เรียนรู้วิธีทำงานกับ พิจารณา และลดผลกระทบในรายงานสรุปรวมของคุณ
ก่อนเริ่มต้น
ก่อนดำเนินการต่อ โปรดอ่านหัวข้อการทำความเข้าใจข้อผิดพลาดในรายงานสรุปเพื่อทำความเข้าใจโดยละเอียดเกี่ยวกับสัญญาณรบกวนและผลกระทบ
การควบคุมเสียงรบกวน
แม้ว่าคุณจะไม่สามารถควบคุมสัญญาณรบกวนที่เพิ่มไปยังรายงานที่รวบรวมได้โดยตรง แต่ก็มีขั้นตอนที่คุณสามารถทำตามเพื่อลดผลกระทบได้ ส่วนต่อไปนี้จะอธิบายกลยุทธ์เหล่านี้
เพิ่มงบประมาณภายในงบประมาณการสนับสนุน
ตามที่อธิบายไว้ในส่วน "การทำความเข้าใจข้อผิดพลาด" สัญญาณรบกวนที่ใช้กับค่าสรุปสำหรับแต่ละคีย์จะขึ้นอยู่กับสเกล 0-65,536 (0-CONTRIBUTION_BUDGET
)
![การกระจายเสียงรบกวนขึ้นอยู่กับงบประมาณ](https://developers.google.cn/static/privacy-sandbox/assets/images/noise-distribution-is-bas-df4f088bdd541.png?authuser=9&hl=th)
ดังนั้น หากต้องการเพิ่มสัญญาณให้สูงสุดที่สัมพันธ์กับสัญญาณรบกวน คุณจึงควรเพิ่มแต่ละค่าก่อนที่จะตั้งค่าเป็นค่าแบบรวมได้ กล่าวคือ คูณแต่ละค่าด้วยปัจจัยที่กำหนด (หรือปัจจัยการปรับขนาด) โดยตรวจสอบว่าค่าดังกล่าวอยู่ภายในงบประมาณการมีส่วนร่วม
![สัญญาณรบกวนสัมพัทธ์ที่มีและไม่มีการปรับสเกล](https://developers.google.cn/static/privacy-sandbox/assets/images/relative-noise-and-witho-2768385965923.png?authuser=9&hl=th)
การคำนวณค่าตัวคูณมาตราส่วน
ค่าตัวคูณมาตราส่วนจะแสดงถึงจำนวนที่คุณต้องการปรับขนาดค่าที่รวบรวมได้ที่กำหนด ค่าของคีย์ควรเป็นงบประมาณการมีส่วนร่วมหารด้วยค่าที่รวบรวมได้สูงสุดสำหรับแต่ละคีย์
![การพิจารณาปัจจัยการปรับขนาดโดยอิงตามงบประมาณการมีส่วนร่วม](https://developers.google.cn/static/privacy-sandbox/assets/images/determining-scaling-fact-f23b0a59c1517.png?authuser=9&hl=th)
เช่น สมมติว่าผู้ลงโฆษณาต้องการทราบมูลค่าการซื้อทั้งหมด คุณทราบว่ามูลค่าการซื้อสูงสุดที่คาดไว้ของการซื้อแต่ละรายการคือ 60,000 บาท ยกเว้นค่าผิดปกติบางรายการที่คุณตัดสินใจไม่สนใจ
- คำนวณปัจจัยการปรับขนาด ดังนี้
- หากต้องการเพิ่มอัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงสุด คุณต้องปรับขนาดค่านี้เป็น 65,536 (งบประมาณการสนับสนุน)
- ซึ่งส่งผลให้เกิดตัวคูณการปรับขนาด 65,536 / 2,000 เป็นจำนวนประมาณ 32x ในทางปฏิบัติ คุณจะปัดเศษของปัจจัยนี้ขึ้นหรือลงได้
- เพิ่มขนาดค่าของคุณก่อนการรวม สำหรับการซื้อทุกๆ $1 ให้เพิ่มเมตริกที่ติดตามขึ้น 32 เช่น สำหรับการซื้อ $120 ให้กำหนดค่ารวมเป็น 120*32 = 3,840
