การตรวจสอบความเป็นส่วนตัวใน Ads Data Hub

ความเป็นส่วนตัวของผู้ใช้ปลายทางคือหัวใจสำคัญของทุกสิ่งที่ Ads Data Hub ทำ ซึ่งเป็น รากฐานที่แพลตฟอร์มของเราสร้างขึ้น เราจึงกำหนดการตรวจสอบและข้อจำกัดบางอย่างเพื่อช่วยรักษาความเป็นส่วนตัวดังกล่าวและช่วยลูกค้าปฏิบัติตามกฎระเบียบ โดยการตรวจสอบและข้อจำกัดนี้ออกแบบมาเพื่อช่วยป้องกันการส่งข้อมูลเกี่ยวกับผู้ใช้แต่ละราย1 ในข้อมูลที่คุณได้รับจากแพลตฟอร์ม

ต่อไปนี้คือภาพรวมของฟีเจอร์ด้านความเป็นส่วนตัวของ Ads Data Hub พร้อมรายละเอียดเพิ่มเติม ในส่วนที่ตามมา

  • การตรวจสอบเบื้องต้นจะตรวจสอบคำสั่งในการค้นหาเพื่อดูข้อกังวลเกี่ยวกับความเป็นส่วนตัวที่ชัดเจนและเร่งด่วน
  • งบประมาณการเข้าถึงข้อมูลจะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึง ข้อมูลที่กำหนดได้
  • การตรวจสอบการรวมช่วยให้มั่นใจว่าทุกแถวมีจำนวนผู้ใช้มากพอ ที่จะปกป้องความเป็นส่วนตัวของผู้ใช้ปลายทาง
  • การแทรกสัญญาณรบกวนจะเพิ่มสัญญาณรบกวนแบบสุ่มที่ปรับเทียบอย่างแม่นยำลงใน SELECT คลอสการรวม เพื่อปกป้องความเป็นส่วนตัวของผู้ใช้ในขณะที่ให้ผลลัพธ์ที่แม่นยำอย่างสมเหตุสมผล
  • การตรวจสอบความแตกต่าง (หรือ "การตรวจสอบความแตกต่าง") เป็นทางเลือกเดิมแทนการแทรกสัญญาณรบกวน ซึ่งจะเปรียบเทียบชุดผลลัพธ์เพื่อช่วยป้องกันการรวมกันที่อาจ ระบุตัวตนของผู้ใช้แต่ละรายได้ วิธีนี้จะช่วยหลีกเลี่ยงสัญญาณรบกวน แต่ก็มักจะทำให้เกิดการปกปิดข้อมูลบางส่วนที่สำคัญและคาดเดาไม่ได้

การตรวจสอบเบื้องต้น

การตรวจสอบแบบคงที่จะตรวจสอบคำสั่งในคําค้นหาเพื่อหาข้อกังวลเกี่ยวกับความเป็นส่วนตัวที่ชัดเจนและ ในทันที เช่น การส่งออกตัวระบุผู้ใช้ ฟังก์ชันใดๆ ของ ตัวระบุผู้ใช้ หรือการใช้ฟังก์ชันที่ไม่ได้รับอนุญาตในฟิลด์ที่มี ข้อมูลระดับผู้ใช้ หากต้องการหลีกเลี่ยงข้อผิดพลาดในการค้นหาจากการตรวจสอบแบบคงที่ โปรดอ่านแนวทางปฏิบัติแนะนำและทำความเข้าใจฟังก์ชันที่อนุญาต

จำนวนครั้งที่จำกัดในการเข้าถึงข้อมูล

จำนวนครั้งที่จำกัดในการเข้าถึงข้อมูลจะจำกัดจำนวนครั้งทั้งหมดที่คุณเข้าถึงข้อมูลที่กำหนดได้ ผู้ใช้ที่ใกล้จะใช้งบประมาณจนหมดจะได้รับการแจ้งเตือน พร้อมข้อความด้านความเป็นส่วนตัวที่มี ประเภท DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED คุณสามารถตรวจสอบงบประมาณได้โดยใช้จุดแรกเข้าของจำนวนครั้งที่จำกัดในการเข้าถึงข้อมูล หรือโดยสังเกตการแจ้งเตือนงบประมาณใน UI

ข้อกำหนดในการรวบรวม

หัวใจหลักของการตรวจสอบความเป็นส่วนตัวของ Ads Data Hub คือเกณฑ์การรวมผู้ใช้ เกณฑ์ที่เฉพาะเจาะจงจะขึ้นอยู่กับโหมดความเป็นส่วนตัวและข้อมูลที่เข้าถึง

  • Noise Injection ต้องมีผู้ใช้ที่ไม่ซ้ำกันประมาณ 20 คนต่อแถวผลลัพธ์
  • การตรวจสอบความแตกต่างต้องมีผู้ใช้ที่ไม่ซ้ำกันประมาณ 50 คนต่อแถวผลลัพธ์
  • คําค้นหาที่มีเฉพาะข้อมูลคลิกและ Conversion ต้องมีผู้ใช้ที่ไม่ซ้ำกันประมาณ 10 รายต่อแถวผลลัพธ์

ในตัวอย่างต่อไปนี้ (ใช้ Noise Injection) ระบบจะกรองแถวที่มีแคมเปญ 125 ออกจากผลลัพธ์สุดท้าย เนื่องจากมีการรวบรวมผลลัพธ์จากผู้ใช้ 18 ราย ซึ่งต่ำกว่าเกณฑ์ขั้นต่ำของผู้ใช้ 20 ราย

