Pemeriksaan privasi di Ads Data Hub

Privasi pengguna akhir adalah inti dari semua yang dilakukan Ads Data Hub; ini adalah dasar yang menjadi fondasi platform kami. Untuk membantu menjaga privasi tersebut dan membantu pelanggan kami dalam mematuhi peraturan, kami menerapkan pemeriksaan dan pembatasan tertentu, yang dirancang untuk membantu mencegah transmisi data tentang setiap pengguna¹ dalam data yang Anda dapatkan dari platform.

Berikut adalah ringkasan fitur privasi Ads Data Hub, dengan detail selengkapnya di bagian berikut:

• Pemeriksaan statis memeriksa pernyataan dalam kueri Anda untuk mencari masalah privasi yang jelas dan langsung.
• Anggaran akses data membatasi jumlah total frekuensi Anda dapat mengakses bagian data tertentu.
• Pemeriksaan agregasi memastikan bahwa setiap baris berisi jumlah pengguna yang cukup besar untuk melindungi privasi pengguna akhir.
• Pemeriksaan perbedaan (atau "pemeriksaan perbedaan") membandingkan kumpulan hasil untuk membantu mencegah Anda mengumpulkan informasi tentang setiap pengguna dengan membandingkan data dari beberapa kumpulan pengguna.
• Injeksi derau adalah alternatif untuk pemeriksaan perbedaan. Menambahkan derau acak ke klausa SELECT agregasi dari kueri melindungi privasi pengguna sekaligus memberikan hasil yang cukup akurat, sehingga menghilangkan kebutuhan untuk pemeriksaan perbedaan, dan mengurangi nilai minimum agregasi yang diperlukan untuk output.

Jika hasil tidak lulus pemeriksaan privasi, Ads Data Hub akan menampilkan atau menampilkan pesan privasi yang memberi tahu Anda bahwa baris telah difilter. Ini dapat berupa apa pun, mulai dari satu baris hingga seluruh set hasil. Untuk memastikan bahwa jumlah pelaporan Anda tetap akurat, gunakan ringkasan baris yang difilter untuk menghitung data dari baris yang dihapus².

Pemeriksaan statis

Pemeriksaan statis memeriksa pernyataan dalam kueri Anda untuk mencari masalah privasi yang jelas dan langsung, seperti mengekspor ID pengguna, fungsi apa pun dari ID pengguna, atau menggunakan fungsi yang tidak diizinkan di kolom yang berisi data tingkat pengguna. Untuk menghindari error kueri dari pemeriksaan statis, tinjau praktik terbaik dan pahami fungsi mana yang diizinkan.

Anggaran akses data

Anggaran akses data Anda membatasi total frekuensi Anda dapat mengakses bagian data tertentu. Pengguna yang mendekati akhir anggaran akan diberi tahu dengan pesan privasi dengan jenis DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED. Anda dapat memantau anggaran menggunakan titik entri anggaran akses data atau dengan mengamati notifikasi anggaran di UI.

Persyaratan agregasi

Inti dari pemeriksaan privasi Ads Data Hub adalah nilai minimum agregasi pengguna. Untuk sebagian besar kueri, Anda hanya dapat menerima data pelaporan tentang 50 pengguna atau lebih. Namun, kueri yang hanya mengakses klik dan konversi dapat digunakan untuk melaporkan 10 pengguna atau lebih.

• Peristiwa dengan ID pengguna nol dihitung sebagai satu pengguna terhadap nilai minimum agregasi, berapa pun jumlah pengguna sebenarnya yang membuat peristiwa.
• Pengguna dengan ID null tidak diperhitungkan dalam nilai minimum agregasi.
• Pelajari pengaruh mode derau terhadap persyaratan agregasi.

Praktik terbaik: Konfigurasikan ringkasan baris yang difilter untuk melaporkan data yang dihilangkan. Hal ini membantu mempertahankan dasar pengukuran yang konsisten dalam laporan Anda.

Dalam contoh berikut, baris yang berisi kampanye 125 akan difilter dari hasil akhir, karena menggabungkan hasil dari 48 pengguna, yang berada di bawah jumlah minimum 50 pengguna.

Mode privasi

Ads Data Hub menawarkan dua mode privasi—pemeriksaan perbedaan dan injeksi derau. Bagian berikut menjelaskan dan membandingkan mode ini.

Menggunakan pemeriksaan perbedaan

Pemeriksaan perbedaan membantu memastikan bahwa pengguna tidak dapat diidentifikasi melalui perbandingan beberapa hasil yang digabungkan secara memadai dengan cara berikut:

• Laporan ini membandingkan hasil dari tugas yang Anda jalankan dengan hasil sebelumnya.
• Operator ini membandingkan baris dalam kumpulan hasil yang sama.

Pelanggaran pemeriksaan perbedaan dapat dipicu oleh perubahan pada data dasar Anda antara dua tugas. Saat membandingkan hasil tugas dengan hasil sebelumnya, Ads Data Hub akan mencari kerentanan di tingkat pengguna individu. Oleh karena itu, bahkan hasil dari kampanye yang berbeda, atau hasil yang melaporkan jumlah pengguna yang sama, dapat difilter jika memiliki sejumlah besar pengguna yang tumpang-tindih.