- ลดขนาดค่าหลังจากการรวม เมื่อได้รับรายงานสรุปที่มีค่าการซื้อที่สรุปจากผู้ใช้หลายคน ให้ลดขนาดของค่าสรุปโดยใช้ตัวคูณการปรับขนาดที่คุณใช้ก่อนการรวม ในตัวอย่าง เราใช้ตัวคูณการปรับขนาดของการรวบรวมข้อมูลล่วงหน้า 32 รายการ เราจึงต้องหารค่าสรุปที่ได้รับในรายงานสรุปด้วย 32 ดังนั้น หากมูลค่าการซื้อสรุปสำหรับคีย์หนึ่งๆ ในรายงานสรุปคือ 76,800 มูลค่าการซื้อสรุป (พร้อมสัญญาณรบกวน) จะเป็น 76,800/32 = $2,400
แบ่งงบประมาณ
หากมีเป้าหมายการวัดผลหลายรายการ เช่น จํานวนการซื้อและมูลค่าการซื้อ คุณอาจต้องแบ่งงบประมาณตามเป้าหมายเหล่านี้
ในกรณีนี้ ปัจจัยการปรับค่าต่างๆ จะแตกต่างออกไปสำหรับค่าที่รวบรวมได้ที่แตกต่างกัน โดยขึ้นอยู่กับค่าสูงสุดที่คาดไว้ของค่าที่รวบรวมได้ที่ระบุ
โปรดอ่านรายละเอียดในการทำความเข้าใจคีย์การรวม
ตัวอย่างเช่น สมมติว่าคุณติดตามทั้งจำนวนการซื้อและมูลค่าการซื้อ และคุณตัดสินใจที่จะจัดสรรงบประมาณให้เท่ากัน
65,536 / 2 = 32,768 จัดสรรได้ต่อประเภทการวัดผลและต่อแหล่งที่มา
- จำนวนการซื้อ:
- คุณกำลังติดตามการซื้อเพียงรายการเดียว ดังนั้นจำนวนการซื้อสูงสุดสำหรับ Conversion หนึ่งๆ คือ 1
- คุณจึงตัดสินใจตั้งค่าปัจจัยการปรับขนาดสำหรับจำนวนการซื้อเป็น 32,768 / 1 = 32,768
- มูลค่าการซื้อ:
- สมมติว่ามูลค่าการซื้อสูงสุดที่คาดไว้ของการซื้อแต่ละรายการคือ 60,000 บาท
- คุณจึงตัดสินใจกำหนดค่าปัจจัยการปรับขนาดสำหรับมูลค่าการซื้อเป็น 32,768 / 2,000 = 16.384 หรือประมาณ 16
คีย์การรวมเนื้อหาหยาบๆ ช่วยปรับปรุงอัตราส่วนสัญญาณต่อเสียงรบกวน
เนื่องจากคีย์แบบคร่าวๆ จะตรวจจับเหตุการณ์ Conversion ได้มากกว่าคีย์แบบละเอียด โดยทั่วไปคีย์แบบหยาบจะทำให้ค่าสรุปสูงกว่า
ค่าสรุปที่สูงกว่าจะได้รับผลกระทบจากสัญญาณรบกวนน้อยกว่าค่าที่ต่ำกว่า สัญญาณรบกวนในค่าเหล่านี้มีแนวโน้มที่จะต่ำกว่าเมื่อเทียบกับค่านี้
ค่าที่รวบรวมด้วยคีย์ที่มีความหยาบๆ มีแนวโน้มที่จะค่อนข้างรบกวนน้อยกว่าค่าที่รวบรวมด้วยคีย์แบบละเอียด
ตัวอย่าง
หากปัจจัยอื่นทั้งหมดเหมือนกัน คีย์ที่ติดตามมูลค่าการซื้อทั่วโลก (รวมทุกประเทศ) จะนำไปสู่มูลค่าการซื้อแบบสรุป (และจำนวน Conversion สรุป) สูงกว่าคีย์ที่ติดตาม Conversion ในระดับประเทศ
ดังนั้น สัญญาณรบกวนสัมพัทธ์ในมูลค่าการซื้อรวมสำหรับประเทศหนึ่งๆ จะสูงกว่าสัญญาณรบกวนสัมพัทธ์ในมูลค่าการซื้อรวมของทุกประเทศ
