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।

ব্যবহারকারী-প্রদত্ত ডেটা ম্যাচিং

ব্যবহারকারীর দ্বারা সরবরাহিত ডেটা ম্যাচিং (UPDM) আপনার দ্বারা সংগৃহীত প্রথম-পক্ষের ডেটা - যেমন আপনার ওয়েবসাইট, অ্যাপ বা ফিজিক্যাল স্টোর থেকে তথ্য - Google-এর মালিকানাধীন এবং পরিচালিত ডেটা সহ সমস্ত Google বিজ্ঞাপন ডেটা জুড়ে একই ব্যবহারকারীর সাইন-ইন করা কার্যকলাপের সাথে যুক্ত করে। এর মধ্যে Google মার্কেটিং প্ল্যাটফর্ম (GMP) পণ্যের মাধ্যমে কেনা ডেটা অন্তর্ভুক্ত রয়েছে, উদাহরণস্বরূপ, Display & Video 360 ব্যবহার করে কেনা YouTube। Google-এর মালিকানাধীন এবং পরিচালিত নয় এমন অন্যান্য GMP পণ্য সমর্থিত নয়।

ব্যবহারকারীর প্রদত্ত ডেটা মেলানোর জন্য যোগ্য হতে, বিজ্ঞাপন ইভেন্টটি অবশ্যই Google বিজ্ঞাপন ডেটাতে সাইন-ইন করা ব্যবহারকারীর সাথে লিঙ্ক করা থাকতে হবে।

এই নথিতে ব্যবহারকারী-প্রদত্ত ডেটা ম্যাচিং বৈশিষ্ট্যটি বর্ণনা করা হয়েছে এবং সেটআপ এবং ব্যবহারের জন্য নির্দেশিকা প্রদান করা হয়েছে।

সংযোগ ট্যাব ওভারভিউ

মূল্যবান বিজ্ঞাপনের অন্তর্দৃষ্টি অর্জনের জন্য প্রায়শই একাধিক উৎস থেকে ডেটা একত্রিত করতে হয়। এই ডেটা পাইপলাইন সমস্যার নিজস্ব সমাধান তৈরি করতে উল্লেখযোগ্য সময় বিনিয়োগ এবং প্রকৌশলগত বিনিয়োগের প্রয়োজন। বিজ্ঞাপন ডেটা হাবের সংযোগ পৃষ্ঠাটি BigQuery-তে আপনার বিজ্ঞাপনের ডেটা আমদানি, রূপান্তর এবং মেলানোর জন্য ধাপে ধাপে, নির্দেশিত ইন্টারফেস প্রদান করে এই প্রক্রিয়াটিকে সহজতর করে, যাতে আপনি এটি আপনার বিজ্ঞাপন ডেটা হাব কোয়েরিতে, অথবা BigQuery থেকে পড়া অন্য যেকোনো পণ্যে ব্যবহার করতে পারেন। প্রথম-পক্ষের ডেটা দিয়ে আপনার কোয়েরিগুলিকে সমৃদ্ধ করলে গ্রাহকদের আরও সমৃদ্ধ অভিজ্ঞতা পাওয়া যায় এবং শিল্প-ব্যাপী বিজ্ঞাপন-ট্র্যাকিং পরিবর্তনের জন্য আরও প্রতিরোধী হয়।

সংযোগ পৃষ্ঠাটি এমন সরঞ্জাম দিয়ে তৈরি করা হয়েছে যা আপনাকে গোপনীয়তা-কেন্দ্রিক পদ্ধতিতে অংশীদারদের সাথে ব্যক্তিগতভাবে সনাক্তযোগ্য তথ্য (PII) এনক্রিপ্ট এবং ভাগ করে নেওয়ার অনুমতি দেয়। কোন কলামে PII রয়েছে তা নির্বাচন করার পরে, বিজ্ঞাপন ডেটা হাব ডেটা এনক্রিপ্ট করে, নিশ্চিত করে যে আপনার প্রথম-পক্ষের ডেটা কেবল সেই ব্যক্তিরা রপ্তানি করতে বা পড়তে পারবেন যাদের এটি করার অনুমতি রয়েছে। আপনার পরিমাপ বা সক্রিয়করণ ব্যবহারের ক্ষেত্রে কোন প্রথম-পক্ষের ডেটা প্রয়োজন তা জানা কঠিন হতে পারে, তাই বিজ্ঞাপন ডেটা হাব পূর্বনির্ধারিত ব্যবহারের ক্ষেত্রে একটি বিস্তৃত তালিকা সরবরাহ করে, তারপর আপনার ডেটা নিষ্কাশন, রূপান্তর এবং লোড করার সম্পূর্ণ অভিজ্ঞতার মধ্য দিয়ে আপনাকে গাইড করে। যদিও একাধিক ধরণের সংযোগ তৈরি করতে পারে, এই নথিটি ধরে নেয় যে আপনি ব্যবহারকারী-প্রদত্ত ডেটা মিলের জন্য সংযোগ পৃষ্ঠা ব্যবহার করছেন।

সমর্থিত প্রথম পক্ষের ডেটা উৎস

আপনি এই ডেটা উৎসগুলি থেকে ডেটা আমদানি করতে পারেন:

বিগকুয়েরি
ক্লাউড স্টোরেজ
নিরাপদ FTP (sFTP)
তুষারকণা
মাইএসকিউএল
পোস্টগ্রেএসকিউএল
অ্যামাজন রেডশিফ্ট
অ্যামাজন এস৩

যেহেতু ব্যবহারকারীর দ্বারা সরবরাহিত ডেটা ম্যাচিং শুধুমাত্র সাইন-ইন করা ব্যবহারকারীদের জন্য Google-এর মালিকানাধীন এবং পরিচালিত ইনভেন্টরিতে উপলব্ধ, তাই আসন্ন থার্ড-পার্টি কুকিজ বন্ধ হওয়ার ফলে এটি প্রভাবিত হবে না। যেহেতু এটি থার্ড-পার্টি ডেটার তুলনায় শিল্প পরিবর্তনের প্রতি বেশি প্রতিরোধী, তাই এটি আরও সমৃদ্ধ অন্তর্দৃষ্টি প্রদান করতে পারে, যা গ্রাহকদের সাথে আরও বেশি সম্পৃক্ততা তৈরি করতে পারে।

পরিভাষা শিখুন

ব্যবহারকারী-প্রদত্ত ডেটা সংযোগ: আপনার ডেটা আমদানি এবং মেলানোর জন্য, ডেটা আমদানির সময়সূচী নির্ধারণ করতে, ডেটা রূপান্তর করতে এবং একটি ব্যবহারকারী আইডি ব্যবহার করে আপনার বিজ্ঞাপন ডেটা মেলানোর জন্য একটি ব্যবহারকারী-প্রদত্ত ডেটা সংযোগ সেট আপ করুন। বিজ্ঞাপন ইভেন্টটি অবশ্যই Google বিজ্ঞাপন ডেটাতে সাইন ইন করা ব্যবহারকারীর সাথে লিঙ্ক করা থাকতে হবে। একাধিক Google ক্লাউড প্রকল্পের প্রয়োজন।
প্রথম পক্ষের ডেটা সংযোগ: UPDM-এর উন্নত বৈশিষ্ট্য ছাড়াই ডেটা আমদানির সময়সূচী তৈরি এবং ডেটা রূপান্তর করার জন্য ডেটা প্রস্তুতির সরঞ্জাম হিসাবে একটি প্রথম পক্ষের ডেটা সংযোগ সেট আপ করুন। এই ধরণের সংযোগের জন্য শুধুমাত্র একটি Google ক্লাউড প্রকল্পের প্রয়োজন।
ডেটা উৎস: একটি সংযুক্ত পণ্য, আমদানি করা ফাইল, অথবা তৃতীয় পক্ষের ইন্টিগ্রেশন - যেমন, BigQuery।
গন্তব্য: একটি ব্যবহারের ক্ষেত্রে; সাধারণত একটি Google পণ্য বা পণ্য বৈশিষ্ট্য, যেখানে আমদানি করা ডেটা সক্রিয় করা হয় - উদাহরণস্বরূপ, Ads Data Hub ব্যবহারকারী-প্রদত্ত ডেটা ম্যাচিং।
অ্যাডমিন প্রজেক্ট: গুগল ক্লাউড প্রজেক্ট যাতে আপনার মালিকানাধীন বিজ্ঞাপনের ডেটা তার কাঁচা ফর্ম্যাটে থাকে।
আউটপুট ডেটাসেট: BigQuery ডেটাসেট যেখানে Ads Data Hub লেখে। ডিফল্টরূপে, এটি আপনার অ্যাডমিন প্রকল্পের অধীনে একটি ডেটাসেট। এটিকে অন্য Google ক্লাউড প্রকল্পে পরিবর্তন করতে, পরিষেবা অ্যাকাউন্ট কনফিগার করুন দেখুন।