Di sisi lain, dua set hasil gabungan mungkin memiliki jumlah pengguna yang sama—tampak identik—tetapi tidak berbagi pengguna satu per satu, sehingga bersifat aman bagi privasi, sehingga tidak akan difilter.

Ads Data Hub menggunakan data dari hasil historis Anda saat mempertimbangkan vulnerability hasil baru. Artinya, menjalankan kueri yang sama berulang kali akan menghasilkan lebih banyak data untuk pemeriksaan perbedaan yang akan digunakan saat mempertimbangkan kerentanan hasil baru. Selain itu, data yang mendasarinya dapat berubah, yang menyebabkan pelanggaran pemeriksaan privasi pada kueri yang dianggap stabil.

Jika hasil tingkat tugas Anda cukup berbeda, tetapi setiap baris serupa dengan baris dalam tugas sebelumnya, Hub Data Iklan akan memfilter baris yang serupa. Dalam contoh ini, baris yang berisi kampanye 123 dalam hasil tugas kedua akan difilter, karena berbeda dari hasil sebelumnya oleh satu pengguna.

Jika jumlah pengguna di semua baris dalam set hasil mirip dengan jumlah pengguna dari tugas sebelumnya, Ads Data Hub akan memfilter seluruh set hasil. Dalam contoh ini, semua hasil dari tugas kedua akan difilter.

Menggunakan injeksi derau

Injeksi derau adalah teknik yang digunakan untuk melindungi privasi pengguna saat membuat kueri database. Metode ini berfungsi dengan menambahkan derau acak ke klausa SELECT agregasi dari kueri. Derau ini melindungi privasi pengguna sekaligus memberikan hasil yang cukup akurat, sehingga tidak perlu pemeriksaan perbedaan dan mengurangi batas agregasi yang diperlukan untuk output. Sebagian besar kueri yang ada dapat dieksekusi dalam mode derau, dengan beberapa batasan. Untuk mempelajari mode derau dan pengaruh injeksi derau terhadap persyaratan privasi lebih lanjut, lihat Injeksi derau.

Membandingkan pemeriksaan perbedaan dengan injeksi derau

Ringkasan baris yang difilter

Ringkasan baris yang difilter menghitung data yang difilter karena pemeriksaan privasi. Data dari baris yang difilter dijumlahkan dan ditambahkan ke baris generik. Meskipun data yang difilter tidak dapat dianalisis lebih lanjut, data tersebut memberikan ringkasan jumlah data yang difilter dari hasil.

Pemfilteran privasi vulgar

Jika Anda perlu membagi kueri, tetapi ingin menggabungkan hasil gabungan, Anda dapat secara eksplisit menerapkan pemeriksaan privasi ke beberapa kueri yang lebih kecil, lalu menggabungkan hasil tersebut dengan cara yang aman bagi privasi.

Contoh kasus penggunaan:

• Anda adalah pengiklan yang mencari semua konversi menurut jenis peristiwa atribusi di akun Google Ads tertaut, yang mencakup data EEA.
• Anda adalah partner pengukuran yang mencari semua konversi menurut jenis peristiwa atribusi di akun Google Ads tertaut.

Untuk mendapatkan jumlah konversi untuk akun Google Ads, Anda dapat menulis ulang kueri menggunakan klausa OPTIONS(privacy_checked_export=TRUE) untuk menerapkan pemeriksaan privasi ke setiap layanan Google satu per satu.

Contoh penulisan ulang di bagian ini melakukan hal berikut:

1. Fungsi ini membuat kueri untuk setiap layanan Google satu per satu, dengan menerapkan pemeriksaan privasi secara eksplisit ke setiap kumpulan hasil perantara.
2. Tindakan ini akan membuat tabel sementara terpisah untuk hasil yang diperiksa privasi dari setiap layanan Google: YouTube, Gmail, dan Jaringan.
3. Tindakan ini menggabungkan dan menjumlahkan jumlah konversi yang diperiksa privasi dari tabel sementara.

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

Perhatikan bahwa kueri ini tidak menggunakan JOIN untuk menggabungkan data secara langsung di antara tabel, tetapi menjalankan kueri untuk setiap tabel terlebih dahulu, menerapkan pemeriksaan privasi ke setiap tabel perantara, lalu menggunakan UNION untuk menjumlahkan nilai yang diperiksa privasi.

Penasihat kueri

Jika SQL Anda valid, tetapi mungkin memicu pemfilteran yang berlebihan, penasihat kueri akan menampilkan saran yang dapat ditindaklanjuti selama proses pengembangan kueri, untuk membantu Anda menghindari hasil yang tidak diinginkan.

Pemicu mencakup pola berikut:

• Menggabungkan subkueri gabungan
• Menggabungkan data yang tidak digabungkan dengan pengguna yang berpotensi berbeda
• Tabel sementara yang ditentukan secara rekursif

Untuk menggunakan konsultan kueri:

• UI. Rekomendasi akan ditampilkan di editor kueri, di atas teks kueri.
• API. Gunakan metode customers.analysisQueries.validate.