ในทำนองเดียวกัน มูลค่าการซื้อทั้งหมดของรองเท้าต่ำกว่ามูลค่าการซื้อรวมของสินค้าทั้งหมด (รวมถึงรองเท้า) ในลักษณะเดียวกัน
ดังนั้น สัญญาณรบกวนสัมพัทธ์ในมูลค่าการซื้อรวมของรองเท้าจะสูงกว่าสัญญาณรบกวนสัมพัทธ์ในมูลค่าการซื้อรวมของสินค้าทั้งหมด
![ลดเสียงรบกวนด้วยคีย์แบบละเอียดและคีย์คำหยาบ](https://developers.google.cn/static/privacy-sandbox/assets/images/noise-impact-granular-ve-3d6ad3e387e84.png?authuser=9&hl=th)
การสรุปค่าสรุป (ภาพรวม) จะสรุปข้อมูลรบกวนด้วย
การสรุปค่าสรุปจากรายงานสรุปเพื่อเข้าถึงข้อมูลในระดับที่สูงขึ้นจะเป็นการรวมสัญญาณรบกวนจากค่าสรุปเหล่านี้ด้วย
![ระดับของสัญญาณรบกวนของคีย์แบบละเอียดที่มีปุ่มภาพรวมเทียบกับคีย์แบบหยาบที่ไม่มีปุ่มภาพรวม](https://developers.google.cn/static/privacy-sandbox/assets/images/the-degree-noise-granul-ae2381a2c93b5.png?authuser=9&hl=th)
มาดู 2 วิธีที่ต่างกันกัน - แนวทาง A: คุณใส่รหัสภูมิศาสตร์ในคีย์ รายงานสรุปจะแสดงคีย์ระดับรหัสภูมิศาสตร์ โดยแต่ละคีย์เชื่อมโยงกับมูลค่าการซื้อสรุปในระดับรหัสทางภูมิศาสตร์ที่เฉพาะเจาะจง - วิธีการ B: อย่าใส่รหัสภูมิศาสตร์ในคีย์ รายงานสรุปจะแสดงมูลค่าการซื้อแบบสรุปโดยตรงสำหรับรหัสทางภูมิศาสตร์ / สถานที่ตั้งทั้งหมด
วิธีเข้าถึงมูลค่าการซื้อในระดับประเทศ - เมื่อมีแนวทาง A คุณจะรวมค่าสรุประดับรหัสทางภูมิศาสตร์ได้ ดังนั้นจึงจะรวมข้อมูลรบกวนด้วยเช่นกัน ซึ่งมีแนวโน้มที่จะทำให้เกิดการรบกวนมากขึ้นในมูลค่าการซื้อระดับรหัสทางภูมิศาสตร์ขั้นสุดท้าย - ด้วยวิธีการ B คุณจะดูข้อมูลที่แสดงในรายงานสรุปได้โดยตรง ระบบจะเพิ่มเสียงรบกวนไปยังข้อมูลดังกล่าวเพียงครั้งเดียว
ดังนั้น มูลค่าการซื้อแบบสรุปสำหรับรหัสภูมิศาสตร์ที่กำหนดมีแนวโน้มที่จะใช้แนวทาง A แทรกเข้ามามากกว่า
ในทำนองเดียวกัน การรวมมิติข้อมูลระดับรหัสไปรษณีย์ในคีย์จะนำไปสู่ผลลัพธ์ที่มีเสียงดังกว่าการใช้คีย์ที่มีขนาดหยาบกว่ากับมิติข้อมูลระดับภูมิภาค
การรวมในช่วงเวลาที่นานขึ้นจะช่วยเพิ่มอัตราส่วนสัญญาณต่อสัญญาณรบกวน
การขอรายงานสรุปไม่บ่อยนักหมายความว่ามูลค่าสรุปแต่ละค่ามีแนวโน้มที่จะสูงกว่าการที่คุณขอรายงานบ่อยขึ้น ทั้งนี้ Conversion จำนวนมากขึ้นมีแนวโน้มที่จะเกิดขึ้นในช่วงระยะเวลาที่นานขึ้น
ดังที่กล่าวไว้ก่อนหน้า ยิ่งค่าสรุปสูงเท่าใด สัญญาณรบกวนสัมพัทธ์ก็จะมีแนวโน้มที่จะลดลงมากขึ้นเท่านั้น ดังนั้น การขอรายงานสรุปจึงไม่บ่อยนักจะทําให้อัตราส่วนสัญญาณต่อสัญญาณรบกวนที่สูงขึ้น (ดีกว่า)
