এই নথি সম্পর্কে
এই নিবন্ধটি পড়ে, আপনি হবে:
- সারাংশ রিপোর্ট তৈরি করার আগে কি কৌশল তৈরি করতে হবে তা বুঝে নিন।
- নয়েজ ল্যাবের সাথে পরিচয় করিয়ে দিন, একটি টুল যা বিভিন্ন নয়েজ প্যারামিটারের প্রভাব উপলব্ধি করতে সাহায্য করে এবং এটি বিভিন্ন শব্দ ব্যবস্থাপনা কৌশলগুলির দ্রুত অনুসন্ধান এবং মূল্যায়ন সক্ষম করে।
![নয়েজ ল্যাবের স্ক্রিনশট](https://developers.google.cn/static/privacy-sandbox/assets/images/screenshot-noise-lab-fabb063f24c11.png?authuser=3&hl=bn)
আপনার মতামত শেয়ার করুন
যদিও এই দস্তাবেজটি সারসংক্ষেপ প্রতিবেদনের সাথে কাজ করার জন্য কয়েকটি নীতির সংক্ষিপ্তসার দেয়, সেখানে শব্দ ব্যবস্থাপনার একাধিক পদ্ধতি রয়েছে যা এখানে প্রতিফলিত নাও হতে পারে। আপনার পরামর্শ, সংযোজন, এবং প্রশ্ন স্বাগত জানাই!
- এপিআই (এপিসিলন) এর ইউটিলিটি বা গোপনীয়তার বিষয়ে, নয়েজ ম্যানেজমেন্ট কৌশল সম্পর্কে জনসাধারণের প্রতিক্রিয়া জানাতে এবং নয়েজ ল্যাবের সাথে অনুকরণ করার সময় আপনার পর্যবেক্ষণ শেয়ার করতে: এই বিষয়ে মন্তব্য করুন
- নয়েজ ল্যাবে সর্বজনীন প্রতিক্রিয়া জানাতে (একটি প্রশ্ন জিজ্ঞাসা করুন, একটি বাগ রিপোর্ট করুন, একটি বৈশিষ্ট্যের জন্য অনুরোধ করুন): এখানে একটি নতুন সমস্যা তৈরি করুন
- API এর অন্য একটি দিক সম্পর্কে সর্বজনীন প্রতিক্রিয়া জানাতে: এখানে একটি নতুন সমস্যা তৈরি করুন
শুরু করার আগে
- অ্যাট্রিবিউশন রিপোর্টিং পড়ুন: একটি ভূমিকার জন্য সারাংশ রিপোর্ট এবং অ্যাট্রিবিউশন রিপোর্টিং সম্পূর্ণ সিস্টেম ওভারভিউ ।
- এই নির্দেশিকাটির সর্বোত্তম ব্যবহার করতে গোলমাল বোঝার এবং সমষ্টি কী বোঝার স্ক্যান করুন।
নকশা সিদ্ধান্ত
মূল নকশা নীতি
তৃতীয় পক্ষের কুকিজ এবং সংক্ষিপ্ত প্রতিবেদনগুলি কীভাবে কাজ করে তার মধ্যে মৌলিক পার্থক্য রয়েছে। একটি মূল পার্থক্য হল সংক্ষিপ্ত প্রতিবেদনে পরিমাপের ডেটাতে যোগ করা শব্দ । আরেকটি হল রিপোর্ট কিভাবে নির্ধারিত হয়।
উচ্চতর সংকেত-থেকে-শব্দ অনুপাত সহ সারাংশ রিপোর্ট পরিমাপ ডেটা অ্যাক্সেস করতে, চাহিদা-সাইড প্ল্যাটফর্ম (ডিএসপি) এবং বিজ্ঞাপন পরিমাপ প্রদানকারীদের তাদের বিজ্ঞাপনদাতাদের সাথে শব্দ ব্যবস্থাপনার কৌশলগুলি তৈরি করতে কাজ করতে হবে। এই কৌশলগুলি বিকাশ করতে, ডিএসপি এবং পরিমাপ প্রদানকারীদের ডিজাইনের সিদ্ধান্ত নিতে হবে। এই সিদ্ধান্তগুলি একটি অপরিহার্য ধারণার চারপাশে ঘোরে:
ডিস্ট্রিবিউশন নয়েজ মানগুলি থেকে আঁকা হয়, একেবারে বলতে গেলে, শুধুমাত্র দুটি প্যারামিটারের উপর নির্ভর করে ⏤ এপসিলন এবং অবদান বাজেট ⏤ আপনার হাতে আপনার হাতে অনেকগুলি অন্যান্য নিয়ন্ত্রণ রয়েছে যা আপনার আউটপুট পরিমাপের ডেটার সংকেত-টু-শব্দ অনুপাতকে প্রভাবিত করবে৷
যদিও আমরা আশা করি একটি পুনরাবৃত্ত প্রক্রিয়া সর্বোত্তম সিদ্ধান্তের দিকে নিয়ে যাবে, এই সিদ্ধান্তগুলির প্রতিটি পরিবর্তন একটি সামান্য ভিন্ন বাস্তবায়নের দিকে নিয়ে যাবে—এইভাবে প্রতিটি কোড পুনরাবৃত্তি লেখার আগে (এবং বিজ্ঞাপন চালানোর আগে) এই সিদ্ধান্তগুলি অবশ্যই নেওয়া উচিত।
সিদ্ধান্ত: মাত্রা গ্রানুলারিটি
নয়েজ ল্যাবে চেষ্টা করে দেখুন
- অ্যাডভান্সড মোডে যান।
- প্যারামিটার সাইড প্যানেলে, আপনার রূপান্তর ডেটা খুঁজুন।
- ডিফল্ট পরামিতি পর্যবেক্ষণ করুন। ডিফল্টরূপে, TOTAL দৈনিক অ্যাট্রিবিউটেবল রূপান্তর সংখ্যা হল 1000। আপনি যদি ডিফল্ট সেটআপ ব্যবহার করেন (ডিফল্ট মাত্রা, প্রতিটি মাত্রার জন্য সম্ভাব্য বিভিন্ন মানের ডিফল্ট সংখ্যা, মূল কৌশল A) ব্যবহার করেন তাহলে এটি গড়ে প্রায় 40 প্রতি বালতি। লক্ষ্য করুন যে ইনপুটটিতে মানটি 40 হল দৈনিক গড় বৈশিষ্ট্যযুক্ত রূপান্তর গণনা PER BUCKET.
