使用者隱私是廣告資料中心的運作核心,也是 Google 平台的建構基礎。為了保護使用者隱私,並協助客戶遵循監管法規,我們採取若干檢查與限制措施,防止 Google 平台提供的資料含有個別使用者的資料1。
以下簡要說明廣告資料中心的隱私權功能,後續章節會有詳細說明:
- 靜態檢查會檢查查詢中的陳述式,找出顯而易見的隱私權疑慮。
- 資料存取預算:限制可存取特定資料的總次數。
- 匯總檢查:確保每一列的使用者達到一定人數,保障使用者隱私。
- 雜訊插入會將精準校正的隨機雜訊加入匯總
SELECT子句,在保護使用者隱私之餘,還能提供合理準確的結果。 - 差異檢查 (或「diff 檢查」) 是雜訊插入的舊版替代方案,可比較結果集,避免出現可能識別個別使用者的組合。這可避免雜訊,但通常會導致大量且無法預測的資料遮蓋。
- 特定情境的使用者 ID 遮蓋功能,會根據查詢的特定用途,在查詢執行時評估使用者 ID 是否符合資格。
靜態檢查
靜態檢查會檢查查詢中的陳述式,找出顯而易見的隱私權疑慮,例如匯出使用者 ID、任何使用者 ID 函式,或對包含使用者層級資料的欄位使用不允許的函式。為避免靜態檢查發生查詢錯誤,請參閱最佳做法,並瞭解允許使用的函式。
資料存取預算
「資料存取預算」會限制可存取特定資料的總次數。預算即將用完時,使用者會收到類型為 DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED 的隱私權訊息通知。您可以透過資料存取預算進入點,或是觀察使用者介面中的預算通知,監控預算使用情況。
匯總需求條件
廣告資料中心在執行隱私權檢查時,是以使用者匯總門檻做為核心標準。具體門檻取決於隱私權模式和存取的資料:
- 雜訊插入功能要求每個結果列約有 20 位不重複使用者。
- 差異檢查要求每個結果列約有 50 位不重複使用者。
- 如果查詢只包含點擊和轉換資料,則每個結果列需要大約 10 位不重複使用者。
在以下範例中 (使用雜訊插入),包含廣告活動 125 的資料列會從最終結果中篩除,因為該列只匯總 18 位使用者的資料,未達 20 位使用者的門檻。
| 廣告活動 ID | 使用者 | 曝光次數 |
|---|---|---|
| 123 | 314 | 928 |
| 124 | 2718 | 5772 |
| 125 | 18 | 45 |
隱私模式
廣告資料中心提供兩種隱私權模式:雜訊插入和差異檢查。如要進一步瞭解各個模式,請參閱下列頁面:
比較差異檢查和雜訊插入
在差異檢查模式下,如果資料列不符合 50 位使用者的匯總需求條件,或觸發差異檢查違規,就會遭到篩除。
在雜訊插入模式下,只有不符合匯總條件 (曝光資料約 20 位使用者) 的資料列才會遭到篩除,且匯總結果會加入隨機雜訊。
|
|
||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||
依情境遮蓋使用者 ID
廣告資料中心會根據使用者隱私權選項、帳戶設定或法規政策,在必要時遮蓋使用者 ID (user_id)。事件的使用者 ID 經過遮蓋時,其 user_id 值會設為 '0'。
廣告資料中心不會在資料擷取期間,對所有事件套用單一組遮蓋規則,而是在執行查詢時,根據查詢的特定用途評估使用者 ID 是否符合資格:
- 分析查詢:評估 ID 是否可用於評估。如果使用者選擇不採用廣告個人化功能 (例如透過 Google Ads 個人化設定或裝置層級的「限制廣告追蹤」),只要沒有其他隱私權限制,他們的事件仍可用於匯總評估查詢。
- 目標對象啟用查詢:評估是否允許使用 ID 收集再行銷和目標對象名單。如果使用者選擇不採用廣告個人化或再行銷功能,系統會將其事件的
user_id設為'0',並從目標對象名單中排除。
受核心隱私權限制約束的事件 (例如兒童導向或 COPPA 流量、停用 Cookie 廣告放送,或未經同意的流量),在所有查詢類型中,其 user_id 一律設為 '0'。
查詢層遮蓋對結果的影響
您不需要變更 SQL 查詢。不過,由於在擷取期間,不必要地將 user_id 歸零的事件減少,因此您會在評估查詢中觀察到下列變化:
- 匯總門檻:由於含有
user_id = '0'的事件不會計入每列匯總門檻,因此保留更多有效的使用者 ID 進行評估,可減少因使用者人數門檻而篩除的資料列數量。 - 提高比對使用者提供的資料 (UPDM) 媒合率:UPDM 比對表 (
