Library Simulasi Pengukuran
Library Simulasi Pengukuran membantu Anda memahami dampak integrasi
Privacy Sandbox dengan menampilkan data historis seolah-olah data tersebut
dikumpulkan oleh Attribution Reporting API. Dengan begitu, Anda dapat membandingkan
jumlah konversi historis dengan hasil Library Simulasi Pengukuran untuk melihat
bagaimana akurasi pelaporan dapat berubah. Anda juga dapat menggunakan Library Simulasi Pengukuran
untuk bereksperimen dengan berbagai struktur kunci agregasi dan strategi pengelompokan, serta melatih model pengoptimalan pada laporan Library Simulasi Pengukuran
untuk membandingkan performa yang diproyeksikan dengan model berdasarkan data saat ini.
Baca proposal desain Library Simulasi Pengukuran untuk mempelajari lebih lanjut.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2024-09-03 UTC.
[null,null,["Terakhir diperbarui pada 2024-09-03 UTC."],[[["The Measurement Simulation Library uses historical data to demonstrate how the Privacy Sandbox's Attribution Reporting API might impact your conversion tracking."],["By comparing current data with simulated reports, you can assess potential changes in reporting accuracy."],["The library enables experimentation with different aggregation keys and batching strategies to optimize campaign performance."],["You can train optimization models using simulated data for comparing projected performance against existing models based on current data."]]],["The Measurement Simulation Library allows users to analyze the impact of Privacy Sandbox integration. It simulates Attribution Reporting API data using historical information, enabling comparison of past conversions with simulated results. This allows for assessment of reporting accuracy changes. Users can also test varied aggregation key structures and batching strategies. Finally, the library can be used to train optimization models, allowing performance comparison between models using simulated data and those relying on existing data.\n"]]
