Noiselab

Wypróbuj Noise Lab

1. Przejdź do trybu zaawansowanego.
2. W panelu bocznym Parametry wyszukaj Twoje dane o konwersjach.
3. Zwróć uwagę na parametry domyślne. Domyślnie, dzienna kwota TOTAL liczby możliwych konwersji wynosi 1000. Średnio wynosi około 40 na jeśli korzystasz z konfiguracji domyślnej (domyślne wymiary, domyślna liczba wymiarów możliwe różne wartości dla każdego wymiaru, strategię klucza A). Zwróć uwagę na to wartość to 40 w danych wejściowych: średnia dzienna liczba przypisanych konwersji; NA ZASOBNIK.
4. Kliknij Symuluj, aby uruchomić symulację z domyślnymi parametrami.
5. W panelu bocznym Parametry odszukaj Wymiary. Zmień nazwę Obszar geograficzny na Miasto i zmień liczbę możliwych wartości na 50.
6. Obserwuj, jak zmienia to średnią dzienną liczbę konwersji, które można przypisać LICZBA NA ZASOBNIK. Teraz jest dużo niższa. Dzieje się tak, ponieważ liczbę możliwych wartości w tym wymiarze bez zmiany w innych przypadkach zwiększasz łączną liczbę zasobników bez zmiany ile zdarzeń konwersji przypada w każdym z tych kategorii.
7. Kliknij Symuluj.
8. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji: współczynniki szumu są wyższy niż w poprzedniej symulacji.

Wypróbuj Noise Lab

W trybie uproszczonym używana jest domyślna struktura kluczy. Na poziomie zaawansowanym możesz eksperymentować z różnymi strukturami kluczy. Przykładowe wymiary są uwzględniane. możesz je też zmienić.

1. Przejdź do trybu zaawansowanego.
2. W panelu bocznym Parametry odszukaj strategię kluczy. Obserwuj że domyślna strategia o nazwie A w narzędziu korzysta z jednego klucza szczegółowego struktura zawierająca wszystkie wymiary: obszar geograficzny x identyfikator kampanii x produkt .
3. Kliknij Symuluj.
4. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji.
5. Zmień strategię klucza na B. Wyświetlą się dodatkowe opcje aby skonfigurować strukturę kluczy.
6. Skonfiguruj strukturę klucza, np. w następujący sposób:
   1. Liczba struktur kluczy: 2
   2. Struktura klucza 1 = geografia x kategoria produktu.
   3. Struktura klucza 2 = identyfikator kampanii x kategoria produktu.
7. Kliknij Symuluj.
8. Masz teraz do dyspozycji 2 raporty podsumowujące dla każdego typu celu pomiarowego. (dwa dla liczby zakupów, dwa dla wartości zakupu), jeśli używasz o dwóch odrębnych strukturach kluczowych. Zwróć uwagę na odpowiedni współczynnik szumu.
9. Możesz to też wypróbować z własnymi wymiarami niestandardowymi. W tym celu zapoznaj się z dla danych, które chcesz śledzić: Wymiary. Rozważ usunięcie przykładu i tworzyć własne za pomocą przycisków Dodaj/Usuń/Resetuj pod ostatnim wymiarem.

Wypróbuj Noise Lab

1. Przejdź do trybu prostego (lub zaawansowanego) – oba tryby działają tak samo jak w przypadku częstotliwości grupowania).
2. W panelu bocznym Parametry w sekcji Twoja strategia agregacji > Częstotliwość grupowania. Dotyczy to częstotliwości grupowania do zagregowanych raportów przetwarzanych za pomocą usługi agregacji, jednego zadania.
3. Zachowaj domyślną częstotliwość grupowania: domyślnie codzienne grupowanie jest symulowana.
4. Kliknij Symuluj.
5. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji.
6. Zmień częstotliwość grupowania na co tydzień.
7. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji: współczynniki szumu są jest teraz niższy (lepszy) niż w poprzedniej symulacji.

Wypróbuj Noise Lab

Chociaż może być to trudne do przewidzenia i może mieć znaczny wpływ na oprócz efektów sezonowych, spróbuj oszacować liczbę dziennych konwersji po jednym dotknięciu można policzyć z największą mocą 10: 10, 100 1000 lub 10 000.