- ডিফল্ট পরামিতি সহ একটি সিমুলেশন চালানোর জন্য সিমুলেটে ক্লিক করুন।
- প্যারামিটার সাইড প্যানেলে, মাত্রা খুঁজুন। ভূগোলকে শহরের নাম দিন এবং সম্ভাব্য বিভিন্ন মানের সংখ্যা 50 এ পরিবর্তন করুন।
- পর্যবেক্ষণ করুন কিভাবে এটি প্রতি BUCKET-এর গড় দৈনিক বৈশিষ্ট্যযুক্ত রূপান্তর গণনাকে পরিবর্তন করে। এখন অনেক নিচে। এর কারণ হল আপনি যদি অন্য কিছু পরিবর্তন না করে এই মাত্রার মধ্যে সম্ভাব্য মানের সংখ্যা বাড়ান, তাহলে আপনি প্রতিটি বালতিতে কতগুলি রূপান্তর ইভেন্ট পড়বে তা পরিবর্তন না করেই বালতির মোট সংখ্যা বৃদ্ধি করবেন৷
- সিমুলেট ক্লিক করুন।
- ফলাফলের সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন: আগের সিমুলেশনের তুলনায় শব্দের অনুপাত এখন বেশি।
মূল নকশা নীতির প্রেক্ষিতে, ছোট সারাংশের মানগুলি বড় সারাংশের মানগুলির চেয়ে বেশি গোলমাল হতে পারে। অতএব, আপনার কনফিগারেশন পছন্দ প্রতিটি বালতিতে কতগুলি বৈশিষ্ট্যযুক্ত রূপান্তর ইভেন্ট শেষ হয় তা প্রভাবিত করে (অন্যথায় আপনার একত্রীকরণ কী হিসাবে উল্লেখ করা হয়), এবং সেই পরিমাণ চূড়ান্ত আউটপুট সারাংশ রিপোর্টে শব্দকে প্রভাবিত করে।
একটি ডিজাইনের সিদ্ধান্ত যা একটি একক বাকেটের মধ্যে অ্যাট্রিবিউটেড কনভার্সন ইভেন্টের সংখ্যাকে প্রভাবিত করে তা হল ডাইমেনশন গ্রানুলারিটি। একত্রিতকরণ কী এবং তাদের মাত্রাগুলির নিম্নলিখিত উদাহরণগুলি বিবেচনা করুন:
- পদ্ধতি 1: মোটা মাত্রা সহ একটি মূল কাঠামো: দেশ x বিজ্ঞাপন প্রচারাভিযান (বা বৃহত্তম প্রচারাভিযান একত্রীকরণ বালতি) x পণ্যের প্রকার (10টি সম্ভাব্য পণ্যের প্রকারের মধ্যে)
- পদ্ধতি 2: দানাদার মাত্রা সহ একটি মূল কাঠামো: শহর x ক্রিয়েটিভ আইডি x পণ্য (100টি সম্ভাব্য পণ্যের মধ্যে)
দেশের তুলনায় শহর একটি আরো দানাদার মাত্রা; ক্রিয়েটিভ আইডি ক্যাম্পেইনের চেয়ে বেশি দানাদার; এবং পণ্যটি পণ্যের প্রকারের চেয়ে বেশি দানাদার। সুতরাং, অ্যাপ্রোচ 2-এর সারাংশ রিপোর্ট আউটপুটে অ্যাপ্রোচ 1-এর তুলনায় বালতি প্রতি (= প্রতি কী) ইভেন্টের সংখ্যা (রূপান্তর) কম থাকবে। আউটপুটে যোগ করা শব্দ বালতিতে ইভেন্টের সংখ্যার জন্য অজ্ঞেয়বাদী, পরিমাপ সারাংশ রিপোর্টের ডেটা অ্যাপ্রোচ 2-এর সাথে আরও শোরগোলপূর্ণ হবে। প্রতিটি বিজ্ঞাপনদাতার জন্য, ফলাফলের সর্বোচ্চ উপযোগিতা পাওয়ার জন্য কী-এর ডিজাইনে বিভিন্ন গ্রানুলারিটি ট্রেডঅফ নিয়ে পরীক্ষা করুন।
সিদ্ধান্ত: মূল কাঠামো
নয়েজ ল্যাবে চেষ্টা করে দেখুন
সরল মোডে, ডিফল্ট কী কাঠামো ব্যবহার করা হয়। অ্যাডভান্সড মোডে, আপনি বিভিন্ন কী স্ট্রাকচার নিয়ে পরীক্ষা করতে পারেন। কিছু উদাহরণ মাত্রা অন্তর্ভুক্ত করা হয়েছে; আপনি এই পরিবর্তন করতে পারেন.
- অ্যাডভান্সড মোডে যান।
- প্যারামিটার সাইড প্যানেলে, কী কৌশল খুঁজুন। লক্ষ্য করুন যে টুলে A নামক ডিফল্ট কৌশলটি একটি দানাদার কী কাঠামো ব্যবহার করে যাতে সমস্ত মাত্রা অন্তর্ভুক্ত থাকে: ভূগোল x ক্যাম্পেইন আইডি x পণ্য বিভাগ।
- সিমুলেট ক্লিক করুন।
- ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
- কী কৌশলটি B এ পরিবর্তন করুন। এটি আপনার কী কাঠামো কনফিগার করার জন্য অতিরিক্ত নিয়ন্ত্রণ প্রদর্শন করে।
- আপনার কী গঠন যেমন নিম্নরূপ কনফিগার করুন:
- মূল কাঠামোর সংখ্যা: 2
- মূল কাঠামো 1 = ভূগোল x পণ্য বিভাগ।
- মূল কাঠামো 2 = ক্যাম্পেইন আইডি x পণ্য বিভাগ।
- সিমুলেট ক্লিক করুন।
- লক্ষ্য করুন যে আপনি এখন পরিমাপের লক্ষ্য প্রকারের প্রতি দুটি সারাংশ রিপোর্ট পান (দুটি ক্রয় গণনার জন্য, দুটি ক্রয় মূল্যের জন্য), আপনি দুটি স্বতন্ত্র কী কাঠামো ব্যবহার করছেন। তাদের শব্দের অনুপাত পর্যবেক্ষণ করুন।
- আপনি আপনার নিজস্ব কাস্টম মাত্রা দিয়ে এটি চেষ্টা করতে পারেন। এটি করতে, আপনি যে ডেটা ট্র্যাক করতে চান তা সন্ধান করুন: মাত্রা। উদাহরণের মাত্রাগুলি সরানোর কথা বিবেচনা করুন এবং শেষ মাত্রার নীচে যোগ/সরান/রিসেট বোতামগুলি ব্যবহার করে আপনার নিজস্ব তৈরি করুন৷
আরেকটি ডিজাইনের সিদ্ধান্ত যা একটি একক বাকেটের মধ্যে অ্যাট্রিবিউট করা রূপান্তর ইভেন্টের সংখ্যাকে প্রভাবিত করবে তা হল মূল কাঠামো যা আপনি ব্যবহার করার সিদ্ধান্ত নেন। একত্রিতকরণ কীগুলির নিম্নলিখিত উদাহরণগুলি বিবেচনা করুন:
- সমস্ত মাত্রা সহ একটি মূল কাঠামো; আসুন এই মূল কৌশল A বলি।
- দুটি মূল কাঠামো, প্রতিটি মাত্রার একটি উপসেট সহ; আসুন এটিকে মূল কৌশল বি বলি।
![চিত্র:](https://developers.google.cn/static/privacy-sandbox/assets/images/diagram-buckets-key-str-2867c3ab534a7.png?authuser=3&hl=bn)
কৌশল A সহজ-কিন্তু নির্দিষ্ট অন্তর্দৃষ্টি অ্যাক্সেস করার জন্য আপনাকে গোলমালপূর্ণ সারাংশের মানগুলিকে সারাংশ প্রতিবেদন অন্তর্ভুক্ত করতে হতে পারে। এই মানগুলিকে সংক্ষিপ্ত করে, আপনি গোলমালের সংক্ষিপ্তসারও করছেন৷ স্ট্র্যাটেজি বি এর সাথে, সারাংশের রিপোর্টে উন্মোচিত সারাংশের মানগুলি ইতিমধ্যেই আপনাকে আপনার প্রয়োজনীয় তথ্য দিতে পারে। এর মানে হল যে স্ট্র্যাটেজি বি সম্ভবত স্ট্র্যাটেজি A-এর থেকে ভাল সিগন্যাল-টু-আওয়াজ অনুপাতের দিকে নিয়ে যাবে। যাইহোক, গোলমাল ইতিমধ্যেই স্ট্র্যাটেজি A-এর সাথে গ্রহণযোগ্য হতে পারে, তাই আপনি এখনও সরলতার জন্য কৌশল A-কে সমর্থন করার সিদ্ধান্ত নিতে পারেন। এই দুটি কৌশলের রূপরেখা বিস্তারিত উদাহরণে আরও জানুন ।
কী ব্যবস্থাপনা একটি গভীর বিষয়। সংকেত-থেকে-শব্দ অনুপাত উন্নত করতে বেশ কয়েকটি বিস্তৃত কৌশল বিবেচনা করা যেতে পারে। একটি উন্নত কী ব্যবস্থাপনায় বর্ণিত হয়েছে।
সিদ্ধান্ত: ব্যাচিং ফ্রিকোয়েন্সি
নয়েজ ল্যাবে চেষ্টা করে দেখুন
- সরল মোডে যান (বা অ্যাডভান্সড মোড — ব্যাচিং ফ্রিকোয়েন্সির ক্ষেত্রে উভয় মোড একইভাবে কাজ করে)
