La correlación de datos proporcionados por el usuario (UPDM) une los datos de origen que recopilaste sobre un usuario (como la información proveniente de tus sitios web, apps o tiendas físicas) con la actividad que se registra en todos los datos de anuncios de Google para ese mismo usuario después de que accede a su cuenta, incluidos los datos que posee y opera Google. Esto incluye los datos comprados a través de los productos de Google Marketing Platform (GMP), por ejemplo, YouTube comprado con Display & Video 360. No se admiten otros productos de GMP que no sean propiedad de Google ni estén operados por Google.
Para poder utilizar la correlación de datos proporcionados por el usuario, el evento de anuncio debe estar vinculado a un usuario que haya accedido a su cuenta y figure en los datos de anuncios de Google.
En este documento, se describe la función de correlación de datos proporcionados por el usuario y se brinda orientación sobre la configuración y el uso.
Descripción general de la pestaña Conexiones
Para obtener estadísticas publicitarias valiosas, a menudo es necesario unir datos de varias fuentes. Crear tu propia solución para este problema de canalización de datos requiere una inversión significativa de tiempo y recursos de ingeniería. La página Connections de Ads Data Hub optimiza este proceso, ya que proporciona una interfaz guiada paso a paso para importar, transformar y correlacionar tus datos de anuncios en BigQuery, de modo que puedas usarlos en tus consultas de Ads Data Hub o en cualquier otro producto que lea datos de BigQuery. Enriquecer tus búsquedas con datos de origen puede brindar experiencias del cliente más enriquecedoras y es más resistente a los cambios en el seguimiento de anuncios en toda la industria.
La página Connections se creó con herramientas que te permiten encriptar y compartir información de identificación personal (PII) con socios de una manera centrada en la privacidad. Después de seleccionar las columnas que contienen PII, el Centro de Datos de Anuncios encripta los datos, lo que garantiza que solo las personas que tienen permiso para hacerlo puedan exportar o leer tus datos de origen. Puede ser difícil saber qué datos de origen se necesitan para tu caso de uso de medición o activación, por lo que el Centro de Datos de Anuncios proporciona una lista completa de casos de uso predefinidos y, luego, te guía a través de toda la experiencia de extracción, transformación y carga de tus datos. Si bien puedes crear varios tipos de conexiones, este documento supone que usas la página Connections para la correlación de datos proporcionados por el usuario.
Fuentes de datos de origen compatibles
Puedes importar datos de las siguientes fuentes de datos:
- BigQuery
- Cloud Storage
- FTP seguro (SFTP)
- Snowflake
- MySQL
- PostgreSQL
- Amazon Redshift
- Amazon S3
Dado que la correlación de datos proporcionados por el usuario solo está disponible en el inventario administrado y propiedad de Google para los usuarios que accedieron a sus cuentas, no se verá afectada por la próxima baja de las cookies de terceros. Dado que es más resistente a los cambios en el sector que los datos de terceros, puede proporcionar estadísticas más detalladas, lo que puede generar una mayor participación de los clientes.
Conoce la terminología
- Conexión de datos proporcionados por el usuario: Configura una conexión de datos proporcionados por el usuario para importar y correlacionar tus datos, programar importaciones de datos, transformar datos y correlacionar tus datos de anuncios con un ID de usuario. El evento de anuncio debe estar vinculado a un usuario que haya accedido a su cuenta y figure en los datos de anuncios de Google. Se requieren varios proyectos de Google Cloud.
- Conexión de datos de origen: Configura una conexión de datos de origen como herramienta de preparación de datos para programar importaciones de datos y transformarlos sin las funciones avanzadas de UPDM. Este tipo de conexión requiere solo un proyecto de Google Cloud.
- Fuente de datos: Es un producto conectado, un archivo importado o una integración de terceros, por ejemplo, BigQuery.
- Destino: Es un caso de uso, que suele ser un producto de Google o una función de producto, en el que se activan los datos importados, por ejemplo, la correlación de datos proporcionados por el usuario de Ads Data Hub.
