حریم خصوصی کاربر نهایی، هسته اصلی تمام کارهایی است که Ads Data Hub انجام می‌دهد؛ این پایه و اساسی است که پلتفرم ما بر آن بنا شده است. به منظور کمک به حفظ این حریم خصوصی و کمک به مشتریانمان در رعایت مقررات، ما بررسی‌ها و محدودیت‌های خاصی را اعمال می‌کنیم که برای جلوگیری از انتقال داده‌های مربوط به کاربران شخصی در داده‌هایی که از پلتفرم دریافت می‌کنید، طراحی شده‌اند.
در اینجا مروری بر ویژگی‌های حریم خصوصی Ads Data Hub ارائه شده است و جزئیات بیشتر در بخش‌های بعدی آمده است:
- بررسی‌های ایستا، عبارات موجود در پرس‌وجوهای شما را بررسی می‌کنند تا نگرانی‌های آشکار و فوری در مورد حریم خصوصی را بیابند.
- بودجه‌های دسترسی به داده‌ها، تعداد کل دفعاتی را که می‌توانید به یک قطعه داده مشخص دسترسی داشته باشید، محدود می‌کنند.
- بررسی‌های تجمیع تضمین می‌کنند که هر ردیف شامل تعداد کافی از کاربران باشد تا از حریم خصوصی کاربر نهایی محافظت شود.
- بررسی‌های تفاوت (یا «بررسی‌های تفاوت») مجموعه نتایج را مقایسه می‌کنند تا به شما کمک کنند از جمع‌آوری اطلاعات در مورد کاربران به صورت جداگانه با مقایسه داده‌های چندین مجموعه از کاربران جلوگیری کنید.
- تزریق نویز جایگزینی برای بررسی تفاوت است. افزودن نویز تصادفی به عبارت
SELECTتجمیعی یک پرس‌وجو، ضمن ارائه نتایج نسبتاً دقیق، از حریم خصوصی کاربر محافظت می‌کند، نیاز به بررسی تفاوت را از بین می‌برد و آستانه تجمیع مورد نیاز برای خروجی را کاهش می‌دهد.
وقتی نتیجه‌ای از بررسی‌های حریم خصوصی عبور نکند، Ads Data Hub یک پیام حریم خصوصی نمایش می‌دهد یا برمی‌گرداند که به شما اطلاع می‌دهد یک ردیف فیلتر شده است. این می‌تواند هر چیزی از یک ردیف گرفته تا کل مجموعه نتایج باشد. برای اطمینان از اینکه مجموع گزارش‌های شما دقیق باقی می‌ماند، از یک خلاصه ردیف فیلتر شده برای شمارش داده‌ها از ردیف‌های حذف شده ۲ استفاده کنید.
بررسی‌های استاتیک
بررسی‌های ایستا، عبارات موجود در پرس‌وجوهای شما را بررسی می‌کنند تا نگرانی‌های آشکار و فوری مربوط به حریم خصوصی، مانند استخراج شناسه‌های کاربر، هرگونه تابع شناسه‌های کاربر یا استفاده از توابع غیرمجاز روی فیلدهایی که حاوی داده‌های سطح کاربر هستند را پیدا کنند. برای جلوگیری از خطاهای پرس‌وجو ناشی از بررسی‌های ایستا، بهترین شیوه‌ها را مرور کنید و بفهمید کدام توابع مجاز هستند .
بودجه دسترسی به داده‌ها
بودجه دسترسی به داده‌های شما، تعداد کل دفعاتی را که می‌توانید به یک داده مشخص دسترسی داشته باشید، محدود می‌کند. کاربرانی که به پایان بودجه خود نزدیک می‌شوند، با یک پیام حریم خصوصی با نوع DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED مطلع می‌شوند. می‌توانید بودجه را با استفاده از نقطه ورود بودجه دسترسی به داده‌ها یا با مشاهده اعلان‌های بودجه در رابط کاربری، رصد کنید.
الزامات تجمیع
در هسته بررسی‌های حریم خصوصی Ads Data Hub، آستانه تجمیع کاربر قرار دارد. برای اکثر جستجوها، شما فقط می‌توانید داده‌های گزارش مربوط به ۵۰ کاربر یا بیشتر را دریافت کنید. با این حال، جستجوهایی که فقط به کلیک‌ها و تبدیل‌ها دسترسی دارند، می‌توانند برای گزارش ۱۰ کاربر یا بیشتر استفاده شوند.
- رویدادهایی که شناسه کاربری آنها صفر است، صرف نظر از اینکه چند کاربر واقعی آنها را ایجاد کرده‌اند، به عنوان یک کاربر واحد در آستانه تجمیع محسوب می‌شوند.