প্রক্রিয়ার সারাংশ

ডেটা ইনজেশন এবং ম্যাচিং সেটআপ
- আপনার অ্যাডমিন প্রকল্পের পরিষেবা অ্যাকাউন্টগুলিতে আপনি প্রয়োজনীয় অনুমতিগুলি প্রদান করেন। ডেটা ইনজেশন সেট আপ করুন দেখুন।
প্রথম পক্ষের ডেটা গ্রহণ এবং ম্যাচিং
- আপনি আপনার প্রথম পক্ষের ডেটা আপনার BigQuery ডেটাসেটে ফর্ম্যাট এবং আপলোড করেন। সবচেয়ে সহজ সেটআপের জন্য, আপনার অ্যাডমিন প্রজেক্ট ব্যবহার করুন। তবে, আপনি আপনার মালিকানাধীন যেকোনো BigQuery ডেটাসেট ব্যবহার করতে পারেন।
- আপনি একটি সংযোগ তৈরি করে এবং একটি আমদানি সময়সূচী সেট করে একটি ডেটা-ম্যাচিং অনুরোধ শুরু করেন।
- Google আপনার প্রোজেক্ট এবং Google-এর মালিকানাধীন ডেটার মধ্যে ডেটা যুক্ত করে, যেখানে Google-এর ব্যবহারকারী আইডি এবং হ্যাশ করা ব্যবহারকারী-প্রদত্ত ডেটা থাকে, যাতে ম্যাচ টেবিল তৈরি এবং আপডেট করা যায়।
- প্রথম পক্ষের ডেটা ইনজেস্ট করুন দেখুন
মিলে যাওয়া ডেটার উপর ভিত্তি করে, বিজ্ঞাপন ডেটা হাবে চলমান কোয়েরি
- আপনি অ্যাডস ডেটা হাবে নিয়মিত কোয়েরি চালানোর মতোই ম্যাচ টেবিলের বিরুদ্ধে কোয়েরি চালান। কোয়েরি ম্যাচ করা ডেটা দেখুন।

গোপনীয়তার প্রয়োজনীয়তা সম্পর্কে জানুন

গ্রাহকের তথ্য সংগ্রহ করা

ব্যবহারকারীর দ্বারা সরবরাহিত ডেটা ম্যাচিং ব্যবহার করার সময়, আপনাকে অবশ্যই প্রথম পক্ষের ডেটা আপলোড করতে হবে। এটি আপনার ওয়েবসাইট, অ্যাপ, ফিজিক্যাল স্টোর থেকে সংগ্রহ করা তথ্য, অথবা কোনও গ্রাহক সরাসরি আপনার সাথে ভাগ করে নেওয়া যেকোনো তথ্য হতে পারে।

তোমাকে অবশ্যই:

নিশ্চিত করুন যে আপনার গোপনীয়তা নীতিতে প্রকাশ করা হয়েছে যে আপনি আপনার পক্ষ থেকে পরিষেবা প্রদানের জন্য তৃতীয় পক্ষের সাথে গ্রাহকের তথ্য ভাগ করে নিচ্ছেন এবং আইনত প্রয়োজন হলে এই ধরনের ভাগাভাগির জন্য আপনার সম্মতি রয়েছে।
গ্রাহকের ডেটা আপলোড করার জন্য শুধুমাত্র Google এর অনুমোদিত API বা ইন্টারফেস ব্যবহার করুন
প্রযোজ্য সকল আইন ও বিধিমালা মেনে চলুন, যার মধ্যে প্রযোজ্য যেকোনো স্ব-নিয়ন্ত্রক বা শিল্প কোড অন্তর্ভুক্ত রয়েছে।

প্রথম পক্ষের সম্মতির স্বীকৃতি

সতর্কতা: সম্মতি স্বীকার করতে ব্যর্থ হলে অথবা সম্মতি স্বীকার করতে অস্বীকৃতি জানালে Ads Data Hub-এর মধ্যে আপনার প্রথম-পক্ষের ডেটা (1PD) ব্যবহার করা যাবে না। উদাহরণস্বরূপ, আপনি নতুন 1PD আনতে পারবেন না বা আপনার লিঙ্ক করা বিজ্ঞাপন ডেটা দিয়ে বিদ্যমান 1PD-তে যোগ দিতে পারবেন না। ব্যবহারকারীর দ্বারা সরবরাহিত ডেটা ম্যাচিং এবং 1PD ব্যবহার করে দর্শক সক্রিয়করণের মতো সমস্ত ব্যবহারের ক্ষেত্রে, অনুপলব্ধ। এর মধ্যে যেকোনো নির্ধারিত 1PD আমদানি অন্তর্ভুক্ত।

বিজ্ঞাপন ডেটা হাবে আপনার প্রথম পক্ষের ডেটা ব্যবহার করতে সক্ষম হওয়ার জন্য, আপনাকে অবশ্যই নিশ্চিত করতে হবে যে আপনি EU ব্যবহারকারী সম্মতি নীতি এবং বিজ্ঞাপন ডেটা হাব নীতি অনুসারে EEA শেষ ব্যবহারকারীদের কাছ থেকে Google এর সাথে ডেটা শেয়ার করার জন্য যথাযথ সম্মতি পেয়েছেন। এই প্রয়োজনীয়তা প্রতিটি বিজ্ঞাপন ডেটা হাব অ্যাকাউন্টের ক্ষেত্রে প্রযোজ্য এবং প্রতিবার নতুন প্রথম পক্ষের ডেটা আপলোড করার সময় আপডেট করতে হবে। যে কোনও একজন ব্যবহারকারী পুরো অ্যাকাউন্টের পক্ষ থেকে এই স্বীকৃতি দিতে পারেন।

মনে রাখবেন যে বিশ্লেষণ কোয়েরির ক্ষেত্রে প্রযোজ্য Google পরিষেবা কোয়েরির নিয়মগুলি UPDM কোয়েরির ক্ষেত্রেও প্রযোজ্য। উদাহরণস্বরূপ, আপনি যখন একটি ম্যাচ টেবিল তৈরি করেন তখন EEA-তে ব্যবহারকারীদের উপর ক্রস-সার্ভিস কোয়েরি চালাতে পারবেন না।

বিজ্ঞাপন ডেটা হাবে সম্মতি কীভাবে স্বীকার করতে হয় তা জানতে, ইউরোপীয় অর্থনৈতিক অঞ্চলের জন্য সম্মতির প্রয়োজনীয়তাগুলি দেখুন।