- Proyecto de administrador: Es el proyecto de Google Cloud que contiene tus datos publicitarios propios en formato sin procesar.
- Conjunto de datos de salida: Es el conjunto de datos de BigQuery en el que escribe Ads Data Hub. De forma predeterminada, este es un conjunto de datos en tu proyecto de administrador. Para cambiarlo a otro proyecto de Google Cloud, consulta Configura cuentas de servicio.
Resumen del proceso
- Configuración de la correlación y la transferencia de datos
- Tú otorgas los permisos necesarios a las cuentas de servicio en tu proyecto de administrador. Consulta Cómo configurar la transferencia de datos.
- Transferencia y correlación de datos de origen
- Tú das formato a tus datos de origen y los subes a tu conjunto de datos de BigQuery. Para la configuración más sencilla, usa tu proyecto de administrador. Sin embargo, puedes usar cualquier conjunto de datos de BigQuery que te pertenezca.
- Tú inicias una solicitud de correlación de datos creando una conexión y configurando un programa de importación.
- Google une los datos de tu proyecto con los datos propiedad de Google que contienen el ID de usuario de Google y los datos proporcionados por el usuario con codificación hash para crear y actualizar tablas de coincidencias.
- Consulta Transfiere datos de origen
- Consultas en curso en Ads Data Hub, basadas en datos coincidentes
- Tú ejecutas consultas en las tablas de concordancia de la misma manera en que ejecutas consultas normales en Ads Data Hub. Consulta Cómo consultar datos coincidentes.
Más información sobre los requisitos de privacidad
Recopilación de datos de los clientes
Cuando utilices la correlación de datos proporcionados por el usuario, debes subir datos de origen. Puede ser información que recopilaste de tus sitios web, aplicaciones, tiendas físicas o cualquier información que un cliente haya compartido contigo directamente.
Obligaciones:
- Asegúrate de que tu política de privacidad divulgue que compartes los datos de clientes con terceros que prestan servicios en tu nombre y que obtienes el consentimiento para compartirlos cuando así lo exija la ley.
- Solo debe utilizar la interfaz o la API de Google aprobadas para subir los datos de los clientes.
- Satisfacer todas las leyes y reglamentaciones aplicables, incluidos los códigos autorregulatorios o de la industria que se puedan aplicar
Confirmación de consentimiento de origen
Para asegurarte de que puedes usar tus datos de origen en el Centro de Datos de Anuncios, debes confirmar que obtuviste el consentimiento adecuado para compartir datos de los usuarios finales del EEE con Google en virtud de la Política de consentimiento de usuarios de la UE y la Política del Centro de Datos de Anuncios. Este requisito se aplica a cada cuenta de Ads Data Hub y debe actualizarse cada vez que subas datos de origen nuevos. Cualquier usuario puede realizar esta confirmación en nombre de toda la cuenta.
Ten en cuenta que las mismas reglas de consulta de los servicios de Google que se aplican a las consultas de análisis también se aplican a las consultas de UPDM. Por ejemplo, no puedes ejecutar consultas entre servicios en usuarios del EEE cuando creas una tabla de coincidencias.
Si deseas obtener información para confirmar el consentimiento en Ads Data Hub, consulta Requisitos de consentimiento para el Espacio Económico Europeo.
Tamaño de los datos
Para proteger la privacidad del usuario final, la correlación de datos proporcionados por el usuario exige los siguientes requisitos con respecto al tamaño de tus datos:
- Debes subir al menos 1,000 registros a tu lista de usuarios.
- Cada actualización exitosa de tu tabla de coincidencias debe incluir una cantidad mínima de usuarios que coincidan por primera vez. Este comportamiento es similar a las verificaciones de diferencias.
- Tu lista no debe superar la cantidad máxima de registros. Para obtener información sobre el límite máximo de datos, comunícate con tu representante de Google.
Configura la transferencia de datos
Antes de comenzar, debes configurar tu cuenta de Ads Data Hub para crear conexiones de datos, que es la forma en que establecerás tu canalización de correlación de datos. Solo debes realizar estos pasos una vez.