1. Przejdź do trybu zaawansowanego.
2. W panelu bocznym Parametry wyszukaj Twoje dane o konwersjach.
3. Zwróć uwagę na parametry domyślne. Domyślnie, dzienna kwota TOTAL liczby możliwych konwersji wynosi 1000. Średnio wynosi około 40 na jeśli korzystasz z konfiguracji domyślnej (domyślne wymiary, domyślna liczba wymiarów możliwe różne wartości dla każdego wymiaru, strategię klucza A). Zwróć uwagę na to wartość to 40 w danych wejściowych: średnia dzienna liczba przypisanych konwersji; NA ZASOBNIK.
4. Kliknij Symuluj, aby uruchomić symulację z domyślnymi parametrami.
5. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji.
6. Teraz ustaw TOTAL dzienną liczbę przypisanych konwersji na 100. Zwróć uwagę, że obniża to średnią dzienną wartość, liczby konwersji NA ZASOBNIK.
7. Kliknij Symuluj.
8. Zwróć uwagę, że współczynniki szumu są teraz wyższe, ponieważ mają mniej konwersji na grupę, więcej szumu jest stosowane w celu utrzymania prywatności.

Wypróbuj Noise Lab

1. Przejdź do trybu zaawansowanego.
2. W panelu bocznym Parametry w sekcji Twoja strategia agregacji > Skalowanie. Domyślnie jest ona ustawiona na Tak.
3. Aby zrozumieć pozytywny wpływ skalowania na szum współczynnika proporcji, najpierw ustaw Skalowanie na Wartość
4. Kliknij Symuluj.
5. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji.
6. Ustaw skalowanie na Tak. Pamiętaj, że Noise Lab automatycznie oblicza wartości współczynniki skalowania, które mają zostać użyte dla zakresów (wartości średnia i maksymalna) celów pomiarowych dla danego scenariusza. W prawdziwym systemie lub w testach origin musisz zastosować własne obliczenia współczynników skalowania.
7. Kliknij Symuluj.
8. Zwróć uwagę, że współczynniki szumu są teraz niższe (lepsze) w tej sekundzie symulację. Dzieje się tak, ponieważ używasz skalowania.

Wypróbuj Noise Lab

Cel pomiaru to odrębny punkt danych zebrany w zdarzeniach konwersji.

1. Przejdź do trybu zaawansowanego.
2. W panelu bocznym Parametry odszukaj Dane, które chcesz śledzić: Cele pomiaru. Domyślnie masz 2 cele pomiarowe: zakup wartości i liczby zakupów.
3. Kliknij Symuluj, aby uruchomić symulację z domyślnymi celami.
4. Kliknij Usuń. Spowoduje to usunięcie ostatniego celu pomiaru (zakup takich zdarzeń).
5. Kliknij Symuluj.
6. Zwróć uwagę, że współczynniki szumu dla wartości zakupu są teraz niższe (lepszą) dla tej drugiej symulacji. To dlatego, że masz mniej cele pomiarowe. Twój jeden cel pomiaru otrzyma teraz budżetu darowizny.
7. Kliknij Resetuj. Znowu masz 2 cele pomiarowe: zakupy wartości i liczby zakupów. Pamiętaj, że laboratorium szumów automatycznie oblicza współczynników skalowania, które mają być stosowane dla zakresów (wartości średnia i maksymalna) funkcji celów pomiarowych dla danego scenariusza. Domyślnie funkcja Noise Lab dzieli budżet równomierny pomiędzy celami pomiarowymi.
8. Kliknij Symuluj.
9. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji. Zwróć uwagę na współczynników skalowania wyświetlane w symulacji.
10. Dostosujmy teraz podział budżetu na potrzeby prywatności, aby zapewnić stosunek sygnału do szumu.
11. Popraw procent budżetu przypisany do każdego celu pomiarowego. Biorąc pod uwagę domyślną wartość cel pomiaru 1, czyli wartość zakupu, ma duży szerszy zakres (między 0 a 1000) niż cel pomiaru 2, liczba zakupów (od 1 do 1, czyli zawsze równa 1). Z powodu potrzeba więcej miejsca na skalowanie: najlepiej byłoby przypisać więcej przeznaczenia budżetu na cel pomiaru 1 niż cel pomiaru 2, można wydajniej skalować (patrz „Skalowanie”),
12. Przypisz 70% budżetu do celu 1. Przypisz 30% do pomiaru Cel 2.
13. Kliknij Symuluj.
14. Zwróć uwagę na współczynniki szumu uzyskanego w wyniku symulacji. Do kupienia współczynniki szumu są teraz znacznie niższe (lepsze) niż w przypadku poprzedniej symulację. Jeśli chodzi o liczbę zakupów, pozostają one mniej więcej takie same.
15. Cały czas dostosowuj podział budżetu według danych. Obserwuj, jak to wpływa hałas.