ডেটার আকার

ব্যবহারকারীর গোপনীয়তা রক্ষা করার জন্য, ব্যবহারকারীর দ্বারা সরবরাহিত ডেটা ম্যাচিং আপনার ডেটার আকার সম্পর্কিত এই প্রয়োজনীয়তাগুলি প্রয়োগ করে:

আপনার ব্যবহারকারীর তালিকায় কমপক্ষে ১,০০০টি রেকর্ড আপলোড করতে হবে।
আপনার ম্যাচ টেবিলের প্রতিটি সফল আপডেটে ন্যূনতম সংখ্যক নতুন ম্যাচ করা ব্যবহারকারী অন্তর্ভুক্ত করতে হবে। এই আচরণটি ডিফারেন্স চেকের মতো।
আপনার তালিকাটি রেকর্ডের সর্বাধিক সংখ্যা অতিক্রম করা উচিত নয়। সর্বাধিক ডেটা সীমা সম্পর্কে জানতে, আপনার Google প্রতিনিধির সাথে যোগাযোগ করুন।

ডেটা ইনজেশন সেট আপ করুন

শুরু করার আগে, ডেটা সংযোগ তৈরি করার জন্য আপনার বিজ্ঞাপন ডেটা হাব অ্যাকাউন্টটি কনফিগার করতে হবে, যা দিয়ে আপনি আপনার ডেটা-ম্যাচিং পাইপলাইন স্থাপন করবেন। আপনাকে কেবল একবার এই পদক্ষেপগুলি সম্পাদন করতে হবে।

সংযোগ পৃষ্ঠা থেকে, UPDM সক্ষমকরণ পর্যায়ে অ্যাকাউন্ট সেটআপ উইজার্ড খুলতে সেটআপ শুরু করুন ক্লিক করুন।

সংযোগগুলিতে যান

BigQuery এবং Cloud Storage-এর জন্য কোন কোন অনুমতি দেওয়া হয়?

আপনি যদি BigQuery বা Cloud Storage-এর সাথে ব্যবহারের জন্য UPDM সেট আপ করেন, তাহলে Ads Data Hub পরিষেবা অ্যাকাউন্টগুলিতে কী অনুমতি দেওয়া হয় তা বুঝতে এই রেফারেন্সটি ব্যবহার করুন।

বিগকুয়েরি

ডেটাফিউশন পরিষেবা অ্যাকাউন্ট

উদ্দেশ্য ডেটাফিউশন পরিষেবা অ্যাকাউন্টটি বিজ্ঞাপন ডেটা হাব UI-তে সোর্স ফিল্ডের একটি তালিকা প্রদর্শন করতে ব্যবহৃত হয়।

বিন্যাস service- some-number @gcp-sa-datafusion.iam.gserviceaccount.com

প্রয়োজনীয় অ্যাক্সেস

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	ডেটা সোর্স এবং গন্তব্য প্রকল্পের নির্দিষ্ট ডেটাসেটের জন্য
`Storage Admin` `roles/storage.admin`	ডেটা সোর্স প্রকল্পের জন্য, অথবা একটি ডেডিকেটেড স্টোরেজ বাকেটের জন্য

ডেটাপ্রোক পরিষেবা অ্যাকাউন্ট

উদ্দেশ্য ডেটাপ্রোক সার্ভিস অ্যাকাউন্টটি ব্যাকগ্রাউন্ডে ডেটা পাইপলাইন চালানোর জন্য দায়ী।

বিন্যাস some-number -compute@developer.gserviceaccount.com

প্রয়োজনীয় অ্যাক্সেস

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	ডেটা সোর্স এবং গন্তব্য প্রকল্পের নির্দিষ্ট ডেটাসেটের জন্য
`BigQuery Data Editor` `roles/bigquery.dataEditor`	গন্তব্য প্রকল্পের নির্দিষ্ট ডেটাসেটের জন্য
`BigQuery Job User` `roles/bigquery.jobUser`	ডেটা সোর্স এবং ডেস্টিনেশন উভয় প্রকল্পের জন্য
`Storage Admin` `roles/storage.admin`	ডেটা সোর্স এবং ডেস্টিনেশন প্রকল্প উভয়ের জন্য, অথবা একটি ডেডিকেটেড স্টোরেজ বাকেট

UPDM পরিষেবা অ্যাকাউন্ট

উদ্দেশ্য ম্যাচিং কাজটি চালানোর জন্য UPDM পরিষেবা অ্যাকাউন্ট ব্যবহার করা হয়।

বিন্যাস service- some-number @gcp-sa-adsdataconnector.iam.gserviceaccount.com

প্রয়োজনীয় অ্যাক্সেস

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	গন্তব্য প্রকল্পের জন্য
`BigQuery Job User` `roles/bigquery.jobUser`	গন্তব্য প্রকল্পের জন্য

ক্লাউড স্টোরেজ

ডেটাফিউশন পরিষেবা অ্যাকাউন্ট

বিন্যাস service- some-number @gcp-sa-datafusion.iam.gserviceaccount.com

প্রয়োজনীয় অ্যাক্সেস

`Storage Object Viewer` `roles/storage.objectViewer`	ডেটা সোর্স প্রকল্পে নির্দিষ্ট স্টোরেজ বাকেটের জন্য
`BigQuery Data Viewer` `roles/bigquery.dataViewer`	ডেটা সোর্স প্রকল্পের জন্য, অথবা একটি ডেডিকেটেড স্টোরেজ বাকেটের জন্য
`Storage Admin` `roles/storage.admin`	ডেটা সোর্স প্রকল্পের জন্য, অথবা একটি ডেডিকেটেড স্টোরেজ বাকেটের জন্য

ডেটাপ্রোক পরিষেবা অ্যাকাউন্ট

বিন্যাস some-number -compute@developer.gserviceaccount.com

প্রয়োজনীয় অ্যাক্সেস

`Storage Admin` `roles/storage.admin`	ডেটা সোর্স এবং ডেস্টিনেশন প্রকল্প উভয়ের জন্য, অথবা একটি ডেডিকেটেড স্টোরেজ বাকেট
`BigQuery Job User` `roles/bigquery.jobUser`	গন্তব্য প্রকল্পের জন্য

UPDM পরিষেবা অ্যাকাউন্ট

উদ্দেশ্য ম্যাচিং কাজটি চালানোর জন্য UPDM পরিষেবা অ্যাকাউন্ট ব্যবহার করা হয়।

বিন্যাস service- some-number @gcp-sa-adsdataconnector.iam.gserviceaccount.com

প্রয়োজনীয় অ্যাক্সেস

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	গন্তব্য প্রকল্পের জন্য
`BigQuery Job User` `roles/bigquery.jobUser`	গন্তব্য প্রকল্পের জন্য

অন্যান্য তথ্য উৎস

অন্যান্য তথ্য উৎসের জন্য প্রয়োজনীয় নয়

প্রথম পক্ষের ডেটা গ্রহণ করুন এবং মেলান

ইনপুটের জন্য ডেটা ফর্ম্যাট করুন

আপনার ডেটা সঠিকভাবে মেলানোর জন্য এই ফর্ম্যাটিং প্রয়োজনীয়তাগুলি মেনে চলতে হবে:

নিম্নলিখিত ইনপুট ক্ষেত্রের বর্ণনায় যেখানে নির্দেশিত আছে, আপনাকে SHA256 হ্যাশিং ব্যবহার করে আপলোড করতে হবে।
ইনপুট ক্ষেত্রগুলিকে স্ট্রিং হিসেবে ফর্ম্যাট করতে হবে। উদাহরণস্বরূপ, যদি আপনি BigQuery এর SHA256 হ্যাশ ফাংশনটি Base16 এনকোডিং ফাংশন ( TO_HEX ) এর সাথে ব্যবহার করেন, তাহলে নিম্নলিখিত রূপান্তরটি ব্যবহার করুন: TO_HEX(SHA256(user_data)) ।
UPDM Base16 এবং Base64 উভয় এনকোডিং সমর্থন করে। আপনার প্রথম-পক্ষের ডেটার এনকোডিং আপনার বিজ্ঞাপন ডেটা হাব কোয়েরিতে ব্যবহৃত ডিকোডিংয়ের সাথে সারিবদ্ধ করতে হবে। আপনি যদি আপনার প্রথম-পক্ষের ডেটা এনকোডিং পরিবর্তন করেন, তাহলে আপনাকে একই বেস থেকে ডিকোড করার জন্য আপনার বিজ্ঞাপন ডেটা হাব কোয়েরি আপডেট করতে হবে। নিম্নলিখিত উদাহরণগুলি Base16 এনকোডিং ব্যবহার করে।

ব্যবহারকারী আইডি

সরল লেখা
হ্যাশিং: কিছুই না

ইমেইল

লিডিং এবং ট্রেইলিং হোয়াইটস্পেসগুলি সরান
সব অক্ষর ছোট হাতের অক্ষরে লিখুন
gmail.com অথবা hotmail.co.jp এর মতো সকল ইমেল ঠিকানার জন্য একটি ডোমেন নাম অন্তর্ভুক্ত করুন।
উচ্চারণগুলি সরান—উদাহরণস্বরূপ, è, é, ê, অথবা ë কে e তে পরিবর্তন করুন
gmail.com এবং googlemail.com ইমেল ঠিকানায় ডোমেন নামের আগে থাকা সমস্ত পিরিয়ড (.) মুছে ফেলুন।
হ্যাশিং: বেস১৬ এনকোডেড SHA256

বৈধ: TO_HEX(SHA256("jeffersonloveshiking@gmail.com"))

অবৈধ: TO_HEX(SHA256("JéffersonLôvesHiking@gmail.com"))

ফোন

হোয়াইটস্পেস স্ট্রিপ করুন
E.164 ফর্ম্যাটে ফর্ম্যাট করুন—উদাহরণস্বরূপ, মার্কিন উদাহরণ: +14155552671, যুক্তরাজ্যের উদাহরণ: +442071838750
দেশের কোডের আগে "+" ছাড়া সমস্ত বিশেষ অক্ষর মুছে ফেলুন।
হ্যাশিং: বেস১৬ এনকোডেড SHA256

বৈধ: TO_HEX(SHA256("+18005550101"))

অবৈধ: TO_HEX(SHA256("(800) 555-0101"))

প্রথম নাম

হোয়াইটস্পেস স্ট্রিপ করুন
সব অক্ষর ছোট হাতের অক্ষরে লিখুন
সকল উপসর্গ মুছে ফেলুন - যেমন মিসেস, মিস্টার, মিসেস, ড.
উচ্চারণগুলি সরাবেন না —যেমন, è, é, ê, অথবা ë
হ্যাশিং: বেস১৬ এনকোডেড SHA256

বৈধ: TO_HEX(SHA256("daní"))

অবৈধ: TO_HEX(SHA256("Daní"))

পদবি

হোয়াইটস্পেস স্ট্রিপ করুন
সব অক্ষর ছোট হাতের অক্ষরে লিখুন
সমস্ত প্রত্যয় সরান-উদাহরণস্বরূপ Jr., Sr., 2nd, 3rd, II, III, PHD, MD
উচ্চারণগুলি সরাবেন না —যেমন, è, é, ê, অথবা ë
হ্যাশিং: বেস১৬ এনকোডেড SHA256

বৈধ: TO_HEX(SHA256("delacruz"))

অবৈধ: TO_HEX(SHA256("de la Cruz, Jr."))

দেশ

আপনার সমস্ত গ্রাহক ডেটা একই দেশের হলেও দেশের কোড অন্তর্ভুক্ত করুন
দেশের তথ্য হ্যাশ করবেন না
ISO 3166-1 alpha-2 দেশের কোড ব্যবহার করুন
হ্যাশিং: কিছুই না

বৈধ: US

অবৈধ: United States of America বা USA

জিপ কোড

জিপ কোড ডেটা হ্যাশ করবেন না
মার্কিন যুক্তরাষ্ট্র এবং আন্তর্জাতিক উভয় জিপ এবং পোস্টাল কোডই অনুমোদিত
আমাদের জন্য:
- ৫ সংখ্যার কোড অনুমোদিত—উদাহরণস্বরূপ, ৯৪০৪৩
- ৫ সংখ্যার পরে ৪ সংখ্যার এক্সটেনশনও অনুমোদিত—উদাহরণস্বরূপ, ৯৪০৪৩-১৩৫১ অথবা ৯৪০৪৩১৩৫১
অন্যান্য সকল দেশের জন্য:
- কোনও ফর্ম্যাটিং প্রয়োজন নেই (ছোট হাতের অক্ষর লেখার প্রয়োজন নেই, অথবা স্পেস এবং বিশেষ অক্ষর অপসারণের প্রয়োজন নেই)
- পোস্টাল কোড এক্সটেনশন বাদ দিন
হ্যাশিং: কিছুই না

দ্রষ্টব্য: ম্যাচ টেবিল তৈরি করার সময় আপনি ট্রান্সফর্মেশন ব্যবহার করে আপনার ডেটা ফরম্যাট করতে পারেন। ট্রান্সফর্মেশনের মধ্যে রয়েছে কম্পিউট হ্যাশ, ছোট/বড় হাতের ফর্ম্যাটিং এবং মার্জ/বিভক্তকরণ ক্ষেত্র। কম্পিউট হ্যাশ ব্যক্তিগতভাবে সনাক্তকরণযোগ্য তথ্য (PII) এর জন্য সুবিধাজনক কারণ এটি স্ট্রিংটিকে ছোট হাতের অক্ষরে ট্রিম এবং ফর্ম্যাট করে, হ্যাশ মান গণনা করে এবং Base64 ব্যবহার করে এটি এনকোড করে।

হ্যাশ বৈধতা এবং ডেটা এনকোডিং

আপনার ডেটা সঠিকভাবে ফর্ম্যাট করা হয়েছে তা নিশ্চিত করতে আপনি নিম্নলিখিত হ্যাশ ভ্যালিডেশন স্ক্রিপ্টগুলি ব্যবহার করতে পারেন।

জাভাস্ক্রিপ্ট

বেস১৬

/**
 * @fileoverview Provides the hashing algorithm for User-Provided Data Match, as
 * well as some valid hashes of sample data for testing.
*/

async function hash(token) {
  // Removes leading or trailing spaces and converts all characters to lowercase.
  const formattedToken = token.trim().toLowerCase();
  // Hashes the formatted string using the SHA-256 hashing algorithm.
  const hashArrayBuffer = await crypto.subtle.digest(
      'SHA-256', (new TextEncoder()).encode(formattedToken));
  // Converts the hash buffer to a hexadecimal string.
  return Array.from(new Uint8Array(hashArrayBuffer))
      .map((b) => b.toString(16).padStart(2, '0'))
      .join('');
}

function main() {
  // Expected hash for test@gmail.com:
  // 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  hash('test@gmail.com').then(result => console.log(result));

  // Expected hash for +18005551212:
  // 61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  hash('+18005551212').then(result => console.log(result));

  // Expected hash for John:
  // 96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  hash('John').then(result => console.log(result));

