廣告資料中心的隱私權檢查

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。

實際資料
廣告活動 ID 曝光次數
101 35
102 63
201 142
202 21
301 56
302 99
使用差異檢查的結果
廣告活動 ID 曝光次數
101 35
102 63
201 142
202 21
301 56
302 99
使用雜訊插入功能的結果
廣告活動 ID 曝光次數
101 38
102 61
201 182
202 26
301 58
302 98
雜訊模式下的廣告活動 101 範例
廣告活動 ID 實際曝光 已加入雜訊 傳回的曝光次數 (已加入雜訊 COUNT)
101 35 2.8373 38

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:

  1. 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。
  2. 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。
  3. 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:


  1. 除了使用者同意分享的資料 (例如調查對象提供的資料)。 ↩