รหัสแคมเปญ ผู้ใช้ การแสดงผล
123 314 928
124 2718 5772
125 18 45

โหมดความเป็นส่วนตัว

Ads Data Hub มีโหมดความเป็นส่วนตัว 2 โหมด ได้แก่ Noise Injectionและการตรวจหาข้อมูลที่ต่างกัน ดูรายละเอียดเกี่ยวกับแต่ละโหมดได้ในหน้าต่อไปนี้

เปรียบเทียบการตรวจหาข้อมูลที่ต่างกันกับ Noise Injection

ในโหมดการตรวจหาข้อมูลที่ต่างกัน ระบบจะกรองแถวหากไม่เป็นไปตามข้อกำหนดการรวบรวมผู้ใช้ 50 ราย หรือหากทำให้เกิดการละเมิดการตรวจหาข้อมูลที่ต่างกัน

ในโหมด Noise Injection ระบบจะกรองแถวก็ต่อเมื่อแถวไม่เป็นไปตามข้อกำหนดการรวบรวม (ผู้ใช้ประมาณ 20 รายสำหรับข้อมูลการแสดงผล) และจะเพิ่มสัญญาณรบกวนแบบสุ่มลงในผลลัพธ์รวม

ข้อมูลจริง
รหัสแคมเปญ จำนวนการแสดงผล
101 35
102 63
201 142
202 21
301 56
302 99
ผลลัพธ์ที่ใช้การตรวจสอบ ความแตกต่าง
รหัสแคมเปญ จำนวนการแสดงผล
101 35
102 63
201 142
202 21
301 56
302 99
ผลลัพธ์ที่ใช้การแทรกสัญญาณรบกวน
รหัสแคมเปญ จำนวนการแสดงผล
101 38
102 61
201 182
202 26
301 58
302 98
ตัวอย่างของ แคมเปญ 101 ในโหมด Noise Injection
รหัสแคมเปญ การแสดงผลจริง เพิ่มเสียงรบกวนแล้ว การแสดงผลที่ส่งคืน (COUNT ที่มีการเพิ่มสัญญาณรบกวน)
101 35 2.8373 38

การกรองเพื่อความเป็นส่วนตัวอย่างชัดเจน

ในกรณีที่คุณต้องแบ่งคำค้นหาออกเป็นส่วนๆ แต่ต้องการรวมผลลัพธ์ที่ รวบรวมไว้ คุณสามารถใช้การตรวจสอบความเป็นส่วนตัวกับคำค้นหาขนาดเล็กหลายรายการอย่างชัดเจน แล้วจึงรวบรวมผลลัพธ์เหล่านั้นเข้าด้วยกันอย่างปลอดภัยด้านความเป็นส่วนตัว

ตัวอย่างกรณีการใช้งาน

  • คุณเป็นผู้ลงโฆษณาที่กําลังมองหา Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มา ในบัญชี Google Ads ที่ลิงก์ไว้ ซึ่งรวมถึงข้อมูล EEA
  • คุณเป็นพาร์ทเนอร์ด้านการวัดผลที่กําลังมองหา Conversion ทั้งหมดตามประเภทเหตุการณ์การระบุแหล่งที่มาในบัญชี Google Ads ที่ลิงก์ไว้

หากต้องการทราบผลรวมของ Conversion สำหรับบัญชี Google Ads คุณสามารถเขียนคำสั่ง ค้นหาใหม่โดยใช้OPTIONS(privacy_checked_export=TRUE)เพื่อใช้การตรวจสอบความเป็นส่วนตัว กับบริการแต่ละอย่างของ Google แยกกัน

การเขียนใหม่ตัวอย่างในส่วนนี้จะทำสิ่งต่อไปนี้

  1. โดยจะค้นหาแต่ละบริการของ Google แยกกัน และใช้การตรวจสอบความเป็นส่วนตัวกับชุดผลลัพธ์ระดับกลางแต่ละชุดอย่างชัดเจน
  2. โดยจะสร้างตารางชั่วคราวแยกต่างหาก สำหรับผลลัพธ์ที่ผ่านการตรวจสอบความเป็นส่วนตัวของแต่ละบริการของ Google ได้แก่ YouTube, Gmail และ เครือข่าย
  3. โดยจะรวบรวมและรวมจํานวน Conversion ที่ตรวจสอบความเป็นส่วนตัวจากตารางชั่วคราว
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

โปรดทราบว่าคําค้นหานี้ไม่ได้ใช้ JOIN เพื่อรวมข้อมูลระหว่างตารางโดยตรง แต่จะทําการค้นหาแต่ละตารางก่อน จากนั้นจะใช้การตรวจสอบความเป็นส่วนตัวกับแต่ละตารางกลาง แล้วใช้ UNION เพื่อรวมค่าที่ผ่านการตรวจสอบความเป็นส่วนตัว

ที่ปรึกษาด้านคำค้นหา

หาก SQL ใช้ได้ แต่มีแนวโน้มที่จะทำให้เกิดปัญหาด้านความเป็นส่วนตัว ที่ปรึกษาการค้นหา จะแสดงคำแนะนำที่นำไปใช้ได้จริงในระหว่างกระบวนการพัฒนาการค้นหา เพื่อช่วยให้คุณ หลีกเลี่ยงผลลัพธ์ที่ไม่พึงประสงค์

วิธีใช้ที่ปรึกษาด้านการค้นหา

  • UI คำแนะนำจะปรากฏในเครื่องมือแก้ไขการค้นหา เหนือข้อความค้นหา
  • API ใช้วิธี customers.analysisQueries.validate

  1. นอกเหนือจากข้อมูลที่ผู้ใช้ยินยอมให้แชร์ เช่น ในกรณีของผู้เข้าร่วมการวิจัย ↩