- প্যারামিটার সাইড প্যানেলে, আপনার একত্রীকরণ কৌশল > ব্যাচিং ফ্রিকোয়েন্সি খুঁজুন। এটি সমষ্টিগত প্রতিবেদনের ব্যাচিং ফ্রিকোয়েন্সি বোঝায় যা একটি একক কাজের মধ্যে একত্রিতকরণ পরিষেবার সাথে প্রক্রিয়া করা হয়।
- ডিফল্ট ব্যাচিং ফ্রিকোয়েন্সি পর্যবেক্ষণ করুন: ডিফল্টরূপে, একটি দৈনিক ব্যাচিং ফ্রিকোয়েন্সি সিমুলেট করা হয়।
- সিমুলেট ক্লিক করুন।
- ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
- সাপ্তাহিক ব্যাচিং ফ্রিকোয়েন্সি পরিবর্তন করুন।
- ফলাফলের সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন: আগের সিমুলেশনের তুলনায় শব্দের অনুপাত এখন কম (ভাল)।
আরেকটি ডিজাইনের সিদ্ধান্ত যা একটি একক বাকেটের মধ্যে অ্যাট্রিবিউটেড কনভার্সন ইভেন্টের সংখ্যাকে প্রভাবিত করবে তা হল ব্যাচিং ফ্রিকোয়েন্সি যা আপনি ব্যবহার করার সিদ্ধান্ত নেন। ব্যাচিং ফ্রিকোয়েন্সি হল আপনি কত ঘন ঘন সমষ্টিগত প্রতিবেদনগুলি প্রক্রিয়া করেন৷
একটি প্রতিবেদন যা ঘন ঘন একত্রিতকরণের জন্য নির্ধারিত হয় (যেমন প্রতি ঘণ্টায়) কম ঘন ঘন একত্রিতকরণের সময়সূচী সহ একই প্রতিবেদনের তুলনায় কম রূপান্তর ইভেন্ট অন্তর্ভুক্ত থাকবে (যেমন প্রতি সপ্তাহে)। ফলস্বরূপ, প্রতি ঘণ্টার প্রতিবেদনে আরও বেশি শব্দ থাকবে৷`` কম ঘন ঘন একত্রিতকরণের সময়সূচী সহ একই প্রতিবেদনের তুলনায় কম রূপান্তর ইভেন্ট অন্তর্ভুক্ত থাকবে (যেমন প্রতি সপ্তাহে)৷ ফলস্বরূপ, সাপ্তাহিক রিপোর্টের তুলনায় ঘণ্টার রিপোর্টে কম সংকেত-থেকে-শব্দ অনুপাত থাকবে, বাকি সব সমান। বিভিন্ন ফ্রিকোয়েন্সিতে রিপোর্টিং প্রয়োজনীয়তা নিয়ে পরীক্ষা করুন এবং প্রতিটির জন্য সংকেত-টু-শব্দ অনুপাত মূল্যায়ন করুন।
দীর্ঘ সময়ের জন্য ব্যাচিং এবং অ্যাগ্রিগেটিং-এ আরও জানুন।
সিদ্ধান্ত: প্রচারাভিযান ভেরিয়েবল যেগুলি বৈশিষ্ট্যযুক্ত রূপান্তরগুলিকে প্রভাবিত করে৷
নয়েজ ল্যাবে চেষ্টা করে দেখুন
যদিও এটি ভবিষ্যদ্বাণী করা কঠিন হতে পারে এবং ঋতুগত প্রভাব ছাড়াও উল্লেখযোগ্য পরিবর্তন হতে পারে, 10: 10, 100, 1,000, বা 10,000 এর নিকটতম শক্তিতে দৈনিক একক-টাচ অ্যাট্রিবিউটেবল রূপান্তরের সংখ্যা চেষ্টা করুন এবং অনুমান করুন৷
- অ্যাডভান্সড মোডে যান।
- প্যারামিটার সাইড প্যানেলে, আপনার রূপান্তর ডেটা খুঁজুন।
- ডিফল্ট পরামিতি পর্যবেক্ষণ করুন। ডিফল্টরূপে, TOTAL দৈনিক অ্যাট্রিবিউটেবল রূপান্তর সংখ্যা হল 1000। আপনি যদি ডিফল্ট সেটআপ ব্যবহার করেন (ডিফল্ট মাত্রা, প্রতিটি মাত্রার জন্য সম্ভাব্য বিভিন্ন মানের ডিফল্ট সংখ্যা, মূল কৌশল A) ব্যবহার করেন তাহলে এটি গড়ে প্রায় 40 প্রতি বালতি। লক্ষ্য করুন যে ইনপুটটিতে মানটি 40 হল দৈনিক গড় বৈশিষ্ট্যযুক্ত রূপান্তর গণনা PER BUCKET.
- ডিফল্ট পরামিতি সহ একটি সিমুলেশন চালানোর জন্য সিমুলেটে ক্লিক করুন।
- ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
- এখন টোটাল দৈনিক অ্যাট্রিবিউটেবল কনভার্সন কাউন্ট 100 সেট করুন। লক্ষ্য করুন যে এটি PER BUCKET দৈনিক অ্যাট্রিবিউটেবল কনভার্সন কাউন্টের মান কমিয়ে দেয়।
- সিমুলেট ক্লিক করুন।
- লক্ষ্য করুন যে শব্দের অনুপাত এখন বেশি: এর কারণ হল যখন আপনার প্রতি বালতিতে কম রূপান্তর হয়, তখন গোপনীয়তা বজায় রাখতে আরও শব্দ প্রয়োগ করা হয়।
একটি গুরুত্বপূর্ণ পার্থক্য হল একজন বিজ্ঞাপনদাতার সম্ভাব্য রূপান্তরগুলির মোট সংখ্যা, বনাম সম্ভাব্য বৈশিষ্ট্যযুক্ত রূপান্তরগুলির মোট সংখ্যা৷ পরেরটি হল যা শেষ পর্যন্ত সারাংশ রিপোর্টে শব্দকে প্রভাবিত করে। অ্যাট্রিবিউটেড কনভার্সন হল মোট কনভার্সনগুলির একটি উপসেট যা প্রচারাভিযান ভেরিয়েবলের জন্য প্রবণ, যেমন বিজ্ঞাপন বাজেট এবং বিজ্ঞাপন টার্গেটিং। উদাহরণস্বরূপ, আপনি একটি $10M বিজ্ঞাপন প্রচারণা বনাম একটি $10K বিজ্ঞাপন প্রচারাভিযানের জন্য উচ্চ সংখ্যক অ্যাট্রিবিউটেড কনভার্সন আশা করবেন, বাকি সবই সমান৷
বিবেচনা করার বিষয়:
- একক-টাচ, একই ডিভাইস অ্যাট্রিবিউশন মডেলের বিপরীতে অ্যাট্রিবিউটেড কনভার্সন মূল্যায়ন করুন, কারণ এগুলি অ্যাট্রিবিউশন রিপোর্টিং API-এর মাধ্যমে সংগৃহীত সারাংশ রিপোর্টের সুযোগের মধ্যে রয়েছে।
- অ্যাট্রিবিউটেড কনভার্সনগুলির জন্য সবচেয়ে খারাপ-কেস পরিস্থিতি গণনা এবং একটি সেরা-কেস পরিস্থিতি গণনা উভয়ই বিবেচনা করুন। উদাহরণ স্বরূপ, অন্য সব কিছু সমান, একজন বিজ্ঞাপনদাতার জন্য সর্বনিম্ন এবং সর্বাধিক সম্ভাব্য প্রচারাভিযানের বাজেট বিবেচনা করুন, তারপর আপনার সিমুলেশনে ইনপুট হিসাবে উভয় ফলাফলের জন্য বৈশিষ্ট্যযুক্ত রূপান্তরগুলি প্রজেক্ট করুন।
- আপনি যদি অ্যান্ড্রয়েড প্রাইভেসি স্যান্ডবক্স ব্যবহার করার কথা ভাবছেন, গণনার মধ্যে ক্রস-প্ল্যাটফর্ম অ্যাট্রিবিউটেড রূপান্তরগুলি বিবেচনা করুন৷
সিদ্ধান্ত: স্কেলিং ব্যবহার করে
নয়েজ ল্যাবে চেষ্টা করে দেখুন
- অ্যাডভান্সড মোডে যান।
- প্যারামিটার সাইড প্যানেলে, আপনার একত্রীকরণ কৌশল > স্কেলিং সন্ধান করুন। এটি ডিফল্টরূপে হ্যাঁ সেট করা আছে।
- শব্দ অনুপাতের উপর স্কেলিং এর ইতিবাচক প্রভাব বোঝার জন্য, প্রথমে Scaling কে No-এ সেট করুন।
- সিমুলেট ক্লিক করুন।
- ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
- স্কেলিংকে হ্যাঁ সেট করুন। নোট করুন যে নয়েজ ল্যাব স্বয়ংক্রিয়ভাবে আপনার দৃশ্যকল্পের পরিমাপের লক্ষ্যগুলির ব্যাপ্তি (গড় এবং সর্বোচ্চ মান) ব্যবহার করার জন্য স্কেলিং ফ্যাক্টরগুলি গণনা করে৷ একটি বাস্তব সিস্টেম বা অরিজিন ট্রায়াল সেটআপে, আপনি স্কেলিং ফ্যাক্টরগুলির জন্য আপনার নিজস্ব গণনা বাস্তবায়ন করতে চান।
- সিমুলেট ক্লিক করুন।
- লক্ষ্য করুন যে এই দ্বিতীয় সিমুলেশনে শব্দের অনুপাত এখন কম (ভাল)। এটি কারণ আপনি স্কেলিং ব্যবহার করছেন।
মূল নকশা নীতি দেওয়া, গোলমাল যোগ করা অবদান বাজেটের একটি ফাংশন.
