Pertimbangkan hal yang paling penting bagi bisnis Anda berdasarkan jenis pelanggan dan kasus penggunaan berikut, serta pastikan integrasi dan eksperimen Anda mencerminkan prioritas tersebut. Kriteria tersebut dapat mencakup:
Jenis pelanggan: pengiklan besar versus kecil, agensi, jenis vertikal, jejak geografis
Tujuan kampanye dan jenis konversi: akuisisi pengguna, retensi pelanggan, pembelian, pendapatan
Kasus penggunaan: pelaporan, analisis ROI, pengoptimalan bid
2. Kasus penggunaan
Kami sering melihat laporan ringkasan yang digunakan untuk pelaporan dan laporan tingkat peristiwa yang digunakan untuk pengoptimalan (dan mungkin pelaporan sebagai data tambahan). Untuk memaksimalkan kemampuan pengukuran, gabungkan tingkat peristiwa dan tingkat agregat; misalnya, berdasarkan metodologi Google Ads dan riset pengoptimalan Privacy Sandbox.
3. Umum
Dasar pengukuran
Optimal
Pelaporan
Menggunakan laporan ringkasan untuk melaporkan kasus penggunaan
Pertimbangkan cara menggunakan cookie pihak ketiga (selama tersedia) dan data yang tidak terpengaruh oleh 3PCD untuk memvalidasi atau meningkatkan performa ARA lebih lanjut
Pastikan kunci sisi sumber dan sisi pemicu yang akan Anda gunakan sesuai dengan kasus penggunaan Anda
Contoh struktur kunci untuk memulai dapat berupa: struktur kunci yang mencakup semua dimensi yang ingin Anda lacak. Berdasarkan outputnya, Anda dapat menguji berbagai struktur kunci.
Menguji berbagai nilai Epsilon dalam Layanan Agregasi dan dapat memberikan perspektifnya
Strategi pengelompokan
Pemahaman penuh tentang dampak berbagai frekuensi pengelompokan (mis. per jam, harian, atau mingguan) dan cara pengelompokan laporan (mis., berdasarkan waktu laporan terjadwal pengiklan X). Detail tambahan di Dokumen Developer dan panduan Pengujian Beban Layanan Agregat
Uji dengan minimal satu frekuensi pengelompokan dan satu pengiklan
Menguji berbagai kombinasi frekuensi pengelompokan dan dimensi laporan, serta mengidentifikasi setelan optimal untuk kasus penggunaannya
Hal ini juga dapat mencakup memiliki berbagai strategi per pengiklan atau grup pengiklan (mis. kecil, menengah, besar). Lihat Panduan Pengujian Beban Layanan Agg MG
Meminimalkan hilangnya laporan dengan menyesuaikan strategi pengelompokan untuk memperhitungkan potensi laporan agregat yang tertunda
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Informasi yang saya butuhkan tidak ada","missingTheInformationINeed","thumb-down"],["Terlalu rumit/langkahnya terlalu banyak","tooComplicatedTooManySteps","thumb-down"],["Sudah usang","outOfDate","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Masalah kode / contoh","samplesCodeIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2024-01-29 UTC."],[[["Prioritize business needs by considering customer types, campaign objectives, and use cases when integrating and experimenting with Attribution Reporting API."],["Combine event-level and summary reports for comprehensive measurement, leveraging them for optimization and reporting respectively."],["Optimize Attribution Reporting API setup by configuring source/trigger registration calls, utilizing both click-through and view-through conversions, and experimenting with reporting windows."],["Explore advanced techniques like noise reduction, aggregation service optimization, and batching strategies to enhance measurement accuracy and efficiency."],["Integrate with debugging tools to validate implementation, compare with existing measurement, and identify areas for improvement."]]],["This document outlines best practices for implementing the Privacy Sandbox Attribution Reporting API (ARA). Key actions include: prioritizing customer types and campaign objectives, combining event-level and summary reports for reporting and optimization, and understanding cross-app & web attribution. Optimal configurations involve using both Click Through Conversions (CTC) and View Through Conversions (VTC), leveraging flexible event-level setups, and integrating transitional debug reports. It emphasizes testing noise impact, different key structures, batching frequencies, and utilizing non-3PC data for validation.\n"]]
