瞭解如何使用及考量可匯總報表中的雜訊，並降低雜訊造成的影響。
事前準備
請先參閱「瞭解摘要報表中的雜訊」一文，深入瞭解雜訊和影響，再繼續操作。
雜訊控制選項
雖然您無法直接控制新增至可匯總報表的雜訊，但可以採取步驟將影響降到最低。以下各節將說明這些策略。
向上擴充以發放貢獻預算
如「瞭解雜訊」一文所述，套用至每個鍵的摘要值雜訊，是根據 0 至 65,536 的尺度 (0 至 CONTRIBUTION_BUDGET) 而定。
因此，為了盡可能提高信號相對於雜訊的成效，您必須先擴充每個值，再設為可匯總值，也就是將每個值乘以特定係數 (也就是按比例調整因素)，同時確保出價維持在貢獻預算範圍內。
計算縮放比例係數
縮放比例係數代表您想針對特定可匯總值調度資源的程度。 其值是將貢獻預算除以某個鍵的可匯總值上限。
舉例來說，假設廣告客戶想知道總購物價值。您知道任何單筆交易的最高購物價值最高為 $2,000 美元，但您決定忽略的幾項離群值則不在此限：
- 計算縮放比例係數：
- 如要盡可能提高信號雜訊比率，您必須將這個值調整為 65,536 (貢獻預算)。
- 這會得出 65,536 / 2,000 的縮放比例係數約為 32x。實際上，您可以將此係數上下四捨五入。
- 在匯總前擴充值。針對每消費 $1 美元，將追蹤的指標遞增 32。舉例來說，如果交易金額為 $120 美元，請將可匯總值設為「120*32 = 3,840」。
- 在匯總後縮減值。收到摘要報表，內含多位使用者的購物價值總和後，請使用匯總前使用的比例係數縮小摘要值。在這個範例中，我們已使用 32 預先匯總的縮放比例係數，因此需要將摘要報表中收到的摘要值除以 32。因此，如果摘要報表中指定鍵的購買價值摘要為 76,800，則總購買價值 (包含雜訊) 為 76,800/32 = $2,400。
分配預算
設定評估目標 (例如購買次數和購物價值) 時，建議將預算分配給這些目標。
在這種情況下，不同的可匯總值會採用不同的縮放比例係數，取決於特定可匯總值的預期最大值。
詳情請參閱瞭解匯總鍵。
舉例來說，假設你同時追蹤購買次數和購物價值，且你決定平均分配預算。
65,536 / 2 = 32,768 個可以按評估類型和每個來源分配。
- 購買次數：
- 您只追蹤一次購買，因此一筆轉換最多只能追蹤 1 次。
- 因此，您決定將購買次數的縮放比例係數設為 32,768 / 1 = 32,768。
- 購物價值：
- 假設每筆購物交易的最高預期購物價值是 $2,000 美元，
- 因此，您決定將購物價值的縮放比例係數設為 32,768 / 2,000 = 16.384 或大約 16。
更粗的匯總鍵可改善信號雜訊比
粗略的鍵可吸引的轉換事件比精細的鍵多，因此較不精確的鍵通常能帶來較高的摘要值。
較高的摘要值受到雜訊低於較低值的影響，因此這些值的雜訊可能會比這個值低。
使用較粗的鍵收集的值，可能比使用更精細的鍵收集的值少得多。
範例
在所有其他條件相同的情況下，與在一個國家/地區追蹤轉換的鍵相較，可追蹤全球購物價值的鍵 (在所有國家/地區的總和) 能產生更高的總價值 (摘要轉換次數也更高)。
因此，特定國家/地區的總購物價值相對雜訊，會高於所有國家/地區總購物價值的相對雜訊。
同樣地，在所有其他條件相同的情況下，鞋子的總購物價值會低於所有商品 (包括鞋子) 的總購物價值。
因此，鞋子總購物價值的相對雜訊，高於所有商品總購物價值的相對雜訊。
加總摘要值 (匯總資料) 時也會納入雜訊
將摘要報表中的摘要值加總後，即可存取更高階的資料，同時就能加總這些摘要值中的雜訊。
讓我們看看兩種不同的做法： - 方法 A：在金鑰中加入地理位置 ID。摘要報表會顯示地理區域 ID 層級的鍵，每個鍵與特定地理區域 ID 層級的購買摘要值相關聯。- 方法 B：請勿在鍵中加入地理區域 ID，摘要報表會直接顯示所有地理區域 ID / 地點的購買摘要值，
如何查看國家/地區層級的購物價值： - 使用方法 A 時，您會加總地理區域 ID 層級的摘要值，因此也會計入雜訊量。因此，最終地理區域 ID 層級購物價值可能會加入更多雜訊。 - 方法 B 可讓您直接查看摘要報表中顯示的資料。系統只為該資料加入一次雜訊。
因此，對方法 A 來說，特定地理區域 ID 的購物價值摘要可能會比較雜訊。
同樣地，在鍵中加入郵遞區號層級維度，可能會比使用含區域維度的粗略鍵，產生更加雜訊的結果。
匯總較長的時間範圍會提高信號雜訊比
要求摘要報表較少，意味著每個摘要值可能會高於您要求報告的頻率，轉換發生在更長的時間範圍內可能會更多。
如前文所述，摘要值越高，相對雜訊就越低。因此，要求摘要報表減少的頻率較低，能提高雜訊比例 (更佳)。
請參考以下範例的說明：
- 如果您申請的每小時摘要報告為 24 小時以上，並將每個每小時報表中的摘要值加總以存取日層級資料，則雜訊會加 24 次。
- 在單一每日摘要報告中，雜訊只會加入一次。
矽膠，噪音較低
Epsilon 的值越高，雜訊越低，隱私保護服務的價值也越低。
運用篩選和簡化功能
在不同鍵之間分配預算的一大重點，在於瞭解特定事件可能發生的次數。舉例來說，廣告客戶可能只重視每次點擊的一次購買，但可能會感興趣的最多 3 次「產品網頁瀏覽」轉換。為支援這些用途，您也可以利用下列 API 功能，控制要產生的報表數量及計算轉換次數：
Epsilon 的實驗
廣告技術可以將 Epsilon 設為大於 0 且最多 (包含 64) 的值。這個範圍可彈性測試。Epsilon 的值越低，就越能保障隱私。建議你從 epsilon=10 開始。
實驗建議
建議您採取下列做法： - 以 epsilon = 10 開始。 - 如果造成重大公用事業問題，請逐步提升 epsilon。 - 請針對資料可用性的具體轉折點提供意見。
交流及分享意見回饋
您可以參與這個 API 並進行實驗。
- 瞭解可匯總報表和匯總服務、提出問題和建議意見回饋。
- 詳閱「歸因報表指南」。
- 在 Privacy Sandbox 開發人員支援存放區中提問及加入討論。
後續步驟
- 如要進一步瞭解會影響報表的因素 (例如廣告活動變數、批次頻率和維度精細程度)，請參閱「試用摘要報表設計決策」一文。
- 試試雜訊研究室。