En la página Conexiones, haz clic en Comenzar la configuración para abrir el asistente de configuración de la cuenta en la etapa de habilitación del UPDM.
¿Qué permisos se otorgan para BigQuery y Cloud Storage?
Si configuras UPDM para usarlo con BigQuery o Cloud Storage, usa esta referencia para comprender los permisos que se otorgan a las cuentas de servicio de Ads Data Hub.
BigQuery
| Cuenta de servicio de Data Fusion | |||||||||
| Objetivo | La cuenta de servicio de Data Fusion se usa para mostrar una lista de campos de origen en la IU del Centro de Datos de Anuncios. | ||||||||
| Formato | service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com |
||||||||
| Acceso requerido |
|
||||||||
| Cuenta de servicio de Dataproc | |||||||||
| Objetivo | La cuenta de servicio de Dataproc es responsable de ejecutar las canalizaciones de datos en segundo plano. | ||||||||
| Formato | some-number-compute@developer.gserviceaccount.com |
||||||||
| Acceso requerido |
|
||||||||
| Cuenta de servicio de UPDM | |||||||||
| Objetivo | La cuenta de servicio de UPDM se usa para ejecutar el trabajo de correlación. | ||||||||
| Formato | service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com |
||||||||
| Acceso requerido |
|
||||||||
Cloud Storage
| Cuenta de servicio de Data Fusion | |||||||
| Objetivo | La cuenta de servicio de Data Fusion se usa para mostrar una lista de campos de origen en la IU del Centro de Datos de Anuncios. | ||||||
| Formato | service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com |
||||||
| Acceso requerido |
|
||||||
| Cuenta de servicio de Dataproc | |||||||
| Objetivo | La cuenta de servicio de Dataproc es responsable de ejecutar las canalizaciones de datos en segundo plano. | ||||||
| Formato | some-number-compute@developer.gserviceaccount.com |
||||||
| Acceso requerido |
|
||||||
| Cuenta de servicio de UPDM | |||||||
| Objetivo | La cuenta de servicio de UPDM se usa para ejecutar el trabajo de correlación. | ||||||
| Formato | service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com |
||||||
| Acceso requerido |
|
||||||
Otras fuentes de datos
No es necesario para otras fuentes de datos
Transfiere y correlaciona datos de origen
Formatea los datos para la entrada
Tus datos deben cumplir con estos requisitos de formato para que se correlacionen correctamente:
- Cuando se indique en las siguientes descripciones de campos de entrada, debes subir el archivo con el hash SHA256.
- Los campos de entrada deben tener el formato de cadenas. Por ejemplo, si usas la función hash SHA256 de BigQuery con la función de codificación Base16 (TO_HEX), usa la siguiente transformación:
TO_HEX(SHA256(user_data)). - UPDM admite la codificación Base16 y Base64. Debes alinear la codificación de tus datos de origen con la decodificación que se usa en tu consulta de Ads Data Hub. Si cambias la codificación de tus datos de origen, debes actualizar tu consulta de Ads Data Hub para que decodifique desde la misma base. En los siguientes ejemplos, se usa la codificación Base16.
ID de usuario
- Texto sin formato
- Generación de hashes: Ninguna
Correo electrónico
- Quita los espacios en blanco iniciales y finales
- Escribe todos los caracteres en minúscula.
- Incluye un nombre de dominio para todas las direcciones de correo electrónico, como gmail.com o hotmail.co.jp.
- Quita los acentos (por ejemplo, cambia è, é, ê o ë por e).
- Quita todos los puntos (.) que anteceden al nombre de dominio en las direcciones de correo electrónico
gmail.comygooglemail.com. - Codificación hash: SHA256 codificado en Base16
Válido: TO_HEX(SHA256("jeffersonloveshiking@gmail.com"))
No válido: TO_HEX(SHA256("JéffersonLôvesHiking@gmail.com"))
Teléfono
- Quita los espacios en blanco
- Utiliza el formato E.164 (por ejemplo, +14155552671 para EE.UU. y +442071838750 para el Reino Unido).
- Quita todos los caracteres especiales, excepto el signo “+” que antecede al código de país.
