उपयोगकर्ता से मिला डेटा मिलान

खास जानकारी

UPDM (उपयोगकर्ता से मिलने वाला डेटा मिलान), पहले पक्ष का वह डेटा जोड़ता है जिसे आपने उपयोगकर्ता, जैसे कि अपनी वेबसाइटों, ऐप्लिकेशन या दुकानों से इकट्ठा किया है. इसमें Google Marketing Platform को छोड़कर, Google विज्ञापन डेटा में साइन इन की गई कोई गतिविधि होनी चाहिए. उपयोगकर्ता से मिलने वाले डेटा को मैच करने की सुविधा के लिए, विज्ञापन इवेंट को Google विज्ञापन डेटा में, साइन इन किए हुए उपयोगकर्ता से लिंक करना ज़रूरी है.

ग्राहक मिलान के लिए, ग्राहक मिलान के अन्य तरीकों की तुलना में कुछ खास फ़ायदे मिलते हैं. उपयोगकर्ता की ओर से दिया गया डेटा मिलान:

  • तीसरे पक्ष के डेटा की तुलना में, इंडस्ट्री में हुए बदलावों के मुकाबले ज़्यादा सुरक्षित है
  • तीसरे पक्ष की कुकी में होने वाले नुकसान से, इस पर कोई असर नहीं पड़ेगा. इसकी वजह यह है कि साइन इन किए हुए उपयोगकर्ताओं के लिए, उपयोगकर्ता से मिलने वाले डेटा का मिलान करने की सुविधा सिर्फ़ Google के पास मौजूद है और उसे ऑपरेट किया जाता है
  • ज़्यादा काम के ग्राहक अनुभव उपलब्ध करा सकते हैं, जिनसे अक्सर ग्राहक की दिलचस्पी बढ़ती है
  • ग्राहक के बारे में अहम जानकारी

प्रोसेस की खास जानकारी

अपने खाते में उपयोगकर्ता की ओर से मिले डेटा के मिलान की चालू करने के बाद, सुविधा के इस्तेमाल के दो चरण होते हैं:

  1. Ads Data Hub में पहले पक्ष का डेटा फ़ीड
    • आप अपने पहले पक्ष (ग्राहक) के डेटा को BigQuery डेटासेट में फ़ॉर्मैट करते हैं और अपलोड करते हैं. अपने एडमिन प्रोजेक्ट के अलावा, अपने मालिकाना हक वाले किसी भी BigQuery डेटासेट का इस्तेमाल किया जा सकता है.
    • आप कनेक्शन बनाकर और शेड्यूल इंपोर्ट करके, डेटा मिलान का अनुरोध करते हैं.
    • Google आपके प्रोजेक्ट और Google के मालिकाना हक वाले डेटा के बीच डेटा जोड़ता है. इसमें, Google का उपयोगकर्ता आईडी और हैश किया गया उपयोगकर्ता से मिलने वाला डेटा होता है. इसकी मदद से, *_match की टेबल बनाई और अपडेट की जा सकती हैं.
  2. मेल खाने वाले डेटा के आधार पर, Ads Data Hub में चल रही क्वेरी
    • आप *_match टेबल के लिए ऐसे ही इस्तेमाल करते हैं जैसे आप Ads Data Hub में नियमित रूप से करते हैं.

डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट

कनेक्शन के लिए, आपको दो अलग-अलग Google Cloud प्रोजेक्ट का इस्तेमाल करना होता है: डेटा सोर्स प्रोजेक्ट और डेस्टिनेशन प्रोजेक्ट.

  • डेटा स्रोत: इस प्रोजेक्ट में आपका मालिकाना विज्ञापन डेटा रॉ फ़ॉर्मैट में मौजूद है.
  • डेस्टिनेशन: यह BigQuery डेटासेट है, जिसे Ads Data Hub लिखता है. डिफ़ॉल्ट रूप से, यह आपका एडमिन प्रोजेक्ट होता है. इसे किसी दूसरे Google Cloud प्रोजेक्ट में बदलने के लिए, सेवा खाते कॉन्फ़िगर करें देखें.

निजता से जुड़ी पाबंदियां

ग्राहक से जुड़ा डेटा इकट्ठा करना

उपयोगकर्ता से मिले डेटा मैच का इस्तेमाल करते समय, आपको पहले पक्ष का डेटा अपलोड करना होगा. यह ऐसी जानकारी हो सकती है जिसे आपने अपनी वेबसाइटों, ऐप्लिकेशन, दुकानों या ऐसी किसी भी जानकारी से इकट्ठा किया है जिसे ग्राहक ने सीधे आपके साथ शेयर किया है.

डेटा आकार

असली उपयोगकर्ता की निजता की सुरक्षा के लिए, उपयोगकर्ता से मिलने वाले डेटा को मैच करने की सुविधा, आपके डेटा के साइज़ के बारे में ये ज़रूरी शर्तें लागू करती है:

  • आपको अपनी उपयोगकर्ता सूची में कम से कम 1,000 रिकॉर्ड अपलोड करने होंगे.
  • आपकी मैच टेबल के हर अपडेट में, मेल खाने वाले कम से कम इतने उपयोगकर्ता होने चाहिए. यह प्रक्रिया अंतर की जांच की तरह होती है.
  • आपकी सूची में तय सीमा से ज़्यादा रिकॉर्ड नहीं होने चाहिए. डेटा सीमा के बारे में ज़्यादा जानने के लिए, अपने Google प्रतिनिधि से संपर्क करें.

कनेक्शन टैब चालू करें

शुरू करने से पहले, अपने Ads Data Hub खाते को कॉन्फ़िगर करें, ताकि आप कनेक्शन टैब को चालू कर सकें. यहां से आप डेटा मैच करने वाली पाइपलाइन इंस्टॉल करेंगे. आपको ये चरण सिर्फ़ एक बार करने होंगे.

