Trang này được dịch bởi Cloud Translation API.

Lớp học tiếng ồn

Thông tin về tài liệu này

Bằng cách đọc bài viết này, bạn sẽ:

Hiểu rõ những chiến lược cần tạo trước khi tạo báo cáo tóm tắt.
Làm quen với Phòng thí nghiệm tiếng ồn, một công cụ giúp nắm bắt tác động của nhiều thông số tiếng ồn, đồng thời cho phép khám phá và đánh giá nhanh các chiến lược quản lý tiếng ồn.

Ảnh chụp màn hình của Noise Lab — Phòng thí nghiệm tiếng ồn

Chia sẻ ý kiến phản hồi của bạn

Mặc dù tài liệu này tóm tắt một số nguyên tắc áp dụng với báo cáo tóm tắt, có nhiều phương pháp quản lý tiếng ồn có thể không được phản ánh vào đây. Chúng tôi hoan nghênh các đề xuất, bổ sung và câu hỏi của bạn!

Để gửi ý kiến phản hồi công khai về các chiến lược quản lý tiếng ồn, tiện ích hoặc quyền riêng tư của API (epsilon) và để chia sẻ những quan sát của bạn khi mô phỏng bằng Noise Lab: Nhận xét về vấn đề này
Để đưa ra phản hồi công khai về Noise Lab (đặt câu hỏi, báo cáo lỗi, yêu cầu một tính năng): Báo cáo vấn đề mới tại đây
Cách đưa ra ý kiến phản hồi công khai về một khía cạnh khác của API: Báo cáo vấn đề mới tại đây

Trước khi bắt đầu

Hãy đọc Báo cáo phân bổ: báo cáo tóm tắt và Tổng quan về toàn bộ hệ thống Báo cáo phân bổ để biết giới thiệu.
Xem qua các phần Tìm hiểu về tiếng ồn và Tìm hiểu về khoá tổng hợp để tận dụng tối đa hướng dẫn này.

Quyết định thiết kế

Nguyên tắc thiết kế cốt lõi

Có những điểm khác biệt cơ bản giữa cách hoạt động của cookie của bên thứ ba và báo cáo tóm tắt. Một điểm khác biệt chính là độ nhiễu được thêm vào dữ liệu đo lường trong báo cáo tóm tắt. Một cách khác là cách lập lịch báo cáo.

Để truy cập vào dữ liệu đo lường trong báo cáo tóm tắt có tín hiệu nhiễu cao hơn các tỷ lệ, nền tảng bên cầu (DSP) và nhà cung cấp dịch vụ đo lường quảng cáo sẽ cần làm việc với các nhà quảng cáo của họ để phát triển các chiến lược quản lý tiếng ồn. Để phát triển các chiến lược này, các DSP và nhà cung cấp dịch vụ đo lường cần đưa ra quyết định thiết kế. Những quyết định này xoay quanh một khái niệm thiết yếu:

Mặc dù giá trị độ nhiễu phân phối được lấy từ, tất nhiên nó chỉ phụ thuộc vào hai thông số⏤epsilon và ngân sách đóng góp⏤bạn có thể tuỳ ý sử dụng một số biện pháp kiểm soát khác sẽ ảnh hưởng đến tỷ lệ tín hiệu trên độ nhiễu của dữ liệu đo lường đầu ra.

Mặc dù chúng tôi kỳ vọng một quá trình lặp lại sẽ dẫn đến những quyết định tốt nhất, nhưng mỗi biến thể của những quyết định này sẽ dẫn đến cách triển khai hơi khác — do đó, bạn phải đưa ra các quyết định này trước khi viết mỗi lần lặp mã (và trước khi chạy quảng cáo).

Quyết định: Độ chi tiết về phương diện

Dùng thử trong Phòng thí nghiệm tiếng ồn

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu lượt chuyển đổi của bạn.
Quan sát các tham số mặc định. Theo mặc định, TOTAL hàng ngày số lượt chuyển đổi có thể phân bổ là 1.000. Tỷ lệ này trung bình là khoảng 40 mỗi lần nhóm nếu bạn sử dụng chế độ thiết lập mặc định (kích thước mặc định, số lượng các giá trị khác nhau có thể cho mỗi thứ nguyên (Chiến lược chính A). Quan sát thấy giá trị là 40 trong dữ liệu đầu vào về Số lượt chuyển đổi có thể phân bổ trung bình hằng ngày MỖI BUỔI.
Nhấp vào Mô phỏng để chạy hoạt động mô phỏng với các tham số mặc định.
Trong bảng điều khiển bên Thông số, hãy tìm Phương diện. Đổi tên Địa lý thành Thành phố và thay đổi số lượng giá trị khác nhau có thể thành 50.
Quan sát cách chỉ số này thay đổi Số lượt chuyển đổi trung bình hằng ngày có thể phân bổ số đếm MỖI BUỔI. Mức giảm hiện tại thấp hơn nhiều. Đó là vì nếu bạn tăng số lượng giá trị có thể có trong phương diện này mà không thay đổi bất kỳ điều gì khác, bạn tăng tổng số nhóm mà không thay đổi số lượng sự kiện chuyển đổi sẽ nằm trong mỗi nhóm.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được: tỷ lệ nhiễu là cao hơn so với mô phỏng trước đó.

Theo nguyên tắc thiết kế cốt lõi, các giá trị tóm tắt nhỏ có thể nhiễu hơn so với các giá trị tóm tắt lớn. Do đó, lựa chọn cấu hình của bạn tác động đến số sự kiện chuyển đổi được phân bổ trong mỗi nhóm (nếu không được gọi là khoá tổng hợp) và số lượng đó ảnh hưởng đến độ nhiễu trong báo cáo tóm tắt đầu ra cuối cùng.