- Codificación hash: SHA256 codificado en Base16
Válido: TO_HEX(SHA256("+18005550101"))
No válido: TO_HEX(SHA256("(800) 555-0101"))
Nombre
- Quita los espacios en blanco
- Escribe todos los caracteres en minúscula.
- Quita todos los prefijos, por ejemplo, Sra., Sr.: Srta.: Dr.
- No quites los acentos, por ejemplo, è, é, ê o ë.
- Codificación hash: SHA256 codificado en Base16
Válido: TO_HEX(SHA256("daní"))
No válido: TO_HEX(SHA256("Daní"))
Apellido
- Quita los espacios en blanco
- Escribe todos los caracteres en minúscula.
- Quita todos los sufijos, por ejemplo, Jr., Sr.: 2ª, 3ª, II, III, PHD, MD
- No quites los acentos, por ejemplo, è, é, ê o ë.
- Codificación hash: SHA256 codificado en Base16
Válido: TO_HEX(SHA256("delacruz"))
No válido: TO_HEX(SHA256("de la Cruz, Jr."))
País
- Incluya el código del país, aun cuando todos los datos de sus clientes correspondan al mismo país.
- No utilices la codificación hash en los datos de país.
- Usa códigos de país ISO 3166-1 alpha-2.
- Generación de hashes: Ninguna
Válido: US
No válido: United States of America o USA
Código postal
- No generes un hash para los datos de código postal
- Se permite el uso tanto de códigos postales estadounidenses como internacionales.
- Para EE.UU.:
- Se permite el uso de códigos de 5 dígitos, por ejemplo, 94043.
- También se permite el uso de códigos de 5 dígitos seguidos de una extensión de 4 dígitos, por ejemplo, 94043-1351 o 940431351.
- Para todos los demás países:
- No se necesita formato (no es necesario poner en minúsculas ni quitar espacios ni caracteres especiales).
- Omita las extensiones de código postal.
- Generación de hashes: Ninguna
Validación de hash y codificación de datos
Puedes usar las siguientes secuencias de comandos de validación de hash para asegurarte de que tus datos tengan el formato correcto.
JavaScript
Base16
/**
* @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()
Base64
/**
* @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()
Python
Base16
"""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()
Base64
"""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()
Go
Base16
/*
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")
}
Base64
/*
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")
}
Java
Base16
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");
}
}
Base64
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");
}
}
SQL
Base16
/*
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`;
Base64
/*
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`;
Claves de unión
Algunas combinaciones de datos proporcionados por el usuario son más sólidas que otras. A continuación, se incluye una lista de diferentes combinaciones de datos proporcionados por el usuario, clasificadas según su solidez relativa. Si usas una dirección, debes incluir el nombre, el apellido, el país y el código postal.
- Correo electrónico, teléfono y dirección (la más sólida)
- Teléfono y dirección
- Correo electrónico, dirección
- Correo electrónico y teléfono
- Dirección
- Teléfono
- Correo electrónico (la más débil)
Crea una tabla de coincidencias
- Haz clic en Conexiones > Crear conexión > Correlación de datos proporcionados por el usuario.
- Elige una fuente de datos y, luego, haz clic en Conectar.
- Si se te solicita, autentícate y, luego, haz clic en Siguiente:
BigQuery
Haz clic en Aplicar para otorgar acceso a BigQuery.
Cloud Storage
Haz clic en Aplicar para otorgar acceso a Cloud Storage.
MySQL
Ingresa la ubicación, el puerto, el nombre de usuario y la contraseña de tu base de datos de MySQL.
S3
Ingresa tu clave de acceso secreta de Amazon S3.
PostgreSQL
Ingresa la ubicación, el puerto, el nombre de usuario, la contraseña y la base de datos de PostgreSQL.
Redshift
Ingresa la ubicación, el puerto, el nombre de usuario, la contraseña y la base de datos de Redshift.
SFTP
Ingresa la ubicación, el nombre de usuario y la contraseña del servidor SFTP.
