لمحة عن هذا المستند
من خلال قراءة هذه المقالة، ستتمكّن من:
- فهم الاستراتيجيات التي يجب إنشاؤها قبل إنشاء تقارير تلخيصية.
- ندعوك للتعرّف على أداة Noise Lab، وهي أداة تساعد في فهم تأثيرات مَعلَمات الضوضاء المختلفة، وتتيح استكشاف استراتيجيات متنوعة لإدارة الضوضاء وتقييمها بسرعة.
![لقطة شاشة من Noise Lab](https://developers.google.cn/static/privacy-sandbox/assets/images/screenshot-noise-lab-fabb063f24c11.png?authuser=7&hl=ar)
مشاركة ملاحظاتك
بينما تلخص هذه الوثيقة بعض المبادئ للعمل مع التقارير الموجزة، هناك طرق متعددة لإدارة الضوضاء قد لا تنعكس هنا. نرحب باقتراحاتك وإضافاتك وأسئلتك.
- ولتقديم ملاحظات عامة حول استراتيجيات إدارة الضوضاء حول فائدة واجهة برمجة التطبيقات (epsilon) أو خصوصيتها، ولمشاركة ملاحظاتك عند المحاكاة باستخدام Noise Lab: التعليق على هذه المشكلة
- لتقديم ملاحظات عامة حول Noise Lab (طرح سؤال، أو الإبلاغ عن خطأ، طلب ميزة): إنشاء مشكلة جديدة هنا
- لتقديم ملاحظات عامة حول جانب آخر من واجهة برمجة التطبيقات: إنشاء مشكلة جديدة هنا
قبل البدء
- اقرأ تقارير الإحالة: التقارير الموجزة ونظرة عامة كاملة على النظام لإعداد تقارير الإحالة للاطلاع على مقدمة.
- تحقّق من فهم الضوضاء وفهم مفاتيح التجميع للاستفادة إلى أقصى حدّ من هذا الدليل.
قرارات التصميم
مبدأ التصميم الأساسي
هناك اختلافات أساسية بين طريقة عمل ملفات تعريف الارتباط التابعة لجهات خارجية والتقارير التلخيصية. يتمثل أحد الاختلافات الرئيسية في التشويش الذي يضاف إلى بيانات القياس في التقارير التلخيصية. والطريقة الأخرى هي جدولة التقارير.
للوصول إلى بيانات قياس تقارير الملخص التي تتمتع بنسب أعلى من الإشارة إلى التشويش، ستحتاج منصات عرض الطلب (DSP) ومزوّدي خدمة قياس الإعلانات (DSP) ومزوّدي خدمة قياس الإعلانات إلى العمل مع المعلنين لوضع استراتيجيات لإدارة التشويش. لوضع هذه الإستراتيجيات، يحتاج مقدمو خدمات القياس ومقدّمو خدمات القياس إلى اتخاذ قرارات بشأن التصميم. تدور هذه القرارات حول مفهوم أساسي واحد:
في حين تُستمد قيم التشويش من مَعلمتَين⏤إبسيلون وميزانية المساهمة.
على الرغم من أننا نتوقع أن تؤدي العملية التكرارية إلى أفضل القرارات، إلا أن كل تنوع في هذه القرارات سيؤدّي إلى تنفيذ مختلف قليلاً، وبالتالي يجب اتّخاذ هذه القرارات قبل كتابة كل تكرار للرمز (وقبل عرض الإعلانات).
القرار: دقة البُعد
تجربة الميزة في معمل Noise Lab
- الانتقال إلى "الوضع المتقدّم"
- في اللوحة الجانبية "المَعلمات"، ابحث عن بيانات إحالاتك الناجحة.
- لاحظ المَعلمات التلقائية. بشكل تلقائي، يبلغ عدد الإحالات الناجحة اليومية الإجمالية 1, 000. يبلغ متوسط هذا المقياس حوالي 40 لكل حزمة إذا كنت تستخدم الإعداد التلقائي (السمات التلقائية، والعدد التلقائي للقيم المختلفة المحتملة لكل سمة، والاستراتيجية الرئيسية (أ). لاحظ أنّ القيمة 40 في حقل "متوسط عدد الإحالات الناجحة اليومية القابلة للإحالة" لكل حزمة.
- انقر على "محاكاة" لتشغيل محاكاة باستخدام المعلَمات التلقائية.
- في اللوحة الجانبية "المَعلمات"، ابحث عن "السمات". أعِد تسمية الموقع الجغرافي ليصبح المدينة وغيِّر عدد القيم المختلفة المحتملة إلى 50.
- لاحِظ تأثير هذا التغيير في متوسط عدد الإحالات الناجحة اليومية المنسوبة لكل سلة. وهي الآن أقل بكثير. ويرجع ذلك إلى أنّه في حال زيادة عدد القيم المحتملة ضمن هذه السمة بدون تغيير أي إجراء آخر، سيؤدي ذلك إلى زيادة إجمالي عدد مجموعات البيانات بدون تغيير عدد أحداث الإحالات الناجحة التي ستدرج في كل مجموعة.
- انقر على "محاكاة".
- راقِب نِسب التشويش في المحاكاة الناتجة: أصبحت نِسب التشويش الآن أعلى منها في المحاكاة السابقة.
استنادًا إلى مبدأ التصميم الأساسي، من المحتمل أن تكون القيم التلخيصية الصغيرة أكثر تشويشًا من القيم التلخيصية الكبيرة. بالتالي، يؤثر اختيار الإعدادات في عدد أحداث الإحالات الناجحة التي يتم تحديد مصدرها والتي تنتهي في كل حزمة (يُشار إليها باسم مفتاح التجميع)، ويؤثر هذا الكمية في حدوث تشويش في تقارير ملخّص المخرجات النهائية.