Pamiętaj, że za pomocą tagów Przyciski dodawania/usuwania/resetowania.

Wypróbuj Noise Lab

Cel pomiaru to odrębny punkt danych zebrany w zdarzeniach konwersji.

1. Przejdź do trybu zaawansowanego.
2. W panelu bocznym Parametry w sekcji Twoja strategia agregacji > Skalowanie.
3. Upewnij się, że Skalowanie jest ustawione na Tak. Pamiętaj, że laboratorium szumu automatycznie oblicza współczynniki skalowania do zastosowania, na podstawie zakresy (wartości średnie i maksymalne) podane dla celów pomiarowych.
4. Załóżmy, że największy zakup w historii to 2000 zł, ale większość zakupów ma wartość od 10 do 120 USD. Najpierw zobaczmy, co się dzieje jeśli użyjemy metody skalowania dosłownego (niezalecane): wpisz $2000 jako maksymalna wartość purchaseValue.
5. Kliknij Symuluj.
6. Zwróć uwagę, że współczynniki szumu są wysokie. Wynika to z faktu, że nasza skalowanie wylicza się go obecnie na podstawie 2000 USD, a w rzeczywistości większość będzie znacznie niższa.
7. Zastosujmy teraz bardziej pragmatyczne podejście do skalowania. Zmień maksymalną wartość do 120 USD.
8. Kliknij Symuluj.
9. Zwróć uwagę, że w tej drugiej symulacji współczynniki szumu są niższe (lepsze).

Krótka prezentacja Noise Lab

Noise Lab pomaga szybko oceniać i porównywać strategie zarządzania szumem. Pozwala na:

• Poznaj główne parametry, które mogą wpływać na szum, oraz jaki efekt dają.
• Symuluj wpływ szumu na uzyskane dane pomiarowe różnych decyzji projektowych. Zmieniaj parametry projektu, aż osiągniesz stosunek sygnału do szumu, który sprawdzi się w Twoim przypadku.
• Podziel się swoją opinią na temat przydatności raportów podsumowujących: które wartości parametrów ypsilon i szumu sprawdzają się w Twoim przypadku, a jedynie? Gdzie są między przełomami?

Potraktuj to jak etap przygotowań. Laboratorium szumu generuje dane pomiarowe, aby symulować wyniki raportów podsumowujących na podstawie dane wejściowe. Nie jest zachowywana ani nie udostępnia żadnych danych.

W laboratorium Szumy dostępne są 2 tryby:

1. Tryb uproszczony: poznaj podstawy dostępnych elementów sterujących na hałasie.
2. Tryb zaawansowany: testuj różne strategie zarządzania szumem i oceniaj który zapewnia najlepsze proporcje sygnału do szumu w Twoich zastosowaniach.

Żeby przełączać się między nimi, klikaj przyciski w górnym menu. (nr 1 na zrzucie ekranu poniżej).

Tryb uproszczony

• W trybie uproszczonym parametry są dostępne po lewej stronie, lub nr 2. na zrzucie ekranu poniżej), takie jak Epsilon, i zobacz, jak wpływają one na szum.
• Każdy parametr ma etykietkę (przycisk „?”). Kliknij je, aby wyświetlić wyjaśnienie poszczególnych parametrów (nr 3 na zrzucie ekranu poniżej)
• Aby rozpocząć, kliknij opcję „Symuluj”. i zobacz, jak będzie wyglądał wynik jak (nr 4 na zrzucie ekranu poniżej)
• W sekcji Dane wyjściowe możesz zobaczyć różne szczegóły. Niektóre są oznaczone znakiem „?”. Poświęć trochę czasu na kliknięcie znaku „?”, aby wyświetlić wyjaśnić różne rodzaje informacji.
• W sekcji Dane wyjściowe kliknij przełącznik Szczegóły. jeśli chcesz zobaczyć rozszerzoną wersję tabeli (nr 5 na zrzucie ekranu poniżej)
• Pod każdą tabelą danych w sekcji wyjściowej znajduje się opcja aby pobrać tabelę do użytku offline. Dodatkowo na dole w prawym rogu znajduje się opcja pobrania wszystkich tabel danych (nr 6. zrzut ekranu poniżej)
• Testowanie różnych ustawień parametrów w sekcji Parametry i kliknij Symuluj, by sprawdzić, jak wpływają one na dane wyjściowe:

  

Tryb dla zaawansowanych

• W trybie zaawansowanym masz większą kontrolę nad parametrami. Ty Może dodać niestandardowe cele pomiarowe i wymiary (nr 1 i 2 na zrzucie ekranu poniżej)
• Przewiń sekcję Parametry w dół i zobacz klawisz Opcja strategii. Można to wykorzystać do testowania różnych struktur kluczowych (nr 3 na zrzucie ekranu poniżej)
  • Aby przetestować różne struktury kluczy, przełącz strategię kluczową na „B”
  • Wpisz liczbę różnych struktur kluczy, których chcesz używać (domyślna wartość to „2”)
  • Kliknij Wygeneruj struktury kluczy
  • Po kliknięciu zostaną wyświetlone opcje określania struktur kluczy pola wyboru obok kluczy, które chcesz uwzględnić w każdej strukturze kluczy
  • Kliknij Symuluj, aby wyświetlić wyniki.

    

    .

    

    .

Dane o hałasie

Główna koncepcja

Wprowadzany jest szum, aby chronić prywatność każdego użytkownika.

Wysoka wartość szumu oznacza, że zasobniki/klucze są rozproszone i zawierają treści pochodzące z ograniczonej liczby zdarzeń o charakterze wrażliwym. Gotowe automatycznie w ramach laboratorium szumów, co pozwala ukryć się w tłumie, lub w chroni te ograniczone osoby większą ochronę prywatności dodatkowego szumu.

Niska wartość szumu oznacza, że konfiguracja danych została zaprojektowana w taki sposób, w sposób, który pozwala już „ukryć się w tłumie”. Oznacza to, że zawierają dane z wystarczającej liczby zdarzeń, aby zapewnić prywatność każdego użytkownika jest chroniona.

To stwierdzenie dotyczy zarówno średniego błędu procentowego (APE), i RMSRE_T (względny błąd średniej kwadratowej z wartością progową).

APE (średni procentowy błąd),

APE to stosunek szumu do sygnału, czyli rzeczywista wartość podsumowania.p> Niższe wartości APE to lepszy stosunek sygnału do szumu.

Formuła

W danym raporcie podsumowującym wskaźnik APE jest obliczany w ten sposób:

Prawda to prawdziwa wartość podsumowania. APE to średnia szumu w każdym z nich rzeczywista wartość podsumowania, uśredniana dla wszystkich wpisów w raporcie podsumowującym. W laboratorium szumów wartość jest następnie mnożona przez 100, aby otrzymać wartość procentową.

Zalety i wady

Zasobniki o mniejszych rozmiarach mają nieproporcjonalnie duży wpływ na końcową wartość APE. Może to wprowadzać w błąd przy ocenie szumu. Dlatego dodaliśmy kolejny wskaźnik – RMSRE_T – który ma na celu złagodzenie tego ograniczenia APE. Szczegółowe informacje znajdziesz w przykładach.

Kod

Sprawdź kod źródłowy. do obliczeń APE.

RMSRE_T (względny błąd średniej kwadratowej z wartością progową)

RMSRE_T (względny błąd średniej kwadratowej z określonym progiem) to kolejna miara szumu.

Jak interpretować RMSRE_T

Niższe wartości RMSRE_T oznaczają lepszy stosunek sygnału do szumu.
Jeśli na przykład współczynnik szumu akceptowalny w Twoim przypadku użycia wynosi 20%, a RMSRE_T wynosi 0,2, możesz mieć pewność, że poziom szumu mieści się w akceptowalnym zakresie.