তাই, সংকেত-থেকে-শব্দের অনুপাত বাড়ানোর জন্য, আপনি একটি রূপান্তর ইভেন্টের সময় সংগৃহীত মানগুলিকে অবদান বাজেটের বিপরীতে স্কেল করে (এবং একত্রিত হওয়ার পরে সেগুলিকে ডি-স্কেল করে) রূপান্তর করার সিদ্ধান্ত নিতে পারেন। সংকেত-থেকে-শব্দ অনুপাত বাড়ানোর জন্য স্কেলিং ব্যবহার করুন।
সিদ্ধান্ত: পরিমাপের লক্ষ্যের সংখ্যা, এবং গোপনীয়তা বাজেট বিভক্ত
এটি স্কেলিং এর সাথে সম্পর্কিত; স্কেলিং ব্যবহার করে পড়তে ভুলবেন না।
নয়েজ ল্যাবে চেষ্টা করে দেখুন
পরিমাপের লক্ষ্য হল রূপান্তর ইভেন্টে সংগৃহীত একটি স্বতন্ত্র ডেটা পয়েন্ট।
- অ্যাডভান্সড মোডে যান।
- প্যারামিটার সাইড প্যানেলে, আপনি যে ডেটা ট্র্যাক করতে চান তা খুঁজুন: পরিমাপের লক্ষ্য। ডিফল্টরূপে, আপনার দুটি পরিমাপের লক্ষ্য রয়েছে: ক্রয় মূল্য এবং ক্রয় সংখ্যা।
- ডিফল্ট লক্ষ্যগুলির সাথে একটি সিমুলেশন চালানোর জন্য সিমুলেটে ক্লিক করুন।
- সরান ক্লিক করুন. এটি শেষ পরিমাপের লক্ষ্য মুছে ফেলবে (সেক্ষেত্রে ক্রয়ের সংখ্যা)।
- সিমুলেট ক্লিক করুন।
- লক্ষ্য করুন যে ক্রয় মূল্যের জন্য শব্দের অনুপাত এখন এই দ্বিতীয় সিমুলেশনের জন্য কম (ভাল)। এর কারণ আপনার পরিমাপের লক্ষ্য কম, তাই আপনার একটি পরিমাপের লক্ষ্য এখন সমস্ত অবদান বাজেট পায়।
- রিসেট ক্লিক করুন। আপনার এখন আবার দুটি পরিমাপের লক্ষ্য রয়েছে: ক্রয় মূল্য এবং ক্রয় গণনা। নোট করুন যে নয়েজ ল্যাব স্বয়ংক্রিয়ভাবে আপনার দৃশ্যকল্পের পরিমাপের লক্ষ্যগুলির ব্যাপ্তি (গড় এবং সর্বোচ্চ মান) ব্যবহার করার জন্য স্কেলিং ফ্যাক্টরগুলি গণনা করে৷ ডিফল্টরূপে, নয়েজ ল্যাব পরিমাপের লক্ষ্য জুড়ে বাজেটকে সমানভাবে ভাগ করে।
- সিমুলেট ক্লিক করুন।
- ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন। সিমুলেশনে প্রদর্শিত স্কেলিং ফ্যাক্টরগুলির নোট নিন।
- এখন, আরও ভাল সংকেত-থেকে-শব্দ অনুপাত অর্জনের জন্য গোপনীয়তা বাজেট বিভাজন কাস্টমাইজ করা যাক।
- প্রতিটি পরিমাপের লক্ষ্যের জন্য বরাদ্দ করা বাজেটের % পরিবর্তন করুন। ডিফল্ট পরামিতি দেওয়া, পরিমাপ লক্ষ্য 1, যথা ক্রয় মান, পরিমাপ লক্ষ্য 2 এর চেয়ে অনেক বিস্তৃত পরিসর (0 এবং 1000 এর মধ্যে) রয়েছে, যথা ক্রয়ের সংখ্যা (1 এবং 1 এর মধ্যে অর্থাৎ সর্বদা 1 এর সমান)। এই কারণে, এটির "স্কেল করার জন্য আরও স্থান" প্রয়োজন: পরিমাপ লক্ষ্য 2 এর চেয়ে পরিমাপ লক্ষ্য 1-এ আরও বেশি অবদানের বাজেট বরাদ্দ করা আদর্শ হবে, যাতে এটি আরও দক্ষতার সাথে স্কেল করা যায় (স্কেলিং দেখুন), এবং তাই
- পরিমাপের লক্ষ্যে বাজেটের 70% বরাদ্দ করুন 1। পরিমাপের লক্ষ্য 2-এ 30% বরাদ্দ করুন।
- সিমুলেট ক্লিক করুন।
- ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন। ক্রয় মূল্যের জন্য, শব্দের অনুপাত আগের সিমুলেশনের তুলনায় এখন উল্লেখযোগ্যভাবে কম (ভাল)। ক্রয় গণনার জন্য, তারা মোটামুটি অপরিবর্তিত।
- মেট্রিক্স জুড়ে বাজেট বিভক্ত টুইক করতে থাকুন। এটি কীভাবে শব্দকে প্রভাবিত করে তা লক্ষ্য করুন।
মনে রাখবেন আপনি যোগ/সরান/রিসেট বোতামগুলির মাধ্যমে আপনার নিজস্ব কাস্টম পরিমাপের লক্ষ্য সেট করতে পারেন।
আপনি যদি একটি রূপান্তর ইভেন্টে একটি ডেটা পয়েন্ট (পরিমাপের লক্ষ্য) পরিমাপ করেন, যেমন রূপান্তর গণনা, সেই ডেটা পয়েন্টটি সমস্ত অবদান বাজেট (65536) পেতে পারে। আপনি যদি একটি রূপান্তর ইভেন্টে একাধিক পরিমাপের লক্ষ্য সেট করেন, যেমন রূপান্তর গণনা এবং ক্রয় মূল্য, তাহলে সেই ডেটা পয়েন্টগুলিকে অবদানের বাজেট ভাগ করতে হবে। এর মানে হল আপনার মান বাড়াতে আপনার কাছে কম অবকাশ আছে।
অতএব, আপনার যত বেশি পরিমাপের লক্ষ্য থাকবে, কম সংকেত-থেকে-শব্দ অনুপাত (উচ্চতর শব্দ) হওয়ার সম্ভাবনা রয়েছে।