إنّ دقة السمات هي أحد قرارات التصميم التي تؤثّر في عدد أحداث الإحالات الناجحة المحدّدة ضمن مجموعة واحدة. ضع في اعتبارك الأمثلة التالية لمفاتيح التجميع وأبعادها:
- النهج 1: بنية رئيسية واحدة ذات أبعاد تقريبية: البلد x الحملة الإعلانية (أو أكبر مجموعة بيانات لتجميع الحملات) x نوع المنتج (من 10 أنواع ممكنة من المنتجات)
- النهج 2: بنية رئيسية واحدة ذات أبعاد دقيقة: المدينة x رقم تعريف تصميم الإعلان x المنتج (من بين 100 منتج محتمل)
أما المدينة، فهي أكثر دقة من البلد، ورقم تعريف تصميم الإعلان أكثر دقّة من الحملة، والمنتج أكثر دقّة من نوع المنتج. وبالتالي، سيكون للطريقة 2 عدد أقل من الأحداث (الإحالات الناجحة) لكل حزمة (= لكل مفتاح) في مخرجات التقرير الملخص مقارنةً بالطريقة 1. نظرًا لأنّ تشويش البيانات التي تتم إضافتها إلى المخرجات غير مرتبط بعدد الأحداث في الحزمة، ستكون بيانات القياس في التقارير الموجزة أكثر تشويشًا باستخدام الطريقة 2. بالنسبة إلى كل معلن، جرب حلولاً مختلفة من بين مستويات الدقة في تصميم المفتاح من أجل تحقيق أقصى فائدة في النتائج.
القرار: الهياكل الرئيسية
تجربة الميزة في معمل Noise Lab
في الوضع البسيط، يتم استخدام بنية المفاتيح التلقائية. في الوضع المتقدم، يمكنك تجربة بُنى رئيسية مختلفة. يتم تضمين بعض الأمثلة على الأبعاد، ويمكنك أيضًا تعديلها.
- الانتقال إلى "الوضع المتقدّم"
- في اللوحة الجانبية "المَعلمات"، ابحث عن "الاستراتيجية الرئيسية". لاحظ أنّ الاستراتيجية التلقائية، المسماة A في الأداة، تستخدم بنية أساسية واحدة دقيقة تتضمّن جميع السمات: الموقع الجغرافي x رقم تعريف الحملة x فئة المنتج.
- انقر على "محاكاة".
- راقِب نِسب التشويش في المحاكاة الناتجة.
- غيِّر الاستراتيجية الرئيسية إلى "ب". وسيؤدي ذلك إلى عرض عناصر تحكّم إضافية لضبط بنية مفتاحك.
- اضبط بنية المفتاح على النحو التالي:
- عدد البنى الرئيسية: 2
- بنية المفتاح 1 = الموقع الجغرافي x فئة المنتج.
- البنية الأساسية 2 = رقم تعريف الحملة × فئة المنتج.
- انقر على "محاكاة".
- تجدر الإشارة إلى أنّك تحصل الآن على تقريرَين ملخّصَين لكل نوع من أهداف القياس (اثنان لعدد عمليات الشراء، واثنان لقيمة الشراء)، لأنّك تستخدم بنيتَين رئيسيتَين مختلفتَين. راقب نِسب الضوضاء فيها.
- يمكنك أيضًا تجربة ذلك باستخدام سماتك المخصّصة. لإجراء ذلك، ابحث عن البيانات التي تريد تتبُّعها: السمات. ننصحك بإزالة الأمثلة على السمات، وإنشاء السمات الخاصة بك باستخدام أزرار "إضافة/إزالة/إعادة ضبط" أسفل السمة الأخيرة.
يُعدّ قرار التصميم الآخر الذي سيؤثر في عدد أحداث الإحالات الناجحة المحدّدة ضمن مجموعة واحدة هو البُنى الرئيسية التي تقرّر استخدامها. ضع في اعتبارك الأمثلة التالية لمفاتيح التجميع:
- هيكل رئيسي واحد مع جميع الأبعاد؛ دعنا نسمي هذه الإستراتيجية الأساسية (أ).
- هناك بنيتان رئيسيتان، ولكل منهما مجموعة فرعية من الأبعاد؛ ولنسمي هذه الإستراتيجية الرئيسية ب.
![الرسم التخطيطي:](https://developers.google.cn/static/privacy-sandbox/assets/images/diagram-buckets-key-str-2867c3ab534a7.png?authuser=7&hl=ar)
الإستراتيجية أ أبسط - ولكنك قد تحتاج إلى تجميع (مجموع) قيم الملخص المزعجة التي تضمنت تقارير موجزة للوصول إلى رؤى معينة. من خلال جمع هذه القيم، يتم أيضًا تلخيص هذه القيم. مع الإستراتيجية ب، قد تمنحك قيم الملخص المعروضة في تقارير الملخص المعلومات التي تحتاجها بالفعل. وهذا يعني أنّ الاستراتيجية "ب" ستؤدي على الأرجح إلى نِسب إشارة إلى ضوضاء أفضل من الاستراتيجية "أ". ومع ذلك، قد تكون هناك ضجيج مقبول مع الاستراتيجية "أ"، لذلك قد تقرر تفضيل الاستراتيجية "أ" لتبسيطها. اطّلِع على مزيد من المعلومات في المثال المفصّل الذي يوضّح هاتَين الاستراتيجيتَين.
إدارة المفاتيح هي موضوع عميق. يمكن النظر في عدد من التقنيات المتطورة لتحسين نسب الإشارة إلى الضوضاء. يتم وصف أحدهما في إدارة المفاتيح المتقدّمة.
القرار: تكرار التجميع
تجربة الميزة في معمل Noise Lab
- انتقِل إلى الوضع البسيط (أو الوضع المتقدّم)، لأنّ كلا الوضعين يعملان بالطريقة نفسها.
- في اللوحة الجانبية "المَعلمات"، ابحث عن استراتيجية التجميع > معدّل تكرار التجميع. يشير ذلك إلى معدّل تكرار تجميع التقارير القابلة للتجميع التي تتم معالجتها باستخدام خدمة التجميع في مهمة واحدة.