  1. अपना Google प्रतिनिधि भेजें:
    1. Ads Data Hub खाता आईडी का इस्तेमाल, आप उपयोगकर्ता की ओर से दिए गए डेटा मिलान के लिए करेंगे.
    2. वह सुपर उपयोगकर्ता ईमेल पता जिसके पास आपके डेस्टिनेशन प्रोजेक्ट का ऐक्सेस है.
    3. अपने Google प्रतिनिधि से पुष्टि करें कि आपके खाते और सुपर उपयोगकर्ता को अनुमति दी गई है.
  2. तय किए गए Google Cloud प्रोजेक्ट में विज्ञापन डेटा कनेक्टर एपीआई चालू करें. डिफ़ॉल्ट रूप से, यह आपका एडमिन प्रोजेक्ट है. किसी अन्य प्रोजेक्ट का इस्तेमाल करने के लिए, डेटा सोर्स प्रोजेक्ट के तौर पर Google Cloud के वैकल्पिक प्रोजेक्ट के साथ यह तरीका अपनाएं. अनुमति वाली सूची में शामिल किसी सुपर उपयोगकर्ता के तौर पर साइन इन करके, यह तरीका अपनाया जाना चाहिए.

    1. Cloud Console API लाइब्रेरी पर जाएं.
    2. सूची से अपना डेटा सोर्स प्रोजेक्ट चुनें.
    3. "Ads Data Connector API" खोजें. अगर Ads Data Connector एपीआई खोज के नतीजों में नहीं दिखता है, तो इसका मतलब हो सकता है कि साइन इन किया हुआ Google खाता, उस सुपर उपयोगकर्ता की सूची में नहीं है जिसे अनुमति मिली हुई है.
    4. एपीआई पेज पर, चालू करें पर क्लिक करें.
    5. अपने Google प्रतिनिधि से पुष्टि करें कि एपीआई चालू है.
  3. आपका Google प्रतिनिधि आपको तीन ईमेल पते भेजेगा, जिन्हें Data Fusion, Dataproc और UPDM सेवा खातों के तौर पर बताया जाएगा.

    आपके Ads Data Hub खाते में एक नया कनेक्शन सेक्शन भी दिखेगा, जिसमें आपका 1P डेटा और डेटा मिलान नाम के टैब शामिल होंगे. हर टैब के इस्तेमाल के उदाहरणों के बारे में जानें.

  4. सेवा खातों को सही अनुमतियां दें. अलग-अलग सेवा खातों और उनकी ज़रूरी अनुमतियों के बारे में जानकारी के लिए, टेबल में अपना डेटा स्रोत चुनें:

    BigQuery

    डेटाफ़्यूज़न सेवा खाता
    मकसद Datafusion सेवा खाते का इस्तेमाल, Ads Data Hub यूज़र इंटरफ़ेस (यूआई) में सोर्स फ़ील्ड की सूची दिखाने के लिए किया जाता है.
    फ़ॉर्मैट करें service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com
    ज़रूरी ऐक्सेस
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट में खास डेटासेट के लिए
    Storage Admin
    roles/storage.admin
    डेटा सोर्स प्रोजेक्ट या खास तौर पर बनाए गए स्टोरेज बकेट के लिए
    Dataproc सेवा खाता
    मकसद Dataproc सेवा खाता, बैकग्राउंड में डेटा पाइपलाइन चलाने के लिए ज़िम्मेदार है.
    फ़ॉर्मैट करें some-number-compute@developer.gserviceaccount.com
    ज़रूरी ऐक्सेस
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट में खास डेटासेट के लिए
    BigQuery Data Editor
    roles/bigquery.dataEditor
    डेस्टिनेशन प्रोजेक्ट के खास डेटासेट के लिए
    BigQuery Job User
    roles/bigquery.jobUser
    डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट, दोनों के लिए
    Storage Admin
    roles/storage.admin
    डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट या किसी खास स्टोरेज बकेट के लिए
    UPDM सेवा खाता
    मकसद मिलान वाले काम चलाने के लिए, UPDM सेवा खाते का इस्तेमाल किया जाता है.
    फ़ॉर्मैट करें service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com
    ज़रूरी ऐक्सेस
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    डेस्टिनेशन प्रोजेक्ट के लिए
    BigQuery Job User
    roles/bigquery.jobUser
    डेस्टिनेशन प्रोजेक्ट के लिए

    Cloud Storage

    डेटाफ़्यूज़न सेवा खाता
    मकसद Datafusion सेवा खाते का इस्तेमाल, Ads Data Hub यूज़र इंटरफ़ेस (यूआई) में सोर्स फ़ील्ड की सूची दिखाने के लिए किया जाता है.
    फ़ॉर्मैट करें service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com
    ज़रूरी ऐक्सेस
    Storage Object Viewer
    roles/storage.objectViewer
    डेटा सोर्स प्रोजेक्ट में किसी खास स्टोरेज बकेट के लिए
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    डेटा सोर्स प्रोजेक्ट या खास तौर पर बनाए गए स्टोरेज बकेट के लिए
    Storage Admin
    roles/storage.admin
    डेटा सोर्स प्रोजेक्ट या खास तौर पर बनाए गए स्टोरेज बकेट के लिए
    Dataproc सेवा खाता
    मकसद Dataproc सेवा खाता, बैकग्राउंड में डेटा पाइपलाइन चलाने के लिए ज़िम्मेदार है.
    फ़ॉर्मैट करें some-number-compute@developer.gserviceaccount.com
    ज़रूरी ऐक्सेस
    Storage Admin
    roles/storage.admin
    डेटा सोर्स और डेस्टिनेशन प्रोजेक्ट या किसी खास स्टोरेज बकेट के लिए
    BigQuery Job User
    roles/bigquery.jobUser
    डेस्टिनेशन प्रोजेक्ट के लिए
    UPDM सेवा खाता
    मकसद मिलान वाले काम चलाने के लिए, UPDM सेवा खाते का इस्तेमाल किया जाता है.
    फ़ॉर्मैट करें service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com
    ज़रूरी ऐक्सेस
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    डेस्टिनेशन प्रोजेक्ट के लिए
    BigQuery Job User
    roles/bigquery.jobUser
    डेस्टिनेशन प्रोजेक्ट के लिए

    Salesforce

    जल्द आ रहा है

पहले पक्ष (ग्राहक) का डेटा डालें

इनपुट के लिए डेटा फ़ॉर्मैट करना

आपका डेटा, फ़ॉर्मैट किए जाने से जुड़ी इन ज़रूरी शर्तों के मुताबिक होना चाहिए:

  • जहां बताया गया हो, वहां आपको SHA256 हैशिंग का इस्तेमाल करके, अपलोड करना होगा. इसे बेस 16 स्ट्रिंग के तौर पर कोड में बदलना होगा. यूपीडीएम, Base64 के साथ काम करता है. हालांकि, यह Google Ads के ग्राहक मिलान के दिशा-निर्देशों से अलग है.
  • इनपुट फ़ील्ड को स्ट्रिंग के रूप में फ़ॉर्मैट किया जाना चाहिए. अगर आप BigQuery's का इस्तेमाल कर रहे हैं, तो SHA256 हैश फ़ंक्शन और Base16 कोड में बदलने का फ़ंक्शन (TO_HEX), इस बदलाव का इस्तेमाल करें: TO_HEX(SHA256(user_data)).