পরিমাপের লক্ষ্য সংক্রান্ত আরেকটি সিদ্ধান্ত হল বাজেট বিভাজন। আপনি যদি অবদান বাজেটকে দুটি ডেটা পয়েন্টে সমানভাবে ভাগ করেন, প্রতিটি ডেটা পয়েন্ট 65536/2 = 32768 বাজেট পায়৷ প্রতিটি ডেটা পয়েন্টের জন্য সর্বাধিক সম্ভাব্য মানের উপর নির্ভর করে এটি সর্বোত্তম হতে পারে বা নাও হতে পারে৷ উদাহরণ স্বরূপ, আপনি যদি ক্রয়ের সংখ্যা পরিমাপ করছেন যার সর্বোচ্চ মান 1 এবং ক্রয় মূল্য সর্বনিম্ন 1 এবং সর্বোচ্চ 120 এর সাথে, তাহলে ক্রয়ের মানটি "আরও স্থান" বাড়ানোর দ্বারা উপকৃত হবে—এটি হল , অবদান বাজেটের একটি বৃহত্তর অনুপাত দেওয়া হবে. গোলমালের প্রভাবের ক্ষেত্রে কিছু পরিমাপের লক্ষ্য অন্যদের চেয়ে অগ্রাধিকার দেওয়া উচিত কিনা তা আপনি দেখতে পাবেন।
সিদ্ধান্ত: বহিরাগত ব্যবস্থাপনা
নয়েজ ল্যাবে চেষ্টা করে দেখুন
পরিমাপের লক্ষ্য হল রূপান্তর ইভেন্টে সংগৃহীত একটি স্বতন্ত্র ডেটা পয়েন্ট।
- অ্যাডভান্সড মোডে যান।
- প্যারামিটার সাইড প্যানেলে, আপনার একত্রীকরণ কৌশল > স্কেলিং সন্ধান করুন।
- নিশ্চিত করুন যে স্কেলিং হ্যাঁ সেট করা আছে। নোট করুন যে নয়েজ ল্যাব স্বয়ংক্রিয়ভাবে পরিমাপের লক্ষ্যগুলির জন্য আপনার দেওয়া ব্যাপ্তিগুলির (গড় এবং সর্বোচ্চ মান) উপর ভিত্তি করে ব্যবহার করা স্কেলিং ফ্যাক্টরগুলি গণনা করে৷
- ধরা যাক যে এখন পর্যন্ত করা সবচেয়ে বড় কেনাকাটা ছিল $2000, কিন্তু বেশিরভাগ কেনাকাটা $10-$120-এর মধ্যে হয়। প্রথমে, আসুন দেখি কি হবে যদি আমরা একটি আক্ষরিক স্কেলিং পদ্ধতি ব্যবহার করি (প্রস্তাবিত নয়): ক্রয়মূল্যের সর্বোচ্চ মান হিসাবে $2000 লিখুন।
- সিমুলেট ক্লিক করুন।
- লক্ষ্য করুন যে শব্দের অনুপাত বেশি। এর কারণ হল আমাদের স্কেলিং ফ্যাক্টর বর্তমানে $2000 এর উপর ভিত্তি করে গণনা করা হয়, যখন বাস্তবে বেশিরভাগ ক্রয়ের মান তার থেকে উল্লেখযোগ্যভাবে কম হবে।
- এখন, আরও বাস্তবসম্মত স্কেলিং পদ্ধতি ব্যবহার করা যাক। সর্বাধিক ক্রয় মান $120 এ পরিবর্তন করুন।
- সিমুলেট ক্লিক করুন।
- লক্ষ্য করুন যে এই দ্বিতীয় সিমুলেশনে শব্দের অনুপাত কম (ভাল)।
স্কেলিং বাস্তবায়ন করতে, আপনি সাধারণত একটি প্রদত্ত রূপান্তর ইভেন্টের জন্য সর্বাধিক সম্ভাব্য মানের উপর ভিত্তি করে একটি স্কেলিং ফ্যাক্টর গণনা করবেন ( এই উদাহরণে আরও জানুন )।
যাইহোক, সেই স্কেলিং ফ্যাক্টর গণনা করার জন্য আক্ষরিক সর্বাধিক মান ব্যবহার করা এড়িয়ে চলুন, কারণ এটি আপনার সংকেত-থেকে-শব্দের অনুপাতকে আরও খারাপ করবে। পরিবর্তে, outliers সরান এবং একটি বাস্তবসম্মত সর্বোচ্চ মান ব্যবহার করুন।
আউটলার ম্যানেজমেন্ট একটি গভীর বিষয়। সংকেত-থেকে-শব্দ অনুপাত উন্নত করতে বেশ কয়েকটি বিস্তৃত কৌশল বিবেচনা করা যেতে পারে। একটি উন্নত আউটলিয়ার ব্যবস্থাপনায় বর্ণিত হয়েছে।
পরবর্তী পদক্ষেপ
এখন যেহেতু আপনি আপনার ব্যবহারের ক্ষেত্রে বিভিন্ন শব্দ ব্যবস্থাপনার কৌশলগুলি মূল্যায়ন করেছেন, আপনি একটি অরিজিন ট্রায়ালের মাধ্যমে বাস্তব পরিমাপের ডেটা সংগ্রহ করে সারাংশ রিপোর্টের সাথে পরীক্ষা শুরু করতে প্রস্তুত৷ API ব্যবহার করে দেখতে গাইড এবং টিপস পর্যালোচনা করুন।
পরিশিষ্ট
নয়েজ ল্যাব দ্রুত সফর
নয়েজ ল্যাব আপনাকে দ্রুত মূল্যায়ন এবং গোলমাল ব্যবস্থাপনা কৌশল তুলনা করতে সাহায্য করে। এটি ব্যবহার করুন:
- শব্দের উপর প্রভাব ফেলতে পারে এমন প্রধান পরামিতিগুলি এবং তাদের প্রভাবগুলি বুঝুন।
- বিভিন্ন নকশা সিদ্ধান্ত প্রদত্ত আউটপুট পরিমাপ ডেটাতে শব্দের প্রভাব অনুকরণ করুন। আপনার ব্যবহারের ক্ষেত্রে কাজ করে এমন একটি সংকেত-থেকে-শব্দ অনুপাত না পৌঁছানো পর্যন্ত ডিজাইনের পরামিতিগুলি পরিবর্তন করুন।
- সংক্ষিপ্ত প্রতিবেদনের উপযোগিতা সম্পর্কে আপনার প্রতিক্রিয়া শেয়ার করুন: এপিসিলন এবং শব্দ প্যারামিটারের কোন মান আপনার জন্য কাজ করে, কোনটি নয়? ইনফ্লেকশন পয়েন্টগুলো কোথায়?