Một quyết định thiết kế tác động đến số lượng sự kiện chuyển đổi được phân bổ trong một bộ chứa là độ chi tiết về kích thước. Hãy xem các ví dụ sau về khoá tổng hợp và kích thước của chúng:

Phương pháp 1: một cấu trúc chính với các phương diện tương đối: Quốc gia x Chiến dịch quảng cáo (hoặc chiến dịch lớn nhất nhóm tổng hợp) x Loại sản phẩm (trong số 10 loại sản phẩm có thể có)
Phương pháp 2: một cấu trúc chính với các phương diện chi tiết: Thành phố x Mã mẫu quảng cáo x Sản phẩm (trong số 100 sản phẩm có thể sử dụng)

Thành phố là phương diện chi tiết hơn Quốc gia; Mã mẫu quảng cáo chi tiết hơn so với Chiến dịch; và Product sẽ chi tiết hơn so với Product type. Do đó, Cách tiếp cận 2 sẽ có số lượng sự kiện (lượt chuyển đổi) thấp hơn trên mỗi nhóm (= mỗi ) trong đầu ra báo cáo tóm tắt so với Phương pháp 1. Do độ nhiễu được thêm vào kết quả không phụ thuộc vào số lượng sự kiện trong bộ chứa, dữ liệu đo lường trong các báo cáo tóm tắt sẽ thuận tiện hơn với Phương pháp 2. Đối với mỗi nhà quảng cáo, hãy thử nghiệm với nhiều kiểu sự đánh đổi chi tiết trong thiết kế của khoá để có lợi ích tối đa trong kết quả.

Quyết định: Cấu trúc chính

Dùng thử trong Phòng thí nghiệm tiếng ồn

Ở Chế độ đơn giản, cấu trúc khoá mặc định được sử dụng. Nâng cao , bạn có thể thử nghiệm với các cấu trúc chính khác nhau. Một số phương diện mẫu được bao gồm; bạn cũng có thể sửa đổi các cấu hình này.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược chính. Quan sát rằng chiến lược mặc định, tên là A trong công cụ, sử dụng một khoá chi tiết cấu trúc bao gồm tất cả phương diện: Khu vực địa lý x Mã chiến dịch x Sản phẩm danh mục.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được.
Thay đổi Chiến lược chính thành B. Thao tác này sẽ hiển thị các chế độ kiểm soát bổ sung để định cấu hình cấu trúc khoá.
Định cấu hình cấu trúc khoá, ví dụ: như sau:
1. Số lượng cấu trúc chính: 2
2. Cấu trúc chính 1 = Địa lý x Danh mục sản phẩm.
3. Cấu trúc khoá 2 = Mã chiến dịch x Danh mục sản phẩm.
Nhấp vào Mô phỏng.
Lưu ý rằng bây giờ bạn sẽ nhận được hai báo cáo tóm tắt cho mỗi loại mục tiêu đo lường (2 cho số lượt mua hàng, 2 cho giá trị mua hàng) vì bạn đang sử dụng hai cấu trúc chính riêng biệt. Quan sát tỷ lệ nhiễu của chúng.
Bạn cũng có thể thử phương diện tuỳ chỉnh của riêng mình. Để làm như vậy, hãy xem cho Dữ liệu bạn muốn theo dõi: Phương diện. Hãy cân nhắc việc xoá ví dụ này và tạo thứ nguyên của riêng bạn bằng cách sử dụng nút Thêm/Xoá/Đặt lại bên dưới thứ nguyên cuối cùng.

Một quyết định thiết kế khác sẽ ảnh hưởng đến số lượt chuyển đổi được phân bổ các sự kiện trong một nhóm là cấu trúc chính mà bạn quyết định sử dụng. Hãy xem các ví dụ sau đây về khoá tổng hợp:

Một cấu trúc chính với tất cả các phương diện; nên gọi Chiến lược chính này là A.
Hai cấu trúc chính, mỗi cấu trúc có một tập hợp con các kích thước; hãy gọi tên này là Chiến lược chính B.

Chiến lược A đơn giản hơn, nhưng bạn có thể cần tổng hợp (tổng) các giá trị tóm tắt phức tạp bao gồm các báo cáo tóm tắt để truy cập vào một số thông tin chi tiết nhất định. Bằng cách tổng hợp các giá trị này, bạn cũng đang tổng hợp độ nhiễu. Với Chiến lược B, giá trị tóm tắt được thể hiện trong bản tóm tắt các báo cáo khác có thể đã cung cấp cho bạn thông tin bạn cần. Điều này có nghĩa là Chiến lược B có thể sẽ mang lại tỷ lệ tín hiệu trên tạp âm tốt hơn Chiến lược A. Tuy nhiên, nhiễu có thể đã được chấp nhận với Chiến lược A, do đó bạn vẫn có thể quyết định ưu tiên Chiến lược A để đơn giản hoá. Tìm hiểu thêm trong ví dụ chi tiết phác thảo hai chiến lược này.

Quản lý khoá là một chủ đề chuyên sâu. Có thể có một số kỹ thuật phức tạp được cân nhắc để cải thiện tỷ lệ tín hiệu so với nhiễu. Một bước được mô tả trong Khoá nâng cao quản lý chiến dịch.

Quyết định: Tần suất phân lô

Dùng thử trong Phòng thí nghiệm tiếng ồn

Chuyển đến chế độ Đơn giản (hoặc Chế độ nâng cao — cả hai chế độ đều hoạt động theo tần suất phân lô)
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược tổng hợp của bạn > Tần suất phân lô. Đây là tần suất phân lô của các báo cáo tổng hợp được xử lý bằng dịch vụ tổng hợp trong một công việc duy nhất.
Quan sát tần suất phân lô mặc định: theo mặc định, phân lô hằng ngày tần suất được mô phỏng.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được.
Thay đổi tần suất phân lô thành hằng tuần.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được: tỷ lệ nhiễu là hiện tại thấp hơn (tốt hơn) so với mô phỏng trước.