Snowflake
Ingresa el identificador, el nombre de usuario y la contraseña de tu cuenta de Snowflake.
- Configura tu fuente de datos y, luego, haz clic en Siguiente:
BigQuery
Selecciona la tabla de BigQuery que deseas importar.
Cloud Storage
Ingresa la ruta de acceso de gsutil, como
gs://my-bucket/folder/, y selecciona el formato de tu archivo.Si es la primera vez que conectas este recurso, aparecerá una alerta. Haz clic en Aplicar para otorgar acceso y, luego, en Siguiente. Nota: Debes tener un rol con permiso para delegar
storage.buckets.setIamPolicyal bucket pertinente.MySQL
Selecciona la base de datos y la tabla de MySQL que quieres usar.
S3
Ingresa el URI del archivo que deseas subir, en relación con la dirección del host.
PostgreSQL
Ingresa el esquema y el nombre de la tabla (o vista) de PostgreSQL.
Redshift
Ingresa el esquema y el nombre de la tabla (o vista) de Redshift. De forma predeterminada, Redshift usa las URLs de ubicación de la base de datos que siguen esta plantilla:
cluster-identifier.account-number.aws-region.redshift.amazonaws.com.SFTP
Ingresa la ruta de acceso y el nombre del archivo con el siguiente formato:
/PATH/FILENAME.csvSnowflake
Ingresa la base de datos, el esquema y la tabla (o vista) de Snowflake que deseas usar.
- Selecciona un conjunto de datos de BigQuery para usarlo como destino intermedio y, luego, haz clic en Siguiente. Este paso garantiza que tus datos tengan el formato correcto.
- Opcional: Modifica el formato de tus datos. Las transformaciones incluyen el cálculo del hash, el formato en mayúsculas o minúsculas, y la combinación o división de campos.
- Haz clic en Action > > Transform.
- En el panel emergente, haz clic en Agregar transformación o Agregar otra transformación.
- Elige un tipo de transformación en el menú desplegable y, luego, ingresa los requisitos.
- Haz clic en Guardar.
- Elige al menos una clave de unión y asigna los campos que usarás. Ads Data Hub asignará automáticamente los campos con nombres idénticos, indicados con un . Realiza las modificaciones necesarias y, luego, haz clic en Siguiente.
- Establece un programa:
- Asigna un nombre a la conexión.
- Establece una frecuencia que indique cada cuánto tiempo se importarán los datos al conjunto de datos que seleccionaste en el paso anterior. Cada ejecución reemplazará los datos de la tabla de destino.
- Especifica cómo deseas que se controlen las colisiones de IDs de usuario. Puedes elegir entre conservar la coincidencia existente o reemplazarla con datos nuevos.
- Haz clic en Finalizar. Por lo general, las tablas de correlación están listas para las consultas 12 horas después de su creación.
Ver detalles de conexión
La página de detalles de la conexión te brinda información sobre las ejecuciones y los errores recientes de una conexión determinada. Para ver los detalles de una conexión específica, sigue estos pasos:
- Haz clic en Conexiones.
- Haz clic en el nombre de la conexión para ver sus detalles.
- Ahora puedes ver los detalles de la conexión y las ejecuciones recientes. Cada uno muestra dos tipos posibles de errores: a nivel de la conexión (la conexión no se ejecutó) y a nivel de la fila (no se importó una fila).
- El estado Failed indica que no se pudo ejecutar toda la conexión (p.ej., problema de permiso de la cuenta de servicio). Haz clic en el estado de error para ver qué errores afectaron la conexión.
- El estado Completado indica que la conexión se ejecutó correctamente. Sin embargo, es posible que aún haya errores a nivel de la fila, lo que se indica con un valor distinto de cero en la columna "Filas con errores". Haz clic en el valor para obtener más información sobre los registros que fallaron.
Edita una conexión
Se pueden editar los siguientes detalles:
- Nombre de la conexión
- Programar
- Tabla de destino
- Asignación de campos
No se admite la edición de la fuente de datos. Para cambiar una fuente de datos, crea una conexión nueva y borra la anterior.