এটি একটি প্রস্তুতি পদক্ষেপ হিসাবে চিন্তা করুন. নয়েজ ল্যাব আপনার ইনপুটের উপর ভিত্তি করে সারাংশ রিপোর্ট আউটপুট অনুকরণ করতে পরিমাপ ডেটা তৈরি করে। এটি স্থায়ী বা কোনো ডেটা শেয়ার করে না।
নয়েজ ল্যাবে দুটি ভিন্ন মোড রয়েছে:
- সরল মোড: গোলমালের উপর আপনার নিয়ন্ত্রণের মৌলিক বিষয়গুলি বুঝুন।
- উন্নত মোড: বিভিন্ন শব্দ ব্যবস্থাপনার কৌশল পরীক্ষা করুন এবং আপনার ব্যবহারের ক্ষেত্রে কোনটি সর্বোত্তম সংকেত-থেকে-শব্দ অনুপাতের দিকে পরিচালিত করে তা মূল্যায়ন করুন।
দুটি মোডের মধ্যে টগল করতে উপরের মেনুতে বোতামগুলিতে ক্লিক করুন ( #1। নীচের স্ক্রিনশটে )।
সাধারণ ভাব
- সিম্পল মোডের মাধ্যমে, আপনি প্যারামিটারগুলি নিয়ন্ত্রণ করেন (বাম দিকে পাওয়া যায়, বা #2। নীচের স্ক্রিনশটে পাওয়া যায় ) যেমন এপসিলন, এবং দেখুন কিভাবে তারা শব্দকে প্রভাবিত করে।
- প্রতিটি প্যারামিটারে একটি টুলটিপ (একটি `?` বোতাম) থাকে। প্রতিটি প্যারামিটারের ব্যাখ্যা দেখতে এইগুলিতে ক্লিক করুন ( #3. নীচের স্ক্রিনশটে )
- শুরু করতে, "সিমুলেট" বোতামটি ক্লিক করুন এবং আউটপুটটি কেমন দেখাচ্ছে তা পর্যবেক্ষণ করুন ( #4. নীচের স্ক্রিনশটে )
- আউটপুট বিভাগে আপনি বিভিন্ন বিবরণ দেখতে পারেন। কিছু উপাদান এর পাশে একটি `?` আছে। তথ্যের বিভিন্ন অংশের ব্যাখ্যা দেখতে প্রতিটি `?` ক্লিক করার জন্য সময় নিন।
- আউটপুট বিভাগের মধ্যে, আপনি যদি টেবিলের একটি প্রসারিত সংস্করণ দেখতে চান তবে বিশদ টগল এ ক্লিক করুন ( নীচের স্ক্রিনশটে #5 )
- আউটপুট বিভাগে প্রতিটি ডেটা টেবিলের নীচে, অফলাইন ব্যবহারের জন্য টেবিলটি ডাউনলোড করার বিকল্প রয়েছে। উপরন্তু, নীচের ডানদিকে কোণায় সমস্ত ডেটা টেবিল ডাউনলোড করার একটি বিকল্প রয়েছে ( #6. নীচের স্ক্রিনশটে )
- পরামিতি বিভাগে পরামিতিগুলির জন্য বিভিন্ন সেটিংস পরীক্ষা করুন এবং তারা আউটপুটকে কীভাবে প্রভাবিত করে তা দেখতে সিমুলেট ক্লিক করুন:
সাধারণ মোডের জন্য নয়েজ ল্যাব ইন্টারফেস।
উন্নত মোড
- উন্নত মোডে, আপনার পরামিতিগুলির উপর আরো নিয়ন্ত্রণ আছে। আপনি কাস্টম পরিমাপের লক্ষ্য এবং মাত্রা যোগ করতে পারেন ( নীচের স্ক্রিনশটে #1 এবং #2 )
- প্যারামিটার বিভাগে আরও নীচে স্ক্রোল করুন এবং কী কৌশল বিকল্পটি দেখুন। এটি বিভিন্ন কী স্ট্রাকচার পরীক্ষা করতে ব্যবহার করা যেতে পারে ( #3. নীচের স্ক্রিনশটে )
- বিভিন্ন কী স্ট্রাকচার পরীক্ষা করতে, কী স্ট্র্যাটেজিকে "B" এ পরিবর্তন করুন
- আপনি ব্যবহার করতে চান এমন বিভিন্ন কী স্ট্রাকচারের সংখ্যা ইনপুট করুন (ডিফল্ট "2" এ সেট করা আছে)
- কী স্ট্রাকচার তৈরি করুন ক্লিক করুন
- প্রতিটি কী স্ট্রাকচারের জন্য আপনি যে কীগুলি অন্তর্ভুক্ত করতে চান তার পাশের চেকবক্সগুলিতে ক্লিক করে আপনি আপনার কী কাঠামো নির্দিষ্ট করার বিকল্পগুলি দেখতে পাবেন
- আউটপুট দেখতে সিমুলেট ক্লিক করুন।
উন্নত মোডের জন্য নয়েজ ল্যাব ইন্টারফেস। উন্নত মোডের জন্য নয়েজ ল্যাব ইন্টারফেস।
নয়েজ মেট্রিক্স
মূল ধারণা
স্বতন্ত্র ব্যবহারকারীর গোপনীয়তা রক্ষা করার জন্য নয়েজ যোগ করা হয়েছে।
একটি উচ্চ শব্দের মান নির্দেশ করে যে বালতি/কী বিরল এবং এতে সীমিত সংখ্যক সংবেদনশীল ইভেন্টের অবদান রয়েছে। এটি নয়েজ ল্যাব দ্বারা স্বয়ংক্রিয়ভাবে করা হয়, যাতে ব্যক্তিদের "ভিড়ের মধ্যে লুকিয়ে থাকতে" বা অন্য কথায়, এই সীমিত ব্যক্তিদের গোপনীয়তাকে আরও বেশি পরিমাণে যোগ করা শব্দের সাথে রক্ষা করে।
একটি কম শব্দের মান নির্দেশ করে যে ডেটা সেটআপটি এমনভাবে ডিজাইন করা হয়েছিল যা ইতিমধ্যেই ব্যক্তিদের "ভিড়ের মধ্যে লুকানোর" অনুমতি দেয়। এর অর্থ হল বালতিগুলিতে পর্যাপ্ত সংখ্যক ইভেন্ট থেকে অবদান রয়েছে তা নিশ্চিত করার জন্য যে স্বতন্ত্র ব্যবহারকারীর গোপনীয়তা সুরক্ষিত।
এই বিবৃতিটি গড় শতাংশ ত্রুটি (APE) এবং RMSRE_T (একটি থ্রেশহোল্ডের সাথে রুট-মিন-স্কয়ার আপেক্ষিক ত্রুটি) উভয়ের জন্যই সত্য।
APE (গড় শতাংশ ত্রুটি)
APE হল সংকেতের উপর গোলমালের অনুপাত, যথা সত্য সারাংশ মান।
p> নিম্ন APE মান মানে ভাল সংকেত থেকে শব্দ অনুপাত।
এপিই ইনফিনিটি হলে এর অর্থ কী? এর মানে হল প্রকৃত সারাংশের মান 0 ছিল, অর্থাৎ অন্তত একটি বালতি খালি ছিল। আরও পড়ুন [উদাহরণ বিভাগে](#noise-examples)।
সূত্র
একটি প্রদত্ত সারাংশ প্রতিবেদনের জন্য, APE নিম্নরূপ গণনা করা হয়:
![](https://developers.google.cn/static/privacy-sandbox/assets/images/apenoise-true-enois-e69aca84b50ef.png?authuser=3&hl=bn)
True হল সত্যিকারের সারাংশের মান। APE হল প্রতিটি সত্যিকারের সারাংশের মানের উপর গোলমালের গড়, একটি সারাংশ রিপোর্টের সমস্ত এন্ট্রির গড়। নয়েজ ল্যাবে, শতাংশ দিতে এটিকে 100 দ্বারা গুণ করা হয়।
সুবিধা - অসুবিধা
ছোট আকারের বালতিগুলি APE-এর চূড়ান্ত মানের উপর অসামঞ্জস্যপূর্ণ প্রভাব ফেলে। শব্দ মূল্যায়ন করার সময় এটি বিভ্রান্তিকর হতে পারে। এই কারণেই আমরা আর একটি মেট্রিক যোগ করেছি, RMSRE_T, যেটি APE-এর এই সীমাবদ্ধতা কমানোর জন্য ডিজাইন করা হয়েছে। বিস্তারিত জানার জন্য উদাহরণ পর্যালোচনা করুন.
কোড
APE গণনার জন্য সোর্স কোড পর্যালোচনা করুন.