Một quyết định thiết kế khác sẽ ảnh hưởng đến số lượt chuyển đổi được phân bổ các sự kiện trong một bộ chứa là tần suất phân lô mà bạn quyết định sử dụng. Chiến lược phát hành đĩa đơn tần suất phân lô là tần suất bạn xử lý các báo cáo tổng hợp.

Một báo cáo được lên lịch để tổng hợp thường xuyên hơn (ví dụ: mỗi giờ) sẽ có ít sự kiện chuyển đổi hơn so với cùng một báo cáo với tần suất thấp hơn lịch tổng hợp (ví dụ: mỗi tuần). Do đó, báo cáo theo giờ sẽ có nhiều dữ liệu nhiễu hơn.``` có ít sự kiện chuyển đổi hơn so với cùng một báo cáo với tần suất thấp hơn lịch tổng hợp (ví dụ: mỗi tuần). Do đó, báo cáo theo giờ sẽ có tỷ lệ tín hiệu trên độ nhiễu thấp hơn so với báo cáo hằng tuần, tất cả đều bằng nhau. Thử nghiệm các yêu cầu báo cáo ở các tần số khác nhau và đánh giá tỷ lệ tín hiệu trên độ nhiễu của mỗi tần số.

Tìm hiểu thêm trong Gộp nhóm các mẫu chuyển động và Tổng hợp trong các khoảng thời gian dài hơn.

Quyết định: Các biến của chiến dịch ảnh hưởng đến số lượt chuyển đổi được phân bổ

Dùng thử trong Phòng thí nghiệm tiếng ồn

Mặc dù tỷ lệ này có thể khó dự đoán và có thể có sự thay đổi đáng kể về ngoài tác động theo thời vụ, hãy thử và ước tính số lần các chuyển đổi được phân bổ một lần chạm với luỹ thừa gần nhất của 10: 10, 100, 1.000 hay 10.000.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu lượt chuyển đổi của bạn.
Quan sát các tham số mặc định. Theo mặc định, TOTAL hàng ngày số lượt chuyển đổi có thể phân bổ là 1.000. Tỷ lệ này trung bình là khoảng 40 mỗi lần nhóm nếu bạn sử dụng chế độ thiết lập mặc định (kích thước mặc định, số lượng các giá trị khác nhau có thể cho mỗi thứ nguyên (Chiến lược chính A). Quan sát thấy giá trị là 40 trong dữ liệu đầu vào về Số lượt chuyển đổi có thể phân bổ trung bình hằng ngày MỖI BUỔI.
Nhấp vào Mô phỏng để chạy hoạt động mô phỏng với các tham số mặc định.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được.
Bây giờ, hãy đặt TOTAL số lượt chuyển đổi có thể phân bổ hằng ngày thành 100. Lưu ý rằng việc này làm giảm giá trị của Trung bình hằng ngày có thể phân bổ số lượt chuyển đổi MỖI BUỔI.
Nhấp vào Mô phỏng.
Lưu ý rằng giờ đây tỷ lệ nhiễu sẽ cao hơn: điều này là do khi bạn có ít lượt chuyển đổi hơn trên mỗi nhóm, nên hệ thống sẽ áp dụng nhiều độ nhiễu hơn để duy trì quyền riêng tư.

Một điểm khác biệt quan trọng là tổng số lượt chuyển đổi có thể có cho một nhà quảng cáo so với tổng số lượt chuyển đổi được phân bổ có thể xảy ra. Chiến lược phát hành đĩa đơn là yếu tố sau cùng tác động đến độ nhiễu trong báo cáo tóm tắt. Được phân bổ chuyển đổi là tập hợp con của tổng số chuyển đổi dễ xảy ra chiến dịch biến số, chẳng hạn như ngân sách quảng cáo và nhắm mục tiêu quảng cáo. Ví dụ: bạn dự kiến có thể số lượt chuyển đổi được phân bổ cho một chiến dịch quảng cáo trị giá 10 triệu đô la Mỹ cao hơn so với một quảng cáo trị giá 10. 000 đô la Mỹ chiến dịch, mọi yếu tố khác đều bằng nhau.

Những điều cần cân nhắc:

Đánh giá số lượt chuyển đổi được phân bổ so với cùng một thiết bị, một điểm chạm mô hình phân bổ, vì các mô hình này nằm trong phạm vi của báo cáo tóm tắt được thu thập bằng Attribution Reporting API.
Xem xét cả số lượng tình huống xấu nhất và số lượng tình huống tốt nhất cho lượt chuyển đổi được phân bổ. Ví dụ: nếu mọi yếu tố khác đều bằng nhau, hãy xem xét ngân sách chiến dịch tối thiểu và tối đa có thể có cho một nhà quảng cáo, sau đó dự đoán các lượt chuyển đổi có thể phân bổ cho cả hai kết quả dưới dạng thông tin đầu vào vào dữ liệu đầu vào của mô phỏng.
Nếu bạn đang cân nhắc việc sử dụng Hộp cát về quyền riêng tư trên Android, hãy xem xét lượt chuyển đổi được phân bổ trên nhiều nền tảng khi tính toán.

Quyết định: Sử dụng phương pháp điều chỉnh theo tỷ lệ

Dùng thử trong Phòng thí nghiệm tiếng ồn

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược tổng hợp của bạn > Mở rộng quy mô. Theo mặc định, lựa chọn này được đặt thành Có.
Để hiểu được tác động tích cực của việc điều chỉnh tỷ lệ độ nhiễu , tỷ lệ đặt trước đặt Tỷ lệ thành Không
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được.
Đặt tỷ lệ thành Có. Xin lưu ý rằng Phòng thí nghiệm tiếng ồn sẽ tự động tính toán hệ số tỷ lệ sẽ được sử dụng trong phạm vi (giá trị trung bình và tối đa) của các mục tiêu đo lường cho kịch bản của bạn. Trong bản dùng thử theo nguyên gốc hoặc hệ thống thực thiết lập của mình, bạn sẽ muốn triển khai phép tính của riêng mình cho các hệ số tỷ lệ.
Nhấp vào Mô phỏng.
Quan sát thấy tỷ lệ nhiễu hiện đã thấp hơn (tốt hơn) trong giây này mô phỏng. Điều này là do bạn đang sử dụng phương thức điều chỉnh theo tỷ lệ.