  // Expected hash for Doe:
  // 799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f
  hash('Doe').then(result => console.log(result));
}

main()

বেস৬৪

/**
 * @fileoverview Provides the hashing algorithm, as well as some valid hashes of
 * sample data for testing.
*/

async function hash(token) {
  // Removes leading or trailing spaces and converts all characters to lowercase.
  const formattedToken = token.trim().toLowerCase();
  // Hashes the formatted string using the SHA-256 hashing algorithm.
  const hashBuffer = await crypto.subtle.digest(
      'SHA-256', (new TextEncoder()).encode(formattedToken));
  // Converts the hash buffer to a base64-encoded string and returns it.
  const base64Str = btoa(String.fromCharCode(...new Uint8Array(hashBuffer)));
  return base64Str;
}

function main() {
  // Expected hash for test@gmail.com:
  // h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
  hash('test@gmail.com').then(result => console.log(result));

  // Expected hash for +18005551212:
  // YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
  hash('+18005551212').then(result => console.log(result));

  // Expected hash for John: ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
  hash('John').then(result => console.log(result));

  // Expected hash for Doe: eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
  hash('Doe').then(result => console.log(result));
}

main()

পাইথন

বেস১৬

"""Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

Supports: Python 2, Python 3

Sample hashes:

  - Email 'test@gmail.com': 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  - Phone '+18005551212':   61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  - First name 'John':      96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  - Last name 'Doe':        799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f
"""

import base64
import hashlib

def updm_hash(token):
# Generates a SHA-256 hash of the input token after normalization.
  return hashlib.sha256(token.strip().lower().encode('utf-8')).hexdigest()

def print_updm_hash(token):
# Prints the SHA-256 hash and the original token.
  print('Hash: "{}"\t(Token: {})'.format(updm_hash(token), token))

def main():
# Hashes and prints sample tokens.
  print_updm_hash('test@gmail.com')
  print_updm_hash('+18005551212')
  print_updm_hash('John')
  print_updm_hash('Doe')

if __name__ == '__main__':
  main()

বেস৬৪

"""Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

Supports: Python 2, Python 3

Sample hashes:

  - Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
  - Phone '+18005551212':   YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
  - First name 'John':      ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
  - Last name 'Doe':        eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
"""

import base64
import hashlib

def hash(token):
# Generates a base64-encoded SHA-256 hash of a normalized input string.
  return base64.b64encode(
      hashlib.sha256(
          token.strip().lower().encode('utf-8')).digest()).decode('utf-8')

def print_hash(token, expected=None):
# Computes and displays the hash of a token, with optional validation.
  hashed = hash(token)

  if expected is not None and hashed != expected:
    print(
        'ERROR: Incorrect hash for token "{}". Expected "{}", got "{}"'.format(
            token, expected, hashed))
    return

  print('Hash: "{}"\t(Token: {})'.format(hashed, token))

def main():
# Tests the hash function with sample tokens and expected results.
  print_hash(
      'test@gmail.com', expected='h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=')
  print_hash(
      '+18005551212', expected='YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=')
  print_hash('John', expected='ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=')
  print_hash('Doe', expected='eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=')

if __name__ == '__main__':
  main()

যাও

বেস১৬

/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

Sample hashes:

  - Email 'test@gmail.com': 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  - Phone '+18005551212':   61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  - First name 'John':      96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  - Last name 'Doe':        799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f
*/
package main

import (
  "crypto/sha256"
  "fmt"
  "strings"
)

// Hash hashes an email, phone, first name, or last name into the correct format.
func Hash(token string) string {
  formatted := strings.TrimSpace(strings.ToLower(token))
  hashed := sha256.Sum256([]byte(formatted))
  encoded := fmt.Sprintf("%x", hashed[:])
  return encoded
}

// PrintHash prints the hash for a token.
func PrintHash(token string) {
  fmt.Printf("Hash: \"%s\"\t(Token: %s)\n", Hash(token), token)

}

func main() {
  PrintHash("test@gmail.com")
  PrintHash("+18005551212")
  PrintHash("John")
  PrintHash("Doe")
}

বেস৬৪

/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

Sample hashes:

  - Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
  - Phone '+18005551212':   YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
  - First name 'John':      ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
  - Last name 'Doe':        eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
*/
package main

import (
  "crypto/sha256"
  "encoding/base64"
  "fmt"
  "strings"
)

// Hash hashes an email, phone, first name, or last name into the correct format.
func Hash(token string) string {
  formatted := strings.TrimSpace(strings.ToLower(token))
  hashed := sha256.Sum256([]byte(formatted))
  encoded := base64.StdEncoding.EncodeToString(hashed[:])
  return encoded
}

// PrintHash prints the hash for a token.
func PrintHash(token string) {
  fmt.Printf("Hash: \"%s\"\t(Token: %s)\n", Hash(token), token)

}

func main() {
  PrintHash("test@gmail.com")
  PrintHash("+18005551212")
  PrintHash("John")
  PrintHash("Doe")
}

জাভা

বেস১৬

package updm.hashing;

import static java.nio.charset.StandardCharsets.UTF_8;

import com.google.common.base.Ascii;
import com.google.common.hash.Hashing;

/**
 * Example of the UPDM hashing algorithm using hex-encoded SHA-256.
*
* <p>This uses the Guava Hashing to generate the hash: https://github.com/google/guava
*
* <p>Sample valid hashes:
*
* <ul>
*   <li>Email "test@gmail.com": "87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674"
*   <li>Phone "+18005551212": "61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44"
*   <li>First name "John": "96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a"
*   <li>Last name "Doe": "799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f"
* </ul>
*/
public final class HashExample {

  private HashExample() {}

  public static String hash(String token) {
    // Normalizes and hashes the input token.
    String formattedToken = Ascii.toLowerCase(token).strip();
    return Hashing.sha256().hashString(formattedToken, UTF_8).toString();
  }

  public static void printHash(String token) {
    // Calculates and prints the token's hash.
    System.out.printf("Hash: \"%s\"\t(Token: %s)\n", hash(token), token);
  }

  public static void main(String[] args) {
    // Executes hash calculations and prints results for sample tokens.
    printHash("test@gmail.com");
    printHash("+18005551212");
    printHash("John");
    printHash("Doe");
  }
}

বেস৬৪

package updm.hashing;

import static java.nio.charset.StandardCharsets.UTF_8;

import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.Base64;

/**
* Example of the hashing algorithm.
*
* <p>Sample hashes:
*
* <ul>
*   <li>Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
*   <li>Phone '+18005551212': YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
*   <li>First name 'John': ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
*   <li>Last name 'Doe': eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
* </ul>
*/
public final class HashExample {

private HashExample() {}

public static String hash(String token) {
  // Normalizes and hashes the input token using SHA-256 and Base64 encoding.
  String formattedToken = token.toLowerCase().strip();

  byte[] hash;
  try {
    hash = MessageDigest.getInstance("SHA-256").digest(formattedToken.getBytes(UTF_8));
  } catch (NoSuchAlgorithmException e) {
    throw new IllegalStateException("SHA-256 not supported", e);
  }

  return Base64.getEncoder().encodeToString(hash);
}

public static void printHash(String token) {
  // Calculates and prints the hash for the given token.
  System.out.printf("Hash: \"%s\"\t(Token: %s)\n", hash(token), token);
}

public static void main(String[] args) {
  // Executes hash calculations and prints results for sample tokens.
  printHash("test@gmail.com");
  printHash("+18005551212");
  printHash("John");
  printHash("Doe");
}
}

এসকিউএল

বেস১৬

/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

The following code uses Google Standard SQL and can be run on BigQuery to generate match tables from unhashed data.