RMSRE_T (একটি থ্রেশহোল্ড সহ রুট-মিন-বর্গ আপেক্ষিক ত্রুটি)
RMSRE_T (একটি থ্রেশহোল্ড সহ রুট-মিন-বর্গাকার আপেক্ষিক ত্রুটি) শব্দের জন্য আরেকটি পরিমাপ।
RMSRE_T কিভাবে ব্যাখ্যা করবেন
নিম্ন RMSRE_T মান মানে ভাল সংকেত-থেকে-শব্দ অনুপাত।
উদাহরণস্বরূপ, যদি আপনার ব্যবহারের ক্ষেত্রে গ্রহণযোগ্য একটি শব্দ অনুপাত হয় 20%, এবং RMSRE_T 0.2 হয়, তাহলে আপনি আত্মবিশ্বাসী হতে পারেন যে শব্দের মাত্রা আপনার গ্রহণযোগ্য সীমার মধ্যে পড়ে।
সূত্র
একটি প্রদত্ত সারাংশ প্রতিবেদনের জন্য, RMSRE_T নিম্নরূপ গণনা করা হয়:
![সূত্র](https://developers.google.cn/static/privacy-sandbox/assets/images/formula-rmsret-acca5b5c9752b.png?authuser=3&hl=bn)
সুবিধা - অসুবিধা
RMSRE_T APE-এর থেকে বোঝার জন্য একটু বেশি জটিল। যাইহোক, এটির কয়েকটি সুবিধা রয়েছে যা কিছু ক্ষেত্রে এটিকে সারাংশ প্রতিবেদনে গোলমাল বিশ্লেষণের জন্য APE-এর চেয়ে বেশি উপযুক্ত করে তোলে:
- RMSRE_T আরো স্থিতিশীল। "T" একটি থ্রেশহোল্ড। "T" ব্যবহার করা হয় RMSRE_T গণনায় কম ওজন দেওয়ার জন্য যে বালতিগুলির রূপান্তর কম এবং তাই ছোট আকারের কারণে শব্দের প্রতি বেশি সংবেদনশীল৷ T এর সাথে, কিছু রূপান্তর সহ মেট্রিক বালতিতে স্পাইক করে না। যদি T 5 এর সমান হয়, 0 রূপান্তর সহ একটি বালতিতে 1 এর মতো ছোট একটি শব্দের মান 1-এর উপরে প্রদর্শিত হবে না। পরিবর্তে, এটি 0.2-তে ক্যাপ করা হবে, যা 1/5 এর সমান, কারণ T সমান। থেকে 5. ছোট বালতিগুলিকে কম ওজন দেওয়ার মাধ্যমে যা শব্দের প্রতি বেশি সংবেদনশীল, এই মেট্রিকটি আরও স্থিতিশীল, এবং তাই দুটি সিমুলেশন তুলনা করা সহজ করে তোলে।
- RMSRE_T সহজে একত্রিত করার অনুমতি দেয়। একাধিক বাকেটের RMSRE_T জানা, তাদের প্রকৃত সংখ্যা সহ, আপনাকে তাদের যোগফলের RMSRE_T গণনা করতে দেয়। এটি আপনাকে এই সম্মিলিত মানগুলির জন্য RMSRE_T-এর জন্য অপ্টিমাইজ করার অনুমতি দেয়৷
যদিও এপিই-এর জন্য একত্রীকরণ সম্ভব, সূত্রটি বেশ জটিল কারণ এতে ল্যাপ্লেস নয়েজের যোগফলের পরম মান জড়িত। এটি এপিইকে অপ্টিমাইজ করা কঠিন করে তোলে।
কোড
RMSRE_T গণনার জন্য সোর্স কোড পর্যালোচনা করুন।
উদাহরণ
তিনটি বালতি সহ সংক্ষিপ্ত প্রতিবেদন:
- bucket_1 = noise: 10, trueSummaryValue: 100
- bucket_2 = noise: 20, trueSummaryValue: 100
- bucket_3 = noise: 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
তিনটি বালতি সহ সংক্ষিপ্ত প্রতিবেদন:
- bucket_1 = noise: 10, trueSummaryValue: 100
- bucket_2 = noise: 20, trueSummaryValue: 100
- bucket_3 = noise: 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
তিনটি বালতি সহ সংক্ষিপ্ত প্রতিবেদন:
- bucket_1 = noise: 10, trueSummaryValue: 100
- bucket_2 = noise: 20, trueSummaryValue: 100
- bucket_3 = noise: 20, trueSummaryValue: 0
APE = (0.1 + 0.2 + অসীম) / 3 = অসীম
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
উন্নত কী ব্যবস্থাপনা
একটি ডিএসপি বা বিজ্ঞাপন পরিমাপ কোম্পানির হাজার হাজার বিশ্বব্যাপী বিজ্ঞাপন গ্রাহক থাকতে পারে, একাধিক শিল্প, মুদ্রা এবং ক্রয় মূল্যের সম্ভাবনা রয়েছে। এর মানে হল যে প্রতি বিজ্ঞাপনদাতা একটি একত্রিতকরণ কী তৈরি এবং পরিচালনা করা সম্ভবত অত্যন্ত অব্যবহারিক হবে৷ উপরন্তু, এই হাজার হাজার বিশ্বব্যাপী বিজ্ঞাপনদাতাদের মধ্যে গোলমালের প্রভাবকে সীমিত করতে পারে এমন একটি সর্বাধিক সমষ্টিগত মান এবং একত্রিত বাজেট নির্বাচন করা চ্যালেঞ্জিং হবে। পরিবর্তে, আসুন নিম্নলিখিত পরিস্থিতিতে বিবেচনা করা যাক:
মূল কৌশল এ
বিজ্ঞাপন প্রযুক্তি প্রদানকারী তার সমস্ত বিজ্ঞাপন গ্রাহকদের জন্য একটি কী তৈরি এবং পরিচালনা করার সিদ্ধান্ত নেয়। সমস্ত বিজ্ঞাপনদাতা এবং সমস্ত মুদ্রা জুড়ে, ক্রয়ের পরিসর কম ভলিউম, উচ্চ-সম্পদ কেনাকাটা থেকে উচ্চ ভলিউম, কম-এন্ড ক্রয় পর্যন্ত পরিবর্তিত হয়। এর ফলে নিম্নলিখিত কী পাওয়া যায়:
কী (একাধিক মুদ্রা) | |
---|---|
সর্বাধিক সমষ্টিগত মান | 5,000,000 |
ক্রয় মান পরিসীমা | [120 - 5000000] |
মূল কৌশল বি
বিজ্ঞাপন প্রযুক্তি প্রদানকারী তার সমস্ত বিজ্ঞাপন গ্রাহকদের জন্য দুটি কী তৈরি এবং পরিচালনা করার সিদ্ধান্ত নেয়। তারা মুদ্রা দ্বারা চাবি পৃথক করার সিদ্ধান্ত নেয়। সমস্ত বিজ্ঞাপনদাতা এবং সমস্ত মুদ্রা জুড়ে, ক্রয়ের পরিসর কম ভলিউম, উচ্চ-সম্পদ কেনাকাটা থেকে উচ্চ ভলিউম, কম-এন্ড ক্রয় পর্যন্ত পরিবর্তিত হয়। মুদ্রা দ্বারা পৃথক করে, তারা 2টি কী তৈরি করে:
কী 1 (USD) | কী 2 (¥) | |
---|---|---|
সর্বাধিক সমষ্টিগত মান | $40,000 | ¥5,000,000 |
ক্রয় মান পরিসীমা | [120 - 40,000] | [15,000 - 5,000,000] |