Theo nguyên tắc thiết kế cốt lõi, độ nhiễu được thêm vào là một chức năng cho ngân sách đóng góp.

Do đó, để tăng tỷ lệ tín hiệu trên nhiễu, bạn có thể quyết định biến đổi các giá trị được thu thập trong một sự kiện chuyển đổi bằng cách điều chỉnh theo tỷ lệ so với ngân sách đóng góp (và giảm tỷ lệ này sau khi tổng hợp). Sử dụng phương pháp điều chỉnh theo tỷ lệ để tăng tỷ lệ tín hiệu so với nhiễu.

Quyết định: Số lượng mục tiêu đo lường và mức phân chia ngân sách quyền riêng tư

Điều này liên quan đến việc Mở rộng quy mô; hãy nhớ đọc phần Sử dụng điều chỉnh tỷ lệ.

Dùng thử trong Phòng thí nghiệm tiếng ồn

Mục tiêu đo lường là một điểm dữ liệu riêng biệt được thu thập trong các sự kiện chuyển đổi.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu mà bạn muốn theo dõi: Mục tiêu đo lường. Theo mặc định, bạn có hai mục tiêu đo lường: lượt mua hàng và số lượt mua hàng.
Nhấp vào Mô phỏng để chạy hoạt động mô phỏng với các mục tiêu mặc định.
Nhấp vào Xoá. Thao tác này sẽ xoá mục tiêu đo lường gần đây nhất (lượt mua hàng) tính trong trường hợp đó).
Nhấp vào Mô phỏng.
Lưu ý rằng tỷ lệ nhiễu cho giá trị giao dịch mua hiện đã thấp hơn (tốt hơn) cho mô phỏng thứ hai này. Lý do là vì bạn có ít mục tiêu đo lường, do đó, một mục tiêu đo lường của bạn bây giờ nhận được tất cả ngân sách đóng góp.
Nhấp vào Đặt lại. Bây giờ, bạn lại có hai mục tiêu đo lường: lượt mua hàng và số lượt mua hàng. Xin lưu ý rằng Noise Lab sẽ tự động tính toán hệ số tỷ lệ được sử dụng dựa trên phạm vi (giá trị trung bình và tối đa) của mục tiêu đo lường cho kịch bản của bạn. Theo mặc định, Phòng thí nghiệm tiếng ồn sẽ tách các ngân sách đồng đều cho các mục tiêu đo lường.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được. Ghi lại hệ số tỷ lệ hiển thị trên mô phỏng.
Bây giờ, hãy tuỳ chỉnh tỷ lệ phân chia ngân sách quyền riêng tư để đạt được kết quả tốt hơn tỷ lệ tín hiệu trên nhiễu.
Chỉnh sửa % ngân sách được chỉ định cho mỗi mục tiêu đo lường. Được cung cấp giá trị mặc định tham số, Mục tiêu đo lường 1, cụ thể là giá trị mua hàng, có phạm vi rộng hơn (từ 0 đến 1.000) so với mục tiêu Đo lường 2, cụ thể là số lượt mua hàng (từ 1 đến 1, tức là luôn bằng 1). Vì dữ liệu này cần "nhiều không gian hơn để mở rộng quy mô": tốt hơn là chỉ định ngân sách đóng góp cho Mục tiêu đo lường 1 so với mục tiêu Đo lường 2, để doanh nghiệp có thể mở rộng quy mô hiệu quả hơn (xem phần Mở rộng quy mô), do đó,
Chỉ định 70% ngân sách cho mục tiêu Đo lường 1. Chỉ định 30% cho hoạt động đo lường mục tiêu 2.
Nhấp vào Mô phỏng.
Quan sát tỷ lệ nhiễu của hoạt động mô phỏng thu được. Để mua thì tỷ lệ nhiễu hiện đã thấp hơn đáng kể (tốt hơn) so với trước đây mô phỏng. Đối với số lượt mua hàng, những thông tin này gần như không thay đổi.
Hãy tiếp tục điều chỉnh tỷ lệ phân chia ngân sách theo các chỉ số. Quan sát mức độ tác động tiếng ồn.

Xin lưu ý rằng bạn có thể đặt mục tiêu đo lường tuỳ chỉnh của riêng mình bằng Nút Thêm/Xoá/Đặt lại.

Nếu bạn đo lường một điểm dữ liệu (mục tiêu đo lường) trên một sự kiện chuyển đổi, chẳng hạn như tổng số lượt chuyển đổi, thì điểm dữ liệu đó có thể lấy toàn bộ ngân sách đóng góp (65536). Nếu bạn đặt nhiều mục tiêu đo lường cho một sự kiện chuyển đổi, chẳng hạn như số lượt chuyển đổi và giá trị giao dịch mua, thì những điểm dữ liệu đó sẽ cần chia sẻ ngân sách đóng góp. Điều này có nghĩa là bạn có ít thời gian hơn để mở rộng quy mô giá trị.

Do đó, bạn càng có nhiều mục tiêu đo lường thì tỷ lệ tín hiệu trên độ nhiễu càng thấp có thể bị (độ nhiễu cao hơn).