- يُرجى مراعاة معدّل تكرار التجميع التلقائي: تتم تلقائيًا محاكاة معدّل التجميع اليومي.
- انقر على "محاكاة".
- راقِب نِسب التشويش في المحاكاة الناتجة.
- غيِّر معدّل تكرار التجميع إلى أسبوعي.
- راقِب نِسب التشويش في المحاكاة الناتجة: أصبحت نِسب التشويش الآن أقل (أفضل) مقارنةً بالمحاكاة السابقة.
هناك قرار آخر بشأن التصميم سيؤثر في عدد أحداث الإحالات الناجحة المحدَّدة المصدر ضمن حزمة واحدة، وهو معدّل تكرار التجميع الذي تقرّر استخدامه. وتتمثل وتيرة المعالجة في عدد المرات التي تعالج فيها التقارير القابلة للتجميع.
سيتضمّن التقرير المُجدولة للتجميع بشكلٍ متكرر (على سبيل المثال كل ساعة) عدد أحداث إحالات ناجحة أقل من التقرير نفسه مع جدول تجميع أقل تكرارًا (على سبيل المثال كل أسبوع). نتيجةً لذلك، سيشمل التقرير كل ساعة المزيد من التشويش.```، ويحتوي التقرير على عدد أقلّ من أحداث الإحالات الناجحة المضمَّنة في التقرير نفسه، مع جدول تجميع أقل تكرارًا (على سبيل المثال، كل أسبوع). نتيجة لذلك، سيكون للتقرير كل ساعة نسبة إشارة إلى ضوضاء أقل من التقرير الأسبوعي، حيث ستكون جميع العوامل الأخرى متساوية. يمكنك تجربة متطلبات إعداد التقارير على ترددات مختلفة، وتقييم نسب الإشارة إلى الضوضاء لكل تردّدات صوت.
اطّلِع على مزيد من المعلومات في قسم التجميع والتجميع على مدار فترات زمنية أطول.
القرار: متغيرات الحملة التي تؤثر في الإحالات الناجحة التي يمكن تحديد مصدرها
تجربة الميزة في معمل Noise Lab
في حين أنّه قد يكون من الصعب توقّع حدوث ذلك وقد يكون له تفاوتات كبيرة بالإضافة إلى التأثيرات الموسمية، حاوِل تقدير عدد الإحالات الناجحة اليومية المنسوبة للنقرة الواحدة إلى أقرب قوة وهي 10: 10 أو 100 أو 1,000 أو 10,000.
- الانتقال إلى "الوضع المتقدّم"
- في اللوحة الجانبية "المَعلمات"، ابحث عن بيانات إحالاتك الناجحة.
- لاحظ المَعلمات التلقائية. بشكل تلقائي، يبلغ عدد الإحالات الناجحة اليومية الإجمالية 1, 000. يبلغ متوسط هذا المقياس حوالي 40 لكل حزمة إذا كنت تستخدم الإعداد التلقائي (السمات التلقائية، والعدد التلقائي للقيم المختلفة المحتملة لكل سمة، والاستراتيجية الرئيسية (أ). لاحظ أنّ القيمة 40 في حقل "متوسط عدد الإحالات الناجحة اليومية القابلة للإحالة" لكل حزمة.
- انقر على "محاكاة" لتشغيل محاكاة باستخدام المعلَمات التلقائية.
- راقِب نِسب التشويش في المحاكاة الناتجة.
- اضبط الآن عدد الإحالات الناجحة اليومية المنسوبة إلى TOTAL على 100. يُرجى العلم أنّ ذلك يؤدي إلى تقليل قيمة "متوسط عدد الإحالات الناجحة اليومية القابلة للإحالة" لكل حزمة.
- انقر على "محاكاة".
- يُرجى العلم أنّ نِسب التشويش أصبحت أعلى الآن، ويرجع ذلك إلى أنّه عندما يكون لديك عدد أقل من الإحالات الناجحة لكل مجموعة، يتم تطبيق المزيد من التشويش للحفاظ على الخصوصية.
إنّ أحد الاختلافات المهمة هو إجمالي عدد الإحالات الناجحة المحتملة لأحد المعلنين في مقابل إجمالي عدد الإحالات الناجحة المحدّدة المحتمَلة. الأخير هو ما يؤثر في النهاية على الضوضاء في التقارير الملخصة. الإحالات الناجحة المنسوبة هي مجموعة فرعية من إجمالي الإحالات الناجحة التي تكون عُرضة لمتغيرات الحملة، مثل ميزانية الإعلان واستهداف الإعلانات. على سبيل المثال، تتوقّع أن يكون عدد الإحالات الناجحة المنسوبة لحملة إعلانية بقيمة 10 ملايين دولار أمريكي (أو ما يعادلها بالعملة المحلية) مقارنةً لحملة إعلانية بقيمة 10 آلاف دولار أمريكي (أو ما يعادلها بالعملة المحلّية)، على الرغم من تساوي جميع العوامل الأخرى.
أمور تجب مراعاتها:
- تقييم الإحالات الناجحة المنسوبة إلى نموذج إحالة الجهاز نفسه الذي يعمل بلمسة واحدة، لأن هذه الإحالات الناجحة تقع ضمن نطاق التقارير التلخيصية التي تم جمعها باستخدام Attribution Reporting API.
- ضع في اعتبارك عدد السيناريوهات الأسوأ وأفضل سيناريو للإحالات الناجحة التي تمّ تحديد مصدرها. على سبيل المثال، إذا كانت كل العوامل الأخرى متساوية، ففكر في الحد الأدنى والأقصى لميزانيات الحملات الممكنة للمعلن، ثم الإحالات الناجحة المنسوبة للمشروع، لكلا النتيجتين كمدخلات في المحاكاة.
- إذا كنت تفكر في استخدام مبادرة حماية الخصوصية على Android، فكِّر في استخدام الإحالات الناجحة المنسوبة من عدّة منصات عند العملية الحسابية.