Sample hashes:

  - Email 'test@gmail.com': 87924606b4131a8aceeeae8868531fbb9712aaa07a5d3a756b26ce0f5d6ca674
  - Phone '+18005551212':   61d9111bed3e6d9cfc1bc3b5cb35a402687c4f1546bee061a2bd444fbdd64c44
  - First name 'John':      96d9632f363564cc3032521409cf22a852f2032eec099ed5967c0d000cec607a
  - Last name 'Doe':        799ef92a11af918e3fb741df42934f3b568ed2d93ac1df74f1b8d41a27932a6f

The unhashed input table schema is assumed to be:

- Column name: UserID, Type: String
- Column name: Email, Type: String
- Column name: Phone, Type: String
- Column name: FirstName, Type: String
- Column name: LastName, Type: String
- Column name: PostalCode, Type: String
- Column name: CountryCode, Type: String
*/

-- Creates a new table with hashed versions of specified columns from the input table.
CREATE TABLE `your_project_name.your_dataset_name.output_hashed_table_name`
AS
SELECT
  UserID,
  TO_HEX(SHA256(LOWER(Email))) AS Email,
  TO_HEX(SHA256(Phone)) AS Phone,
  TO_HEX(SHA256(LOWER(FirstName))) AS FirstName,
  TO_HEX(SHA256(LOWER(LastName))) AS LastName,
  PostalCode,
  CountryCode,
FROM
  `your_project_name.your_dataset_name.input_unhashed_table_name`;

বেস৬৪

/*
Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

The following code uses Google Standard SQL and can be run on BigQuery to generate match tables from unhashed data.

Sample hashes:

  - Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
  - Phone '+18005551212':   YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
  - First name 'John':      ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
  - Last name 'Doe':        eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=

The unhashed input table schema is assumed to be:

- Column name: UserID, Type: String
- Column name: Email, Type: String
- Column name: Phone, Type: String
- Column name: FirstName, Type: String
- Column name: LastName, Type: String
- Column name: PostalCode, Type: String
- Column name: CountryCode, Type: String
*/

-- Creates a new table with Base64-encoded SHA-256 hashes of specified columns.
CREATE TABLE `your_project_name.your_dataset_name.output_hashed_table_name`
AS
SELECT
  UserID,
  TO_BASE64(SHA256(LOWER(Email))) AS Email,
  TO_BASE64(SHA256(Phone)) AS Phone,
  TO_BASE64(SHA256(LOWER(FirstName))) AS FirstName,
  TO_BASE64(SHA256(LOWER(LastName))) AS LastName,
  PostalCode,
  CountryCode,
FROM
  `your_project_name.your_dataset_name.input_unhashed_table_name`;

জয়েন কী

ব্যবহারকারীর দ্বারা প্রদত্ত ডেটার কিছু সংমিশ্রণ অন্যদের তুলনায় শক্তিশালী। আপেক্ষিক শক্তি অনুসারে র‍্যাঙ্ক করা বিভিন্ন ব্যবহারকারীর দ্বারা প্রদত্ত ডেটা সংমিশ্রণের একটি তালিকা নিচে দেওয়া হল। আপনি যদি কোনও ঠিকানা ব্যবহার করেন, তাহলে আপনাকে অবশ্যই অন্তর্ভুক্ত করতে হবে: প্রথম নাম, পদবি, দেশ এবং জিপ কোড।

ইমেল, ফোন, ঠিকানা (সবচেয়ে শক্তিশালী)
ফোন, ঠিকানা
ইমেইল, ঠিকানা
ইমেল, ফোন
জানুন
ফোন
ইমেল (সবচেয়ে দুর্বল)

একটি ম্যাচ টেবিল তৈরি করুন

সংযোগ > সংযোগ তৈরি করুন > ব্যবহারকারী-প্রদত্ত ডেটা ম্যাচিং ক্লিক করুন।
একটি ডেটা উৎস নির্বাচন করুন, তারপর সংযোগ করুন এ ক্লিক করুন।
যদি অনুরোধ করা হয়, তাহলে প্রমাণীকরণ করুন, তারপর পরবর্তী ক্লিক করুন:
বিগকুয়েরি
BigQuery-তে অ্যাক্সেস দিতে Apply-এ ক্লিক করুন।
ক্লাউড স্টোরেজ
ক্লাউড স্টোরেজে অ্যাক্সেস দিতে প্রয়োগ করুন-এ ক্লিক করুন।
মাইএসকিউএল
আপনার MySQL ডাটাবেসের অবস্থান, পোর্ট, ব্যবহারকারীর নাম এবং পাসওয়ার্ড লিখুন।
S3 সম্পর্কে
আপনার Amazon S3 গোপন অ্যাক্সেস কী লিখুন।
পোস্টগ্রেএসকিউএল
আপনার PostgreSQL ডাটাবেসের অবস্থান, পোর্ট, ব্যবহারকারীর নাম, পাসওয়ার্ড এবং ডাটাবেস লিখুন।
রেডশিফট
আপনার Redshift ডাটাবেসের অবস্থান, পোর্ট, ব্যবহারকারীর নাম, পাসওয়ার্ড এবং ডাটাবেস লিখুন।
sFTP সম্পর্কে
আপনার sFTP সার্ভারের অবস্থান, ব্যবহারকারীর নাম এবং পাসওয়ার্ড লিখুন।
তুষারকণা
আপনার স্নোফ্লেক অ্যাকাউন্ট শনাক্তকারী, ব্যবহারকারীর নাম এবং পাসওয়ার্ড লিখুন।
আপনার ডেটা সোর্স কনফিগার করুন, তারপর Next এ ক্লিক করুন :
বিগকুয়েরি
আমদানি করতে BigQuery টেবিলটি নির্বাচন করুন।
ক্লাউড স্টোরেজ
gsutil পাথটি প্রবেশ করান, যেমন gs://my-bucket/folder/ এবং আপনার ফাইলের ফর্ম্যাটিং নির্বাচন করুন।
যদি আপনি এই রিসোর্সটি প্রথমবার সংযুক্ত করেন, তাহলে একটি সতর্কতা প্রদর্শিত হবে। অ্যাক্সেস প্রদানের জন্য প্রয়োগ করুন ক্লিক করুন, তারপর পরবর্তী ক্লিক করুন। দ্রষ্টব্য: প্রাসঙ্গিক বাকেটের জন্য storage.buckets.setIamPolicy অর্পণ করার জন্য আপনার অবশ্যই একটি ভূমিকা থাকতে হবে।
মাইএসকিউএল
আপনি যে MySQL ডাটাবেস এবং টেবিলটি ব্যবহার করতে চান তা নির্বাচন করুন।
S3 সম্পর্কে
আপনি যে ফাইলটি আপলোড করতে চান তার হোস্ট ঠিকানার সাপেক্ষে URI লিখুন।
পোস্টগ্রেএসকিউএল
PostgreSQL স্কিমা এবং টেবিল (অথবা ভিউ) নাম লিখুন।
রেডশিফট
Redshift স্কিমা এবং টেবিল (অথবা ভিউ) নাম লিখুন। ডিফল্টরূপে, Redshift ডাটাবেস অবস্থান URL ব্যবহার করে যা এই টেমপ্লেট অনুসরণ করে: cluster-identifier.account-number.aws-region.redshift.amazonaws.com ।
sFTP সম্পর্কে
ফাইলের পাথ এবং নাম লিখুন, / PATH / FILENAME .csv হিসেবে ফর্ম্যাট করা।
তুষারকণা
আপনি যে স্নোফ্লেক ডাটাবেস, স্কিমা এবং টেবিল (অথবা ভিউ) ব্যবহার করতে চান তা লিখুন।
মধ্যস্থতাকারী গন্তব্য হিসেবে ব্যবহার করার জন্য একটি BigQuery ডেটাসেট নির্বাচন করুন, তারপর Next এ ক্লিক করুন। এই ধাপটি নিশ্চিত করে যে আপনার ডেটা সঠিকভাবে ফর্ম্যাট করা হয়েছে ।
ঐচ্ছিক: আপনার ডেটার ফর্ম্যাট পরিবর্তন করুন। রূপান্তরের মধ্যে রয়েছে কম্পিউট হ্যাশ, ছোট/বড় হাতের অক্ষর ফর্ম্যাটিং এবং মার্জ/বিভক্ত ক্ষেত্র।
1. Action > > Transform এ ক্লিক করুন।
2. পপ আপ হওয়া প্যানেলে, রূপান্তর যোগ করুন অথবা অন্য রূপান্তর যোগ করুন ক্লিক করুন
3. ড্রপডাউন মেনু থেকে একটি রূপান্তরের ধরণ নির্বাচন করুন এবং প্রয়োজনীয়তাগুলি লিখুন।
4. সংরক্ষণ করুন ক্লিক করুন।
কমপক্ষে একটি জয়েন কী বেছে নিন এবং আপনি যে ক্ষেত্রগুলি ব্যবহার করবেন সেগুলি ম্যাপ করুন। বিজ্ঞাপন ডেটা হাব স্বয়ংক্রিয়ভাবে দ্বারা নির্দেশিত একই নামের ক্ষেত্রগুলি ম্যাপ করবে। প্রয়োজনীয় সম্পাদনা করুন, তারপর Next এ ক্লিক করুন।
একটি সময়সূচী সেট করুন:
1. আপনার সংযোগের নাম দিন।
2. পূর্ববর্তী ধাপে নির্বাচিত ডেটাসেটে কত ঘন ঘন ডেটা আমদানি করা হবে তা নির্দেশ করে একটি ফ্রিকোয়েন্সি সেট করুন। প্রতিটি রান গন্তব্য টেবিলে ডেটা ওভাররাইট করবে।
3. ব্যবহারকারী আইডি সংঘর্ষগুলি কীভাবে পরিচালনা করতে চান তা নির্দিষ্ট করুন। আপনি বিদ্যমান মিলটি রাখা অথবা নতুন ডেটা দিয়ে ওভাররাইট করার মধ্যে একটি বেছে নিতে পারেন।
Finish এ ক্লিক করুন। ম্যাচ টেবিলগুলি তৈরি হওয়ার ১২ ঘন্টা পরে সাধারণত জিজ্ঞাসা করার জন্য প্রস্তুত থাকে।