Para editar los detalles de la conexión, sigue estos pasos:
- Haz clic en Conexiones.
- Haz clic en el nombre de la conexión que deseas editar.
- Edita los detalles que quieras cambiar:
- Nombre de la conexión: Haz clic en Editar, ingresa el nombre nuevo y presiona Intro.
- Programación: Haz clic en Editar, establece la nueva programación y, luego, haz clic en Guardar.
- Tabla de destino: Haz clic en Editar, ingresa el nuevo nombre de destino y, luego, haz clic en Guardar.
- Asignación de campos: Haz clic en , realiza cambios en los campos y, luego, haz clic en Guardar.
- Haz clic en .
Consulta datos coincidentes
Consulta las tablas de coincidencias
Cuando tus tablas de correlación contengan suficientes datos para satisfacer las verificaciones de privacidad, podrás ejecutar consultas en ellas.
La tabla original para los datos de origen (1PD) se representa con my_data.
Esto incluye tanto la información de identificación personal (PII) como los datos que no son de PII.
Usar la tabla original puede mejorar tus informes con más estadísticas, ya que representa todos los datos de 1P incluidos en el alcance, en comparación con una tabla de coincidencias.
Cada tabla del esquema de Ads Data Hub que contiene un campo user_id se complementa con una tabla de concordancia. Por ejemplo, para la tabla adh.google_ads_impressions, Ads Data Hub también genera una tabla de correlación llamada adh.google_ads_impressions_updm que contiene tus IDs de usuario.
Se crean tablas de coincidencias separadas para las tablas de redes aisladas por políticas. Por ejemplo, para la tabla adh.google_ads_impressions_policy_isolated_network, el Centro de Datos de Anuncios también genera una tabla de correlación llamada adh.google_ads_impressions_policy_isolated_network_updm que contiene tus IDs de usuario.
Estas tablas contienen un subconjunto de los usuarios disponibles en las tablas originales, en el que hay una coincidencia en user_id. Por ejemplo, si la tabla original contiene datos del usuario A y el usuario B, pero solo se encuentra una coincidencia para el usuario A, el usuario B no estará en la tabla de coincidencias.
Las tablas de coincidencias contienen una columna adicional llamada customer_data_user_id, que almacena el identificador del usuario como BYTES.
Es importante tener en cuenta el tipo de campo cuando escribas tus consultas. Los operadores de comparación de SQL esperan que los literales que comparas sean del mismo tipo. Según cómo se almacene el user_id en tu tabla de datos propios, es posible que debas codificar los valores de la tabla antes de correlacionar los datos.
Debes convertir tu clave de unión en BYTES para que las coincidencias sean exitosas:
JOIN ON
adh.google_ads_impressions_updm.customer_data_user_id = CAST(my_data.user_id AS BYTES)
Además, las comparaciones de cadenas en SQL distinguen mayúsculas de minúsculas, por lo que es posible que debas codificar cadenas en ambos lados de la comparación para asegurarte de que se puedan comparar con precisión.
Consultas de muestra
Recuento de usuarios correlacionados
Esta consulta cuenta la cantidad de usuarios coincidentes en tu tabla de impresiones de Google Ads.
/* Count matched users in Google Ads impressions table */
SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm
Cómo calcular el porcentaje de coincidencias
No todos los usuarios son aptos para la correlación. Por ejemplo, los usuarios que no accedieron a su cuenta, los niños y los usuarios que no dieron su consentimiento no se correlacionan a través del UPDM. Puedes usar el campo is_updm_eligible para calcular tasas de coincidencia de UPDM más precisas. Ten en cuenta que el campo is_updm_eligible estuvo disponible a partir del 1 de octubre de 2024. No puedes usar este campo para calcular las tasas de coincidencias antes de esa fecha.
/* 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)
Combina los datos de origen y los datos de Google Ads
En esta consulta, se muestra cómo unir datos de origen con datos de Google Ads:
/* 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
Preguntas frecuentes sobre UPDM
Para obtener una lista de preguntas frecuentes relacionadas con la UPDM, consulta las Preguntas frecuentes sobre la UPDM.