القرار: استخدام التوسعة
تجربة الميزة في معمل Noise Lab
- الانتقال إلى "الوضع المتقدّم"
- في اللوحة الجانبية "المَعلمات"، ابحث عن استراتيجية التجميع الخاصة بك > التحجيم. يتم تعيينها تلقائيًا على "Yes" (نعم).
- لفهم التأثيرات الإيجابية للتحجيم على نسبة التشويش، اضبط أولاً تغيير الحجم على "لا".
- انقر على "محاكاة".
- راقِب نِسب التشويش في المحاكاة الناتجة.
- اضبط التحجيم على "نعم". يُرجى العلم أنّ ميزة Noise Lab تحتسب تلقائيًا عوامل القياس التي سيتم استخدامها وفقًا للنطاقات (المتوسط والحد الأقصى للقيم) لأهداف القياس الخاصة بالسيناريو الذي تريده. في نظام حقيقي أو إعداد تجريبي المصدر، قد تحتاج إلى تنفيذ عمليات حسابية خاصة بك لعوامل القياس.
- انقر على "محاكاة".
- يُرجى ملاحظة أنّ نِسب التشويش أصبحت الآن أقل (أفضل) في هذه المحاكاة الثانية. هذا لأنك تستخدم التحجيم.
استنادًا إلى مبدأ التصميم الأساسي، فإنّ التشويش الذي تتم إضافته هو أحد وظائف ميزانية المساهمة.
لذلك، لزيادة نِسب الإشارة إلى التشويش، يمكنك اختيار تحويل القيم التي تم جمعها خلال حدث إحالة ناجحة من خلال تكبيرها وفقًا لميزانية المساهمة (وخفض حجمها بعد تجميع البيانات). استخدِم التحجيم لزيادة نِسب الإشارة إلى التشويش.
القرار: عدد أهداف القياس وتقسيم ميزانية الخصوصية
يتعلق هذا الأمر بالتحجيم، احرص على قراءة مقالة استخدام التحجيم.
تجربة الميزة في معمل Noise Lab
هدف القياس هو نقطة بيانات مميّزة يتم جمعها في أحداث الإحالات الناجحة.
- الانتقال إلى "الوضع المتقدّم"
- في لوحة "المَعلمات" الجانبية، ابحث عن البيانات التي تريد تتبُّعها: أهداف القياس. ويكون لديك تلقائيًا هدفَين للقياس: قيمة الشراء وعدد عمليات الشراء.
- انقر على "محاكاة" لإجراء محاكاة بالأهداف التلقائية.
- انقر على "إزالة". سيؤدي ذلك إلى إزالة هدف القياس الأخير (عدد عمليات الشراء في هذه الحالة).
- انقر على "محاكاة".
- يُرجى ملاحظة أنّ نِسب التشويش الآن لقيمة الشراء أصبحت أدنى (أفضل) في هذه المحاكاة الثانية. ويرجع ذلك إلى أنّ أهداف القياس لديك أقل، وبالتالي ستحصل الآن على ميزانية المساهمة بأكملها لهدف القياس الوحيد.
- انقر على "إعادة ضبط". لديك الآن هدفان للقياس مرة أخرى: قيمة الشراء وعدد عمليات الشراء. يُرجى العلم أنّ ميزة Noise Lab تحتسب تلقائيًا عوامل القياس التي سيتم استخدامها وفقًا للنطاقات (المتوسط والحد الأقصى للقيم) لأهداف القياس الخاصة بالسيناريو الذي تريده. تقسّم ميزة Noise Lab تلقائيًا الميزانية بالتساوي على جميع أهداف القياس.
- انقر على "محاكاة".
- راقِب نِسب التشويش في المحاكاة الناتجة. لاحِظ عوامل القياس المعروضة في المحاكاة.
- لنخصِّص الآن تقسيم ميزانية الخصوصية لتحقيق نِسب أفضل من الإشارة إلى الضوضاء.
- تعديل النسبة المئوية للميزانية المحددة لكل هدف قياس. بناءً على المَعلمات التلقائية، يكون لهدف القياس 1، وهو قيمة الشراء، نطاقًا أوسع بكثير (بين 0 و1000) من هدف القياس 2، وهو عدد عمليات الشراء (بين 1 و1، أي يساوي دائمًا 1). لهذا السبب، يحتاج الأمر إلى "مساحة أكبر للتوسّع": سيكون من المثالي تخصيص ميزانية مساهمة لهدف القياس 1 أكبر من هدف القياس 2، وذلك كي يمكن توسيعه بكفاءة أكبر (راجِع "التحجيم")، وبالتالي
- خصِّص% 70 من الميزانية لهدف القياس 1. خصِّص% 30 لهدف القياس 2.
- انقر على "محاكاة".
- راقِب نِسب التشويش في المحاكاة الناتجة. بالنسبة إلى قيمة الشراء، أصبحت نسب التشويش الآن أقل بشكل ملحوظ (أفضل) مقارنةً بالمحاكاة السابقة. أمّا بالنسبة إلى عدد عمليات الشراء، فلا يطرأ أي تغيير تقريبًا على عدد عمليات الشراء.
- استمر في تعديل تقسيم الميزانية عبر المقاييس. راقِب تأثير ذلك في التشويش.
تجدر الإشارة إلى أنّه يمكنك تحديد أهداف القياس المخصّصة باستخدام الأزرار "إضافة/إزالة/إعادة ضبط".
إذا تقيس نقطة بيانات واحدة (هدف القياس) في حدث إحالة ناجحة معيّن، مثل عدد الإحالات الناجحة، يمكن أن تشمل نقطة البيانات هذه كل ميزانية المساهمة (65536). في حال تحديد أهداف قياس متعدّدة في حدث إحالة ناجحة، مثل عدد الإحالات الناجحة وقيمة الشراء، يجب أن تشارك نقاط البيانات هذه ميزانية المساهمة. وهذا يعني أن أمامك وقتًا أقل لزيادة القيم.
وبالتالي، كلما زادت أهداف القياس التي تحقّقها، من المرجّح أن تنخفض نسب الإشارة إلى الضوضاء (أعلى تشويش).