![การขอรายงานสรุปไม่บ่อยนักจะทำให้อัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงขึ้น](https://developers.google.cn/static/privacy-sandbox/assets/images/requesting-summary-report-f4ee7fa726ac8.png?authuser=9&hl=th)
ลองดูตัวอย่างที่แสดงให้เห็นดังต่อไปนี้
- หากคุณขอรายงานสรุปรายชั่วโมงนานกว่า 24 ชั่วโมงแล้วรวมค่าสรุปจากรายงานรายชั่วโมงแต่ละฉบับเพื่อเข้าถึงข้อมูลระดับวัน ระบบจะเพิ่มข้อมูลรบกวน 24 ครั้ง
- ในรายงานสรุปรายวัน 1 รายการ ระบบจะเพิ่มข้อมูลรบกวนเพียงครั้งเดียว
epsilon สูงกว่า สัญญาณรบกวนต่ำ
ยิ่งค่า epsilon สูงเท่าไร สัญญาณรบกวนก็จะต่ำลงและการคุ้มครองความเป็นส่วนตัวก็จะต่ำลงเท่านั้น
ใช้ประโยชน์จากการกรองและการกรองข้อมูลที่ซ้ำกันออก
ส่วนสำคัญในการจัดสรรงบประมาณระหว่างคีย์ต่างๆ คือการทำความเข้าใจจำนวนครั้งที่เกิดเหตุการณ์หนึ่งๆ ได้ ตัวอย่างเช่น ผู้ลงโฆษณาอาจสนใจการซื้อเพียง 1 ครั้งสำหรับแต่ละคลิก แต่อาจสนใจ Conversion "การดูหน้าเว็บผลิตภัณฑ์" สูงสุด 3 รายการ คุณอาจต้องใช้ประโยชน์จากฟีเจอร์ของ API ต่อไปนี้ที่ช่วยให้คุณควบคุมจำนวนรายงานที่สร้างและ Conversion ที่จะนับ Conversion ได้ เพื่อรองรับกรณีการใช้งานเหล่านี้
- การกรอง อ่านเพิ่มเติมเกี่ยวกับการกรอง
- การกรองข้อมูลที่ซ้ำกันออก อ่านเพิ่มเติมเกี่ยวกับการกรองข้อมูลที่ซ้ำกันออก
การทดลองใช้ epsilon
เทคโนโลยีโฆษณาสามารถตั้งค่า epsilon เป็นค่าที่มากกว่า 0 และไม่เกิน 64 ช่วงนี้จะช่วยให้การทดสอบมีความยืดหยุ่น ค่าที่ต่ำกว่าของ epsilon จะให้การคุ้มครองความเป็นส่วนตัวมากยิ่งขึ้น เราขอแนะนำให้คุณเริ่มต้นด้วย epsilon=10
คําแนะนําให้ทดสอบ
เราขอแนะนำให้ทำดังนี้ - เริ่มต้นด้วย epsilon = 10 - ในกรณีที่ทำให้เกิดปัญหาสำคัญด้านสาธารณูปโภค ให้เพิ่ม epsilon ทีละส่วน - แชร์ความคิดเห็นเกี่ยวกับจุดเปลี่ยนที่คุณอาจพบในด้านความสามารถในการใช้งานข้อมูล
มีส่วนร่วมและแชร์ความคิดเห็น
คุณสามารถเข้าร่วมและทดสอบกับ API นี้
- อ่านเกี่ยวกับรายงานที่รวบรวมได้และบริการรวบรวมข้อมูล ถามคำถาม และแนะนำความคิดเห็น
- อ่านคู่มือการรายงานการระบุแหล่งที่มา
- ถามคำถามและเข้าร่วมการสนทนาในที่เก็บการสนับสนุนนักพัฒนาซอฟต์แวร์ Privacy Sandbox
ขั้นตอนถัดไป
- สำหรับข้อมูลเพิ่มเติมเกี่ยวกับปัจจัยที่ส่งผลต่อการรายงาน เช่น ตัวแปรของแคมเปญ ความถี่ของการจัดกลุ่ม และรายละเอียดของมิติข้อมูล โปรดดูที่การทดสอบกับการตัดสินใจในการออกแบบรายงานสรุป
- ลองใช้ Noise Lab เลย