผู้ใช้ตั้งแต่ 50 คนขึ้นไป อย่างไรก็ตาม คําค้นหาที่เข้าถึงเฉพาะการคลิกและ Conversion สามารถใช้เพื่อรายงานผู้ใช้ตั้งแต่ 10 คนขึ้นไปได้

  • ระบบจะนับเหตุการณ์ที่มีรหัสผู้ใช้เป็น 0 เป็นผู้ใช้รายเดียวตามเกณฑ์การรวม ไม่ว่าผู้ใช้จริงจะสร้างเหตุการณ์กี่รายก็ตาม
  • ระบบจะไม่นับผู้ใช้ที่มีรหัสเป็นค่าว่างรวมอยู่ในเกณฑ์การรวม

แนวทางปฏิบัติแนะนํา: กําหนดค่าสรุปแถวที่กรองเพื่อรายงานเกี่ยวกับข้อมูลที่ละเว้น ซึ่งจะช่วยรักษาเส้นฐานที่สม่ำเสมอในรายงาน

ในตัวอย่างนี้ ระบบจะกรองแถวที่มีแคมเปญ 125 ออกจากผลลัพธ์สุดท้าย เนื่องจากมีการรวบรวมผลลัพธ์จากผู้ใช้ 48 คน ซึ่งต่ำกว่าเกณฑ์ขั้นต่ำ 50 คน

รหัสแคมเปญ ผู้ใช้ การแสดงผล
123 314 928
124 2718 5772
125 48 353

การตรวจสอบความแตกต่าง

ตามนโยบาย Ads Data Hub

การตรวจสอบความแตกต่างช่วยให้มั่นใจว่าผู้ใช้จะไม่สามารถระบุตัวตนได้ผ่านการเปรียบเทียบผลลัพธ์ที่รวบรวมไว้หลายรายการอย่างเพียงพอในลักษณะต่อไปนี้

  • โดยจะเปรียบเทียบผลลัพธ์จากงานที่กําลังทํางานกับผลลัพธ์ก่อนหน้า
  • โดยจะเปรียบเทียบแถวภายในชุดผลลัพธ์เดียวกัน

การละเมิดการตรวจสอบความแตกต่างอาจเกิดจากการเปลี่ยนแปลงข้อมูลพื้นฐานระหว่าง 2 งาน เมื่อเปรียบเทียบผลลัพธ์ของงานกับผลลัพธ์ก่อนหน้า Ads Data Hub จะมองหาช่องโหว่ที่ระดับผู้ใช้แต่ละราย ด้วยเหตุนี้ ระบบจึงกรองผลลัพธ์จากแคมเปญต่างๆ หรือผลลัพธ์ที่รายงานจํานวนผู้ใช้เท่ากันได้ หากมีผู้ใช้ที่ทับซ้อนกันจํานวนมาก

ในทางกลับกัน ชุดผลลัพธ์ที่รวบรวม 2 ชุดอาจมีจํานวนผู้ใช้เท่ากัน ซึ่งดูเหมือนจะเหมือนกัน แต่ไม่ได้แชร์ผู้ใช้แต่ละราย จึงเป็นไปตามนโยบายความเป็นส่วนตัว ซึ่งในกรณีนี้ระบบจะไม่กรองชุดผลลัพธ์ดังกล่าว

Ads Data Hub ใช้ข้อมูลจากผลลัพธ์ที่ผ่านมาเมื่อพิจารณาช่องโหว่ของผลลัพธ์ใหม่ ซึ่งหมายความว่าการเรียกใช้คําค้นหาเดิมซ้ำๆ จะสร้างข้อมูลมากขึ้นสําหรับการตรวจสอบความแตกต่างที่จะใช้เมื่อพิจารณาช่องโหว่ของผลลัพธ์ใหม่ นอกจากนี้ ข้อมูลพื้นฐานอาจเปลี่ยนแปลงได้ ซึ่งอาจทําให้เกิดการละเมิดการตรวจสอบความเป็นส่วนตัวในคําค้นหาที่คิดว่าเสถียร

เมื่อผลลัพธ์ระดับงานแตกต่างกันมากพอ แต่แถวแต่ละแถวคล้ายกับแถวในงานที่แล้ว Ads Data Hub จะกรองแถวที่คล้ายกันออก ในตัวอย่างนี้ ระบบจะกรองแถวที่มีแคมเปญ 123 ในผลลัพธ์ของงานลำดับที่ 2 เนื่องจากมีผู้ใช้เพียงรายเดียวที่แตกต่างจากผลลัพธ์ก่อนหน้า

งาน 1
รหัสแคมเปญ ผู้ใช้
123 400
124 569
งาน 2
รหัสแคมเปญ ผู้ใช้
123 401
224 1325

หากผลรวมของผู้ใช้ในทุกแถวในชุดผลลัพธ์คล้ายกับผลลัพธ์จากงานก่อนหน้า Ads Data Hub จะกรองชุดผลลัพธ์ทั้งหมด ในตัวอย่างนี้ ระบบจะกรองผลลัพธ์ทั้งหมดจากงานลำดับที่ 2