قرار آخر يجب اتّخاذه بشأن أهداف القياس هو تقسيم الميزانية. في حال تقسيم ميزانية المساهمة بالتساوي على نقطتي بيانات، ستحصل كل نقطة بيانات على ميزانية قدرها 65536/2 = 32768. قد يكون أو لا يكون هذا هو الخيار الأمثل اعتمادًا على الحد الأقصى للقيمة الممكنة لكل نقطة بيانات. على سبيل المثال، إذا كنت تقيس عدد عمليات الشراء التي تبلغ قيمتها 1 كحدّ أقصى، وقيمة الشراء بحدّ أدنى يبلغ 1 و120 كحدّ أقصى، ستستفيد قيمة الشراء من توفير "مساحة أكبر" لزيادة "مساحة أكبر"، أي من خلال منحك نسبة أكبر من ميزانية المساهمة. سترى ما إذا كان يجب إعطاء الأولوية لبعض أهداف القياس على الأهداف الأخرى في ما يتعلق بتأثير التشويش.
القرار: إدارة القيم الشاذّة
تجربة الميزة في معمل Noise Lab
هدف القياس هو نقطة بيانات مميّزة يتم جمعها في أحداث الإحالات الناجحة.
- الانتقال إلى "الوضع المتقدّم"
- في اللوحة الجانبية "المَعلمات"، ابحث عن استراتيجية التجميع الخاصة بك > التحجيم.
- تأكد من ضبط Scaling على "Yes" (نعم). يُرجى العلم أنّ ميزة Noise Lab تحتسب تلقائيًا عوامل القياس التي سيتم استخدامها، بناءً على النطاقات (القيم المتوسطة والحد الأقصى) التي حدّدتها لأهداف القياس.
- لنفترض أنّ أكبر عملية شراء تم إجراؤها على الإطلاق بلغت 2, 000 دولار أمريكي، ولكن تتراوح معظم عمليات الشراء بين 10 و120 دولار أمريكي. أولاً، لنرَ ما سيحدث في حال استخدمنا أسلوب تحجيم حرفي (لا يُنصح به): أدخِل 2000 دولار أمريكي (أو ما يعادله بالعملة المحلية) كقيمة قصوى لـ purchaseValue.
- انقر على "محاكاة".
- تذكّر أنّ نِسب الضوضاء عالية. ويرجع ذلك إلى أنّ عامل القياس يتم حاليًا احتسابه استنادًا إلى 2, 000 دولار أمريكي (أو ما يعادله بالعملة المحلية)، في حين أنّ معظم قيم الشراء في الواقع ستكون أقل من ذلك بشكل ملحوظ.
- والآن، لنستخدم منهجًا أكثر واقعية للتوسع. غيِّر الحدّ الأقصى لقيمة الشراء إلى 120 دولار أمريكي.
- انقر على "محاكاة".
- لاحظ أن نسب التشويش أقل (أفضل) في هذه المحاكاة الثانية.
لتنفيذ عملية القياس، يتم عادةً احتساب عامل قياس استنادًا إلى أعلى قيمة ممكنة لحدث إحالة ناجحة معيّن (مزيد من المعلومات في هذا المثال).
ومع ذلك، تجنَّب استخدام قيمة حرفية قصوى لحساب عامل القياس هذا، لأن ذلك سيؤدي إلى زيادة نِسب الإشارة إلى الضوضاء. بدلاً من ذلك، قم بإزالة القيم الاستثنائية واستخدم قيمة قصوى عملية.
إدارة القيم الاستثنائية موضوع عميق. يمكن النظر في عدد من التقنيات المتطورة لتحسين نسب الإشارة إلى الضوضاء. تم وصف أحدهما في الإدارة المتقدّمة للقيم الخارجية.
الخطوات التالية
بعد أن قيّمت استراتيجيات مختلفة لإدارة الضوضاء في حالة استخدامك، أصبحت جاهزًا لبدء تجربة التقارير الموجزة من خلال جمع بيانات قياس حقيقية من خلال مرحلة التجربة والتقييم. يمكنك مراجعة الأدلة والنصائح بشأن تجربة واجهة برمجة التطبيقات.
الملحق
جولة سريعة في Noise Lab
يساعدك Noise Lab في تقييم استراتيجيات إدارة الضوضاء ومقارنتها بسرعة. يُستخدم من أجل:
- تعرّف على المعلَمات الرئيسية التي قد تؤثّر في التشويش وتأثيرها.
- عليك محاكاة تأثير التشويش على بيانات قياس المخرجات وفقًا لقرارات التصميم المختلفة. عدِّل معلَمات التصميم إلى أن تصل إلى نسبة الإشارة إلى التشويش التي تناسب حالة الاستخدام.
- يمكنك مشاركة ملاحظاتك حول فائدة التقارير التلخيصية: ما هي قيم مَعلمة إبسيلون والضوضاء المناسبة لك، وأيّها غير مناسبة لك؟ أين توجد نقاط الانعطاف؟
فكر في هذا كخطوة تحضيرية. تُنشئ Noise Lab بيانات القياس لمحاكاة مخرجات التقارير الموجزة بناءً على المدخلات الخاصة بك. فهي لا تستمر أو تشارك أي بيانات.
هناك وضعان مختلفان في Noise Lab:
- الوضع البسيط: فهم أساسيات عناصر التحكم المتاحة لك في وضع عدم النشاط.
- الوضع المتقدّم: يمكنك اختبار استراتيجيات مختلفة لإدارة الضوضاء وتحديد الخيار الذي يؤدّي إلى أفضل نِسب من الإشارة إلى الضوضاء في حالات الاستخدام.
انقر على الأزرار في القائمة العلوية للتبديل بين الوضعين (الأول: في لقطة الشاشة أدناه).
الوضع البسيط
- باستخدام الوضع البسيط، يمكنك التحكّم في المعلَمات (المتوفّرة على الجانب الأيسر من الصفحة أو رقم 2 في لقطة الشاشة أدناه) مثل Epsilon، والاطّلاع على تأثيرها في التشويش.