Một quyết định khác liên quan đến mục tiêu đo lường là việc phân chia ngân sách. Nếu bạn chia đều ngân sách đóng góp cho hai điểm dữ liệu, thì mỗi điểm dữ liệu sẽ nhận được một ngân sách của 65536/2 = 32768. Đây có thể là hoặc không tối ưu tuỳ thuộc vào giá trị tối đa có thể cho mỗi điểm dữ liệu. Ví dụ: nếu bạn đang đo lường số lượng giao dịch mua có giá trị tối đa là 1 và giá trị mua hàng tối thiểu là 1 và tối đa là 120, thì giá trị giao dịch mua sẽ được hưởng lợi khi có "thêm không gian" mở rộng, nghĩa là được cung cấp tỷ lệ ngân sách đóng góp. Bạn sẽ biết liệu một số mục tiêu đo lường có nên được ưu tiên hơn hay không khác liên quan đến tác động của tiếng ồn.

Quyết định: Quản lý các yếu tố bên ngoài

Dùng thử trong Phòng thí nghiệm tiếng ồn

Mục tiêu đo lường là một điểm dữ liệu riêng biệt được thu thập trong các sự kiện chuyển đổi.

Chuyển đến Chế độ nâng cao.
Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược tổng hợp của bạn > Mở rộng quy mô.
Đảm bảo Tỷ lệ được đặt thành Có. Lưu ý rằng Phòng thí nghiệm tiếng ồn tự động tính toán các hệ số tỷ lệ sẽ được sử dụng, dựa trên phạm vi (giá trị trung bình và tối đa) mà bạn đã cung cấp cho các mục tiêu đo lường.
Giả sử rằng giao dịch mua lớn nhất từng được thực hiện là 2.000 đô la, nhưng con số đó hầu hết giao dịch mua xảy ra trong khoảng từ $10 đến $120. Trước tiên, hãy xem điều gì xảy ra nếu chúng tôi sử dụng phương pháp tiếp cận theo tỷ lệ theo chữ cái (không được khuyến nghị): nhập $2000 làm giá trị giá trị tối đa cho purchaseValue.
Nhấp vào Mô phỏng.
Quan sát để thấy tỷ lệ nhiễu cao. Điều này là do việc mở rộng quy mô của chúng tôi hiện được tính dựa trên 2.000 đô la, trong khi thực tế, hầu hết giá trị giao dịch mua sẽ thấp hơn đáng kể.
Bây giờ, hãy sử dụng phương pháp điều chỉnh theo tỷ lệ thực tế hơn. Thay đổi giá trị tối đa trị giá giao dịch mua là 120 USD.
Nhấp vào Mô phỏng.
Quan sát thấy tỷ lệ nhiễu thấp hơn (tốt hơn) trong phần mô phỏng thứ hai này.

Để triển khai tỷ lệ, bạn thường sẽ tính toán hệ số tỷ lệ dựa trên giá trị tối đa có thể có của một sự kiện chuyển đổi nhất định (tìm hiểu thêm trong ví dụ này).

Tuy nhiên, hãy tránh sử dụng giá trị tối đa cố định để tính hệ số tỷ lệ đó, vì điều này sẽ làm giảm tỷ lệ tín hiệu so với nhiễu. Thay vào đó, hãy loại bỏ các điểm ngoại lai và hãy sử dụng giá trị tối đa thực tế.

Quản lý các yếu tố bên ngoài là một chủ đề sâu rộng. Có thể có một số kỹ thuật phức tạp được cân nhắc để cải thiện tỷ lệ tín hiệu so với nhiễu. Một được mô tả trong Quản lý các yếu tố ngoại lệ nâng cao.

Các bước tiếp theo

Giờ thì bạn đã đánh giá nhiều chiến lược quản lý tiếng ồn cho trường hợp sử dụng của mình, bạn đã sẵn sàng bắt đầu thử nghiệm với báo cáo tóm tắt bằng cách thu thập dữ liệu đo lường thông qua bản dùng thử theo nguyên gốc. Xem lại hướng dẫn và mẹo để Dùng thử API.

Phụ lục

Tham quan nhanh Phòng thí nghiệm tiếng ồn

Noise Lab giúp bạn nhanh chóng đánh giá và so sánh các chiến lược quản lý tiếng ồn. Bạn có thể sử dụng kỹ thuật này để:

Hiểu các thông số chính có thể ảnh hưởng đến độ nhiễu và mà chúng gây ra.
Mô phỏng ảnh hưởng của nhiễu đối với dữ liệu đo lường đầu ra được cung cấp cho các quyết định thiết kế khác nhau. Chỉnh sửa tham số thiết kế cho đến khi bạn đạt được tỷ lệ tín hiệu trên độ nhiễu phù hợp với trường hợp sử dụng của bạn.
Hãy chia sẻ ý kiến phản hồi của bạn về tiện ích của báo cáo tóm tắt: các giá trị của epsilon và tham số nhiễu sẽ phù hợp với bạn, điều nào không? Vị trí các điểm uốn?

Hãy xem đây là bước chuẩn bị. Phòng thí nghiệm tiếng ồn tạo dữ liệu đo lường để mô phỏng kết quả của báo cáo tóm tắt dựa trên đầu vào. Tài sản này không tồn tại hay chia sẻ bất kỳ dữ liệu nào.

Có 2 chế độ khác nhau trong Phòng thí nghiệm tiếng ồn:

Chế độ đơn giản: nắm được kiến thức cơ bản về các chế độ kiểm soát đối với tiếng ồn.
Chế độ nâng cao: thử nghiệm nhiều chiến lược quản lý tiếng ồn và đánh giá từ nào dẫn đến tỷ lệ tín hiệu trên nhiễu tốt nhất cho trường hợp sử dụng của bạn.

Nhấp vào các nút ở trình đơn trên cùng để chuyển đổi giữa hai chế độ (#1. trong ảnh chụp màn hình dưới đây).