- کاربرانی که شناسه‌ی تهی دارند، در آستانه‌ی تجمیع حساب نمی‌شوند.
- بیاموزید که چگونه حالت نویز بر الزامات تجمیع تأثیر می‌گذارد .
بهترین روش: یک خلاصه ردیف فیلتر شده برای گزارش داده‌های حذف شده پیکربندی کنید. این به حفظ یک خط مبنای ثابت در گزارش‌های شما کمک می‌کند.
در مثال زیر، ردیفی که شامل کمپین ۱۲۵ است از نتایج نهایی فیلتر می‌شود، زیرا نتایج ۴۸ کاربر را جمع‌آوری می‌کند که کمتر از حداقل ۵۰ کاربر است.
| شناسه کمپین | کاربران | برداشت‌ها |
|---|---|---|
| ۱۲۳ | ۳۱۴ | ۹۲۸ |
| ۱۲۴ | ۲۷۱۸ عدد | ۵۷۷۲ عدد |
| ۱۲۵ | ۴۸ | ۳۵۳ |
حالت‌های حریم خصوصی
مرکز داده‌های تبلیغات دو حالت حریم خصوصی ارائه می‌دهد - بررسی تفاوت و تزریق نویز . بخش‌های زیر این حالت‌ها را شرح داده و مقایسه می‌کنند.
از بررسی‌های اختلاف استفاده کنید
بررسی‌های تفاوت به روش‌های زیر تضمین می‌کنند که کاربران از طریق مقایسه چندین نتیجه به اندازه کافی تجمیع‌شده قابل شناسایی نباشند:
- آنها نتایج کاری که در حال انجام آن هستید را با نتایج قبلی‌تان مقایسه می‌کنند.
- آنها ردیف‌های درون یک مجموعه نتایج یکسان را مقایسه می‌کنند.
نقض بررسی تفاوت می‌تواند با تغییر در داده‌های اساسی شما بین دو کار ایجاد شود. هنگام مقایسه نتایج یک کار با نتایج قبلی، Ads Data Hub به دنبال آسیب‌پذیری‌ها در سطح کاربران منفرد می‌گردد. به همین دلیل، حتی نتایج حاصل از کمپین‌های مختلف یا نتایجی که تعداد کاربران یکسانی را گزارش می‌کنند، در صورت داشتن تعداد زیادی کاربر همپوشانی، می‌توانند فیلتر شوند.
از طرف دیگر، دو مجموعه نتیجه تجمیع‌شده ممکن است تعداد کاربران یکسانی داشته باشند - که ظاهراً یکسان به نظر می‌رسند - اما کاربران منفرد مشترکی نداشته باشند و بنابراین از نظر حریم خصوصی ایمن باشند، که در این صورت فیلتر نمی‌شوند.
مرکز داده‌های تبلیغات (Ads Data Hub) هنگام بررسی آسیب‌پذیری یک نتیجه جدید، از داده‌های نتایج قبلی شما استفاده می‌کند. این بدان معناست که اجرای مکرر یک پرس‌وجو، داده‌های بیشتری را برای بررسی تفاوت‌ها ایجاد می‌کند تا هنگام بررسی آسیب‌پذیری یک نتیجه جدید از آنها استفاده شود. علاوه بر این، داده‌های اساسی می‌توانند تغییر کنند و منجر به نقض بررسی حریم خصوصی در پرس‌وجوهایی شوند که تصور می‌شود پایدار هستند.
وقتی نتایج سطح شغل شما به اندازه کافی متفاوت باشد، اما یک ردیف جداگانه مشابه ردیفی در شغل قبلی باشد، Ads Data Hub ردیف مشابه را فیلتر می‌کند. در این مثال، ردیفی که شامل کمپین ۱۲۳ در نتایج شغل دوم است فیلتر می‌شود، زیرا توسط یک کاربر واحد با نتیجه قبلی متفاوت است.
|
| ||||||||||||||||
اگر مجموع کاربران در تمام ردیف‌های یک مجموعه نتیجه مشابه مجموع کاربران یک کار قبلی باشد، Ads Data Hub کل مجموعه نتیجه را فیلتر می‌کند. در این مثال، تمام نتایج کار دوم فیلتر می‌شوند.
|
| ||||||||||||||||
از تزریق نویز استفاده کنید
تزریق نویز تکنیکی است که برای محافظت از حریم خصوصی کاربر هنگام پرس‌وجو از پایگاه داده استفاده می‌شود. این روش با اضافه کردن نویز تصادفی به یک عبارت SELECT تجمیعی از یک پرس‌وجو عمل می‌کند. این نویز ضمن ارائه نتایج نسبتاً دقیق، از حریم خصوصی کاربر محافظت می‌کند، نیاز به بررسی تفاوت را از بین می‌برد و آستانه تجمیع مورد نیاز برای خروجی را کاهش می‌دهد. اکثر پرس‌وجوهای موجود را می‌توان در حالت نویز، با برخی محدودیت‌ها، اجرا کرد. برای کسب اطلاعات بیشتر در مورد حالت نویز و نحوه تأثیر تزریق نویز بر الزامات حریم خصوصی، به تزریق نویز مراجعه کنید.