- تتضمّن كل مَعلمة تلميحًا (الزر "?"). انقر عليها للاطّلاع على شرح لكل مَعلمة (رقم 3 في لقطة الشاشة أدناه).
- للبدء، انقر على الزر "محاكاة" وراقب كيف تبدو الإخراج (#4. في لقطة الشاشة أدناه)
- في قسم "الإخراج"، يمكنك الاطّلاع على مجموعة متنوعة من التفاصيل. وبجانب بعض العناصر علامة "?". خصِّص الوقت الكافي للنقر على كل "?" للاطّلاع على شرح لمختلف المعلومات.
- ضمن قسم "الإخراج"، انقر على تبديل "التفاصيل" إذا كنت تريد الاطّلاع على نسخة موسّعة من الجدول (رقم 5: في لقطة الشاشة أدناه)
- أسفل كل جدول بيانات في قسم النتائج، يتوفّر خيار لتنزيل الجدول لاستخدامه بلا اتصال بالإنترنت. بالإضافة إلى ذلك، يتوفّر في أسفل يسار الصفحة خيار لتنزيل جميع جداول البيانات (الرقم 6 في لقطة الشاشة أدناه).
- اختبِر إعدادات مختلفة للمعلَمات في قسم "المَعلمات"
وانقر على "محاكاة" لمعرفة مدى تأثيرها في الإخراج:
واجهة Noise Lab للوضع البسيط
الوضع المتقدم
- في الوضع المتقدم، يمكنك التحكّم بشكل أكبر في المعلَمات. يمكنك إضافة أهداف وأبعاد مخصصة للقياس (1. و2. في لقطة الشاشة أدناه)
- انتقِل للأسفل في قسم "المَعلمات" واطّلِع على خيار
"الاستراتيجية الرئيسية". يمكن استخدام ذلك لاختبار بُنى رئيسية مختلفة
(النقطة 3. في لقطة الشاشة أدناه)
- لاختبار الهياكل الرئيسية المختلفة، بدِّل استراتيجية المفاتيح إلى "B".
- إدخال عدد بُنى المفاتيح المختلفة التي تريد استخدامها (الإعداد التلقائي هو "2")
- انقر فوق إنشاء هياكل رئيسية
- ستظهر لك خيارات لتحديد بُنى المفاتيح الأساسية من خلال النقر على مربّعات الاختيار بجانب المفاتيح التي تريد تضمينها في كل تركيبة مفاتيح.
- انقر على "محاكاة" للاطلاع على الإخراج.
واجهة ميزة Noise Lab للوضع المتقدّم واجهة ميزة Noise Lab للوضع المتقدّم
مقاييس التشويش
المفهوم الأساسي
تتم إضافة التشويش لحماية خصوصية المستخدم الفردي.
تشير قيمة التشويش العالية إلى أن المجموعات/المفاتيح متفرقة وتحتوي على مساهمات من عدد محدود من الأحداث الحساسة. يتم ذلك تلقائيًا بواسطة Noise Lab، للسماح للأفراد بـ "الاختباء وسط الحشود"، أو بعبارة أخرى، حماية خصوصية هؤلاء الأفراد المحدودين من خلال قدر أكبر من الضوضاء.
تشير قيمة التشويش المنخفضة إلى أن إعداد البيانات تم تصميمه بطريقة تسمح للأفراد بالفعل "بالإخفاء وسط الحشود". وهذا يعني أنّ الحِزم تحتوي على مساهمات من عدد كافٍ من الأحداث لضمان حماية خصوصية المستخدم الفردي.
تنطبق هذه العبارة على كل من متوسط النسبة المئوية للخطأ (APE) وRMSRE_T (خطأ نسبي لمربع متوسط الجذر مع حد أدنى).
APE (متوسط الخطأ بالنسبة المئوية)
APE هو نسبة التشويش فوق الإشارة، أي قيمة الملخّص الحقيقية.p> تُشير قيم APE المنخفضة إلى نِسب أفضل من الإشارة إلى الضوضاء.
الصيغة
بالنسبة إلى تقرير ملخّص معيّن، يتم احتساب APE على النحو التالي:
![](https://developers.google.cn/static/privacy-sandbox/assets/images/apenoise-true-enois-e69aca84b50ef.png?authuser=7&hl=ar)
True هي قيمة الملخّص الصحيحة. APE هو متوسط التشويش لكل قيمة ملخّص حقيقية، ومتوسطة عبر جميع الإدخالات في التقرير الملخص. في معمل Noise Lab، يتم ضرب هذا الناتج في 100 لحساب نسبة مئوية.
الإيجابيات والسلبيات
تؤثر الدلوات ذات الأحجام الأصغر في القيمة النهائية لـ APE بشكل غير متناسب. قد يكون ذلك مضللاً عند تقييم الضوضاء. لهذا السبب، أضفنا مقياسًا آخر، وهو RMSRE_T، يهدف إلى تخفيف القيد على مستوى APE. راجِع الأمثلة للاطّلاع على تفاصيل.
الرمز
راجِع رمز المصدر لحساب APE.
RMSRE_T (خطأ نسبي متوسط الجذر مع حد أدنى)
RMSRE_T (الخطأ النسبي لمربع متوسط الجذر مع عتبة) هو مقياس آخر للتشويش.
كيفية تفسير RMSRE_T
تعني قيم RMSRE_T المنخفضة نِسب أفضل من الإشارة إلى الضوضاء.
على سبيل المثال، إذا كانت نسبة التشويش مقبولة في حالة الاستخدام هي 20%، والقيمة RMSRE_T هي 0.2، يمكنك التأكد من أنّ مستويات التشويش تقع ضمن النطاق المقبول.
