사용자 제공 데이터 매칭

개요

UPDM (사용자 제공 데이터 매칭)은 웹사이트, 앱 또는 오프라인 상점의 정보와 같이 사용자에 대해 수집한 퍼스트 파티 데이터를 Google Marketing Platform을 제외한 Google 광고 데이터의 동일한 로그인 활동과 결합합니다. 사용자 제공 데이터 매칭을 사용하려면 광고 이벤트를 Google 광고 데이터에 로그인한 사용자와 연결해야 합니다.

사용자 제공 데이터 매칭은 다른 형태의 고객 일치 타겟팅에 비해 고유한 이점이 있습니다. 사용자 제공 데이터 매칭:

  • 서드 파티 데이터보다 업계의 변화에 더 잘 대처함
  • 사용자 제공 데이터 매칭은 로그인한 사용자의 Google 소유 및 운영 인벤토리에서만 사용할 수 있으므로 서드 파티 쿠키 지원 중단의 영향을 받지 않습니다.
  • 더 관련성 높은 고객 경험을 제공할 수 있으므로 결과적으로 고객 참여도가 높아집니다.
  • 더욱 풍부한 고객 통계 제공

프로세스 요약

계정에서 사용자 제공 데이터 매칭을 사용 설정한 후 지속적으로 이 기능을 사용하는 2단계는 다음과 같습니다.

  1. Ads Data Hub에서 퍼스트 파티 데이터 수집
    • 직접 퍼스트 파티 데이터 형식을 지정하고 BigQuery 데이터 세트에 업로드합니다. 관리자 프로젝트 이외의 다른 BigQuery 데이터 세트를 사용할 수 있습니다.
    • 사용자는 연결을 만들고 일정을 가져와서 데이터 일치 요청을 시작합니다.
    • Google은 프로젝트와 Google 소유 사용자 데이터 사이의 해싱된 사용자 데이터를 결합하여 *_match 테이블을 만들고 업데이트합니다.
  2. Ads Data Hub에서 일치하는 데이터를 기준으로 진행 중인 쿼리 실행

데이터 소스 및 대상 프로젝트

연결 시 데이터 소스 프로젝트와 대상 프로젝트라는 두 가지 Google Cloud 프로젝트를 사용해야 합니다.

  • 데이터 소스: 이 프로젝트에는 원본 형식의 독점 광고 데이터가 포함됩니다.
  • 대상: Ads Data Hub에서 쓰는 BigQuery 데이터 세트입니다. 기본적으로 관리자 프로젝트입니다. 다른 Google Cloud 프로젝트로 변경하려면 서비스 계정 구성을 참조하세요.

개인 정보 보호 제한

고객 데이터 수집

사용자 제공 데이터 매칭을 사용하는 경우 퍼스트 파티 데이터를 업로드해야 합니다. 웹사이트, 앱, 오프라인 상점에서 수집한 정보나 고객이 직접 공유한 정보일 수 있습니다.

데이터 크기

최종 사용자의 개인 정보를 보호하기 위해 사용자 제공 데이터 매칭은 데이터 크기와 관련하여 다음 요구사항을 적용합니다.

  • 사용자 목록에 1,000개 이상의 레코드를 업로드해야 합니다.
  • 데이터 이동 색인 생성이 성공할 때마다 새로 일치하는 사용자 수가 최소한으로 포함되어야 합니다. 이 동작은 차이점 확인과 유사합니다.
  • 목록은 최대 레코드 수를 초과할 수 없습니다. 최대 데이터 한도에 대해 알아보려면 Google 담당자에게 문의하세요.

연결 탭 사용 설정

시작하기 전에 Ads Data Hub 계정을 구성하여 연결 탭을 사용 설정합니다. 이 탭에서 데이터 일치 파이프라인을 설정합니다. 이 단계는 한 번만 수행하면 됩니다.

  1. Google 담당자에게 다음과 같이 보냅니다.
    1. 사용자 제공 데이터 매칭에 사용할 Ads Data Hub 계정 ID입니다.
    2. 대상 프로젝트에 액세스할 수 있는 수퍼유저 이메일 주소입니다.
    3. 계정과 수퍼유저가 허용 목록에 있는지 Google 담당자에게 확인하세요.

  2. 지정된 Google Cloud 프로젝트에서 Ads Data Connector API를 사용 설정합니다. 기본적으로 이 프로젝트는 관리자 프로젝트입니다. 다른 프로젝트를 사용하려면 대체 Google Cloud 프로젝트를 데이터 소스 프로젝트로 사용하여 다음 단계를 수행합니다. 이 단계는 허용 목록에 추가된 수퍼유저로 로그인한 상태에서 실행해야 합니다.

    1. Cloud Console API 라이브러리로 이동합니다.
    2. 목록에서 데이터 소스 프로젝트를 선택합니다.
    3. 'Ads Data Connector API'를 검색합니다. Ads Data Connector API가 검색결과에 표시되지 않으면 로그인한 Google 계정이 허용 목록에 추가된 수퍼유저가 아니라는 의미일 수 있습니다.
    4. API 페이지에서 사용 설정을 클릭합니다.
    5. Google 담당자에게 API가 사용 설정되어 있는지 확인하세요.

  3. Google 담당자가 Datafusion, Dataproc, UPDM 서비스 계정으로 지정된 3개의 이메일 주소를 보냅니다.

    Ads Data Hub 계정에 연결 새로운 섹션도 표시됩니다. 여기에는 1P 데이터 및 데이터 매칭이라는 탭이 포함되어 있습니다. 각 탭의 사용 사례를 알아보세요.

  4. 서비스 계정에 적절한 권한을 부여합니다. 다양한 서비스 계정과 필수 권한에 대한 설명을 보려면 표에서 데이터 소스를 선택하세요.

    BigQuery

    Datafusion 서비스 계정
    목적 Data Fusion 서비스 계정은 Ads Data Hub UI에 소스 필드 목록을 표시하는 데 사용됩니다.
    형식 service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com
    필수 액세스 권한
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    		 데이터 소스 및 대상 프로젝트의 특정 데이터 세트
    Storage Admin
    roles/storage.admin
    		 데이터 소스 프로젝트 또는 전용 스토리지 버킷의 경우
    Dataproc 서비스 계정
    목적 Dataproc 서비스 계정은 백그라운드에서 데이터 파이프라인을 실행합니다.
    형식 some-number-compute@developer.gserviceaccount.com
    필수 액세스 권한
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    		 데이터 소스 및 대상 프로젝트의 특정 데이터 세트
    BigQuery Data Editor
    roles/bigquery.dataEditor
    		 대상 프로젝트의 특정 데이터 세트
    BigQuery Job User
    roles/bigquery.jobUser
    		 데이터 소스 및 대상 프로젝트 모두
    Storage Admin
    roles/storage.admin
    		 데이터 소스 및 대상 프로젝트 모두 또는 전용 스토리지 버킷
    UPDM 서비스 계정
    목적 UPDM 서비스 계정은 일치 작업을 실행하는 데 사용됩니다.
    형식 service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com
    필수 액세스 권한
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    		 대상 프로젝트
    BigQuery Job User
    roles/bigquery.jobUser
    		 대상 프로젝트

    Cloud Storage

    Datafusion 서비스 계정
    목적 Data Fusion 서비스 계정은 Ads Data Hub UI에 소스 필드 목록을 표시하는 데 사용됩니다.
    형식 service-some-number@gcp-sa-datafusion.iam.gserviceaccount.com
    필수 액세스 권한
    Storage Object Viewer
    roles/storage.objectViewer
    		 데이터 소스 프로젝트의 특정 스토리지 버킷
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    		 데이터 소스 프로젝트 또는 전용 스토리지 버킷의 경우
    Storage Admin
    roles/storage.admin
    		 데이터 소스 프로젝트 또는 전용 스토리지 버킷의 경우
    Dataproc 서비스 계정
    목적 Dataproc 서비스 계정은 백그라운드에서 데이터 파이프라인을 실행합니다.
    형식 some-number-compute@developer.gserviceaccount.com
    필수 액세스 권한
    Storage Admin
    roles/storage.admin
    		 데이터 소스 및 대상 프로젝트 모두 또는 전용 스토리지 버킷
    BigQuery Job User
    roles/bigquery.jobUser
    		 대상 프로젝트
    UPDM 서비스 계정
    목적 UPDM 서비스 계정은 일치 작업을 실행하는 데 사용됩니다.
    형식 service-some-number@gcp-sa-adsdataconnector.iam.gserviceaccount.com
    필수 액세스 권한
    BigQuery Data Viewer
    roles/bigquery.dataViewer
    		 대상 프로젝트
    BigQuery Job User
    roles/bigquery.jobUser
    		 대상 프로젝트

    Salesforce

    제공 예정

퍼스트 파티 데이터 수집

입력 데이터 형식 지정

데이터를 올바르게 일치시키려면 다음 형식 요구사항을 준수해야 합니다.

  • 표시된 경우 Base16 문자열로 인코딩된 SHA256 해싱을 사용하여 업로드해야 합니다. UPDM은 Base64를 지원하지만 이 방법은 Google Ads 고객 일치 타겟팅 가이드라인과 다릅니다.
  • 입력 문자열은 문자열 형식이어야 합니다. BigQuery의 SHA256 해시 함수 및 Base16 인코딩 함수(TO_HEX)를 사용하는 경우 TO_HEX(SHA256(user_data)) 변환을 사용합니다.

User ID

  • 일반 텍스트
  • 해싱: 없음

이메일

  • 공백 제거
  • 소문자로만 입력하세요.
  • 모든 이메일 주소에 도메인 이름(예: gmail.com 또는 hotmail.co.jp)을 포함하세요.
  • 악센트 삭제(예: è, é, ê 또는 ë를 e로 변경)
  • 해싱: Base16으로 인코딩된 SHA256

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

잘못된 방법: TO_HEX(SHA256("JéffersonLôvesHiking@gmail.com"))

Phone

  • 공백 제거
  • E.164 형식(예: US +14155552671, UK +442071838750)
  • 국가 코드 포함 (미국 포함)
  • 국가 코드 앞의 "+를 제외한 모든 특수문자를 삭제합니다.
  • 해싱: Base16으로 인코딩된 SHA256

유효: TO_HEX(SHA256("+18005550101"))

잘못된 방법: TO_HEX(SHA256("(800) 555-0101"))

이름

  • 공백 제거
  • 소문자로만 입력하세요.
  • 모든 접두사(예: Mrs.)를
  • 악센트를 제거하지 마세요(예: è, é, ê, ë).
  • 해싱: Base16으로 인코딩된 SHA256

유효: TO_HEX(SHA256("daní"))

잘못된 방법: TO_HEX(SHA256("Daní"))

성

  • 공백 제거
  • 소문자로만 입력하세요.
  • 모든 접두사(예: Jr.
  • 악센트를 제거하지 마세요(예: è, é, ê, ë).
  • 해싱: Base16으로 인코딩된 SHA256

유효: TO_HEX(SHA256("delacruz"))

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

국가

  • 모든 고객 데이터가 동일 국가의 데이터라도 국가 코드를 포함하세요.
  • 국가 데이터를 해싱하지 마세요.
  • ISO 3166-1 alpha-2 국가 코드를 사용합니다.
  • 해싱: 없음

유효: US

잘못된 방법: United States of America 또는 USA

우편번호

  • 우편번호 데이터는 해싱하지 마세요.
  • 미국 및 국제 우편번호가 모두 허용됩니다.
  • 미국:
    • 5자리 코드(예: 94043)를 사용할 수 있습니다.
    • 5자리 숫자 뒤에 붙는 4자리 코드도 허용됩니다(예: 94043-1351 또는 940431351).
  • 기타 모든 국가:
    • 형식이 필요하지 않습니다 (소문자를 사용하거나 공백 및 특수문자를 삭제하지 않아도 됨).
    • 우편번호 확장은 비워 두세요.
  • 해싱: 없음

해시 유효성 검사 및 데이터 인코딩

다음 해시 유효성 검사 스크립트를 사용하여 데이터의 형식이 올바르게 지정되었는지 확인할 수 있습니다.

자바스크립트

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) {
  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()

Base64

/**
 * @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

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):
  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()

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):
  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()

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")
}

자바

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) {
    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");
  }
}

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) {
  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

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
*/

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
*/

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`;

통합 키

일부 사용자 제공 데이터 조합은 다른 조합보다 더 안전합니다. 다음은 상대적 강도에 따라 순위가 매겨지는 여러 사용자 제공 데이터 조합 목록입니다.

  1. 이메일, 전화, 주소 (가장 강력함)
  2. 전화, 주소
  3. 이메일, 주소
  4. 이메일, 전화
  5. 주소
  6. Phone
  7. 이메일 (가장 약함)

데이터 이동 색인 만들기

  1. 연결 > 데이터 매칭 > 연결 만들기를 클릭합니다.
  2. 데이터 소스를 선택한 다음 연결을 클릭합니다. 메시지가 표시되면 인증한 후 다음을 클릭합니다.
  3. 데이터 소스를 구성하고 다음을 클릭합니다.

    BigQuery

    가져올 BigQuery 테이블을 선택합니다.

    Cloud Storage

    gsutil 파일 경로(예: gs://my-bucket/folder/)를 입력하고 파일 형식을 선택합니다.

    Salesforce

    제공 예정

  4. destination을 설정하고 Next를 클릭합니다.
    1. 데이터의 중간 대상으로 사용할 새 BigQuery 데이터 세트를 선택하세요. 이 단계를 통해 데이터가 올바르게 포맷되었는지 확인할 수 있습니다.
  5. 선택사항: 데이터 형식을 수정합니다. 변환에는 컴퓨팅 해시, 소문자/대문자 형식, 필드 병합/분할이 포함됩니다.
    1. Action(작업) > > Transform(변환)을 클릭합니다.
    2. 팝업 패널에서 변환 추가 또는 다른 변환 추가를 클릭합니다.
    3. 드롭다운 메뉴에서 변환 유형을 선택하고 요구사항을 입력합니다.
    4. 저장을 클릭합니다.
  6. 사용할 조인 키를 하나 이상 선택하여 사용할 필드를 매핑한 후 다음을 클릭합니다.
  7. 일정을 설정합니다.
    1. 연결 이름을 지정합니다.
    2. 이전 단계에서 선택한 데이터 세트로 데이터를 가져오는 빈도를 지정하는 빈도를 설정합니다. 실행할 때마다 대상 테이블의 데이터를 덮어씁니다.
    3. 사용자 ID 충돌을 처리하는 방법을 지정합니다. 기존 일치를 유지할지, 아니면 새 데이터를 덮어쓸지 선택할 수 있습니다.
  8. 마침을 클릭합니다.

연결 세부정보 보기

연결 세부정보 페이지에서는 특정 연결의 최근 실행 및 오류에 대한 정보를 확인할 수 있습니다. 특정 연결의 세부정보를 보려면 다음 안내를 따르세요.

  1. 연결 및 데이터 매칭을 클릭합니다.
  2. 연결 이름을 클릭하여 세부정보를 확인합니다.
  3. 이제 연결의 세부정보와 최근 실행을 볼 수 있습니다. 각 오류에는 연결 수준 (연결이 실행되지 않음)과 행 수준 오류 (행을 가져오지 않음)의 두 가지 가능한 유형이 있습니다.
    1. 실패 상태는 전체 연결이 실행되지 않았음을 나타냅니다(예: 서비스 계정 권한 문제). 연결 상태를 확인하려면 오류 상태를 클릭하세요.
    2. Completed(완료됨) 상태는 연결이 성공적으로 실행되었음을 나타냅니다. 그러나 행 수준 오류는 발생할 수 있습니다. 오류는 '오류가 있는 행' 열에 0이 아닌 값으로 표시됩니다. 값을 클릭하여 실패한 레코드에 대해 자세히 알아보세요.

연결 수정

연결 수정은 아직 지원되지 않습니다. 연결을 변경하려면 새 연결을 만든 후 이전 연결을 삭제합니다.

Ads Data Hub에서 데이터 쿼리

데이터 이동 색인 쿼리

데이터 이동 색인에서 개인 정보 보호 검사를 충족할 만큼 충분한 데이터가 포함되어 있으면 해당 테이블에 대해 쿼리를 실행할 준비가 된 것입니다. user_id 필드가 포함된 Ads Data Hub 스키마의 각 테이블은 *_match 테이블과 함께 제공됩니다. 예를 들어 adh.google_ads_impressions 테이블의 경우 Ads Data Hub는 사용자 ID만 포함된 adh.google_ads_impressions_match라는 데이터 이동 색인도 생성합니다. 이러한 테이블에는 원본 테이블에서 사용 가능한 사용자 하위 집합이 포함되며 user_id가 일치합니다. 예를 들어 원본 테이블에 사용자 A와 사용자 B의 데이터가 포함되어 있지만 사용자 A만 일치하는 경우 사용자 B는 데이터 이동 테이블에 포함되지 않습니다.

데이터 이동 색인에는 쿠키를 BYTES로 저장하는 external_cookie라는 추가 열이 포함됩니다.

external_cookie 필드에는 ID가 BYTES로 포함됩니다. 성공적인 일치를 위해서는 조인 키를 BYTES로 변환해야 합니다.

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

광고 이벤트 테이블의 *_match 조회수를 쿼리하여 데이터 이동 색인을 사용합니다. 쿠키 매칭도 사용하는 경우 쿼리에서 검색 유형을 기준으로 필터링할 수 있습니다. 다음 2가지를 사용합니다.

  • 쿠키 매칭을 위한 match_type = 1
  • match_type = 2(사용자 제공 데이터 매칭)

쿼리에서 match_type가 허용되지만 이 필드는 결과에 반환될 수 없으므로 최종 SELECT 문에 이 필드를 포함하면 안 됩니다.

샘플 쿼리

일치하는 사용자 수 계산

이 쿼리는 Google Ads 노출수 테이블에서 일치하는 사용자 수를 계산합니다.

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_match

사용자 제공 데이터 매칭 사용자 수 집계

이 쿼리는 일치 유형별로 일치하는 사용자 수를 계산합니다. 광고 이벤트 테이블에는 로그인한 사용자와 로그아웃한 사용자의 이벤트가 포함되므로 사용자 제공 데이터 매칭을 필터링하면 로그인한 사용자만 일치됩니다.

/* 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

이 쿼리는 퍼스트 파티 데이터를 Google Ads 데이터와 연결하는 방법을 보여줍니다.

/* 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

이 쿼리는 쿠키와 일치하는 사용자를 제외하고 사용자 제공 데이터와 일치하는 사용자 수를 계산합니다. 광고 이벤트 테이블에는 로그인한 사용자와 로그아웃한 사용자의 이벤트가 모두 포함되므로 사용자가 제공한 데이터 매칭만 필터링하면 로그인한 사용자만 일치하게 됩니다.

/* 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

연결

가치 있는 광고 통계를 얻으려면 여러 소스의 데이터를 하나로 연결해야 합니다. 이 데이터 파이프라인 문제를 해결하기 위한 자체 솔루션을 빌드하려면 상당한 시간과 투자가 필요합니다. 연결은 BigQuery로 데이터를 가져오고, 변환하고, 쓰기 위한 단계별 안내 인터페이스를 제공하여 이 프로세스를 간소화합니다. 데이터를 쓴 후 Ads Data Hub 쿼리 또는 BigQuery에서 읽는 다른 제품에서 데이터를 사용할 수 있습니다. 퍼스트 파티 데이터로 쿼리를 보강하면 더욱 풍부한 고객 환경을 제공할 수 있으며 업계 전반의 광고 추적 변경에 더 잘 대응할 수 있습니다.

또한 Connections는 개인 정보 보호를 중시하는 방식으로 개인 식별 정보 (PII)를 암호화하고 파트너와 공유할 수 있는 도구를 기반으로 구축되었습니다. PII가 포함된 열을 선택한 다음 연결을 통해 데이터를 암호화하므로 퍼스트 파티 데이터를 내보내거나 읽을 권한이 있는 사용자만 읽을 수 있습니다.

연결을 사용하여 다음에서 데이터를 가져올 수 있습니다.

측정이나 활성화 사용 사례에 필요한 자사 데이터를 파악하는 것은 어려울 수 있으므로 Connections는 포괄적인 사전 정의된 사용 사례 목록을 제공한 다음 데이터를 추출, 변환, 로드하는 전체 경험을 안내합니다.

퍼스트 파티 데이터와 데이터 매칭의 차이점

사용자 제공 데이터 이동 색인 구성을 위한 워크플로는 연결을 통해 일반 자사 데이터 연결을 만드는 것과 비슷합니다. 그러나 2개 프로젝트 요구사항에서는 사용자 제공 데이터 매칭을 사용하기 전에 연결을 설정한다고 가정합니다. 연결을 데이터 준비 도구로만 사용하는 경우 단일 Google Cloud 프로젝트를 사용할 수 있습니다.

사용자 제공 데이터 매칭의 추가 요구사항:

  • 이메일, 전화번호, 주소 또는 어떤 조합이든 조인 키로 사용해야 합니다.
  • user_id 충돌을 해결하는 방법을 지정해야 합니다. 기존 일치를 유지할지, 아니면 새 데이터를 덮어쓸지 선택할 수 있습니다.
  • Datafusion 및 Dataproc 계정 외에 UPDM 서비스 계정도 사용해야 합니다.

퍼스트 파티 데이터 워크플로

연결 만들기

  1. 연결 > 1P 데이터 > 연결 만들기를 클릭합니다.
  2. 데이터 소스에 연결 인증하라는 메시지가 표시됩니다.

    BigQuery

    권한은 Google 계정을 기반으로 하므로 추가 인증이 필요하지 않습니다. 연결 서비스 계정에 테이블에 대한 읽기 액세스 권한이 있는지 확인합니다.

    Cloud Storage

    권한은 Google 계정을 기반으로 하므로 추가 인증이 필요하지 않습니다. 연결 서비스 계정에 스토리지 버킷에 대한 읽기 액세스 권한이 있는지 확인합니다.

    Salesforce

    (곧 제공 예정)

    로그인하려면 조직의 Salesforce 사용자 인증 정보를 사용하세요. Google은 사용자 인증 정보를 저장하지 않으므로 새로운 Salesforce 연결을 새로 할 때마다 인증이 필요합니다.
  3. 사용 사례와 조인 키를 선택한 후 사용 사례 선택을 클릭합니다. 사용 사례를 선택하지 않으려면 건너뛰기를 클릭합니다. 나중에 사용 사례를 선택할 수 없습니다.
  4. 데이터 소스를 구성합니다.

    BigQuery

    가져올 BigQuery 테이블을 선택합니다.

    Cloud Storage

    gsutil 파일 경로(예: gs://my-bucket/folder/)를 입력하고 파일 형식을 선택합니다.

    Salesforce

    제공 예정
  5. 목적지 및 맵 필드를 구성합니다.
    • 결과를 작성하려는 Google Cloud 프로젝트, 데이터 세트, 테이블을 선택합니다. Connections 서비스 계정에 쓰려는 데이터 세트에 대한 쓰기 액세스 권한이 있는지 확인합니다.
    • 연결할 때마다 새 테이블을 만들어 쓸 수 있습니다. 이미 존재하는 테이블을 선택하면 오류가 표시됩니다.
    • 대상 필드 (다시 만드는 테이블에 표시되는 필드)를 소스 데이터의 소스 필드에 매핑합니다.
  6. 일정 설정을 탭합니다.
    1. 연결 이름을 지정합니다.
    2. 이전 단계에서 선택한 데이터 세트로 데이터를 가져오는 빈도를 지정하는 빈도를 설정합니다. 실행할 때마다 대상 테이블의 데이터를 덮어씁니다.
  7. 완료를 클릭합니다. 많은 양의 데이터를 처리하는 연결을 실행하는 데 몇 시간이 걸릴 수 있습니다.

연결 세부정보 보기

연결 세부정보 페이지에서는 특정 연결의 최근 실행 및 오류에 대한 정보를 확인할 수 있습니다. 특정 연결의 세부정보를 보려면 다음 안내를 따르세요.

  1. 연결 > 1P 데이터를 클릭합니다.
  2. 연결 이름을 클릭하여 세부정보를 확인합니다.
  3. 이제 연결의 세부정보와 최근 실행을 볼 수 있습니다. 각 오류에는 연결 수준 (연결이 실행되지 않음)과 행 수준 오류 (행을 가져오지 않음)의 두 가지 가능한 유형이 있습니다.
    1. 실패 상태는 전체 연결이 실행되지 않았음을 나타냅니다(예: 서비스 계정 권한 문제). 연결 상태를 확인하려면 오류 상태를 클릭하세요.
    2. Completed(완료됨) 상태는 연결이 성공적으로 실행되었음을 나타냅니다. 그러나 행 수준 오류는 발생할 수 있습니다. 오류는 '오류가 있는 행' 열에 0이 아닌 값으로 표시됩니다. 값을 클릭하여 실패한 레코드에 대해 자세히 알아보세요.

연결 수정

연결 수정은 아직 지원되지 않습니다. 연결을 변경하려면 새 연결을 만들고 이전 연결을 삭제합니다.

사용 사례

선택한 사용 사례가 대상 테이블 스키마와 가져온 조인 키 필드에 영향을 미칩니다. 아래의 사용 사례를 확장하여 스키마와 조인 키에 미치는 영향을 알아보세요.

도달범위 및 게재빈도

1P 사용자 세그먼트별로 채널 및 기기 전반의 캠페인 도달범위와 게재빈도를 측정합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항
transaction_id 거래의 고유 ID 문자열 선택사항
transaction_date 거래 날짜 (Unix 에포크 타임스탬프) int 선택사항
거래_수익 거래 수익 int 선택사항
currency 거래의 통화 유형 문자열 선택사항
수량 거래에 포함된 상품의 수량 문자열 선택사항
가격 거래의 상품당 가격 int 선택사항
거래_비용 거래의 제품 / 서비스 비용 int 선택사항
거래_이익 거래에서 발생한 총 이익 int 선택사항
product_id 거래에 포함된 제품의 SKU / ID 문자열 선택사항
거래_설명 거래에 관한 기타 설명 / 메타데이터 / 매개변수 문자열 선택사항
이벤트 유형 예: TV 광고 노출, 마케팅 이메일, 웹사이트 방문, 매장 방문 등 문자열 선택사항
이벤트 ID 위 이벤트의 고유 ID입니다. 문자열 선택사항
event_timestamp 이벤트 날짜 (Unix 에포크 타임스탬프) int 선택사항
채널 메타데이터 이 터치포인트 채널에 대한 추가 메타데이터 또는 정보입니다. 문자열 선택사항

멀티 터치 기여도 모델

1P 터치포인트를 Google 데이터의 터치포인트와 결합하여 기여 분석을 측정합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
이벤트 유형 예: TV 광고 노출, 마케팅 이메일, 웹사이트 방문, 매장 방문 등 문자열 필수
이벤트 ID 위 이벤트의 고유 ID입니다. 문자열 필수
event_timestamp 이벤트 날짜 (Unix 에포크 타임스탬프) int 필수
크레딧 기여도 값 (기여 분석에 사용됨) - 예: 전환수 int 선택사항
채널 메타데이터 이 터치포인트 채널에 대한 추가 메타데이터 또는 정보입니다. 문자열 선택사항

성능 측정항목

인구통계, 관심분야 또는 1P 사용자 세그먼트별로 캠페인 실적을 측정합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항

전환 경로 기여 분석

1P 터치포인트를 포함한 맞춤 터치포인트를 사용하여 전환 경로의 실적을 분석합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
이벤트 유형 예: TV 광고 노출, 마케팅 이메일, 웹사이트 방문, 매장 방문 등 문자열 필수
이벤트 ID 위 이벤트의 고유 ID입니다. 문자열 필수
event_timestamp 이벤트 날짜 (Unix 에포크 타임스탬프) int 필수
크레딧 기여도 값 (기여 분석에 사용됨) - 예: 전환수 int 선택사항
채널 메타데이터 이 터치포인트 채널에 대한 추가 메타데이터 또는 정보입니다. 문자열 선택사항

교차 게시자 중복

1P 사용자 세그먼트별로 게시자 전반의 캠페인 도달범위와 게재빈도를 분석합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항

동시 캠페인 실적

병렬 캠페인에 노출될 경우 실적에 미치는 영향을 1P 사용자 세그먼트별로 측정합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항
transaction_id 거래의 고유 ID 문자열 선택사항
transaction_date 거래 날짜 (Unix 에포크 타임스탬프) int 선택사항
거래_수익 거래 수익 int 선택사항
currency 거래의 통화 유형 문자열 선택사항
수량 거래에 포함된 상품의 수량 문자열 선택사항
가격 거래의 상품당 가격 int 선택사항
거래_비용 거래의 제품 / 서비스 비용 int 선택사항
거래_이익 거래에서 발생한 총 이익 int 선택사항
product_id 거래에 포함된 제품의 SKU / ID 문자열 선택사항
거래_설명 거래에 관한 기타 설명 / 메타데이터 / 매개변수 문자열 선택사항
이벤트 유형 예: TV 광고 노출, 마케팅 이메일, 웹사이트 방문, 매장 방문 등 문자열 선택사항
이벤트 ID 위 이벤트의 고유 ID입니다. 문자열 선택사항
event_timestamp 이벤트 날짜 (Unix 에포크 타임스탬프) int 선택사항
채널 메타데이터 이 터치포인트 채널에 대한 추가 메타데이터 또는 정보입니다. 문자열 선택사항

캠페인 비교

Google 캠페인 및 다른 게시자의 캠페인 실적을 비교합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
채널 이 캠페인을 운영한 채널 (예: Facebook, TV 등) 문자열 필수
파트너 관련 파트너 이름 문자열 선택사항
전술 특정 전략 이름 문자열 선택사항
캠페인_메타데이터 이 캠페인에 대한 추가 메타데이터 또는 정보 문자열 선택사항
date 캠페인 활동 날짜 (Unix 에포크 타임스탬프) int 필수
노출수 해당 날짜에 이 캠페인에서 발생한 노출수 int 필수
클릭수 해당 날짜에 이 캠페인에서 발생한 클릭수 int 필수
전환수 해당 날짜에 이 캠페인에서 발생한 전환수 int 필수
비용 이 캠페인에서 발생한 이 날짜의 총 비용 int 필수

관심분야 및 라벨 비교

1P 사용자 세그먼트와 Google 관심분야 및 구매 의도 잠재고객 세그먼트 사이에 중복되는 부분을 찾습니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항

앱 전환 분석

캠페인이 인앱 행동에 미치는 영향을 측정합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
date 모바일 앱 활동 날짜 (Unix 에포크 타임스탬프) int 필수
설치 설치 이벤트가 이 날짜에 로깅되었는지 여부를 나타내는 부울 boolean 필수
등록 등록 이벤트가 이 날짜에 로깅되었는지 여부를 나타내는 부울 boolean 필수
로그인 해당 날짜에 로그인 이벤트가 로깅되었는지 여부를 나타내는 부울 boolean 필수
in_app_purchases 이 날짜의 총 인앱 구매액 int 필수

ROI 계산

퍼스트 파티 전환 데이터를 기준으로 수익을 늘릴 수 있습니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
transaction_id 거래의 고유 ID 문자열 필수
transaction_date 거래 날짜 (Unix 에포크 타임스탬프) int 필수
거래_수익 거래 수익 int 필수
currency 거래의 통화 유형 문자열 선택사항
수량 거래에 포함된 상품의 수량 문자열 선택사항
가격 거래의 상품당 가격 int 선택사항
거래_비용 거래의 제품 / 서비스 비용 int 선택사항
거래_이익 거래에서 발생한 총 이익 int 선택사항
product_id 거래에 포함된 제품의 SKU / ID 문자열 선택사항
거래_설명 거래에 관한 기타 설명 / 메타데이터 / 매개변수 문자열 선택사항

맞춤 잠재고객 활성화

1P 데이터 및 Google 데이터를 기반으로 맞춤 사용자 세그먼트를 구축하고 활성화합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항

맞춤 입찰

1P 데이터와 Google 데이터를 기반으로 Display & Video 360 입찰 전략을 최적화합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항

교차 게시자 실적

게시자별로 또는 게시자 및 1P 사용자 세그먼트별로 실적 측정항목을 측정합니다.

필드 이름 설명 유형 필수/선택사항
조인 키 사용하는 조인 키에 따른 변경사항 문자열 필수
gender 성별 문자열 선택사항
연령 연령 int 선택사항
city 도시 문자열 선택사항
국가 국가 문자열 선택사항
lifecycle_state 고객 유입경로 상태: 알 수 없음, 온보딩, 참여, 사용 중지 등 문자열 선택사항
충성도_상태 은, 금, 플래티넘, 다이아몬드 등 문자열 선택사항
최종구매일 마지막 구매 날짜 (Unix 에포크 타임스탬프) int 선택사항
last_purchase_product[마지막_구매_제품] 제품 최종 구매 / 소비 문자열 선택사항
최종 연락 날짜 마지막 연락 / 참여 날짜 (Unix 에포크 타임스탬프) int 선택사항
LTV 고객 LTV int 선택사항
구독_유형 고객이 사용하는 하위 제품 / 구독 유형(예: 디럭스, 가족 요금제) 문자열 선택사항