*_updm) 和is_updm_eligible欄位會使用查詢時資格。保留有效的使用者 ID 進行評估,可增加符合 UPDM 資格的事件數量 (WHERE is_updm_eligible),以及*_updm檢視畫面中相符的資料列數量。 - 提升轉換升幅和歸因一致性:篩除歸零使用者 ID (
WHERE user_id != '0') 或在user_id上彙整資料表的查詢,會納入更多登入事件,進而提升廣告資料中心與已連結購買平台中轉換升幅報表的一致性。
推出和歷來資料
查詢層級的使用者 ID 遮蓋功能,適用於 2026 年 10 月起的事件資料。
在漸進式推出期間,廣告資料中心會使用確定性使用者層級取樣,確保在查詢的所有資料表和彙整中,特定 user_id 的處理方式一致。
明確隱私權篩選
如果您需要拆分查詢,但想合併匯總結果,可以明確對多個較小的查詢套用隱私權檢查,然後以保護隱私權的方式匯總這些結果。
應用情境範例:
- 您是廣告主,想在已連結的 Google Ads 帳戶中,依歸因事件類型查看所有轉換,包括歐洲經濟區資料。
- 您是成效評估合作夥伴,想在連結的 Google Ads 帳戶中,依歸因事件類型查看所有轉換。
如要取得 Google Ads 帳戶的轉換總和,您可以使用 OPTIONS(privacy_checked_export=TRUE) 子句重寫查詢,分別對每項 Google 服務套用隱私權檢查。
本節中的重寫範例會執行下列操作:
- 系統會個別查詢每項 Google 服務,並明確對每組中繼結果執行隱私權檢查。
- 系統會為每項 Google 服務 (YouTube、Gmail 和聯播網) 的隱私權檢查結果,分別建立臨時資料表。
- 匯總並加總臨時資料表中經過隱私權檢查的轉換次數。
CREATE TEMP TABLE youtube_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
impression_data.campaign_id,
attribution_event_type,
COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_youtube
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;
CREATE TEMP TABLE network_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
impression_data.campaign_id,
attribution_event_type,
COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_network
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;
CREATE TEMP TABLE gmail_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
impression_data.campaign_id,
attribution_event_type,
COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_gmail
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;
SELECT
campaign_id,
attribution_event_type,
SUM(num_convs) AS num_convs
FROM (
SELECT * FROM youtube_agg
UNION ALL
SELECT * FROM network_agg
UNION ALL
SELECT * FROM gmail_agg
)
GROUP BY campaign_id, attribution_event_type
請注意,這項查詢不會使用 JOIN 直接合併資料表之間的資料,而是先對每個資料表執行查詢,對每個中繼資料表套用隱私權檢查,然後使用 UNION 加總經過隱私權檢查的值。
查詢建議工具
如果 SQL 有效但可能觸發隱私權問題,查詢建議工具會在查詢建構過程中顯示可行的建議,避免產生不適當的結果。
如何使用查詢建議工具:
- 使用者介面:建議會顯示在查詢編輯器中的查詢文字上方。
- API:請使用
customers.analysisQueries.validate方法。
-
除了使用者同意分享的資料 (例如調查對象提供的資料)。 ↩