الصيغة
بالنسبة إلى تقرير ملخّص معيّن، يتم احتساب RMSRE_T على النحو التالي:
![الصيغة](https://developers.google.cn/static/privacy-sandbox/assets/images/formula-rmsret-acca5b5c9752b.png?authuser=7&hl=ar)
الإيجابيات والسلبيات
يعتبر استيعاب RMSRE_T أكثر تعقيدًا بعض الشيء من APE. ومع ذلك، فإن هناك بعض المزايا التي تجعلها أكثر ملاءمة في بعض الحالات من APE لتحليل التشويش في التقارير الموجزة:
- قيمة RMSRE_T أكثر ثباتًا. يشير الحرف "T" إلى حد أدنى. يتم استخدام "T" لمنح ترجيح أقل في العملية الحسابية RMSRE_T للمجموعات التي لها إحالات ناجحة أقل وبالتالي تكون أكثر حساسية للتشويش بسبب حجمها الصغير. مع T، لا يرتفع المقياس في المجموعات التي بها عدد قليل من الإحالات الناجحة. إذا كانت قيمة T تساوي 5، لن يتم عرض قيمة تشويش صغيرة مثل 1 في مجموعة لا تحتوي على أي إحالات ناجحة على أنّها تزيد على 1. وبدلاً من ذلك، سيتم تقييدها بـ 0.2، أي ما يعادل 1/5، حيث إن T تساوي 5. يكون هذا المقياس أكثر ثباتًا عندما تمنح مجموعات أصغر حجمًا حيث تكون أكثر حساسية للتشويش، وبالتالي يسهّل المقارنة بين عمليتَي محاكاة.
- تسمح دالة RMSRE_T بتجميع البيانات بسهولة. تتيح لك معرفة RMSRE_T لمجموعات متعددة، إلى جانب أعدادها الحقيقية، حساب RMSRE_T لمجموعها. يتيح لك ذلك أيضًا التحسين من أجل RMSRE_T لهذه القيم المجمّعة.
في حين أن التجميع ممكن بالنسبة لـ APE، فإن المعادلة معقدة للغاية لأنها تتضمن القيمة المطلقة لمجموع ضوضاء لابلاس. وهذا يزيد من صعوبة تحسين APE.
الرمز
راجِع رمز المصدر لإجراء العملية الحسابية RMSRE_T.
أمثلة
تقرير موجز بثلاث مجموعات بيانات:
- bucket_1 = تشويش: 10، trueSummaryValue: 100
- bucket_2 = تشويش: 20، trueSummaryValue: 100
- bucket_3 = تشويش: 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
تقرير موجز بثلاث مجموعات بيانات:
- bucket_1 = تشويش: 10، trueSummaryValue: 100
- bucket_2 = تشويش: 20، trueSummaryValue: 100
- bucket_3 = تشويش: 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
تقرير موجز بثلاث مجموعات بيانات:
- bucket_1 = تشويش: 10، trueSummaryValue: 100
- bucket_2 = تشويش: 20، trueSummaryValue: 100
- bucket_3 = تشويش: 20، trueSummaryValue: 0
APE = (0.1 + 0.2 + Infinity) / 3 = اللانهاية
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
الإدارة المتقدّمة للمفاتيح
قد يكون لدى شركة وسيط عرض الطلب أو شركة قياس أداء الإعلانات آلاف من عملاء الإعلانات على مستوى العالم، ويغطون العديد من المجالات والعملات والإمكانات وأسعار الشراء. وهذا يعني أنّ إنشاء مفتاح تجميع واحد وإدارته لكل معلن من المرجَّح أن يكون غير عملي إلى حدّ كبير. بالإضافة إلى ذلك، سيكون من الصعب تحديد الحد الأقصى للقيمة القابلة للتجميع وميزانية التجميع التي يمكن أن تحد من تأثير التشويش لدى هؤلاء الآلاف من المعلنين العالميين. بدلاً من ذلك، لنفكر في السيناريوهات التالية:
الاستراتيجية الرئيسية (أ)
يقرّر مزوّد تقنية الإعلان إنشاء مفتاح واحد وإدارته على مستوى جميع عملاء الإعلانات. عبر جميع المعلنين وجميع العملات، تتفاوت نطاق عمليات الشراء من عدد قليل من عمليات الشراء عالية الجودة إلى عمليات شراء بكميات كبيرة ومنخفضة الجودة. ينتج عن ذلك المفتاح التالي:
المفتاح (عملات متعددة) | |
---|---|
الحدّ الأقصى للقيمة القابلة للتجميع | 5,000,000 |
نطاق قيمة الشراء | [120 - 5000000] |
الاستراتيجية الرئيسية (ب)
يقرّر مزوّد تقنية الإعلان إنشاء مفتاحَين وإدارتهما لجميع عملاء الإعلانات. يقررون فصل المفاتيح حسب العملة. عبر جميع المعلنين وجميع العملات، تتفاوت نطاق عمليات الشراء من عدد قليل من عمليات الشراء عالية الجودة إلى عمليات شراء بكميات كبيرة وأسعار منخفضة. والفصل حسب العملة، يقوم بإنشاء مفتاحين:
المفتاح 1 (دولار أمريكي) | المفتاح 2 (£) | |
---|---|---|
الحدّ الأقصى للقيمة القابلة للتجميع | 40000 دولار أمريكي | 5,000,000 ين ياباني |
نطاق قيمة الشراء | [من 120 إلى 40,000] | [من 15,000 إلى 5,000,000] |
سيكون للاستراتيجية الرئيسية "ب" تشويش أقل في نتيجتها من الاستراتيجية الرئيسية "أ"، لأنّ قيم العملات لا يتم توزيعها بشكل موحّد على العملات. على سبيل المثال، ضع في اعتبارك كيف إنّ عمليات الشراء التي يتم تحديدها بالدولار الأمريكي عند مزجها بالدولار الأمريكي ستؤدي إلى تغيير البيانات الأساسية وما ينتج عن ذلك الأصوات المزعجة.