Chế độ đơn giản

Với chế độ Đơn giản, bạn kiểm soát Thông số (được tìm thấy ở bên trái hoặc #2. trong ảnh chụp màn hình dưới đây) chẳng hạn như Epsilon và xem cách chúng ảnh hưởng đến độ nhiễu.
Mỗi thông số có một chú giải công cụ (nút "?"). Nhấp vào các thông báo này để xem phần giải thích về từng thông số (#3. trong ảnh chụp màn hình bên dưới)
Để bắt đầu, hãy nhấp vào nút "Mô phỏng" và quan sát kết quả đầu ra như (#4. trong ảnh chụp màn hình bên dưới)
Trong phần Kết quả, bạn có thể thấy nhiều thông tin chi tiết. Hơi nhiều có dấu `?` bên cạnh. Dành thời gian nhấp vào từng `?` để xem lời giải thích về nhiều thông tin.
Trong phần Kết quả, hãy nhấp vào nút bật/tắt Chi tiết nếu bạn muốn xem phiên bản mở rộng của bảng (#5. trong ảnh chụp màn hình bên dưới)
Bên dưới mỗi bảng dữ liệu trong phần đầu ra, sẽ có một tuỳ chọn để tải bảng xuống để sử dụng khi không có mạng. Ngoài ra, ở phía dưới cùng góc bên phải có tuỳ chọn tải xuống tất cả bảng dữ liệu (#6. trong ảnh chụp màn hình dưới đây)
Thử nghiệm các chế độ cài đặt khác nhau cho các thông số trong phần Thông số rồi nhấp vào Mô phỏng để xem chúng ảnh hưởng như thế nào đến kết quả:

Giao diện Phòng thí nghiệm nhiễu cho chế độ Đơn giản.

Chế độ nâng cao

Ở Chế độ nâng cao, bạn có nhiều quyền kiểm soát hơn đối với các Thông số. Bạn có thể thêm Mục tiêu đo lường và Phương diện tuỳ chỉnh (#1. và #2. trong ảnh chụp màn hình) thấp hơn)
Di chuyển xuống dưới trong phần Thông số và xem Khoá Lựa chọn về chiến lược. Điều này có thể được dùng để thử nghiệm các cấu trúc chính khác nhau (#3. trong ảnh chụp màn hình bên dưới)
- Để thử nghiệm các Cấu trúc chính khác nhau, hãy chuyển Chiến lược chính thành "B"
- Nhập số lượng cấu trúc phím mà bạn muốn dùng (mặc định được đặt thành "2")
- Nhấp vào Tạo cấu trúc chính
- Bạn sẽ thấy các tuỳ chọn để chỉ định các cấu trúc chính bằng cách nhấp vào hộp đánh dấu bên cạnh các khoá bạn muốn thêm vào cho mỗi cấu trúc khoá
- Hãy nhấp vào Mô phỏng để xem kết quả.
  
  Giao diện Phòng thí nghiệm tiếng ồn cho Chế độ nâng cao.
  
  Giao diện Phòng thí nghiệm tiếng ồn cho Chế độ nâng cao.

Chỉ số tiếng ồn

Khái niệm cốt lõi

Tính năng này được thêm vào để bảo vệ quyền riêng tư của người dùng cá nhân.

Giá trị nhiễu cao cho biết nhóm/khoá thưa và có chứa nội dung đóng góp từ một số ít các sự kiện nhạy cảm. Đã xong tự động bằng Phòng thí nghiệm tiếng ồn, để cho phép các cá nhân "trốn giữa đám đông" hoặc trong nói cách khác, giúp bảo vệ những cá nhân bị hạn chế này quyền riêng tư lớn hơn tiếng ồn tăng thêm.

Giá trị độ nhiễu thấp cho biết quá trình thiết lập dữ liệu được thiết kế theo một cách cho phép các cá nhân "ẩn giữa đám đông". Điều này có nghĩa là chứa dữ liệu đóng góp từ số lượng sự kiện đủ để đảm bảo rằng quyền riêng tư của người dùng cá nhân được bảo vệ.

Câu này đúng cho cả lỗi phần trăm trung bình (APE) và RMSRE_T (lỗi tương đối trung bình bình phương gốc có ngưỡng).

APE (lỗi phần trăm trung bình)

APE là tỷ lệ độ nhiễu so với tín hiệu, cụ thể là giá trị tóm tắt thực sự.p> Giá trị APE càng thấp thì tỷ lệ tín hiệu trên tạp âm càng cao.

Công thức

Đối với một báo cáo tóm tắt cụ thể, APE được tính như sau:

Phương trình của APE. Giá trị tuyệt đối là bắt buộc, vì độ nhiễu có thể là số âm.

True là giá trị tóm tắt đúng. APE là độ nhiễu trung bình trên mỗi giá trị tóm tắt thực, được tính trung bình trên tất cả các mục trong một báo cáo tóm tắt. Trong Phòng thí nghiệm tiếng ồn, giá trị này được nhân với 100 để cho ra tỷ lệ phần trăm.

Ưu và nhược điểm

Các bộ chứa có kích thước nhỏ hơn sẽ ảnh hưởng không cân đối đến giá trị cuối cùng của APE. Điều này có thể gây hiểu lầm khi đánh giá độ nhiễu. Đó là lý do chúng tôi thêm một chỉ số khác là RMSRE_T, được thiết kế để giảm thiểu hạn chế này của APE. Xem ví dụ để biết thông tin chi tiết.

Mã

Xem lại mã nguồn để tính toán APE.

RMSRE_T (lỗi tương đối trung bình bình phương gốc có ngưỡng)

RMSRE_T (lỗi tương đối trung bình bình phương gốc có ngưỡng) là một số đo khác để xác định độ nhiễu.