সংযোগের বিবরণ দেখুন

সংযোগের বিবরণ পৃষ্ঠাটি আপনাকে একটি নির্দিষ্ট সংযোগের সাম্প্রতিক রান এবং ত্রুটি সম্পর্কে তথ্য দেয়। একটি নির্দিষ্ট সংযোগের বিবরণ দেখতে:

সংযোগগুলি ক্লিক করুন।
সংযোগের বিবরণ দেখতে তার নামে ক্লিক করুন।
এখন আপনি সংযোগের বিবরণ এবং সাম্প্রতিক রানগুলি দেখতে পাবেন। প্রতিটিতে দুটি সম্ভাব্য ধরণের ত্রুটি দেখা যায়: সংযোগ-স্তর (সংযোগটি চালানো হয়নি) এবং সারি-স্তরের ত্রুটি (একটি সারি আমদানি করা হয়নি)।
1. একটি ব্যর্থ অবস্থা নির্দেশ করে যে সম্পূর্ণ সংযোগটি চালানো ব্যর্থ হয়েছে (যেমন পরিষেবা অ্যাকাউন্টের অনুমতি সংক্রান্ত সমস্যা)। কোন ত্রুটিগুলি সংযোগকে প্রভাবিত করেছে তা দেখতে ত্রুটির স্থিতিতে ক্লিক করুন।
2. " সম্পূর্ণ " স্ট্যাটাসটি নির্দেশ করে যে সংযোগটি সফলভাবে সম্পন্ন হয়েছে। তবে, সারি-স্তরের ত্রুটিগুলি এখনও থাকতে পারে - "ত্রুটিযুক্ত সারি" কলামে একটি অ-শূন্য মান দ্বারা নির্দেশিত। কোন রেকর্ডগুলি ব্যর্থ হয়েছে সে সম্পর্কে আরও জানতে মানটিতে ক্লিক করুন।

একটি সংযোগ সম্পাদনা করুন

নিম্নলিখিত বিবরণগুলি সম্পাদনা করা যেতে পারে:

সংযোগের নাম
সময়সূচী
গন্তব্য সারণী
ফিল্ড ম্যাপিং

ডেটা সোর্স সম্পাদনা করা সমর্থিত নয়। ডেটা সোর্স পরিবর্তন করতে, একটি নতুন সংযোগ তৈরি করুন এবং পুরানোটি মুছে ফেলুন।

সংযোগের বিবরণ সম্পাদনা করতে:

সংযোগগুলি ক্লিক করুন।
আপনি যে সংযোগটি সম্পাদনা করতে চান তার নামে ক্লিক করুন।
আপনি যে বিবরণগুলি পরিবর্তন করতে চান তা সম্পাদনা করুন:
- সংযোগের নাম: সম্পাদনা করুন এ ক্লিক করুন, নতুন নাম লিখুন, তারপর এন্টার টিপুন।
- সময়সূচী: সম্পাদনা করুন এ ক্লিক করুন, নতুন সময়সূচী সেট করুন, তারপর সংরক্ষণ করুন এ ক্লিক করুন।
- গন্তব্য সারণী: সম্পাদনা করুন এ ক্লিক করুন, নতুন গন্তব্যের নাম লিখুন, তারপর সংরক্ষণ করুন এ ক্লিক করুন।
- ফিল্ড ম্যাপিং: এ ক্লিক করুন, ফিল্ডগুলিতে পরিবর্তন করুন, তারপর Save এ ক্লিক করুন।
করুন ক্লিক করুন।

মিলে যাওয়া ডেটা কোয়েরি করুন

মিল টেবিলগুলি জিজ্ঞাসা করুন

যখন আপনার ম্যাচ টেবিলগুলিতে গোপনীয়তা পরীক্ষা পূরণ করার জন্য পর্যাপ্ত ডেটা থাকে, তখন আপনি টেবিলগুলির বিরুদ্ধে কোয়েরি চালানোর জন্য প্রস্তুত।

প্রথম-পক্ষের ডেটা (1PD) এর মূল টেবিলটি my_data দ্বারা প্রতিনিধিত্ব করা হয়। এতে ব্যক্তিগতভাবে সনাক্তকরণযোগ্য তথ্য (PII) এবং নন-PII ডেটা উভয়ই অন্তর্ভুক্ত থাকে। আসল টেবিলটি ব্যবহার করলে আপনার প্রতিবেদনগুলিকে আরও অন্তর্দৃষ্টি দিয়ে উন্নত করা যেতে পারে, কারণ এটি একটি ম্যাচ টেবিলের সাথে তুলনা করলে স্কোপের সমস্ত 1PD ডেটা উপস্থাপন করে।