مقایسه بررسی‌های اختلاف با تزریق نویز
|
| ||||||||||||||||||||||||||||||||
|
| ||||||||||||||||||||||||||||||||
خلاصه ردیف فیلتر شده
خلاصه ردیف‌های فیلتر شده، داده‌هایی را که به دلیل بررسی‌های حریم خصوصی فیلتر شده‌اند، جمع می‌کند. داده‌های ردیف‌های فیلتر شده جمع شده و به یک ردیف جامع اضافه می‌شوند. در حالی که داده‌های فیلتر شده را نمی‌توان بیشتر تجزیه و تحلیل کرد، خلاصه‌ای از میزان داده‌های فیلتر شده از نتایج ارائه می‌دهد.
فیلترینگ صریح حریم خصوصی
در مواردی که نیاز به تجزیه پرس و جو خود دارید اما می‌خواهید نتایج تجمیع شده را با هم ترکیب کنید، می‌توانید به صراحت بررسی‌های حریم خصوصی را روی چندین پرس و جوی کوچکتر اعمال کنید و سپس آن نتایج را به روشی ایمن برای حفظ حریم خصوصی با هم جمع کنید.
موارد استفاده مثال:
- شما یک تبلیغ‌کننده هستید که به دنبال تمام تبدیل‌ها بر اساس نوع رویداد انتسابی در حساب گوگل ادز لینک‌شده خود هستید که شامل داده‌های منطقه اقتصادی اروپا (EEA) نیز می‌شود.
- شما یک شریک اندازه‌گیری هستید که به دنبال تمام تبدیل‌ها بر اساس نوع رویداد انتسابی در حساب گوگل ادز لینک‌شده خود هستید.
برای دریافت مجموع تبدیل‌ها برای حساب گوگل ادز خود، می‌توانید کوئری را با استفاده از عبارت OPTIONS(privacy_checked_export=TRUE) بازنویسی کنید تا بررسی‌های حریم خصوصی را برای هر سرویس گوگل به صورت جداگانه اعمال کنید.
مثال بازنویسی در این بخش موارد زیر را انجام می‌دهد:
- این ابزار هر سرویس گوگل را به صورت جداگانه جستجو می‌کند و به صراحت بررسی‌های حریم خصوصی را برای هر مجموعه نتایج میانی اعمال می‌کند.
- این یک جدول موقت جداگانه برای نتایج بررسی‌شده از نظر حریم خصوصی هر سرویس گوگل ایجاد می‌کند: یوتیوب، جیمیل و نتورک.
- این ابزار، تعداد تبدیل‌های بررسی‌شده از نظر حریم خصوصی را از جداول موقت جمع‌آوری و با هم جمع 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 پرس‌وجو از JOIN برای ترکیب مستقیم داده‌ها بین جداول استفاده نمی‌کند، بلکه ابتدا پرس‌وجو را برای هر جدول انجام می‌دهد، بررسی‌های حریم خصوصی را برای هر جدول میانی اعمال می‌کند، سپس از UNION برای جمع کردن مقادیر بررسی‌شده از نظر حریم خصوصی استفاده می‌کند.
مشاور استعلام
اگر SQL شما معتبر باشد اما ممکن است باعث فیلترینگ بیش از حد شود، مشاور پرس‌وجو در طول فرآیند توسعه پرس‌وجو، توصیه‌های عملی ارائه می‌دهد تا به شما در جلوگیری از نتایج نامطلوب کمک کند.
محرک‌ها شامل الگوهای زیر هستند:
- اتصال زیر کوئری‌های تجمیع‌شده
- اتصال داده‌های تجمیع‌نشده با کاربران بالقوه متفاوت
- جداول موقت تعریف شده به صورت بازگشتی
برای استفاده از مشاور استعلام:
- رابط کاربری . توصیه‌ها در ویرایشگر پرس‌وجو، بالای متن پرس‌وجو نمایش داده می‌شوند.
- API . از متد
customers.analysisQueries.validateاستفاده کنید.
غیر از داده‌هایی که آنها به اشتراک‌گذاری آنها رضایت داده‌اند، مانند مورد اعضای میزگرد. ↩
مگر اینکه محدودیت‌های حریم خصوصی مانع آن شود، مانند زمانی که کاربران در خلاصه ردیف فیلتر شده، الزامات تجمیع را برآورده نکنند. ↩