Cách diễn giải RMSRE_T

Giá trị RMSRE_T thấp hơn có nghĩa là tỷ lệ tín hiệu trên nhiễu tốt hơn.
Ví dụ: nếu tỷ lệ nhiễu có thể chấp nhận được cho trường hợp sử dụng của bạn là 20% và RMSRE_T là 0,2, thì bạn có thể tự tin rằng mức độ nhiễu nằm trong phạm vi có thể chấp nhận được.

Công thức

Đối với một báo cáo tóm tắt cụ thể, RMSRE_T được tính như sau:

Ưu và nhược điểm

Nắm bắt RMSRE_T phức tạp hơn một chút so với APE. Tuy nhiên, trong một số trường hợp, công cụ này có một số ưu điểm khiến APE phù hợp hơn so với APE để phân tích độ nhiễu trong báo cáo tóm tắt:

RMSRE_T ổn định hơn. "T" là một ngưỡng. "T" được dùng để giảm trọng số trong phép tính RMSRE_T cho những bộ chứa có ít lượt chuyển đổi hơn và do đó nhạy cảm hơn với nhiễu do kích thước nhỏ. Với T, chỉ số này không tăng đột biến trên những nhóm có ít lượt chuyển đổi. Nếu T bằng 5, thì giá trị độ nhiễu nhỏ bằng 1 trên nhóm có 0 lượt chuyển đổi sẽ không được hiển thị là giá trị trên 1. Thay vào đó, nó sẽ được giới hạn ở mức 0,2, tương đương với 1/5, vì T bằng 5. Bằng cách giảm trọng số cho những bộ chứa nhỏ hơn, do đó nhạy cảm hơn với nhiễu, chỉ số này ổn định hơn và do đó dễ dàng so sánh hai mô phỏng.
RMSRE_T cho phép dễ dàng tổng hợp. Khi biết RMSRE_T của nhiều nhóm, cùng với số lượng thực của chúng, bạn có thể tính được RMSRE_T của tổng của chúng. Việc này cũng giúp bạn tối ưu hoá RMSRE_T cho các giá trị kết hợp này.

Mặc dù APE có thể tổng hợp, nhưng công thức này khá phức tạp vì có liên quan đến giá trị tuyệt đối của tổng các độ nhiễu Laplace. Điều này khiến APE trở nên khó tối ưu hoá hơn.

Mã

Xem lại mã nguồn để tính toán RMSRE_T.

Ví dụ

Báo cáo tóm tắt có 3 nhóm:

nhóm_1 = nhiễu: 10, truesummaryValue: 100
nhóm_2 = nhiễu: 20, truesummaryValue: 100
nhóm_3 = nhiễu: 20, truesummaryValue: 200

APE = (0,1 + 0,2 + 0,1) / 3 = 13%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,200))^2) / 3) =  sqrt( (0.01 + 0.04 + 0.01) / 3) =  0.14

Báo cáo tóm tắt có 3 nhóm:

nhóm_1 = nhiễu: 10, truesummaryValue: 100
nhóm_2 = nhiễu: 20, truesummaryValue: 100
nhóm_3 = nhiễu: 20, truesummaryValue: 20

APE = (0,1 + 0,2 + 1) / 3 = 43%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,20))^2) / 3)  =  sqrt( (0.01 + 0.04 + 1.0) / 3) =  0.59

Báo cáo tóm tắt có 3 nhóm:

nhóm_1 = nhiễu: 10, truesummaryValue: 100
nhóm_2 = nhiễu: 20, truesummaryValue: 100
nhóm_3 = nhiễu: 20, truesummaryValue: 0

APE = (0,1 + 0,2 + Infinity) / 3 = Vô cực

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2  +
(20/max(5,0))^2) / 3) =  sqrt( (0.01 + 0.04 + 16.0) / 3) =  2.31

Quản lý khoá nâng cao

DSP hoặc công ty đo lường quảng cáo có thể có hàng nghìn quảng cáo trên toàn cầu khách hàng, thuộc nhiều ngành, đơn vị tiền tệ và giá mua tiềm năng. Điều này có nghĩa là việc tạo và quản lý một khoá tổng hợp trên mỗi của nhà quảng cáo có thể không thực tế cao. Ngoài ra, khó khăn trong việc chọn giá trị tổng hợp tối đa và ngân sách tổng hợp có thể hạn chế tác động của yếu tố nhiễu đối với hàng nghìn nhà quảng cáo toàn cầu này. Thay vào đó, hãy xem các trường hợp sau:

Chiến lược chính A

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý một khoá trên tất cả khách hàng quảng cáo. Trên tất cả các nhà quảng cáo và tất cả đơn vị tiền tệ, phạm vi của giao dịch mua khác nhau, từ số lượng thấp, mua cao cấp đến số lượng lớn, mua cấp thấp mua hàng. Điều này dẫn đến khoá sau:

	Khóa (nhiều đơn vị tiền tệ)
Giá trị tổng hợp tối đa	5.000.000
Khoảng giá trị giao dịch mua	[120 – 5000000]

Chiến lược chính B

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý hai khoá trên tất cả khách hàng quảng cáo. Họ quyết định phân tách các khoá theo đơn vị tiền tệ. Trên tất cả nhà quảng cáo và tất cả đơn vị tiền tệ, phạm vi của các giao dịch mua khác nhau, từ số lượng ít, từ giao dịch mua hàng cao cấp đến mua hàng số lượng lớn và giá thấp. Phân tách theo đơn vị tiền tệ, chúng sẽ tạo 2 khoá:

	Khoá 1 (USD)	Phím 2 (JPY)
Giá trị tổng hợp tối đa	$40.000	5.000.000 JPY
Khoảng giá trị giao dịch mua	[120 – 40.000]	[15.000 – 5.000.000]

Chiến lược chính B sẽ gây nhiễu ít hơn so với Chiến lược chính A, vì giá trị đơn vị tiền tệ không được phân phối đồng đều trên các đơn vị tiền tệ. Ví dụ: xem xét cách những giao dịch mua được tính bằng JPY cùng với các giao dịch mua có giá trị bằng USD sẽ làm thay đổi dữ liệu cơ bản và đầu ra bị nhiễu.

