שדות שניתן לצרף ב-Ads Data Hub

באופן כללי, אפשר לאחד שדות עם אותו שם באותה דלת קנייה. יחד בכמה טבלאות. לדוגמה, adh.google_ads_impressions.impression_id. ניתן להצטרף באמצעות adh.google_ads_clicks.impression_id. במשפט הזה, מודעות לרשת המדיה של Google הן דלת הקנייה המשותפת, impression_id הוא השדה המשותף. ו-google_ads_impressions ו-google_ads_clicks הם שני הערכים בטבלאות.

יש מורכבות שעלולה להקשות על איחוד נתונים בין דלתות קנייה. למוצרים שונים של Google יש מזהי משתמשים שונים, וגם מזהי משתמשים עשויים להשתנות במוצר אחד, לפי מצב הכניסה לחשבון.

הטבלה הבאה יכולה לשמש כקווים מנחים להצטרפות למוצרים השונים. מצטרפים בתוך כל דלת קנייה תפעל בדרך כלל, ואילו היא משתלבת בין דלתות קנייה בדרך כלל לא.

קנייה דלת מוצרים טבלאות מזהים שאפשר להצטרף אליהם
Google קמפיינים לרשת המדיה Google Ads Google Videos שותפים (לא כולל YouTube) adh.google_ads_*
Google עובד/ת בשיווק הפלטפורמה דרך נתונים העברה:
תצוגה ו וידאו 360
Campaign (קמפיין) חשבון ניהול 360		 adh.dv360_dt_*
adh.cm_dt_*
YouTube Google נמכר YouTube לשריון
YouTube (ב: Google Ads)
YouTube (ב: תצוגה ו Video 360)		 adh.yt_reserve_*
adh.google_ads_*
adh.dv360_youtube_*
YouTube בן/בת זוג נמכר מודעת Google מנהל
גלגל השיניים		 adh.partner_sold_cross_sell_*
adh.freewheel_*
מפתח user_id external_cookie device_id_md5

דוגמאות

נוסף על מזהי המשתמשים והמכשירים, אפשר להצטרף לטבלאות באמצעות . כדי ללמוד איך מצרפים טבלאות ב-Ads Data Hub, צריך לבחור שדה שאפשר לצרף מהתפריט הנפתח. הקטע הזה כולל רשימה חלקית של דוגמאות.

הדוגמה הזו ממחישה איך משתמשים ב-user_id כדי להצטרף טבלאות של חשיפות, נכסי קריאייטיב והמרות.

תרחיש לדוגמה: איך להבין אם קמפיינים של מיתוג מניבים ביצועים מצטברים המרות.

WITH imp AS (
  SELECT
    user_id,
    COUNTIF(campaign_id IN UNNEST(@brand_campaign_ids)) AS brand_impression,
    COUNTIF(campaign_id IN UNNEST(@perf_campaign_ids)) AS perf_impression,
  FROM adh.google_ads_impressions
  WHERE
    campaign_id IN UNNEST(ARRAY_CONCAT(@perf_campaign_ids, @brand_campaign_ids))
    AND user_id != '0'
  GROUP BY 1
  ),
  conv AS (
  SELECT
    c.user_id,
    COUNT(1) AS conv_count
  FROM adh.google_ads_conversions
  WHERE
    impression_data.campaign_id IN UNNEST(@perf_campaign_ids)
    AND conversion_type IN UNNEST(@conversion_type_list)
    AND user_id != '0'
  GROUP BY 1
  )
SELECT
  SUM(IF(has_brand_traffic AND NOT has_perf_traffic, conv_count, 0)) AS brand_only,
  SUM(IF(NOT has_brand_traffic AND has_perf_traffic, conv_count, 0)) AS perf_only,
  SUM(IF(has_brand_traffic AND has_perf_traffic, conv_count, 0)) AS overlap
FROM
  (
  SELECT
    imp.user_id,
    imp.brand_impression > 0 AS has_brand_traffic,
    imp.perf_impression > 0 AS has_perf_traffic,
    conv.conv_count
  FROM imp
  JOIN conv
    USING (user_id)
  )

הדוגמה הזו ממחישה איך להשתמש ב-impression_id כדי לקשר נתוני המרות לנתוני חשיפות.

מקרה לדוגמה: פילוח הנתונים הסטטיסטיים של חשיפות והמרות לפי מדינה המרות לאחר צפייה (CTC)/המרה לאחר צפייה פעילה (EVC).

SELECT
  imp.location.country,
  COUNT(1) AS num_imps,
  SUM(IF(attribution_event_type = 'CLICK', 1, 0)) AS ctc_convs,
  SUM(IF(attribution_event_type = 'ENGAGED_VIEW', 1, 0)) AS evc_convs
FROM adh.google_ads_impressions AS imp
LEFT JOIN adh.google_ads_conversions AS conv
  ON (
    imp.impression_id = conv.impression_id
    AND conv.conversion_type IN UNNEST(@conversion_type_list))
WHERE imp.campaign_id IN UNNEST(@campaign_ids)
GROUP BY 1

הדוגמה הזו ממחישה איך לאחד כמה טבלאות עם כמה מזהים.

תרחיש לדוגמה: הצגת רשימה של נכסים שמקושרים לקמפיין מסוים.

SELECT
  cmp.campaign_id,
  adg.adgroup_id,
  cr.video_message.youtube_video_id
FROM adh.google_ads_campaign AS cmp
JOIN adh.google_ads_adgroup AS adg
  USING (campaign_id)
JOIN adh.google_ads_adgroupcreative AS agc
  USING (adgroup_id)
JOIN adh.google_ads_creative AS cr
  ON (agc.customer_id = cr.customer_id
    AND agc.creative_id = cr.creative_id)
WHERE campaign_id = 123
GROUP BY 1, 2, 3

הדוגמה הזו ממחישה איך לאחד טבלאות של מטא-נתונים.

תרחיש לדוגמה: אפשר לצרף טבלת חשיפות עם טבלת המטא-נתונים של המצב כדי להציג ספירה של קובצי cookie ייחודיים והתדירות הממוצעת לפי מצב.

SELECT
  IFNULL(reg.region_name, 'unspecified') AS state,
  COUNT(DISTINCT user_id) AS users,
  COUNT(1) AS impressions,
  FORMAT('%0.2f', COUNT(1) / COUNT(DISTINCT user_id)) AS avg_imp_per_user
FROM adh.google_ads_impressions AS imp
LEFT JOIN adh.region AS reg
  ON (imp.location.geo_region_id = reg.region_id)
WHERE
  imp.location.country = 'US'
GROUP BY 1