কী স্ট্র্যাটেজি B-এর ফলাফলে কী স্ট্র্যাটেজি A-এর তুলনায় কম আওয়াজ হবে, কারণ মুদ্রার মানগুলি মুদ্রার মধ্যে সমানভাবে বিতরণ করা হয় না। উদাহরণ স্বরূপ, বিবেচনা করুন কিভাবে ¥ তে ডিনোমিনেট করা ক্রয়গুলি USD তে ডিনোমিনেট করা ক্রয়ের সাথে মিশেলে অন্তর্নিহিত ডেটা এবং এর ফলে শোরগোল আউটপুট পরিবর্তন হবে৷
মূল কৌশল সি
বিজ্ঞাপন প্রযুক্তি প্রদানকারী তার সমস্ত বিজ্ঞাপন গ্রাহকদের জন্য চারটি কী তৈরি এবং পরিচালনা করার সিদ্ধান্ত নেয় এবং মুদ্রা x বিজ্ঞাপনদাতা শিল্পের দ্বারা আলাদা করার সিদ্ধান্ত নেয়:
কী 1 (USD x হাই-এন্ড জুয়েলারি বিজ্ঞাপনদাতা) | কী 2 (¥ x হাই-এন্ড জুয়েলারী বিজ্ঞাপনদাতারা) | কী 3 (USD x পোশাক খুচরা বিক্রেতা বিজ্ঞাপনদাতা) | কী 4 (¥ x পোশাক খুচরা বিক্রেতা বিজ্ঞাপনদাতা) | |
---|---|---|---|---|
সর্বাধিক সমষ্টিগত মান | $40,000 | ¥5,000,000 | $500 | ¥65,000 |
ক্রয় মান পরিসীমা | [১০,০০০ - ৪০,০০০] | [1,250,000 - 5,000,000] | [120 - 500] | [15,000 - 65,000] |
কী স্ট্র্যাটেজি C-এর ফলাফলে কী স্ট্র্যাটেজি B-এর তুলনায় কম আওয়াজ হবে, কারণ বিজ্ঞাপনদাতাদের ক্রয় মানগুলি বিজ্ঞাপনদাতাদের মধ্যে সমানভাবে বিতরণ করা হয় না। উদাহরণ স্বরূপ, বিবেচনা করুন কিভাবে বেসবল টুপির কেনাকাটার সাথে হাই-এন্ড জুয়েলারির ক্রয়গুলি অন্তর্নিহিত ডেটা এবং এর ফলে শোরগোল আউটপুটকে পরিবর্তন করবে।
আউটপুটে শব্দ কমানোর জন্য একাধিক বিজ্ঞাপনদাতাদের মধ্যে সাধারণতার জন্য শেয়ার করা সর্বোচ্চ সমষ্টিগত মান এবং শেয়ার্ড স্কেলিং ফ্যাক্টর তৈরি করার কথা বিবেচনা করুন। উদাহরণস্বরূপ, আপনি আপনার বিজ্ঞাপনদাতাদের জন্য নীচের বিভিন্ন কৌশল নিয়ে পরীক্ষা করতে পারেন:
- মুদ্রা দ্বারা পৃথক একটি কৌশল (USD, ¥, CAD, ইত্যাদি)
- বিজ্ঞাপনদাতা শিল্প দ্বারা পৃথক একটি কৌশল (বীমা, অটো, খুচরা, ইত্যাদি)
- একটি কৌশল অনুরূপ ক্রয় মূল্য সীমা দ্বারা পৃথক করা হয়েছে ([100], [1000], [10000], ইত্যাদি)
বিজ্ঞাপনদাতার সাধারণতার চারপাশে মূল কৌশল তৈরি করার মাধ্যমে, কী এবং সংশ্লিষ্ট কোডগুলি পরিচালনা করা সহজ হয় এবং সংকেত-থেকে-শব্দের অনুপাত উচ্চতর হয়। নয়েজ ইমপ্যাক্ট বনাম কোড ম্যানেজমেন্টকে সর্বাধিক করার ক্ষেত্রে ইনফ্লেকশন পয়েন্টগুলি উন্মোচন করতে বিভিন্ন বিজ্ঞাপনদাতার মিলের সাথে বিভিন্ন কৌশল নিয়ে পরীক্ষা করুন।
উন্নত আউটলার ব্যবস্থাপনা
দুটি বিজ্ঞাপনদাতা জুড়ে একটি দৃশ্য বিবেচনা করা যাক:
- বিজ্ঞাপনদাতা A:
- বিজ্ঞাপনদাতা A-এর সাইটের সমস্ত পণ্য জুড়ে, ক্রয় মূল্যের সম্ভাবনা [$120 - $1,000] এর মধ্যে, $880 এর পরিসরে।
- ক্রয় মূল্যগুলি $880 সীমা জুড়ে সমানভাবে বিতরণ করা হয় যেখানে মধ্যম ক্রয় মূল্য থেকে দুটি মানক বিচ্যুতির বাইরে কোন আউটলার নেই৷
- বিজ্ঞাপনদাতা বি:
- বিজ্ঞাপনদাতা B-এর সাইটে সমস্ত পণ্য জুড়ে, ক্রয় মূল্যের সম্ভাবনা [$120 - $1,000] এর মধ্যে, $880 এর পরিসরে।
- ক্রয় মূল্য $120 - $500 এর রেঞ্জের দিকে প্রবলভাবে তির্যক হয়ে যায়, মাত্র 5% কেনাকাটা $500 - $1,000 রেঞ্জের মধ্যে হয়।
অবদানের বাজেটের প্রয়োজনীয়তা এবং যে পদ্ধতির সাহায্যে [গোলমাল প্রয়োগ করা হয়](/privacy-sandbox/relevance/attribution-reporting/understanding-noise/#how-noise-is-applied) শেষ ফলাফলের জন্য, বিজ্ঞাপনদাতা B করবে, ডিফল্ট, বিজ্ঞাপনদাতা A-এর তুলনায় একটি শোরগোল আউটপুট আছে, কারণ বিজ্ঞাপনদাতা B-এর অন্তর্নিহিত গণনাগুলিকে প্রভাবিত করার জন্য বহিরাগতদের উচ্চ সম্ভাবনা রয়েছে।
একটি নির্দিষ্ট কী সেটআপ দিয়ে এটি প্রশমিত করা সম্ভব। কী কৌশলগুলি পরীক্ষা করুন যা বাইরের ডেটা পরিচালনা করতে এবং কীটির ক্রয় পরিসর জুড়ে ক্রয়ের মানগুলি আরও সমানভাবে বিতরণ করতে সহায়তা করে।
বিজ্ঞাপনদাতা B-এর জন্য, আপনি দুটি ভিন্ন ক্রয় মূল্যের ব্যাপ্তি ক্যাপচার করতে দুটি পৃথক কী তৈরি করতে পারেন। এই উদাহরণে, বিজ্ঞাপন প্রযুক্তি উল্লেখ করেছে যে বহিরাগত $500 ক্রয় মূল্যের উপরে প্রদর্শিত হয়। এই বিজ্ঞাপনদাতার জন্য দুটি পৃথক কী প্রয়োগ করার চেষ্টা করুন:
- মূল কাঠামো 1 : কী যা শুধুমাত্র $120 - $500 এর মধ্যে কেনাকাটা ক্যাপচার করে (মোট ক্রয়ের পরিমাণের ~95% কভার করে)।
- মূল কাঠামো 2: কী যা শুধুমাত্র $500 এর উপরে কেনাকাটা ক্যাপচার করে (মোট ক্রয়ের পরিমাণের ~5% কভার করে)।
এই মূল কৌশলটি বাস্তবায়নের জন্য বিজ্ঞাপনদাতা B-এর জন্য আরও ভালভাবে গোলমাল পরিচালনা করা উচিত এবং সারাংশ রিপোর্টগুলি থেকে তাদের জন্য উপযোগিতা সর্বাধিক করতে সাহায্য করা উচিত। নতুন ছোট রেঞ্জের প্রেক্ষিতে, কী A এবং কী B-এর এখন আগের একক কী-এর মতো প্রতিটি নিজ নিজ কী জুড়ে ডেটার আরও অভিন্ন বন্টন থাকা উচিত। এর ফলে প্রতিটি কী-এর আউটপুটে আগের একক কী-এর মতো শব্দের প্রভাব কম হবে।