Chiến lược chính C

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý 4 khoá trên tất cả khách hàng quảng cáo của nhà quảng cáo đó và để tách họ theo Đơn vị tiền tệ x Nhà quảng cáo ngành:

	Khoá 1 (USD x Nhà quảng cáo trang sức cao cấp)	Khoá 2 (JPY x Nhà quảng cáo trang sức cao cấp)	Khoá 3 (USD x Nhà quảng cáo bán lẻ quần áo)	Khoá 4 (Nhà quảng cáo bán lẻ quần áo x JPY)
Giá trị tổng hợp tối đa	$40.000	5.000.000 JPY	500 USD	65.000 yên
Khoảng giá trị giao dịch mua	[10.000 – 40.000]	[1.250.000 – 5.000.000]	[120 – 500]	[15.000 – 65.000]

Chiến lược chính C sẽ gây nhiễu ít hơn so với Chiến lược chính B, vì giá trị mua hàng của nhà quảng cáo không được phân bổ đồng đều giữa các nhà quảng cáo. Cho ví dụ: hãy xem xét cách kết hợp giao dịch mua trang sức cao cấp với giao dịch mua đối với mũ bóng chày sẽ làm thay đổi dữ liệu cơ bản và dẫn đến đầu ra nhiễu.

Cân nhắc việc tạo các giá trị tổng hợp tối đa dùng chung và hệ số tỷ lệ dùng chung cho các điểm chung của nhiều nhà quảng cáo nhằm giảm nhiễu trong đầu ra. Ví dụ: bạn có thể thử nghiệm với các chiến lược khác nhau bên dưới cho nhà quảng cáo của bạn:

Một chiến lược được tách riêng theo đơn vị tiền tệ (USD, JPY, CAD, v.v.)
Một chiến lược được tách riêng cho ngành của nhà quảng cáo (Bảo hiểm, Ô tô, Bán lẻ, v.v.)
Một chiến lược được tách riêng theo phạm vi giá trị mua tương tự ([100], [1000], [10000], v.v.)

Bằng cách tạo các chiến lược then chốt xoay quanh những điểm chung của nhà quảng cáo, chìa khoá và mã tương ứng dễ quản lý hơn và tỷ lệ tín hiệu trên nhiễu trở nên cao hơn. Thử nghiệm nhiều chiến lược với từng nhà quảng cáo điểm chung để khám phá các điểm uốn trong việc tối đa hoá mức độ ảnh hưởng của độ nhiễu so với đoạn mã Google Cloud.

Quản lý các yếu tố ngoại lệ nâng cao

Hãy xem xét một tình huống giữa hai nhà quảng cáo:

Nhà quảng cáo A:
- Trên tất cả các sản phẩm trên trang web của Nhà quảng cáo A, giá mua khả năng là giữa [$120 - $1.000] , với phạm vi $880.
- Giá mua được phân bổ đồng đều trong khoảng 880 USD không có điểm ngoại lệ nào nằm ngoài 2 độ lệch chuẩn so với giá mua trung bình.
Nhà quảng cáo B:
- Trên tất cả các sản phẩm trên trang web của Nhà quảng cáo B, giá mua khả năng là giữa [$120 - $1.000] , với phạm vi $880.
- Giá mua thường nằm trong khoảng 120 – 500 USD, chỉ có 5% giao dịch mua xảy ra trong phạm vi $500 - $1.000.

Do yêu cầu về ngân sách đóng góp và phương pháp mà bạn sử dụng [có áp dụng tiếng ồn](/privacy-sandbox/relevance/attribution-reporting/understanding-noise/#how-noise-is-apply) kết quả cuối cùng thì theo mặc định, Nhà quảng cáo B sẽ có đầu ra nhiễu hơn Nhà quảng cáo A, vì Nhà quảng cáo B có nhiều khả năng tác động đến các yếu tố ngoại lai hơn tính toán cơ bản.

Bạn có thể giảm thiểu điều này bằng một cách thiết lập khoá cụ thể. Thử nghiệm các chiến lược chính giúp quản lý dữ liệu bên ngoài cũng như phân phối giá trị mua hàng đồng đều hơn trong phạm vi mua khoá.

Đối với Nhà quảng cáo B, bạn có thể tạo hai khoá riêng biệt để nắm bắt hai khoá khác nhau phạm vi giá trị giao dịch mua. Trong ví dụ này, công nghệ quảng cáo đã lưu ý rằng các điểm ngoại lai xuất hiện phía trên giá trị giao dịch mua là 500 USD. Hãy thử triển khai hai khoá riêng biệt cho nhà quảng cáo này:

Cấu trúc chính 1 : Khoá chỉ ghi nhận những giao dịch mua hàng giữa dao động từ 120 đến 500 đô la (chiếm khoảng 95% tổng khối lượng mua).
Cấu trúc chính 2: Khoá chỉ ghi nhận những giao dịch mua trên 500 đô la (chiếm khoảng 5% tổng số lượng giao dịch mua).

Việc triển khai chiến lược quan trọng này sẽ giúp quản lý hiệu quả hơn các yếu tố gây nhiễu cho Nhà quảng cáo B và giúp tối đa hoá tiện ích cho họ từ báo cáo tóm tắt. Cho kích thước nhỏ hơn phạm vi, Khoá A và Khoá B giờ đây sẽ có sự phân phối dữ liệu đồng đều hơn trên từng khoá tương ứng với khoá đơn trước đó. Điều này sẽ dẫn đến giảm ảnh hưởng của nhiễu trong dữ liệu đầu ra của mỗi phím so với khoá trước đó.