Formuła

W danym raporcie podsumowującym wartość RMSRE_T jest obliczana w następujący sposób:

Zalety i wady

RMSRE_T jest nieco bardziej skomplikowany do zrozumienia niż APE. Ma jednak kilka zalet, które sprawiają, że w niektórych przypadkach lepiej nadaje się do analizy szumu w raportach podsumowujących niż APE:

• Średnia RMSRE_T jest bardziej stabilna. „T” stanowi próg. "T" służy do przypisywania mniejszej wagi w obliczaniu RMSRE_T segmentom, które mają mniej konwersji i są bardziej wrażliwe na szum ze względu na ich mały rozmiar. W przypadku tych danych dane nie gwałtownie się zwiększają w grupach z małą liczbą konwersji. Jeśli T jest równe 5, wartość szumu wynosząca nawet 1 w grupie z 0 konwersji nie będzie wyświetlana jako większa niż 1. Zamiast tego zostanie on ograniczony do 0, 2, co odpowiada 1/5, ponieważ T = 5. Dzięki przypisywaniu mniejszej wagi mniejszym segmentom, które są bardziej wrażliwe na szum, te dane są bardziej stabilne i ułatwiają porównywanie 2 symulacji.
• RMSRE_T ułatwia agregację. Znajomość RMSRE_T wielu zasobników wraz z ich rzeczywistymi liczbami umożliwia obliczenie RMSRE_T ich sumy. Pozwala to również na optymalizację pod kątem RMSRE_T dla tych połączonych wartości.

W przypadku APE agregacja jest możliwa, ale wzór jest dość skomplikowany, ponieważ obejmuje wartość bezwzględną sumy szumów Laplace'a. Utrudnia to optymalizację APE.

Kod

Sprawdź kod źródłowy obliczeń RMSRE_T.

Przykłady

Raport podsumowujący z trzema segmentami:

• zasobnik_1 = szum: 10, trueSummaryValue: 100
• zasobnik_2 = szum: 20, trueSummaryValue: 100
• zasobnik_3 = szum: 20, trueSummaryValue: 200

APE = (0,1 + 0,2 + 0,1) / 3 = 13%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,200))^2) / 3) =  sqrt( (0.01 + 0.04 + 0.01) / 3) =  0.14 

Raport podsumowujący z trzema segmentami:

• zasobnik_1 = szum: 10, trueSummaryValue: 100
• zasobnik_2 = szum: 20, trueSummaryValue: 100
• zasobnik_3 = szum: 20, trueSummaryValue: 20

APE = (0,1 + 0,2 + 1) / 3 = 43%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,20))^2) / 3)  =  sqrt( (0.01 + 0.04 + 1.0) / 3) =  0.59

Raport podsumowujący z trzema segmentami:

• zasobnik_1 = szum: 10, trueSummaryValue: 100
• zasobnik_2 = szum: 20, trueSummaryValue: 100
• zasobnik_3 = szum: 20, trueSummaryValue: 0

APE = (0,1 + 0,2 + nieskończoność) / 3 = nieskończoność

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2  +
(20/max(5,0))^2) / 3) =  sqrt( (0.01 + 0.04 + 16.0) / 3) =  2.31

Zaawansowane zarządzanie kluczami

Platforma DSP lub firma zajmująca się pomiarami reklam może oferować tysiące reklam na całym świecie. klientów z różnych branż, różnych walut i ceny zakupu ich potencjał. Oznacza to, że utworzenie jednego klucza agregacji i zarządzanie nim na każdą będzie prawdopodobnie bardziej niepraktyczny. Dodatkowo będzie to jest trudny do wyboru maksymalnej wartości agregacji i budżetu agregacji, ogranicza wpływ szumu na tysiące reklamodawców na całym świecie. Zamiast tego: Przeanalizujmy następujące scenariusze:

Kluczowa strategia A

Dostawca technologii reklamowych decyduje się utworzyć jeden klucz i zarządzać nim w całym klientów reklamujących się. W przypadku wszystkich reklamodawców i walut zakres Zakupy mogą być różne – od zakupów z wysokiej półki po duże zakupy zakupów. Dzięki temu powstaje taki klucz:

Kluczowa strategia B

Dostawca technologii reklamowych decyduje się utworzyć 2 klucze we wszystkich swoich obiektach klientów reklamujących się. Postanawia rozdzielić klucze według waluty. We wszystkich reklamodawców i wszystkich walut, zakres zakupów może być różny – od małej liczby zakupów, od zakupów z wysokiej półki po duże zakupy. Oddzielanie według waluty, tworzy 2 klucze:

Strategia B będzie miała mniej szumów niż w przypadku strategii A, wartości walut nie są równomiernie rozłożone w różnych walutach. Przykład: Zastanówmy się, w jaki sposób zakupy nominowane w JPY mieszały się z zakupami USD zmieni dane bazowe i wygenerowane zaszumione dane wyjściowe.