الاستراتيجية الرئيسية (ج)
يقرّر مزوّد تقنية الإعلان إنشاء أربعة مفاتيح وإدارتها لجميع عملائها، وفصلها حسب العملة × فئة المعلِن:
المفتاح 1 (دولار أمريكي x المعلِنون عن المجوهرات الراقية) |
المفتاح 2 (£ x المعلِنون عن المجوهرات الراقية) |
المفتاح 3 (دولار أمريكي x بائعو تجزئة للملابس) |
المفتاح 4 (€ x المعلِنين الذين يبيعون الملابس) |
|
---|---|---|---|---|
الحدّ الأقصى للقيمة القابلة للتجميع | 40000 دولار أمريكي | 5,000,000 ين ياباني | 500 دولار أمريكي | 65000 ين ياباني |
نطاق قيمة الشراء | [من 10,000 إلى 40,000] | [1,250,000 - 5,000,000] | [120 - 500] | [من 15,000 إلى 65,000] |
سيكون للاستراتيجية الرئيسية (ج) تشويش أقل في نتيجتها من الاستراتيجية الرئيسية "ب"، لأن قيم شراء المعلن لا يتم توزيعها بشكل موحّد على المعلنين. على سبيل المثال، ضع في اعتبارك كيف يؤدي مزج عمليات شراء المجوهرات الراقية مع عمليات شراء قبعات البيسبول إلى تغيير البيانات الأساسية وما ينتج عن ذلك الأصوات الصاخبة.
ننصحك بإنشاء الحد الأقصى من القيم المجمّعة وعوامل تحجيم مشتركة للقواسم المشتركة بين عدة معلنين من أجل الحد من تشويش البيانات. على سبيل المثال، يمكنك تجربة استراتيجيات مختلفة أدناه لالمعلنين:
- استراتيجية واحدة مفصولة بالعملة (دولار أمريكي، ين، دولار كندي، وما إلى ذلك)
- استراتيجية واحدة يتم الفصل بينها حسب مجال المعلِن (التأمين، السيارات، البيع بالتجزئة، إلخ)
- استراتيجية واحدة مفصولة بنطاقات قيم شراء مشابهة ([100] أو [1000] أو [10000] أو غير ذلك)
ومن خلال وضع استراتيجيات رئيسية حول القواسم المشتركة بين المعلِنين، تصبح إدارة المفاتيح والرموز البرمجية المقابلة أسهل، وتزيد نِسب الإشارة إلى التشويش. جرِّب استراتيجيات مختلفة مع أوجه مشتركة مختلفة للمعلِنين للكشف عن نقاط التحوّل في زيادة تأثير التشويش إلى أقصى حد مقابل إدارة الرموز.
الإدارة المتقدّمة للقيم الخارجية
لنفكر في سيناريو لاثنين من المعلنين:
- المعلن أ:
- تتراوح أسعار الشراء بين [120 و1,000 دولار أمريكي] في جميع المنتجات على الموقع الإلكتروني للمعلن (أ)، وذلك لنطاق يتراوح بين 880 دولار أمريكي (أو ما يعادله بالعملة المحلية).
- يتم توزيع أسعار الشراء بالتساوي على نطاق 880 دولارًا أمريكيًا (أو ما يعادل هذا المبلغ بالعملة المحلية) بدون قيم استثنائية خارج انحرافَين معياريين عن متوسط سعر الشراء.
- المعلن ب:
- في جميع المنتجات على موقع المعلِن (ب)، تتراوح إمكانية سعر الشراء بين [120 دولار أمريكي - 1,000 دولار]، لنطاق يتراوح بين 880 دولارًا أمريكيًا (أو ما يعادله بالعملة المحلية).
- تميل أسعار الشراء بشكل كبير إلى النطاق الذي يتراوح من 120 دولار إلى 500 دولار، وتكون نسبة% 5 فقط من المشتريات تتراوح بين 500 و1,000 دولار أمريكي.
نظرًا لمتطلبات ميزانية المساهمة والمنهجية التي يتم من خلالها [تطبيق الضجيج](/privacy-sandbox/relevance/attribution-reporting/understanding-noise/#how-noise-is-apply) في النتائج النهائية، سيحصل المعلن "ب" تلقائيًا على نتائج أكثر تشويشًا من المعلِن "أ"، وذلك لأنّ المعلن "ب" لديه احتمالية أعلى للقيم الخارجية للتأثير في العمليات الحسابية الأساسية.
ويمكن الحدّ من هذه المشكلة باستخدام إعداد مفتاح محدّد. اختبر الاستراتيجيات الرئيسية التي تساعد في إدارة البيانات الخارجية وتوزيع قيم الشراء بالتساوي عبر نطاق شراء المفتاح.
بالنسبة إلى المعلن "ب"، يمكنك إنشاء مفتاحَين منفصلَين للحصول على نطاقَين مختلفَين لقيمة الشراء. في هذا المثال، رصدت تقنية الإعلان أنّ القيم الشاذّة تظهر أعلى من قيمة الشراء البالغة 500 دولار أمريكي. جرب تنفيذ مفتاحين منفصلين لهذا المعلن:
- بنية المفتاح 1 : المفتاح الذي يجمع فقط المشتريات التي تتراوح بين 120 دولار - 500 دولار (تغطي حوالى 95% من إجمالي حجم الشراء).
- بنية المفتاح 2: المفتاح الذي يجمع فقط عمليات الشراء التي تزيد عن 500 دولار أمريكي (يغطّي حوالى% 5 من إجمالي حجم الشراء).
سيؤدي تنفيذ هذه الإستراتيجية الرئيسية إلى إدارة التشويش لدى المعلن (ب) والمساعدة في تحقيق أقصى قدر من الفائدة له من التقارير الموجزة. بالنظر إلى النطاقات الجديدة الأصغر، يجب أن يكون للمفتاحين "أ" والمفتاح "ب" الآن توزيع أكثر توحيدًا للبيانات عبر كل مفتاح ذي صلة بما يناسب المفتاح الفردي السابق. سيؤدي ذلك إلى تقليل تأثير التشويش في إخراج كل مفتاح، وذلك بالنسبة للمفتاح الوحيد السابق.