Ads Data Hub স্কিমার প্রতিটি টেবিলের সাথে একটি user_id ফিল্ড থাকে এবং এর সাথে একটি ম্যাচ টেবিল থাকে। উদাহরণস্বরূপ, adh.google_ads_impressions টেবিলের জন্য, Ads Data Hub আপনার ব্যবহারকারী আইডি ধারণকারী adh.google_ads_impressions_updm নামক একটি ম্যাচ টেবিলও তৈরি করে। নীতি-বিচ্ছিন্ন নেটওয়ার্ক টেবিলের জন্য পৃথক ম্যাচ টেবিল তৈরি করা হয়। উদাহরণস্বরূপ, adh.google_ads_impressions_policy_isolated_network টেবিলের জন্য, Ads Data Hub আপনার ব্যবহারকারী আইডি ধারণকারী adh.google_ads_impressions_policy_isolated_network_updm নামক একটি ম্যাচ টেবিলও তৈরি করে।

এই টেবিলগুলিতে মূল টেবিলে উপলব্ধ ব্যবহারকারীদের একটি উপসেট থাকে, যেখানে user_id এ একটি মিল রয়েছে। উদাহরণস্বরূপ, যদি মূল টেবিলে ব্যবহারকারী A এবং ব্যবহারকারী B এর জন্য ডেটা থাকে, কিন্তু শুধুমাত্র ব্যবহারকারী A মিলিত হয়, তাহলে ব্যবহারকারী B মিলিত টেবিলে থাকবে না।

ম্যাচ টেবিলগুলিতে customer_data_user_id নামে একটি অতিরিক্ত কলাম থাকে, যা ব্যবহারকারী শনাক্তকারীকে BYTES হিসেবে সংরক্ষণ করে।

আপনার কোয়েরি লেখার সময় ফিল্ডের ধরণ বিবেচনা করা গুরুত্বপূর্ণ। SQL তুলনা অপারেটররা আশা করে যে আপনি যে লিটারেলগুলি তুলনা করছেন তা একই ধরণের। আপনার প্রথম-পক্ষের ডেটার টেবিলে user_id কীভাবে সংরক্ষণ করা হয় তার উপর নির্ভর করে, ডেটা মেলানোর আগে আপনাকে টেবিলের মানগুলি এনকোড করতে হতে পারে। সফল মিলের জন্য আপনাকে BYTES-এ আপনার জয়েন কীটি কাস্ট করতে হবে:

JOIN ON
  adh.google_ads_impressions_updm.customer_data_user_id = CAST(my_data.user_id AS BYTES)

অতিরিক্তভাবে, SQL-এ স্ট্রিং তুলনাগুলি ক্যাপিটালাইজেশনের প্রতি সংবেদনশীল, তাই আপনার তুলনার উভয় পাশে স্ট্রিংগুলিকে এনকোড করার প্রয়োজন হতে পারে যাতে সেগুলি সঠিকভাবে তুলনা করা যায়।

নমুনা প্রশ্নের তালিকা

মিলে যাওয়া ব্যবহারকারীদের সংখ্যা

এই কোয়েরিটি আপনার Google বিজ্ঞাপন ইম্প্রেশন টেবিলে মিলিত ব্যবহারকারীর সংখ্যা গণনা করে।

/* Count matched users in Google Ads impressions table */

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

ম্যাচ রেট গণনা করুন

সকল ব্যবহারকারী মিলে যাওয়ার যোগ্য নন। উদাহরণস্বরূপ, সাইন-আউট করা ব্যবহারকারী, শিশু এবং সম্মতিহীন ব্যবহারকারীদের UPDM-এর মাধ্যমে মেলানো হয় না। আরও সঠিক UPDM মিলে যাওয়ার হার গণনা করতে আপনি is_updm_eligible ফিল্ডটি ব্যবহার করতে পারেন। মনে রাখবেন যে is_updm_eligible ফিল্ডটি ১ অক্টোবর, ২০২৪ থেকে উপলব্ধ ছিল। আপনি এই তারিখের আগে মিলে যাওয়ার হার গণনা করতে এই ফিল্ডটি ব্যবহার করতে পারবেন না।

/* Calculate the UPDM match rate */

CREATE TEMP TABLE total_events OPTIONS(privacy_checked_export=TRUE) AS
SELECT
  customer_id,
  COUNT(*) AS n
FROM adh.google_ads_impressions
WHERE is_updm_eligible
GROUP BY 1;

CREATE TEMP TABLE matched_events OPTIONS(privacy_checked_export=TRUE) AS
SELECT
  customer_id,
  COUNT(*) AS n
FROM adh.google_ads_impressions_updm
GROUP BY 1;

SELECT
  customer_id,
  SAFE_DIVIDE(matched_events.n, total_events.n) AS match_rate
FROM total_events
LEFT JOIN matched_events
  USING (customer_id)

প্রথম পক্ষ এবং Google বিজ্ঞাপন ডেটাতে যোগদান করুন

এই কোয়েরিতে Google বিজ্ঞাপন ডেটার সাথে প্রথম পক্ষের ডেটা কীভাবে যুক্ত করবেন তা দেখানো হয়েছে:

/* Join first-party data with Google Ads data. The customer_data_user_id field
contains your ID as BYTES. You need to cast your join key into BYTES for
successful matches. */

SELECT
  inventory_type,
  COUNT(*) AS impressions
FROM
  adh.yt_reserve_impressions_updm AS google_data_imp
LEFT JOIN
  `my_data`
ON
  google_data_imp.customer_data_user_id = CAST(my_data.user_id AS BYTES)
GROUP BY
  inventory_type

UPDM সম্পর্কিত প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

UPDM সম্পর্কিত প্রায়শই জিজ্ঞাসিত প্রশ্নাবলীর তালিকার জন্য, UPDM প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী দেখুন।

সংযোগ ট্যাব ওভারভিউ

সমর্থিত প্রথম পক্ষের ডেটা উৎস

পরিভাষা শিখুন

প্রক্রিয়ার সারাংশ

গোপনীয়তার প্রয়োজনীয়তা সম্পর্কে জানুন

ডেটা ইনজেশন সেট আপ করুন

BigQuery এবং Cloud Storage-এর জন্য কোন কোন অনুমতি দেওয়া হয়?

বিগকুয়েরি

ক্লাউড স্টোরেজ

অন্যান্য তথ্য উৎস

প্রথম পক্ষের ডেটা গ্রহণ করুন এবং মেলান

ইনপুটের জন্য ডেটা ফর্ম্যাট করুন

ব্যবহারকারী আইডি

ইমেইল

ফোন

প্রথম নাম

পদবি

দেশ

জিপ কোড

হ্যাশ বৈধতা এবং ডেটা এনকোডিং

জাভাস্ক্রিপ্ট

বেস১৬

বেস৬৪

পাইথন

বেস১৬

বেস৬৪

যাও

বেস১৬

বেস৬৪

জাভা

বেস১৬

বেস৬৪

এসকিউএল

বেস১৬

বেস৬৪

জয়েন কী

একটি ম্যাচ টেবিল তৈরি করুন

বিগকুয়েরি

ক্লাউড স্টোরেজ

মাইএসকিউএল

S3 সম্পর্কে

পোস্টগ্রেএসকিউএল

রেডশিফট

sFTP সম্পর্কে

তুষারকণা

বিগকুয়েরি

ক্লাউড স্টোরেজ

মাইএসকিউএল

S3 সম্পর্কে

পোস্টগ্রেএসকিউএল

রেডশিফট

sFTP সম্পর্কে

তুষারকণা

সংযোগের বিবরণ দেখুন

একটি সংযোগ সম্পাদনা করুন

মিলে যাওয়া ডেটা কোয়েরি করুন

মিল টেবিলগুলি জিজ্ঞাসা করুন

নমুনা প্রশ্নের তালিকা

মিলে যাওয়া ব্যবহারকারীদের সংখ্যা

ম্যাচ রেট গণনা করুন

প্রথম পক্ষ এবং Google বিজ্ঞাপন ডেটাতে যোগদান করুন

UPDM সম্পর্কিত প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী