หน้านี้ได้รับการแปลโดย Cloud Translation API

การจับคู่ข้อมูลที่ได้จากผู้ใช้

การจับคู่ข้อมูลที่ได้จากผู้ใช้ (UPDM) จะรวมข้อมูลจากบุคคลที่หนึ่งที่คุณได้รวบรวมไว้เกี่ยวกับผู้ใช้ เช่น ข้อมูลจากเว็บไซต์ แอป หรือกิจการที่มีหน้าร้านจริง เข้ากับกิจกรรมที่มีการลงชื่อเข้าใช้ของผู้ใช้รายเดียวกันในข้อมูลโฆษณา Google ทั้งหมด ซึ่งรวมถึงข้อมูลที่ Google เป็นเจ้าของและดำเนินการเอง ซึ่งรวมถึงข้อมูลที่ซื้อผ่านผลิตภัณฑ์ Google Marketing Platform (GMP) เช่น YouTube ที่ซื้อโดยใช้ Display & Video 360 ระบบไม่รองรับผลิตภัณฑ์ GMP อื่นๆ ที่ Google ไม่ได้เป็นเจ้าของและดำเนินการ

เหตุการณ์โฆษณาจะต้องลิงก์กับผู้ใช้ที่ลงชื่อเข้าใช้ในข้อมูลโฆษณา Google จึงจะมีสิทธิ์ในการจับคู่ข้อมูลที่ได้จากผู้ใช้

เอกสารนี้อธิบายฟีเจอร์การจับคู่ข้อมูลที่ผู้ใช้ให้ไว้ และให้คำแนะนำในการตั้งค่าและการใช้งาน

ภาพรวมแท็บการเชื่อมต่อ

การได้รับข้อมูลเชิงลึกด้านการโฆษณาที่มีคุณค่ามักต้องมีการรวมข้อมูล จากหลายแหล่ง การสร้างโซลูชันของคุณเองเพื่อแก้ปัญหาไปป์ไลน์ข้อมูลนี้ ต้องใช้เวลาและการลงทุนด้านวิศวกรรมอย่างมาก หน้าการเชื่อมต่อ ใน Ads Data Hub ช่วยให้กระบวนการนี้มีประสิทธิภาพมากขึ้นด้วยการแสดงอินเทอร์เฟซแบบมีคำแนะนำทีละขั้นตอน สำหรับการนำเข้า เปลี่ยนรูปแบบ และจับคู่ข้อมูลโฆษณาใน BigQuery เพื่อให้คุณใช้ข้อมูลดังกล่าวในการค้นหา Ads Data Hub หรือผลิตภัณฑ์อื่นๆ ที่อ่านจาก BigQuery ได้ การเพิ่มคุณค่าให้คําค้นหาด้วยข้อมูลจากบุคคลที่หนึ่งจะช่วย มอบประสบการณ์ที่ดียิ่งขึ้นให้แก่ลูกค้า และทนทานต่อการเปลี่ยนแปลง การติดตามโฆษณาทั่วทั้งอุตสาหกรรมได้มากขึ้น

หน้าการเชื่อมต่อสร้างขึ้นด้วยเครื่องมือที่ช่วยให้คุณเข้ารหัสและแชร์ ข้อมูลส่วนบุคคลที่ระบุตัวบุคคลนั้นได้ (PII) กับพาร์ทเนอร์ในลักษณะที่เน้นความเป็นส่วนตัว หลังจากเลือกคอลัมน์ที่มี PII แล้ว Ads Data Hub จะเข้ารหัสข้อมูลเพื่อให้มั่นใจว่าข้อมูลจากบุคคลที่หนึ่งจะส่งออกหรือ อ่านได้เฉพาะผู้ที่มีสิทธิ์เท่านั้น การทราบว่าข้อมูลจากบุคคลที่หนึ่งใดที่ จําเป็นสําหรับกรณีการใช้งานการวัดผลหรือการเปิดใช้งานอาจเป็นเรื่องยาก ดังนั้น Ads Data Hub จึงมีรายการกรณีการใช้งานที่กําหนดไว้ล่วงหน้าอย่างครอบคลุม จากนั้น จะแนะนําคุณตลอดประสบการณ์การดึงข้อมูล การเปลี่ยนรูปแบบ และ การโหลดข้อมูล แม้ว่าคุณจะสร้างการเชื่อมต่อได้หลายประเภท แต่เอกสารนี้ ถือว่าคุณใช้หน้าการเชื่อมต่อสำหรับการจับคู่ข้อมูลที่ผู้ใช้ระบุ

แหล่งข้อมูลจากบุคคลที่หนึ่งที่รองรับ

คุณสามารถนําเข้าข้อมูลจากแหล่งข้อมูลต่อไปนี้

BigQuery
Cloud Storage
Secure FTP (SFTP)
เกล็ดหิมะ
MySQL
PostgreSQL
Amazon Redshift
Amazon S3

เนื่องจากการจับคู่ข้อมูลที่ได้จากผู้ใช้จะใช้งานได้เฉพาะกับพื้นที่โฆษณาที่ Google เป็นเจ้าของและดําเนินการเองสำหรับผู้ใช้ที่ลงชื่อเข้าใช้ จึงไม่ได้รับผลกระทบจากการเลิกใช้งานคุกกี้ของบุคคลที่สามที่จะมีผลในเร็วๆ นี้ เนื่องจากปรับข้อมูลเข้ากับการเปลี่ยนแปลงของอุตสาหกรรมได้ดีกว่าข้อมูลจากบุคคลที่สาม จึงให้ข้อมูลเชิงลึกที่ครบถ้วนยิ่งขึ้น ซึ่งอาจนำไปสู่การมีส่วนร่วมของลูกค้าที่สูงขึ้น

ดูคำศัพท์

การเชื่อมต่อข้อมูลที่ได้จากผู้ใช้: ตั้งค่าการเชื่อมต่อข้อมูลที่ได้จากผู้ใช้เพื่อ นําเข้าและจับคู่ข้อมูล กําหนดเวลานําเข้าข้อมูล แปลงข้อมูล และจับคู่ ข้อมูลโฆษณาโดยใช้รหัสผู้ใช้ เหตุการณ์โฆษณาต้องลิงก์กับผู้ใช้ที่ลงชื่อเข้าใช้ในข้อมูลโฆษณา Google ต้องใช้โปรเจ็กต์ Google Cloud หลายรายการ
การเชื่อมต่อข้อมูลจากบุคคลที่หนึ่ง: ตั้งค่าการเชื่อมต่อข้อมูลจากบุคคลที่หนึ่งเป็น เครื่องมือจัดเตรียมข้อมูล เพื่อกำหนดเวลานำเข้าข้อมูลและเปลี่ยนรูปแบบข้อมูลโดยไม่ต้องใช้ ฟีเจอร์ขั้นสูงของ UPDM การเชื่อมต่อประเภทนี้ต้องใช้โปรเจ็กต์ Google Cloud เพียงโปรเจ็กต์เดียว
แหล่งข้อมูล: ผลิตภัณฑ์ที่เชื่อมต่อ ไฟล์ที่นำเข้า หรือการผสานรวมกับบุคคลที่สาม เช่น BigQuery
ปลายทาง: กรณีการใช้งาน โดยทั่วไปเป็นผลิตภัณฑ์ของ Google หรือฟีเจอร์ผลิตภัณฑ์ ที่มีการเปิดใช้งานข้อมูลที่นำเข้า เช่น การจับคู่ข้อมูลที่ได้จากผู้ใช้ใน Ads Data Hub
โปรเจ็กต์ผู้ดูแลระบบ: โปรเจ็กต์ Google Cloud ที่มีข้อมูลการโฆษณาที่เป็นกรรมสิทธิ์ในรูปแบบดิบ
ชุดข้อมูลเอาต์พุต: ชุดข้อมูล BigQuery ที่ Ads Data Hub เขียนถึง โดย ค่าเริ่มต้น ชุดข้อมูลนี้จะอยู่ภายใต้โปรเจ็กต์ผู้ดูแลระบบ หากต้องการเปลี่ยนเป็นโปรเจ็กต์ Google Cloud อื่น โปรดดูกำหนดค่าบัญชีบริการ

สรุปกระบวนการ

การตั้งค่าการนำเข้าและการจับคู่ข้อมูล
- คุณให้สิทธิ์ที่จำเป็นแก่บัญชีบริการในโปรเจ็กต์ผู้ดูแลระบบ ดูตั้งค่าการนำเข้าข้อมูล
การนําเข้าและการจับคู่ข้อมูลจากบุคคลที่หนึ่ง
- คุณจัดรูปแบบและอัปโหลดข้อมูลจากบุคคลที่หนึ่งไปยังชุดข้อมูล BigQuery หากต้องการตั้งค่าที่ง่ายที่สุด ให้ใช้โปรเจ็กต์ผู้ดูแลระบบ อย่างไรก็ตาม คุณ สามารถใช้ชุดข้อมูล BigQuery ที่คุณเป็นเจ้าของได้
- คุณเริ่มคําขอการจับคู่ข้อมูลโดยสร้างการเชื่อมต่อและ ตั้งค่ากําหนดการนําเข้า
- Google จะรวมข้อมูลระหว่างโปรเจ็กต์กับข้อมูลที่ Google เป็นเจ้าของ ซึ่งมีรหัสผู้ใช้ของ Google และข้อมูลที่ได้จากผู้ใช้ที่แฮชแล้ว เพื่อสร้างและ อัปเดตตารางการจับคู่
- ดูนําเข้าข้อมูลจากบุคคลที่หนึ่ง
คำค้นหาที่ดำเนินการอย่างต่อเนื่องใน Ads Data Hub โดยอิงตามข้อมูลที่ตรงกัน
- คุณเรียกใช้คำค้นหากับตารางการจับคู่ในลักษณะเดียวกับที่เรียกใช้คำค้นหาปกติใน Ads Data Hub ดูค้นหาข้อมูลที่ตรงกัน

ดูข้อมูลเกี่ยวกับข้อกำหนดด้านความเป็นส่วนตัว

การเก็บรวบรวมข้อมูลลูกค้า

เมื่อใช้การจับคู่ข้อมูลที่ได้จากผู้ใช้ คุณต้องอัปโหลดข้อมูลจากบุคคลที่หนึ่ง ซึ่งอาจเป็นข้อมูลที่คุณรวบรวมจากเว็บไซต์ แอป กิจการที่มีหน้าร้านจริง หรือข้อมูลใดๆ ที่ลูกค้าแชร์กับคุณโดยตรง

คุณต้องปฏิบัติดังนี้

นโยบายความเป็นส่วนตัวของคุณต้องเปิดเผยว่าคุณจะแชร์ข้อมูลลูกค้ากับ บุคคลที่สามเพื่อให้บริการในนามของคุณ และคุณได้รับ ความยินยอมในการแชร์ข้อมูลดังกล่าวตามที่กฎหมายกำหนดแล้ว
อัปโหลดข้อมูลลูกค้าโดยใช้ API หรืออินเทอร์เฟซที่ Google อนุมัติเท่านั้น
ปฏิบัติตามกฎหมายและข้อบังคับที่เกี่ยวข้องทั้งหมด รวมถึงหลักเกณฑ์ในการกำกับตนเองหรือหลักเกณฑ์ของอุตสาหกรรมที่อาจมีผลบังคับใช้

การรับทราบความยินยอมของบุคคลที่หนึ่ง

คำเตือน: การไม่รับทราบความยินยอมหรือการปฏิเสธการรับทราบความยินยอม จะส่งผลให้คุณใช้ข้อมูลจากบุคคลที่หนึ่ง (1PD) ภายใน Ads Data Hub ไม่ได้ เช่น คุณไม่สามารถนำข้อมูล 1PD ใหม่มาใช้หรือรวมข้อมูล 1PD ที่มีอยู่กับข้อมูลโฆษณาที่ลิงก์ไว้ได้ กรณีการใช้งานทั้งหมด เช่น การจับคู่ข้อมูลที่ได้จากผู้ใช้และการเปิดใช้งานกลุ่มเป้าหมายโดยใช้ข้อมูลจากบุคคลที่หนึ่ง จะไม่พร้อมใช้งาน ซึ่งรวมถึงการนำเข้า 1PD ที่กำหนดเวลาไว้

หากต้องการให้มั่นใจว่าคุณจะใช้ข้อมูลจากบุคคลที่หนึ่งใน Ads Data Hub ได้ คุณต้อง ยืนยันว่าคุณได้รับความยินยอมที่เหมาะสมในการแชร์ข้อมูลจากผู้ใช้ปลายทางใน EEA กับ Google ตามนโยบายความยินยอมของผู้ใช้ EU และนโยบาย Ads Data Hub ข้อกำหนดนี้มีผลกับบัญชี Ads Data Hub แต่ละบัญชี และต้องอัปเดตทุกครั้งที่คุณอัปโหลดข้อมูลจากบุคคลที่หนึ่งใหม่ ผู้ใช้คนใดคนหนึ่งสามารถรับทราบข้อความนี้ในนามของทั้งบัญชี

โปรดทราบว่ากฎการค้นหาบริการของ Google เดียวกันซึ่งใช้กับคําค้นหาการวิเคราะห์ จะมีผลกับคําค้นหา UPDM ด้วย เช่น คุณไม่สามารถเรียกใช้การค้นหาข้ามบริการในผู้ใช้ใน EEA เมื่อสร้างตารางการจับคู่

ดูวิธีรับทราบความยินยอมใน Ads Data Hub ได้ที่ข้อกำหนดด้านความยินยอม สำหรับเขตเศรษฐกิจยุโรป

ขนาดข้อมูล

การจับคู่ข้อมูลที่ได้จากผู้ใช้จะบังคับใช้ข้อกำหนดต่อไปนี้เกี่ยวกับขนาดของข้อมูลเพื่อปกป้องความเป็นส่วนตัวของผู้ใช้ปลายทาง

คุณต้องอัปโหลดบันทึกอย่างน้อย 1,000 รายการในรายการผู้ใช้
การอัปเดตตารางการจับคู่ที่สำเร็จทุกครั้งต้องมีผู้ใช้ที่จับคู่ใหม่จำนวนขั้นต่ำ พฤติกรรมนี้คล้ายกับการตรวจสอบความแตกต่าง
รายการต้องไม่เกินจำนวนระเบียนสูงสุด หากต้องการทราบข้อมูลเกี่ยวกับ ขีดจำกัดข้อมูลสูงสุด โปรดติดต่อตัวแทนของ Google

ตั้งค่าการนำเข้าข้อมูล

ก่อนที่จะเริ่มต้น คุณต้องกําหนดค่าบัญชี Ads Data Hub เพื่อ สร้างการเชื่อมต่อข้อมูล ซึ่งเป็นวิธีที่คุณจะสร้างไปป์ไลน์การจับคู่ข้อมูล คุณต้องทำตามขั้นตอนเหล่านี้เพียงครั้งเดียว

จากหน้าการเชื่อมต่อ ให้คลิกเริ่มการตั้งค่าเพื่อเปิดวิซาร์ดการตั้งค่าบัญชี ในขั้นตอนการเปิดใช้ UPDM

ไปที่ การเชื่อมต่อ

ระบบให้สิทธิ์ใดสำหรับ BigQuery และ Cloud Storage

หากตั้งค่า UPDM เพื่อใช้กับ BigQuery หรือ Cloud Storage ให้ใช้ข้อมูลอ้างอิงนี้ เพื่อทำความเข้าใจสิทธิ์ที่มอบให้แก่ บัญชีบริการ Ads Data Hub

BigQuery

บัญชีบริการของ Data Fusion

วัตถุประสงค์ ใช้บัญชีบริการของ Data Fusion เพื่อแสดงรายการของช่องแหล่งที่มาใน UI ของ Ads Data Hub

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

สิทธิ์เข้าถึงที่จำเป็น

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	สําหรับชุดข้อมูลที่เฉพาะเจาะจงในโปรเจ็กต์แหล่งข้อมูลและปลายทาง
`Storage Admin` `roles/storage.admin`	สำหรับโปรเจ็กต์แหล่งข้อมูล หรือที่เก็บข้อมูลเฉพาะ

บัญชีบริการของ Dataproc

วัตถุประสงค์ บัญชีบริการ Dataproc มีหน้าที่ในการเรียกใช้ไปป์ไลน์ข้อมูลในการทํางานเบื้องหลัง

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

สิทธิ์เข้าถึงที่จำเป็น

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	สําหรับชุดข้อมูลที่เฉพาะเจาะจงในโปรเจ็กต์แหล่งข้อมูลและปลายทาง
`BigQuery Data Editor` `roles/bigquery.dataEditor`	สำหรับชุดข้อมูลที่เฉพาะเจาะจงในโปรเจ็กต์ปลายทาง
`BigQuery Job User` `roles/bigquery.jobUser`	สำหรับทั้งโปรเจ็กต์แหล่งข้อมูลและปลายทาง
`Storage Admin` `roles/storage.admin`	สำหรับทั้งโปรเจ็กต์แหล่งข้อมูลและปลายทาง หรือที่เก็บข้อมูลเฉพาะ

บัญชีบริการ UPDM

วัตถุประสงค์ ระบบจะใช้บัญชีบริการ UPDM เพื่อเรียกใช้งานที่ตรงกัน

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

สิทธิ์เข้าถึงที่จำเป็น

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	สำหรับโปรเจ็กต์ปลายทาง
`BigQuery Job User` `roles/bigquery.jobUser`	สำหรับโปรเจ็กต์ปลายทาง

Cloud Storage

บัญชีบริการของ Data Fusion

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

สิทธิ์เข้าถึงที่จำเป็น

`Storage Object Viewer` `roles/storage.objectViewer`	สำหรับที่เก็บข้อมูลที่เฉพาะเจาะจงในโปรเจ็กต์แหล่งข้อมูล
`BigQuery Data Viewer` `roles/bigquery.dataViewer`	สำหรับโปรเจ็กต์แหล่งข้อมูล หรือที่เก็บข้อมูลเฉพาะ
`Storage Admin` `roles/storage.admin`	สำหรับโปรเจ็กต์แหล่งข้อมูล หรือที่เก็บข้อมูลเฉพาะ

บัญชีบริการของ Dataproc

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

สิทธิ์เข้าถึงที่จำเป็น

`Storage Admin` `roles/storage.admin`	สำหรับทั้งโปรเจ็กต์แหล่งข้อมูลและปลายทาง หรือที่เก็บข้อมูลเฉพาะ
`BigQuery Job User` `roles/bigquery.jobUser`	สำหรับโปรเจ็กต์ปลายทาง

บัญชีบริการ UPDM

วัตถุประสงค์ ระบบจะใช้บัญชีบริการ UPDM เพื่อเรียกใช้งานที่ตรงกัน

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

สิทธิ์เข้าถึงที่จำเป็น

`BigQuery Data Viewer` `roles/bigquery.dataViewer`	สำหรับโปรเจ็กต์ปลายทาง
`BigQuery Job User` `roles/bigquery.jobUser`	สำหรับโปรเจ็กต์ปลายทาง

แหล่งข้อมูลอื่นๆ

ไม่จำเป็นสำหรับแหล่งข้อมูลอื่นๆ

ส่งและจับคู่ข้อมูลจากบุคคลที่หนึ่ง

จัดรูปแบบข้อมูลสำหรับอินพุต

ข้อมูลของคุณต้องเป็นไปตามข้อกำหนดการจัดรูปแบบต่อไปนี้จึงจะจับคู่ได้อย่างถูกต้อง

คุณต้องอัปโหลดโดยใช้การแฮช SHA256 ตามที่ระบุไว้ในคำอธิบายช่องป้อนข้อมูลต่อไปนี้
ต้องจัดรูปแบบช่องป้อนข้อมูลเป็นสตริง เช่น หากคุณใช้ฟังก์ชันแฮช SHA256 ของ BigQuery กับฟังก์ชันการเข้ารหัส Base16 (TO_HEX) ให้ใช้การเปลี่ยนรูปแบบต่อไปนี้ TO_HEX(SHA256(user_data))
UPDM รองรับการเข้ารหัสทั้ง Base16 และ Base64 คุณต้องจัดรูปแบบการเข้ารหัส ข้อมูลจากบุคคลที่หนึ่งให้สอดคล้องกับการถอดรหัสที่ใช้ในคําค้นหา Ads Data Hub หากเปลี่ยนการเข้ารหัสข้อมูลจากบุคคลที่หนึ่ง คุณต้องอัปเดตคําค้นหา Ads Data Hub เพื่อถอดรหัสจากฐานเดียวกัน ตัวอย่างต่อไปนี้ใช้การเข้ารหัส Base16

User ID

ข้อความธรรมดา
การแฮช: ไม่มี

อีเมล

นําช่องว่างขึ้นต้นและต่อท้ายออก
อักขระทั้งหมดต้องเป็นตัวพิมพ์เล็ก
ใส่ชื่อโดเมนของอีเมลทั้งหมด เช่น gmail.com หรือ hotmail.co.jp
นำเครื่องหมายกำกับออก เช่น เปลี่ยน è, é, ê หรือ ë เป็น e
นำจุด (.) ที่อยู่ก่อนชื่อโดเมนในอีเมล gmail.com และ googlemail.com ออกทั้งหมด
การแฮช: SHA256 ที่เข้ารหัส Base16

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

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

โทรศัพท์

ลบช่องว่าง
จัดรูปแบบในรูปแบบ E.164 เช่น ตัวอย่างในสหรัฐอเมริกา: +14155552671, ตัวอย่างในสหราชอาณาจักร: +442071838750
นำสัญลักษณ์พิเศษทั้งหมดออก ยกเว้น "+" ที่อยู่ก่อนรหัสประเทศ
การแฮช: SHA256 ที่เข้ารหัส Base16

ถูกต้อง: TO_HEX(SHA256("+18005550101"))

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

ชื่อ

ลบช่องว่าง
อักขระทั้งหมดต้องเป็นตัวพิมพ์เล็ก
นำคำนำหน้าทั้งหมดออก เช่น นาง นาย Ms., ควายแดง
อย่านำเครื่องหมายเน้นเสียงออก เช่น è, é, ê หรือ ë
การแฮช: SHA256 ที่เข้ารหัส Base16

ถูกต้อง: TO_HEX(SHA256("daní"))

ไม่ถูกต้อง: TO_HEX(SHA256("Daní"))

นามสกุล

ลบช่องว่าง
อักขระทั้งหมดต้องเป็นตัวพิมพ์เล็ก
นำคำต่อท้ายทั้งหมดออก เช่น Jr., Sr., 2nd, 3rd, II, III, PHD, MD
อย่านำเครื่องหมายเน้นเสียงออก เช่น è, é, ê หรือ ë
การแฮช: SHA256 ที่เข้ารหัส Base16

ถูกต้อง: TO_HEX(SHA256("delacruz"))

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

ประเทศ

ใส่รหัสประเทศด้วยแม้ว่าข้อมูลลูกค้าทั้งหมดจะมาจากประเทศเดียวกัน
อย่าแฮชข้อมูลประเทศ
ใช้รหัสประเทศ ISO 3166-1 alpha-2
การแฮช: ไม่มี

ถูกต้อง: US

ไม่ถูกต้อง: United States of America หรือ USA

รหัสไปรษณีย์

อย่าแฮชข้อมูลรหัสไปรษณีย์
อนุญาตให้ใช้รหัสไปรษณีย์ทั้งของสหรัฐอเมริกาและต่างประเทศ
สำหรับสหรัฐอเมริกา
- อนุญาตให้ใช้รหัส 5 หลัก เช่น 94043
- อนุญาตให้ใช้รหัส 5 หลักตามด้วยส่วนขยาย 4 หลักด้วย เช่น 94043-1351 หรือ 940431351
สำหรับประเทศอื่น
- ไม่ต้องจัดรูปแบบ (ไม่ต้องแปลงเป็นตัวพิมพ์เล็ก หรือนำการเว้นวรรคและสัญลักษณ์พิเศษออก)
- เว้นส่วนขยายรหัสไปรษณีย์ไว้
การแฮช: ไม่มี

หมายเหตุ: คุณยังเลือกจัดรูปแบบข้อมูลโดยใช้การเปลี่ยนรูปแบบได้เมื่อสร้างตารางการจับคู่ การเปลี่ยนรูปแบบประกอบด้วยการคำนวณ แฮช การจัดรูปแบบตัวพิมพ์เล็ก/ใหญ่ และการผสาน/แยกฟิลด์ แฮชสําหรับการประมวลผลเหมาะสําหรับข้อมูลส่วนบุคคลที่ระบุตัวบุคคลนั้นได้ (PII) เนื่องจากจะตัดและจัดรูปแบบสตริงเป็นตัวพิมพ์เล็ก ประมวลผลค่าแฮช และเข้ารหัสโดยใช้ Base64

การตรวจสอบแฮชและการเข้ารหัสข้อมูล

คุณใช้สคริปต์การตรวจสอบแฮชต่อไปนี้เพื่อให้มั่นใจว่าข้อมูลอยู่ในรูปแบบที่ถูกต้อง

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`;

คีย์สำหรับรวม

การผสมข้อมูลที่ได้จากผู้ใช้บางอย่างมีประสิทธิภาพมากกว่าการผสมข้อมูลอื่นๆ ต่อไปนี้คือ รายการชุดค่าผสมของข้อมูลที่ได้จากผู้ใช้ต่างๆ ซึ่งจัดอันดับตามความแรงที่เกี่ยวข้อง หากใช้ที่อยู่ คุณต้องระบุชื่อ นามสกุล ประเทศ และรหัสไปรษณีย์

อีเมล หมายเลขโทรศัพท์ ที่อยู่ (มีความแม่นยำสูงสุด)
โทรศัพท์ ที่อยู่
อีเมล ที่อยู่
อีเมล โทรศัพท์
ที่อยู่
โทรศัพท์
อีเมล (อ่อนที่สุด)

สร้างตารางการจับคู่

คลิกการเชื่อมต่อ > สร้างการเชื่อมต่อ > การจับคู่ข้อมูลที่ได้จากผู้ใช้
เลือกแหล่งข้อมูล แล้วคลิกเชื่อมต่อ
หากได้รับข้อความแจ้ง ให้ตรวจสอบสิทธิ์ แล้วคลิกถัดไป

BigQuery

คลิก "ใช้" เพื่อให้สิทธิ์เข้าถึง BigQuery

Cloud Storage

คลิก "ใช้" เพื่อให้สิทธิ์เข้าถึง Cloud Storage

MySQL

ป้อนตำแหน่งฐานข้อมูล พอร์ต ชื่อผู้ใช้ และรหัสผ่านของ MySQL

S3

ป้อนคีย์การเข้าถึงลับของ Amazon S3

PostgreSQL

ป้อนตำแหน่งฐานข้อมูล พอร์ต ชื่อผู้ใช้ รหัสผ่าน และฐานข้อมูลของ PostgreSQL

Redshift

ใส่ตำแหน่งฐานข้อมูล พอร์ต ชื่อผู้ใช้ รหัสผ่าน และฐานข้อมูลของ Redshift

sFTP

ป้อนตำแหน่งเซิร์ฟเวอร์ SFTP, ชื่อผู้ใช้ และรหัสผ่าน

เกล็ดหิมะ

ป้อนตัวระบุบัญชี ชื่อผู้ใช้ และรหัสผ่านของ Snowflake
กำหนดค่าแหล่งข้อมูล แล้วคลิกถัดไป

BigQuery

เลือกตาราง BigQuery ที่จะนำเข้า

Cloud Storage

ป้อนเส้นทาง gsutil เช่น gs://my-bucket/folder/ และ เลือกการจัดรูปแบบไฟล์

การแจ้งเตือนจะปรากฏขึ้นหากเชื่อมต่อแหล่งข้อมูลนี้เป็นครั้งแรก คลิกใช้เพื่อให้สิทธิ์เข้าถึง แล้วคลิกถัดไป หมายเหตุ คุณต้องมีบทบาทที่มีสิทธิ์เพื่อมอบสิทธิ์ storage.buckets.setIamPolicy สำหรับที่เก็บข้อมูลที่เกี่ยวข้อง

MySQL

เลือกฐานข้อมูล MySQL และตารางที่ต้องการใช้

S3

ป้อน URI ไปยังไฟล์ที่ต้องการอัปโหลดโดยสัมพันธ์กับที่อยู่โฮสต์

PostgreSQL

ป้อนชื่อสคีมาและตาราง (หรือมุมมอง) ของ PostgreSQL

Redshift

ป้อนชื่อสคีมาและตาราง (หรือมุมมอง) ของ Redshift โดยค่าเริ่มต้น Redshift จะใช้ URL ตำแหน่งฐานข้อมูลที่เป็นไปตามเทมเพลตนี้ cluster-identifier.account-number.aws-region.redshift.amazonaws.com .

sFTP

ป้อนเส้นทางและชื่อไฟล์ในรูปแบบ /PATH/FILENAME.csv

เกล็ดหิมะ

ใส่ฐานข้อมูล สคีมา และตาราง (หรือมุมมอง) ของ Snowflake ที่ต้องการใช้
เลือกชุดข้อมูล BigQuery เพื่อใช้เป็นปลายทางสื่อกลาง แล้วคลิกถัดไป ขั้นตอนนี้ช่วยให้มั่นใจได้ว่าข้อมูลอยู่ในรูปแบบที่ถูกต้อง จัดรูปแบบ
ไม่บังคับ: แก้ไขรูปแบบของข้อมูล การเปลี่ยนรูปแบบประกอบด้วยการคำนวณ แฮช การจัดรูปแบบตัวพิมพ์เล็ก/ตัวพิมพ์ใหญ่ และการผสาน/แยกฟิลด์
1. คลิกการดำเนินการ > > เปลี่ยนรูปแบบ
2. ในแผงที่ปรากฏขึ้น ให้คลิกเพิ่มการเปลี่ยนรูปแบบหรือเพิ่มการเปลี่ยนรูปแบบอื่น
3. เลือกประเภทการเปลี่ยนรูปแบบจากเมนูแบบเลื่อนลง แล้วป้อน ข้อกำหนด
4. คลิกบันทึก
เลือกคีย์การรวมอย่างน้อย 1 รายการ แล้วแมปฟิลด์ที่จะใช้ Ads Data Hub จะแมปฟิลด์ที่มีชื่อเหมือนกันโดยอัตโนมัติ ซึ่งระบุด้วย แก้ไขตามความจำเป็น แล้วคลิกถัดไป
ตั้งกำหนดเวลา
1. ตั้งชื่อการเชื่อมต่อ
2. กำหนดความถี่ ซึ่งจะกำหนดความถี่ในการนำเข้าข้อมูลไปยังชุดข้อมูลที่คุณเลือกในขั้นตอนก่อนหน้า การเรียกใช้แต่ละครั้งจะเขียนทับ ข้อมูลในตารางปลายทาง
3. ระบุวิธีที่คุณต้องการจัดการการชนกันของรหัสผู้ใช้ คุณเลือกได้ว่าจะเก็บการจับคู่ที่มีอยู่หรือเขียนทับด้วยข้อมูลใหม่
คลิกเสร็จสิ้น โดยทั่วไปแล้ว ตารางการจับคู่จะพร้อมให้ค้นหา 12 ชั่วโมง หลังจากสร้าง

ดูรายละเอียดการเชื่อมต่อ

หน้ารายละเอียดการเชื่อมต่อจะแสดงข้อมูลเกี่ยวกับการเรียกใช้และข้อผิดพลาดล่าสุดของการเชื่อมต่อที่ระบุ วิธีดูรายละเอียดการเชื่อมต่อที่เฉพาะเจาะจง

คลิกการเชื่อมต่อ
คลิกชื่อการเชื่อมต่อเพื่อดูรายละเอียด
ตอนนี้คุณดูรายละเอียดและการเรียกใช้ล่าสุดของการเชื่อมต่อได้แล้ว แต่ละรายการจะแสดงข้อผิดพลาดที่เป็นไปได้ 2 ประเภท ได้แก่ ข้อผิดพลาดระดับการเชื่อมต่อ (การเชื่อมต่อไม่ทำงาน) และข้อผิดพลาดระดับแถว (ไม่ได้นำเข้าแถว)
1. สถานะล้มเหลวแสดงว่าการเชื่อมต่อทั้งหมดทำงานไม่สำเร็จ (เช่น ปัญหาเกี่ยวกับสิทธิ์ของบัญชีบริการ) คลิกสถานะข้อผิดพลาดเพื่อดูว่าข้อผิดพลาดใดส่งผลต่อการเชื่อมต่อ
2. สถานะเสร็จสมบูรณ์แสดงว่าการเชื่อมต่อทำงานสำเร็จ อย่างไรก็ตาม อาจยังมีข้อผิดพลาดระดับแถว ซึ่งระบุโดยค่าที่ไม่ใช่ศูนย์ ในคอลัมน์ "แถวที่มีข้อผิดพลาด" คลิกค่าเพื่อดูข้อมูลเพิ่มเติม เกี่ยวกับระเบียนที่ไม่สำเร็จ

แก้ไขการเชื่อมต่อ

คุณแก้ไขรายละเอียดต่อไปนี้ได้

ชื่อการเชื่อมต่อ
กำหนดเวลา
ตารางปลายทาง
การแมปฟิลด์

ระบบไม่รองรับการแก้ไขแหล่งข้อมูล หากต้องการเปลี่ยนแหล่งข้อมูล ให้สร้าง การเชื่อมต่อใหม่และลบการเชื่อมต่อเก่า

วิธีแก้ไขรายละเอียดการเชื่อมต่อ

คลิกการเชื่อมต่อ
คลิกชื่อการเชื่อมต่อที่ต้องการแก้ไข
แก้ไขรายละเอียดที่ต้องการเปลี่ยนแปลง
- ชื่อการเชื่อมต่อ: คลิกแก้ไข ป้อนชื่อใหม่ แล้วกด Enter
- กำหนดเวลา: คลิกแก้ไข ตั้งค่ากำหนดเวลาใหม่ แล้วคลิกบันทึก
- ตารางปลายทาง: คลิกแก้ไข ป้อนชื่อปลายทางใหม่ แล้วคลิกบันทึก
- การแมปฟิลด์: คลิก ทำการเปลี่ยนแปลงฟิลด์ แล้วคลิกบันทึก
คลิก

ข้อมูลการค้นหาที่ตรงกัน

ค้นหาตารางการจับคู่

เมื่อตารางการจับคู่มีข้อมูลเพียงพอที่จะผ่านการตรวจสอบด้านความเป็นส่วนตัว คุณก็พร้อมที่จะเรียกใช้การค้นหาในตาราง

ตารางเดิมสำหรับข้อมูลจากบุคคลที่หนึ่ง (1PD) แสดงด้วย my_data ซึ่งรวมถึงทั้งข้อมูลส่วนบุคคลที่ระบุตัวบุคคลนั้นได้ (PII) และข้อมูลที่ไม่ใช่ PII การใช้ตารางเดิมจะช่วยปรับปรุงรายงานด้วยข้อมูลเชิงลึกที่มากขึ้น เนื่องจากตารางดังกล่าว แสดงข้อมูล 1PD ทั้งหมดในขอบเขต เมื่อเทียบกับตารางที่ตรงกัน

ตารางแต่ละตารางในสคีมา Ads Data Hub ที่มีฟิลด์ user_id จะมีตารางการจับคู่ประกอบอยู่ด้วย เช่น สำหรับ adh.google_ads_impressions ตาราง Ads Data Hub จะสร้างตารางการจับคู่ ที่ชื่อ adh.google_ads_impressions_updm ซึ่งมีรหัสผู้ใช้ของคุณด้วย ระบบจะสร้างตารางการจับคู่แยกต่างหากสำหรับตารางเครือข่ายที่แยกตามนโยบาย ตัวอย่างเช่น สำหรับตาราง adh.google_ads_impressions_policy_isolated_network Ads Data Hub จะสร้างตารางการจับคู่ที่ชื่อ adh.google_ads_impressions_policy_isolated_network_updm ซึ่งมีรหัสผู้ใช้ของคุณด้วย

ตารางเหล่านี้มีชุดข้อมูลย่อยของผู้ใช้ที่มีอยู่ในตารางเดิม ซึ่งมีรายการที่ตรงกันใน user_id เช่น หากตารางต้นฉบับมีข้อมูลสำหรับผู้ใช้ ก. และผู้ใช้ ข. แต่มีเพียงผู้ใช้ ก. เท่านั้นที่ตรงกัน ผู้ใช้ ข. จะไม่อยู่ในตารางการจับคู่

ตารางการจับคู่มีคอลัมน์เพิ่มเติมที่ชื่อ customer_data_user_id ซึ่ง จัดเก็บตัวระบุผู้ใช้เป็นไบต์

คุณควรพิจารณาประเภทของฟิลด์เมื่อเขียนคําค้นหา โอเปอเรเตอร์การเปรียบเทียบ SQL คาดหวังว่าค่าตัวอักษรที่คุณเปรียบเทียบจะมีประเภทเดียวกัน คุณอาจต้องเข้ารหัสค่าในตารางก่อนที่จะจับคู่ข้อมูล ทั้งนี้ขึ้นอยู่กับวิธีจัดเก็บ user_id ในตารางข้อมูลจากบุคคลที่หนึ่ง คุณต้องส่งคีย์เข้าร่วมเป็นไบต์เพื่อให้การจับคู่สำเร็จ

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

นอกจากนี้ การเปรียบเทียบสตริงใน SQL ยังคำนึงถึงตัวพิมพ์เล็กและตัวพิมพ์ใหญ่ด้วย ดังนั้นคุณ อาจต้องเข้ารหัสสตริงทั้ง 2 ด้านของการเปรียบเทียบเพื่อให้แน่ใจว่า เปรียบเทียบได้อย่างถูกต้อง

ตัวอย่างการค้นหา

นับผู้ใช้ที่ตรงกัน

คําค้นหานี้จะนับจํานวนผู้ใช้ที่ตรงกันในตารางการแสดงผล Google Ads

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

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

คำนวณอัตราการจับคู่

ผู้ใช้บางรายอาจไม่มีสิทธิ์จับคู่ เช่น ระบบจะไม่จับคู่ผู้ใช้ที่ออกจากระบบ เด็ก และผู้ใช้ที่ไม่ได้ให้ความยินยอมผ่าน UPDM คุณใช้ฟิลด์ is_updm_eligible เพื่อคำนวณอัตราการจับคู่ UPDM ที่แม่นยำยิ่งขึ้นได้ โปรดทราบว่าis_updm_eligibleฟิลด์พร้อมให้บริการตั้งแต่วันที่ 1 ตุลาคม 2024 คุณ ไม่สามารถใช้ช่องนี้เพื่อคำนวณอัตราการจับคู่ก่อนวันที่ดังกล่าว

/* 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)

รวมข้อมูลจากบุคคลที่หนึ่งและข้อมูล Google Ads

การค้นหานี้แสดงวิธีรวมข้อมูลจากบุคคลที่หนึ่งกับข้อมูล 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

คำถามที่พบบ่อยเกี่ยวกับ UPDM

ดูรายการคำถามที่พบบ่อยเกี่ยวกับ UPDM ได้ที่คำถามที่พบบ่อยเกี่ยวกับ UPDM

ภาพรวมแท็บการเชื่อมต่อ

แหล่งข้อมูลจากบุคคลที่หนึ่งที่รองรับ

ดูคำศัพท์

สรุปกระบวนการ

ดูข้อมูลเกี่ยวกับข้อกำหนดด้านความเป็นส่วนตัว

ตั้งค่าการนำเข้าข้อมูล

ระบบให้สิทธิ์ใดสำหรับ BigQuery และ Cloud Storage

BigQuery

Cloud Storage

แหล่งข้อมูลอื่นๆ

ส่งและจับคู่ข้อมูลจากบุคคลที่หนึ่ง

จัดรูปแบบข้อมูลสำหรับอินพุต

User ID

อีเมล

โทรศัพท์

ชื่อ

นามสกุล

ประเทศ

รหัสไปรษณีย์

การตรวจสอบแฮชและการเข้ารหัสข้อมูล

JavaScript

Base16

Base64

Python

Base16

Base64

Go

Base16

Base64

Java

Base16

Base64

SQL

Base16

Base64

คีย์สำหรับรวม

สร้างตารางการจับคู่

BigQuery

Cloud Storage

MySQL

S3

PostgreSQL

Redshift

sFTP

เกล็ดหิมะ

BigQuery

Cloud Storage

MySQL

S3

PostgreSQL

Redshift

sFTP

เกล็ดหิมะ

ดูรายละเอียดการเชื่อมต่อ

แก้ไขการเชื่อมต่อ

ข้อมูลการค้นหาที่ตรงกัน

ค้นหาตารางการจับคู่

ตัวอย่างการค้นหา

นับผู้ใช้ที่ตรงกัน

คำนวณอัตราการจับคู่

รวมข้อมูลจากบุคคลที่หนึ่งและข้อมูล Google Ads

คำถามที่พบบ่อยเกี่ยวกับ UPDM