งาน 1
รหัสแคมเปญ ผู้ใช้
123 400
124 1367
งาน 2
รหัสแคมเปญ ผู้ใช้
123 402
124 1367

ข้อมูลสรุปแถวที่กรอง

สรุปแถวที่กรองจะนับข้อมูลที่กรองเนื่องจากการตรวจสอบความเป็นส่วนตัว ระบบจะรวมข้อมูลจากแถวที่กรองแล้วและเพิ่มลงในแถวที่รับทั้งหมด แม้ว่าจะไม่สามารถวิเคราะห์ข้อมูลที่กรองแล้วเพิ่มเติมได้ แต่ข้อมูลดังกล่าวจะให้ข้อมูลสรุปเกี่ยวกับจํานวนข้อมูลที่กรองออกจากผลลัพธ์

การกรองเพื่อความเป็นส่วนตัวอย่างชัดแจ้ง

ในกรณีที่คุณต้องแยกคำค้นหาออกเป็นหลายรายการแต่ต้องการรวมผลการรวมเข้าด้วยกัน คุณสามารถใช้การตรวจสอบความเป็นส่วนตัวกับคำค้นหาย่อยหลายรายการอย่างชัดเจน แล้วรวมผลการค้นหาเหล่านั้นเข้าด้วยกันในลักษณะที่ปลอดภัยต่อความเป็นส่วนตัว

ตัวอย่างกรณีการใช้งาน

  • คุณเป็นผู้ลงโฆษณาที่กําลังมองหา Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มาในบัญชี Google Ads ที่ลิงก์ ซึ่งรวมถึงข้อมูล EEA
  • คุณคือพาร์ทเนอร์การวัดผลที่กําลังมองหา Conversion ทั้งหมดตามประเภทการระบุแหล่งที่มาของเหตุการณ์ในบัญชี Google Ads ที่ลิงก์

หากต้องการหาผลรวมของ Conversion สําหรับบัญชี Google Ads คุณสามารถเขียนคําค้นหาใหม่โดยใช้อนุประโยค OPTIONS(privacy_checked_export=TRUE) เพื่อใช้การตรวจสอบความเป็นส่วนตัวกับบริการแต่ละอย่างของ Google

ตัวอย่างการเขียนใหม่ในส่วนนี้จะทําสิ่งต่อไปนี้

  1. โดยจะค้นหาบริการของ Google แต่ละรายการแยกกัน และใช้การตรวจสอบความเป็นส่วนตัวกับชุดผลการค้นหากลางแต่ละชุดอย่างชัดเจน
  2. โดยจะสร้างตารางชั่วคราวแยกต่างหากสำหรับผลการค้นหาที่ตรวจสอบความเป็นส่วนตัวของบริการ Google แต่ละอย่าง ได้แก่ YouTube, Gmail และเครือข่าย
  3. โดยจะรวบรวมและรวมจํานวน Conversion ที่ตรวจสอบความเป็นส่วนตัวจากตารางชั่วคราว
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

โปรดทราบว่าการค้นหานี้ไม่ได้ใช้ JOIN เพื่อรวมข้อมูลระหว่างตารางโดยตรง แต่จะใช้การค้นหาสำหรับแต่ละตารางก่อน ใช้การตรวจสอบความเป็นส่วนตัวกับตารางกลางแต่ละตาราง แล้วใช้ UNION เพื่อรวมค่าที่ตรวจสอบความเป็นส่วนตัว

ที่ปรึกษาการค้นหา

หาก SQL ถูกต้องแต่อาจทริกเกอร์การกรองมากเกินไป ที่ปรึกษาการค้นหาจะแสดงคําแนะนําที่นําไปใช้ได้จริงในระหว่างกระบวนการพัฒนาการค้นหาเพื่อช่วยให้คุณหลีกเลี่ยงผลลัพธ์ที่ไม่พึงประสงค์

ทริกเกอร์มีรูปแบบต่อไปนี้

วิธีใช้ที่ปรึกษาการค้นหา

  • UI คำแนะนำจะแสดงในตัวแก้ไขข้อความค้นหาเหนือข้อความค้นหา
  • API ใช้เมธอด customers.analysisQueries.validate

  1. นอกเหนือจากข้อมูลที่ผู้ใช้ยินยอมให้แชร์ เช่น ในกรณีของผู้เข้าร่วม ↩

  2. เว้นแต่จะถูกจํากัดโดยข้อจํากัดด้านความเป็นส่วนตัว เช่น เมื่อผู้ใช้ในสรุปแถวที่กรองไม่เป็นไปตามข้อกําหนดการรวม ↩