Kluczowa strategia C

Dostawca technologii reklamowych decyduje się utworzyć 4 klucze w całym regionie i nimi zarządzać klientów reklamowych i podzielić ich według waluty x reklamodawcy branża:

Strategia C będzie miała mniej szumów niż w przypadku strategii B, wartości zakupów reklamodawców nie są równomiernie rozłożone na reklamodawców. Dla: Zastanów się, jak kupno wysokiej klasy biżuterii łączy się z zakupami w przypadku czapek z daszkiem zmieni dane źródłowe i wygenerowane szumem dane.

Rozważ utworzenie wspólnych maksymalnych wartości zbiorczych i współczynników skalowania pod kątem podobieństwa między wieloma reklamodawcami w celu zredukowania szumu dane wyjściowe. Możesz na przykład eksperymentować z różnymi strategiami poniżej dla reklamodawcom:

• jedną strategię z podziałem na waluty (USD, ¥, CAD itd.).
• jedną strategię podzieloną według branży reklamodawcy (ubezpieczenia, motoryzacja, Handel detaliczny itp.)
• jedną strategię z podobnymi zakresami wartości zakupu ([100], [1000], [10 000] itp.)

Tworząc kluczowe strategie dotyczące podobieństw, kluczy i wspólnych cech reklamodawców, odpowiedni kod są łatwiejsze do zarządzania, a stosunek sygnału do szumu staje się wyższe. Eksperymentowanie z różnymi strategiami z różnymi reklamodawcami podobieństwa związane z odkrywaniem punktów przegięcia w zakresie maksymalizacji wpływu szumu w porównaniu z kodem i zarządzania nimi.

Zaawansowane zarządzanie wynikami odstającymi

Przyjrzyjmy się scenariuszowi obejmującemu 2 reklamodawców:

• Reklamodawca A:
  • We wszystkich produktach w witrynie Reklamodawcy A cena zakupu możliwości wynoszą od [120 USD do 1000 USD] , a ich zakres to 880 USD.
  • Ceny zakupów są równomiernie rozdzielane pomiędzy 880 USD bez odchylenia od wartości wykraczających poza 2 standardowe odchylenia od mediany ceny zakupu.
• Reklamodawca B:
  • We wszystkich produktach w witrynie Reklamodawcy B cena zakupu możliwości wynoszą od [120 USD do 1000 USD] , a ich zakres to 880 USD.
  • Ceny zakupu znacznie wahają się w przedziale 120–500 USD. przy czym tylko 5% zakupów mieści się w przedziale 500–1000 USD.

Biorąc pod uwagę wymagania dotyczące budżetu darowizn i metodologii stosowania szumu w wynikach końcowych, domyślnie reklamodawca B będzie mieć dźwięk głośniejszy niż Reklamodawcy A, ponieważ Reklamodawca B ma większy potencjał, aby elementy odstające podstawowych obliczeń.

Możesz temu zapobiec, stosując konkretną konfigurację klucza. Testowanie kluczowych strategii które pomagają zarządzać danymi odstającymi i bardziej równomiernie rozłożyć wartość zakupów w całym zakresie zakupu klucza.

W przypadku Reklamodawcy B można utworzyć 2 osobne klucze do przechwytywania 2 różnych zakresy wartości zakupu. W tym przykładzie zespół ds. technologii reklamowych zauważył, że wartości odstające wyświetlają się powyżej wartości zakupu 500 USD. Spróbuj zaimplementować 2 osobne klucze dla ten reklamodawca:

• Kluczowa struktura 1 : klucz, który rejestruje tylko zakupy w okresie od 120 do 500 USD (co stanowi około 95% łącznej liczby zakupów).
• Kluczowa struktura 2: klucz, który rejestruje tylko zakupy powyżej 500 USD (co obejmuje ok. 5% łącznej liczby zakupów).

Wdrożenie tej kluczowej strategii powinno pozwolić na lepsze zarządzanie szumem w przypadku reklamodawców B i ułatwiają maksymalizację przydatności raportów podsumowujących. Nowe, mniejsze klucze A i B powinny teraz mieć bardziej jednolity rozkład danych dla każdego klucza z poprzedniego pojedynczego klucza. Spowoduje to mniejszy wpływ szumu na dane wyjściowe każdego klucza niż w przypadku poprzedniego pojedynczego klawisza.