User ID

  • सादा पाठ
  • हैशिंग: कोई नहीं

ईमेल

  • स्ट्रिप व्हाइटस्पेस
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी ईमेल पतों के लिए कोई डोमेन नाम शामिल करें. उदाहरण के लिए, gmail.com या hotmail.co.jp
  • उच्चारण हटाएं—उदाहरण के लिए, è, é, ê या ë को e में बदलें
  • हैशिंग: Base16 एन्कोडेड SHA256

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

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

फ़ोन

  • स्ट्रिप व्हाइटस्पेस
  • E.164 फ़ॉर्मैट में फ़ॉर्मैट करें—उदाहरण के लिए, अमेरिका +14155552671, यूनाइटेड किंगडम +442071838750)
  • देश कोड शामिल करें (अमेरिका के साथ)
  • देश कोड के पहले, "+" को छोड़कर सभी विशेष वर्ण हटाएं
  • हैशिंग: Base16 एन्कोडेड SHA256

मान्य: TO_HEX(SHA256("+18005550101"))

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

नाम

  • स्ट्रिप व्हाइटस्पेस
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी प्रीफ़िक्स हटाएं, जैसे कि श्रीमती.
  • उच्चारणों को न करें, जैसे कि è, é, ê या ë
  • हैशिंग: Base16 एन्कोडेड SHA256

मान्य: TO_HEX(SHA256("daní"))

अमान्य: TO_HEX(SHA256("Daní"))

उपनाम

  • स्ट्रिप व्हाइटस्पेस
  • सभी वर्ण छोटे अक्षरों में लिखें
  • सभी प्रीफ़िक्स हटाएं, जैसे कि जूनियर
  • उच्चारणों को न करें, जैसे कि è, é, ê या ë
  • हैशिंग: Base16 एन्कोडेड SHA256

मान्य: TO_HEX(SHA256("delacruz"))

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

देश

  • देश कोड डालें, भले ही ग्राहक से जुड़ा पूरा डेटा उसी देश से हो
  • देश का डेटा हैश न करें
  • ISO 3166-1 alpha-2 फ़ॉर्मैट में देश कोड का इस्तेमाल करना
  • हैशिंग: कोई नहीं

मान्य: US

अमान्य: United States of America या USA

पिन कोड

  • पिन कोड का डेटा हैश न करें
  • अमेरिका के पिन कोड और अंतरराष्ट्रीय पिन कोड, दोनों की अनुमति है
  • अमेरिका के लिए:
    • पांच अंकों के कोड की अनुमति है—उदाहरण के लिए, 94043
    • पांच अंकों के बाद चार अंकों वाले एक्सटेंशन को डालने की भी अनुमति है—उदाहरण के लिए, 94043-1351 या 940431351
  • दूसरे सभी देशों के लिए:
    • किसी फ़ॉर्मैटिंग की ज़रूरत नहीं है (लोअरकेस की ज़रूरत नहीं है या स्पेस और विशेष वर्णों को हटाने की ज़रूरत नहीं है)
    • पिन कोड एक्सटेंशन न डालें
  • हैशिंग: कोई नहीं

हैश की पुष्टि करना और डेटा एन्कोडिंग

यह पक्का करने के लिए कि आपका डेटा सही तरीके से फ़ॉर्मैट किया गया है, आप हैश की पुष्टि करने वाली इन स्क्रिप्ट का इस्तेमाल कर सकते हैं.

JavaScript

बेस16

/**
 * @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) {
  const formattedToken = token.trim().toLowerCase();
  const hashArrayBuffer = await crypto.subtle.digest(
      'SHA-256', (new TextEncoder()).encode(formattedToken));
  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()

बेस64

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

async function hash(token) {
  const formattedToken = token.trim().toLowerCase();
  const hashBuffer = await crypto.subtle.digest(
      'SHA-256', (new TextEncoder()).encode(formattedToken));
  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

बेस16

"""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):
  return hashlib.sha256(token.strip().lower().encode('utf-8')).hexdigest()

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

def main():
  print_updm_hash('test@gmail.com')
  print_updm_hash('+18005551212')
  print_updm_hash('John')
  print_updm_hash('Doe')

if __name__ == '__main__':
  main()

बेस64

"""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):
  return base64.b64encode(
      hashlib.sha256(
          token.strip().lower().encode('utf-8')).digest()).decode('utf-8')

def print_hash(token, expected=None):
  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():
  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()

शुरू करें

बेस16

/*
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")
}

बेस64

/*
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

बेस16

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) {
    String formattedToken = Ascii.toLowerCase(token).strip();
    return Hashing.sha256().hashString(formattedToken, UTF_8).toString();
  }

  public static void printHash(String token) {
    System.out.printf("Hash: \"%s\"\t(Token: %s)\n", hash(token), token);
  }

  public static void main(String[] args) {
    printHash("test@gmail.com");
    printHash("+18005551212");
    printHash("John");
    printHash("Doe");
  }
}

बेस64

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) {
  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) {
  System.out.printf("Hash: \"%s\"\t(Token: %s)\n", hash(token), token);
}

public static void main(String[] args) {
  printHash("test@gmail.com");
  printHash("+18005551212");
  printHash("John");
  printHash("Doe");
}
}

SQL

बेस16

/*
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
*/

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`;

बेस64

/*
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
*/

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`;

जुड़ने की कुंजियां

उपयोगकर्ता से मिले डेटा के कुछ कॉम्बिनेशन, दूसरों के डेटा से बेहतर होते हैं. यहां उपयोगकर्ता की ओर से दिए गए अलग-अलग डेटा कॉम्बिनेशन की सूची दी गई है. इसे एक-दूसरे से तुलना के आधार पर रैंक किया गया है:

  1. ईमेल, फ़ोन, पता (सबसे मज़बूत)
  2. फ़ोन नंबर, पता
  3. ईमेल, पता
  4. ईमेल, फ़ोन
  5. पता
  6. फ़ोन
  7. ईमेल (सबसे कमज़ोर)

मैच टेबल बनाएं

  1. कनेक्शन > डेटा मिलान > कनेक्शन बनाएं पर क्लिक करें.
  2. डेटा सोर्स चुनें, फिर कनेक्ट करें पर क्लिक करें. पुष्टि करने के बाद, आगे बढ़ें पर क्लिक करें.
  3. अपना डेटा सोर्स कॉन्फ़िगर करें. इसके बाद, आगे बढ़ें पर क्लिक करें:

    BigQuery

    इंपोर्ट करने के लिए BigQuery टेबल चुनें.

    Cloud Storage

    gsutil फ़ाइल पाथ डालें, जैसे कि gs://my-bucket/folder/ और अपनी फ़ाइल का फ़ॉर्मैट चुनें.

    Salesforce

    जल्द आ रहा है

  4. डेस्टिनेशन सेट करें. इसके बाद, आगे बढ़ें पर क्लिक करें:
    1. डेटा के लिए, मीडिएशन डेस्टिनेशन के तौर पर इस्तेमाल करने के लिए, नया BigQuery डेटासेट चुनें. इस चरण से यह पक्का होता है कि आपका डेटा सही तरीके से फ़ॉर्मैट किया गया है.
  5. ज़रूरी नहीं: अपने डेटा का फ़ॉर्मैट बदलें. बदलावों में, कंप्यूट हैश, लोअर/अपर केस फ़ॉर्मैटिंग, और मर्ज/स्प्लिट करने वाले फ़ील्ड शामिल हैं.
    1. कार्रवाई > > बदलाव पर क्लिक करें.
    2. स्क्रीन पर दिखने वाले पैनल में, बदलाव जोड़ें या कोई दूसरा बदलाव जोड़ें पर क्लिक करें
    3. ड्रॉपडाउन मेन्यू से ट्रांसफ़ॉर्मेशन टाइप चुनें और ज़रूरी शर्तें डालें.
    4. सेव करें पर क्लिक करें.
  6. आप जिन फ़ील्ड का इस्तेमाल करेंगे उन्हें मैप करने के लिए, कम से कम एक जॉइन की चुनें. इसके बाद, आगे बढ़ें पर क्लिक करें.
  7. शेड्यूल सेट करें:
    1. अपने कनेक्शन को नाम दें.
    2. फ़्रीक्वेंसी सेट करें और तय करें कि पिछले चरण में चुने गए डेटा के डेटा को कितनी बार इंपोर्ट किया जाएगा. हर बार चलाने पर डेस्टिनेशन टेबल का डेटा बदल जाएगा.
    3. बताएं कि आप और उपयोगकर्ता आईडी के टकराव को कैसे मैनेज करना चाहते हैं. आप मौजूदा मैच को बनाए रखने या नए डेटा से ओवरराइट करने में से कोई एक विकल्प चुन सकते हैं.
  8. पूरा करें पर क्लिक करें.

कनेक्शन की जानकारी देखें

कनेक्शन की जानकारी वाले पेज पर, आपको किसी खास कनेक्शन की जानकारी मिलती है. साथ ही, आपको हाल ही में इस्तेमाल किए गए सभी कनेक्शन और गड़बड़ियों की जानकारी भी मिलती है. किसी खास कनेक्शन की जानकारी देखने के लिए:

  1. कनेक्शन > डेटा मिलान पर क्लिक करें.
  2. कनेक्शन की जानकारी देखने के लिए, उसके नाम पर क्लिक करें.
  3. अब आप कनेक्शन की जानकारी और हाल ही में की गई गतिविधियां देख सकते हैं. हर गड़बड़ी दो तरह की गड़बड़ियां दिखाती है: कनेक्शन-लेवल (कनेक्शन नहीं हुआ) और रो-लेवल की गड़बड़ियां (एक पंक्ति इंपोर्ट नहीं हुई).
    1. फ़ेल की स्थिति बताती है कि पूरा कनेक्शन नहीं चला (जैसे कि सेवा खाते की अनुमति से जुड़ी समस्या). गड़बड़ी की स्थिति पर क्लिक करके देखें कि किन गड़बड़ियों से कनेक्शन पर असर पड़ा है.
    2. पूरी हो चुकी स्थिति बताती है कि कनेक्शन सही तरीके से चला. हालांकि, अब भी लाइन लेवल की गड़बड़ियां हो सकती हैं. ये गड़बड़ियां, बिना वैल्यू वाली वैल्यू, कोट, और कॉलम में दिखती हैं. कौन-कौनसे रिकॉर्ड विफल हुए, इस बारे में ज़्यादा जानने के लिए मान पर क्लिक करें.

कनेक्शन में बदलाव करना

कनेक्शन में बदलाव करने की सुविधा अभी तक काम नहीं करती है. किसी कनेक्शन को बदलने के लिए, नया कनेक्शन बनाएं, फिर पुराना कनेक्शन हटाएं.

Ads Data Hub में डेटा की क्वेरी करें

मैच टेबल की क्वेरी

जब आपके मैच टेबल में निजता जांच के लिहाज़ से काफ़ी डेटा होता है, तो आप टेबल के लिए क्वेरी करने के लिए फिर से तैयार होते हैं. Ads Data Hub स्कीमा की user_id टेबल वाली हर टेबल के साथ एक *_match टेबल होती है. उदाहरण के लिए, adh.google_ads_impressions टेबल के लिए, Ads Data Hub एक मैच टेबल भी जनरेट करता है. इसका नाम adh.google_ads_impressions_match होता है, जिसमें सिर्फ़ यूज़र आईडी शामिल होते हैं. इन टेबल में ओरिजनल टेबल में उपलब्ध उपयोगकर्ताओं का एक सबसेट शामिल होता है, जहां user_id पर कोई मैच होता है. उदाहरण के लिए, अगर ओरिजनल टेबल में उपयोगकर्ता A और उपयोगकर्ता B का डेटा है, लेकिन सिर्फ़ उपयोगकर्ता A का मिलान किया जाता है, तो उपयोगकर्ता B, मैच टेबल में नहीं दिखेगा.

मैच टेबल में external_cookie नाम का एक और कॉलम होता है. यह आपकी कुकी को Wordpress के तौर पर सेव करता है.

external_cookie फ़ील्ड में आपका आईडी यों के रूप में होता है. सफल मिलान के लिए, आपको अपनी 'जॉइन की' कास्ट करना होगा.

JOIN ON 
  google_data_imp.external_cookie = CAST(my_data.user_id AS BYTES)

विज्ञापन इवेंट टेबल के *_match व्यू से क्वेरी करके मैच टेबल का इस्तेमाल करें. अगर आप कुकी मैचिंग का भी इस्तेमाल करते हैं, तो आप अपनी क्वेरी में मैच टाइप के हिसाब से फ़िल्टर कर सकते हैं. इस्तेमाल करें:

  • कुकी मैचिंग के लिए match_type = 1
  • उपयोगकर्ता से मिले डेटा मैच के लिए match_type = 2

हालांकि, match_type को क्वेरी में अनुमति दी गई है, लेकिन इस फ़ील्ड को नतीजों में नहीं दिखाया जा सकता. इसलिए, आपको इसे आखिरी SELECT स्टेटमेंट में शामिल नहीं करना चाहिए.

सैंपल क्वेरी

मेल खाने वाले उपयोगकर्ताओं की गिनती करें

यह क्वेरी, आपकी Google Ads इंप्रेशन टेबल में मेल खाने वाले उपयोगकर्ताओं की संख्या की गिनती करती है.

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_match

उपयोगकर्ता से मिले डेटा की जानकारी का मिलान उन उपयोगकर्ताओं से करना जो मेल खाते हैं

यह क्वेरी, मैच टाइप के आधार पर मैच होने वाले उपयोगकर्ताओं की संख्या गिनती है. विज्ञापन इवेंट टेबल में, साइन-इन किए गए और साइन-इन किए हुए दोनों तरह के उपयोगकर्ताओं के इवेंट शामिल होते हैं. इसलिए, उपयोगकर्ता से मिलने वाले डेटा को मिलान करने पर, सिर्फ़ साइन-इन करने वाले उपयोगकर्ताओं को मैच किया जाएगा.

/* Count user-provided data matched users by match type.
match_type = 1 for cookie matching
match_type = 2 for user-provided data matching */

SELECT
  match_type AS match_type,
  COUNT(DISTINCT user_id) AS user_cnt,
FROM 
  adh.google_ads_impressions_match
GROUP BY
  match_type

इस क्वेरी में, पहले पक्ष (ग्राहक) के डेटा को Google Ads के डेटा से जोड़ने का तरीका बताया गया है:

/* Join first-party data with Google Ads data. The external_cookie 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_match AS google_data_imp
LEFT JOIN
  `my_data`
ON 
  google_data_imp.external_cookie = CAST(my_data.user_id AS BYTES)
-- Uncomment the following line if cookie matching is enabled as well.
-- WHERE google_data_imp.match_type = 2
GROUP BY
  inventory_type

यह क्वेरी, कुकी से मेल खाने वाले उपयोगकर्ताओं को छोड़कर, उपयोगकर्ता के दिए गए डेटा से मेल खाने वाले उपयोगकर्ताओं की संख्या की गिनती करती है. ध्यान रखें कि विज्ञापन इवेंट टेबल में, साइन-इन किए गए और साइन-इन किए हुए दोनों तरह के उपयोगकर्ताओं के इवेंट होते हैं. इसलिए, सिर्फ़ उपयोगकर्ता से मिलने वाले डेटा को फ़िल्टर करने पर, सिर्फ़ साइन-इन करने वाले उपयोगकर्ता को मैच किया जाएगा.

/* Count user-provided data matched users, excluding cookie matched users. */

SELECT 
  COUNT(DISTINCT user_id)
FROM 
  adh.google_ads_impressions_match
WHERE 
  match_type = 2

डिवाइस

विज्ञापन की अहम जानकारी पाने के लिए, अक्सर कई स्रोतों से डेटा इकट्ठा करना पड़ता है. डेटा पाइपलाइन से जुड़ी इस समस्या को हल करने के लिए, ज़रूरी समय और निवेश की ज़रूरत होती है. कनेक्शन, BigQuery में डेटा इंपोर्ट करने, बदलने, और उसमें बदलाव करने के लिए सिलसिलेवार निर्देश देकर, इस प्रोसेस को आसान बनाता है. अपना डेटा लिखने के बाद, आप उसका इस्तेमाल अपनी Ads Data Hub क्वेरी या BigQuery में मौजूद किसी भी दूसरे प्रॉडक्ट में कर सकते हैं. पहले-पक्ष के डेटा के साथ अपनी क्वेरी को बेहतर बनाने से ग्राहकों का अनुभव बेहतर हो सकता है. साथ ही, इस पर पूरे उद्योग की ट्रैकिंग का असर नहीं पड़ता.

इसके अलावा, कनेक्शन को ऐसे टूल के साथ बनाया गया है जिससे आप निजता को ध्यान में रखकर पार्टनर के साथ व्यक्तिगत पहचान से जुड़ी जानकारी सुरक्षित कर सकते हैं. व्यक्तिगत पहचान से जुड़ी जानकारी वाले कॉलम चुनने के बाद, कनेक्शन डेटा को एन्क्रिप्ट (सुरक्षित) करते हैं. इससे, यह पक्का किया जाता है कि आपके पहले-पक्ष के डेटा को सिर्फ़ वे लोग एक्सपोर्ट या पढ़ सकें जिन्हें ऐसा करने की अनुमति है.

कनेक्शन का इस्तेमाल इन चीज़ों से डेटा इंपोर्ट करने के लिए किया जा सकता है:

यह जानना कि मेज़रमेंट या ऐक्टिवेशन के इस्तेमाल के उदाहरण के लिए, पहले पक्ष के किस डेटा की ज़रूरत होती है, यह मुश्किल है. इसलिए, कनेक्शन पहले से तय किए गए इस्तेमाल के उदाहरणों की पूरी जानकारी देता है. इसके बाद, यह आपको डेटा निकालने, बदलने, और लोड करने के पूरे अनुभव की जानकारी देता है.

आपके 1P डेटा और डेटा मैचिंग के बीच अंतर

उपयोगकर्ता से मिली मैच टेबल को कॉन्फ़िगर करने का वर्कफ़्लो, कनेक्शन के ज़रिए पहले पक्ष के सामान्य डेटा कनेक्शन बनाने जैसा ही है. हालांकि, दो प्रोजेक्ट की ज़रूरी शर्तों के मुताबिक, यह माना जाता है कि उपयोगकर्ता से मिलने वाले डेटा का इस्तेमाल करने से पहले, कनेक्शन सेट अप किए जा रहे हैं. अगर आप कनेक्शन का इस्तेमाल सिर्फ़ डेटा तैयार करने वाले टूल के तौर पर कर रहे हैं, तो आप एक Google Cloud प्रोजेक्ट का इस्तेमाल कर सकते हैं.

उपयोगकर्ता से मिलने वाले डेटा को मैच करने के लिए, अन्य ज़रूरी शर्तें:

  • आपको ईमेल, फ़ोन नंबर, पता या किसी भी कॉम्बिनेशन का इस्तेमाल 'जॉइन की' के रूप में करना होगा.
  • आपको बताना होगा कि user_id टकराव कैसे हल किए जाते हैं. आप मौजूदा मैच को बनाए रखने या नए डेटा से ओवरराइट करने में से कोई एक विकल्प चुन सकते हैं.
  • आपको डेटा फ़्यूज़न और dataproc खातों के साथ-साथ UPDM सेवा खाते का इस्तेमाल करना चाहिए.

आपके 1P डेटा वर्कफ़्लो

कनेक्ट करें

  1. कनेक्शन > आपका 1P डेटा > कनेक्शन बनाएं पर क्लिक करें.
  2. डेटा सोर्स से कनेक्ट करें. आपको पुष्टि करने के लिए कहा जाएगा.

    BigQuery

    अनुमतियां आपके Google खाते पर आधारित होती हैं, इसलिए आपको कुछ और करने की ज़रूरत नहीं होती. पक्का करें कि कनेक्शन सेवा खातों के पास टेबल का रीड ऐक्सेस है.

    Cloud Storage

    अनुमतियां आपके Google खाते पर आधारित होती हैं, इसलिए आपको कुछ और करने की ज़रूरत नहीं होती. पक्का करें कि कनेक्शन सेवा खातों के पास स्टोरेज बकेट का पढ़ने का ऐक्सेस हो.

    Salesforce

    (जल्द आ रहा है)

    साइन इन करने के लिए, अपने संगठन के Salesforce क्रेडेंशियल का इस्तेमाल करें. Google आपके क्रेडेंशियल सेव नहीं करता, इसलिए हर नए Salesforce कनेक्शन के लिए फिर से पुष्टि करना ज़रूरी होगा.

  3. इस्तेमाल का उदाहरण और जॉइन की चुनें. इसके बाद, उपयोग का उदाहरण चुनें पर क्लिक करें. अगर आप इस्तेमाल का कोई उदाहरण नहीं चुनना चाहते हैं, तो अभी नहीं पर क्लिक करें. आप बाद में इस्तेमाल के उदाहरण को नहीं चुन पाएंगे.
  4. अपना डेटा सोर्स कॉन्फ़िगर करें.

    BigQuery

    इंपोर्ट करने के लिए BigQuery टेबल चुनें.

    Cloud Storage

    gsutil फ़ाइल पाथ डालें, जैसे कि gs://my-bucket/folder/ और अपनी फ़ाइल का फ़ॉर्मैट चुनें.

    Salesforce

    जल्द आ रहा है

  5. अपने डेस्टिनेशन और मैप फ़ील्ड को कॉन्फ़िगर करें.
    • वह Google Cloud प्रोजेक्ट, डेटासेट, और टेबल चुनें जहां आप अपने नतीजे लिखना चाहते हैं. पक्का करें कि कनेक्शन सेवा खातों में उस डेटासेट का लिखने का ऐक्सेस है जो आप लिखेंगे.
    • हर कनेक्शन, लिखने के लिए एक नई टेबल बनाएगा. पहले से मौजूद किसी टेबल को चुनने पर, आपको गड़बड़ी का मैसेज दिखेगा.
    • अपने स्रोत डेटा में स्रोत फ़ील्ड में गंतव्य फ़ील्ड को मैप करें (वह फ़ील्ड जो आपकी टेबल में दिखाई देंगी).
  6. एक शेड्यूल सेट करें पर टैप करें.
    1. अपने कनेक्शन को नाम दें.
    2. फ़्रीक्वेंसी सेट करें और तय करें कि पिछले चरण में चुने गए डेटा के डेटा को कितनी बार इंपोर्ट किया जाएगा. हर बार चलाने पर डेस्टिनेशन टेबल का डेटा बदल जाएगा.
  7. हो गया पर क्लिक करें. बड़ी संख्या में डेटा प्रोसेस करने वाले कनेक्शन को चलाने में कई घंटे लग सकते हैं.

कनेक्शन की जानकारी देखें

कनेक्शन की जानकारी वाले पेज पर, आपको किसी खास कनेक्शन की जानकारी मिलती है. साथ ही, आपको हाल ही में इस्तेमाल किए गए सभी कनेक्शन और गड़बड़ियों की जानकारी भी मिलती है. किसी खास कनेक्शन की जानकारी देखने के लिए:

  1. कनेक्शन > आपका 1P डेटा पर क्लिक करें.
  2. कनेक्शन की जानकारी देखने के लिए, उसके नाम पर क्लिक करें.
  3. अब आप कनेक्शन की जानकारी और हाल ही में की गई गतिविधियां देख सकते हैं. हर गड़बड़ी दो तरह की गड़बड़ियां दिखाती है: कनेक्शन-लेवल (कनेक्शन नहीं हुआ) और रो-लेवल की गड़बड़ियां (एक पंक्ति इंपोर्ट नहीं हुई).
    1. फ़ेल की स्थिति बताती है कि पूरा कनेक्शन नहीं चला (जैसे कि सेवा खाते की अनुमति से जुड़ी समस्या). गड़बड़ी की स्थिति पर क्लिक करके देखें कि किन गड़बड़ियों से कनेक्शन पर असर पड़ा है.
    2. पूरी हो चुकी स्थिति बताती है कि कनेक्शन सही तरीके से चला. हालांकि, अब भी लाइन लेवल की गड़बड़ियां हो सकती हैं. ये गड़बड़ियां, बिना वैल्यू वाली वैल्यू, कोट, और कॉलम में दिखती हैं. कौन-कौनसे रिकॉर्ड विफल हुए, इस बारे में ज़्यादा जानने के लिए मान पर क्लिक करें.

कनेक्शन में बदलाव करना

कनेक्शन में बदलाव करने की सुविधा अभी तक काम नहीं करती है. किसी कनेक्शन को बदलने के लिए, नया कनेक्शन बनाएं, पुराना कनेक्शन हटाएं.

उपयोग के उदाहरण

आपके चुने गए इस्तेमाल के उदाहरण से डेस्टिनेशन टेबल के स्कीमा और इंपोर्ट किए गए जॉइन की फ़ील्ड पर असर पड़ता है. नीचे दिए गए उपयोग के उदाहरणों को बड़ा करके देखें कि वे स्कीमा और 'जॉइन की' पर कैसे असर डालते हैं:

पहुंच और फ़्रीक्वेंसी

अपने 1P उपयोगकर्ता सेगमेंट के आधार पर, सभी चैनलों और डिवाइसों पर कैंपेन की रीच और फ़्रीक्वेंसी मापें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं
transaction_id इस लेन-देन के लिए यूनीक आईडी स्ट्रिंग ज़रूरी नहीं
ट्रांज़ैक्शन_तारीख लेन-देन की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
transaction_revenue लेन-देन से हुई आय int ज़रूरी नहीं
currency लेन-देन का करंसी टाइप स्ट्रिंग ज़रूरी नहीं
quantity लेन-देन में आइटम की संख्या स्ट्रिंग ज़रूरी नहीं
कीमत लेन-देन में हर आइटम की कीमत int ज़रूरी नहीं
ट्रांज़ैक्शन_लागत लेन-देन से जुड़े सामान / सेवाओं की लागत int ज़रूरी नहीं
लेन-देन से होने वाला मुनाफ़ा लेन-देन से कुल मुनाफ़ा int ज़रूरी नहीं
product_id लेन-देन में, प्रॉडक्ट का SKU / आईडी स्ट्रिंग ज़रूरी नहीं
transaction_description लेन-देन के बारे में अन्य ब्यौरा / मेटाडेटा / पैरामीटर स्ट्रिंग ज़रूरी नहीं
event_type उदाहरण के लिए, टीवी विज्ञापन इंप्रेशन, मार्केटिंग ईमेल, वेबसाइट विज़िट, इन-स्टोर विज़िट वगैरह. स्ट्रिंग ज़रूरी नहीं
event_id ऊपर दिए गए इवेंट का यूनीक आईडी स्ट्रिंग ज़रूरी नहीं
event_timestamp इवेंट की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
channel_metadata इस टचपॉइंट चैनल के बारे में अन्य मेटाडेटा या जानकारी स्ट्रिंग ज़रूरी नहीं

मल्टी-टच एट्रिब्यूशन

Google डेटा के टचपॉइंट के साथ अपने 1P टचपॉइंट को जोड़कर एट्रिब्यूशन का आकलन करें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
event_type उदाहरण के लिए, टीवी विज्ञापन इंप्रेशन, मार्केटिंग ईमेल, वेबसाइट विज़िट, इन-स्टोर विज़िट वगैरह. स्ट्रिंग ज़रूरी है
event_id ऊपर दिए गए इवेंट का यूनीक आईडी स्ट्रिंग ज़रूरी है
event_timestamp इवेंट की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी है
क्रेडिट क्रेडिट की वैल्यू (एट्रिब्यूशन के लिए इस्तेमाल की जाने वाली) - उदाहरण के लिए, कन्वर्ज़न का # int ज़रूरी नहीं
channel_metadata इस टचपॉइंट चैनल के बारे में अन्य मेटाडेटा या जानकारी स्ट्रिंग ज़रूरी नहीं

परफ़ॉर्मेंस मेट्रिक

डेमोग्राफ़िक (उम्र, लिंग, आय, शिक्षा वगैरह) अफ़िनिटी ऑडियंस (एक जैसी पसंद वाली ऑडियंस) या अफ़िनिटी ऑडियंस (एक जैसी पसंद वाले उपयोगकर्ता) सेगमेंट के आधार पर कैंपेन की परफ़ॉर्मेंस का आकलन करना.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं

कन्वर्ज़न एट्रिब्यूशन का पाथ

कस्टम टचपॉइंट के साथ कन्वर्ज़न पाथ की परफ़ॉर्मेंस का विश्लेषण करें. इसमें 1P टचपॉइंट भी शामिल हैं.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
event_type उदाहरण के लिए, टीवी विज्ञापन इंप्रेशन, मार्केटिंग ईमेल, वेबसाइट विज़िट, इन-स्टोर विज़िट वगैरह. स्ट्रिंग ज़रूरी है
event_id ऊपर दिए गए इवेंट का यूनीक आईडी स्ट्रिंग ज़रूरी है
event_timestamp इवेंट की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी है
क्रेडिट क्रेडिट की वैल्यू (एट्रिब्यूशन के लिए इस्तेमाल की जाने वाली) - उदाहरण के लिए, कन्वर्ज़न का # int ज़रूरी नहीं
channel_metadata इस टचपॉइंट चैनल के बारे में अन्य मेटाडेटा या जानकारी स्ट्रिंग ज़रूरी नहीं

क्रॉस-प्रकाशक ओवरलैप

अपने 1P उपयोगकर्ता सेगमेंट के आधार पर, प्रकाशकों के सभी कैंपेन की पहुंच और फ़्रीक्वेंसी का विश्लेषण करें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं

कैंपेन की एक साथ परफ़ॉर्मेंस

पैरलल कैंपेन की परफ़ॉर्मेंस का असर, 1P उपयोगकर्ता सेगमेंट के हिसाब से काटा जाता है.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं
transaction_id इस लेन-देन के लिए यूनीक आईडी स्ट्रिंग ज़रूरी नहीं
ट्रांज़ैक्शन_तारीख लेन-देन की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
transaction_revenue लेन-देन से हुई आय int ज़रूरी नहीं
currency लेन-देन का करंसी टाइप स्ट्रिंग ज़रूरी नहीं
quantity लेन-देन में आइटम की संख्या स्ट्रिंग ज़रूरी नहीं
कीमत लेन-देन में हर आइटम की कीमत int ज़रूरी नहीं
ट्रांज़ैक्शन_लागत लेन-देन से जुड़े सामान / सेवाओं की लागत int ज़रूरी नहीं
लेन-देन से होने वाला मुनाफ़ा लेन-देन से कुल मुनाफ़ा int ज़रूरी नहीं
product_id लेन-देन में, प्रॉडक्ट का SKU / आईडी स्ट्रिंग ज़रूरी नहीं
transaction_description लेन-देन के बारे में अन्य ब्यौरा / मेटाडेटा / पैरामीटर स्ट्रिंग ज़रूरी नहीं
event_type उदाहरण के लिए, टीवी विज्ञापन इंप्रेशन, मार्केटिंग ईमेल, वेबसाइट विज़िट, इन-स्टोर विज़िट वगैरह. स्ट्रिंग ज़रूरी नहीं
event_id ऊपर दिए गए इवेंट का यूनीक आईडी स्ट्रिंग ज़रूरी नहीं
event_timestamp इवेंट की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
channel_metadata इस टचपॉइंट चैनल के बारे में अन्य मेटाडेटा या जानकारी स्ट्रिंग ज़रूरी नहीं

कैंपेन की तुलना

Google कैंपेन और दूसरे प्रकाशकों के कैंपेन की परफ़ॉर्मेंस की तुलना करें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
चैनल वह चैनल जिस पर यह कैंपेन चला (उदाहरण के लिए, Facebook, TV, वगैरह) स्ट्रिंग ज़रूरी है
पार्टनर पार्टनर का नाम, अगर शामिल हो स्ट्रिंग ज़रूरी नहीं
रणनीति खास रणनीति का नाम स्ट्रिंग ज़रूरी नहीं
campaign_metadata इस कैंपेन के बारे में ज़्यादा मेटाडेटा या जानकारी स्ट्रिंग ज़रूरी नहीं
तारीख कैंपेन गतिविधि की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी है
इंप्रेशन इस तारीख को इस कैंपेन से इंप्रेशन की संख्या int ज़रूरी है
क्लिक इस तारीख को इस कैंपेन से क्लिक की संख्या int ज़रूरी है
कन्वर्ज़न इस तारीख को इस कैंपेन से कन्वर्ज़न की संख्या int ज़रूरी है
लागत इस तारीख को इस कैंपेन की कुल लागत int ज़रूरी है

अफ़िनिटी और लेबल की तुलना

अपने 1P उपयोगकर्ता सेगमेंट और Google अफ़िनिटी और इन-मार्केट ऑडियंस सेगमेंट के बीच ओवरलैप देखें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं

ऐप्लिकेशन कन्वर्ज़न का विश्लेषण

इन-ऐप्लिकेशन व्यवहार पर कैंपेन के असर का आकलन करें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
तारीख मोबाइल ऐप्लिकेशन गतिविधि की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी है
इंस्टॉल करो बूलियन, जो बताता है कि इस दिन कोई इंस्टॉलेशन इवेंट लॉग हुआ है या नहीं बूलियन ज़रूरी है
रजिस्ट्रेशन बूलियन, जिससे यह पता चलता है कि इस दिन रजिस्ट्रेशन इवेंट लॉग किया गया है या नहीं बूलियन ज़रूरी है
लॉगिन करें बूलियन, जिससे पता चलता है कि इस दिन कोई लॉगिन इवेंट लॉग इन किया गया था बूलियन ज़रूरी है
in_app_purchases इस दिन इन-ऐप्लिकेशन खरीदारी की कुल रकम int ज़रूरी है

आरओआई का हिसाब लगाना

अपने 1P कन्वर्ज़न डेटा के आधार पर, लौटाए जाने वाले सामान की संख्या मापें.

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
transaction_id इस लेन-देन के लिए यूनीक आईडी स्ट्रिंग ज़रूरी है
ट्रांज़ैक्शन_तारीख लेन-देन की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी है
transaction_revenue लेन-देन से हुई आय int ज़रूरी है
currency लेन-देन का करंसी टाइप स्ट्रिंग ज़रूरी नहीं
quantity लेन-देन में आइटम की संख्या स्ट्रिंग ज़रूरी नहीं
कीमत लेन-देन में हर आइटम की कीमत int ज़रूरी नहीं
ट्रांज़ैक्शन_लागत लेन-देन से जुड़े सामान / सेवाओं की लागत int ज़रूरी नहीं
लेन-देन से होने वाला मुनाफ़ा लेन-देन से कुल मुनाफ़ा int ज़रूरी नहीं
product_id लेन-देन में, प्रॉडक्ट का SKU / आईडी स्ट्रिंग ज़रूरी नहीं
transaction_description लेन-देन के बारे में अन्य ब्यौरा / मेटाडेटा / पैरामीटर स्ट्रिंग ज़रूरी नहीं

कस्टम ऑडियंस ऐक्टिवेशन

अपने 1P डेटा और Google डेटा के आधार पर कस्टम उपयोगकर्ता सेगमेंट बनाएं और चालू करें

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं

मैन्युअल तरीके से बोली लगाना

अपने 1P डेटा और Google डेटा के आधार पर Display &Video 360 की बिडिंग की रणनीतियों को ऑप्टिमाइज़ करें

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं

क्रॉस-पब्लिशर की परफ़ॉर्मेंस

पब्लिशर या अपने 1P उपयोगकर्ता सेगमेंट से बांटे गए परफ़ॉर्मेंस मेट्रिक का आकलन करना

फ़ील्ड का नाम जानकारी टाइप ज़रूरी है/नहीं है
'जॉइन की' आप किस 'जॉइन की' का इस्तेमाल करते हैं, उसके आधार पर बदलाव होते हैं स्ट्रिंग ज़रूरी है
लिंग लिंग स्ट्रिंग ज़रूरी नहीं
उम्र उम्र int ज़रूरी नहीं
शहर शहर स्ट्रिंग ज़रूरी नहीं
देश देश स्ट्रिंग ज़रूरी नहीं
Lifecycle_state ग्राहक फ़नल स्थिति: अज्ञात, ऑनबोर्ड होना, जुड़ाव, लैप्स वगैरह. स्ट्रिंग ज़रूरी नहीं
लॉयल्टी_स्थिति चांदी, सोने, प्लैटिनम, हीरा वगैरह. स्ट्रिंग ज़रूरी नहीं
last_purchase_date पिछली खरीदारी की तारीख (Unix epoch का टाइमस्टैंप) int ज़रूरी नहीं
last_purchase_product पिछली बार खरीदे गए / इस्तेमाल किए गए प्रॉडक्ट की संख्या स्ट्रिंग ज़रूरी नहीं
last_contacted_date आखिरी संपर्क / जुड़ाव की तारीख (यूनिक्स epoch टाइमस्टैंप) int ज़रूरी नहीं
लाइफ़टाइम वैल्यू ग्राहक की लाइफ़टाइम वैल्यू int ज़रूरी नहीं
सदस्यता का प्रकार सब-प्रॉडक्ट / सदस्यता का टाइप, जो ग्राहक के पास है - जैसे कि डीलक्स, फ़ैमिली प्लान स्ट्रिंग ज़रूरी नहीं