مطابقة البيانات المقدَّمة من المستخدم

تجمع ميزة "مطابقة البيانات المقدَّمة من المستخدم" (UPDM) بين بيانات الطرف الأول التي جمعتها عن مستخدم معيّن، مثل المعلومات من مواقعك الإلكترونية أو تطبيقاتك أو متاجرك، ونشاط هذا المستخدم نفسه أثناء تسجيل الدخول إلى جميع بيانات الأداء مع إعلانات Google، بما في ذلك البيانات المملوكة وتحت إدارة Google. ويشمل ذلك البيانات التي يتم شراؤها من خلال منتجات "منصّة Google للتسويق"، مثل YouTube الذي يتم شراؤه باستخدام "مساحة العرض والفيديو 360". لا تتوفّر منتجات "منصة Google للتسويق" الأخرى التي لا تملكها Google وتديرها.

لتصبح مؤهَّلاً لمطابقة البيانات المقدَّمة من المستخدم، يجب ربط حدث الإعلان بالمستخدم الذي سجّل الدخول إلى بيانات الأداء مع إعلانات Google.

يصف هذا المستند ميزة مطابقة البيانات المقدَّمة من المستخدم، ويقدّم إرشادات حول الإعداد والاستخدام.

نظرة عامة على Private Cloud Match

يتطلّب الحصول على إحصاءات إعلانية قيّمة في كثير من الأحيان تجميع البيانات من مصادر متعددة. يتطلّب إنشاء حلّ خاص بك لمشكلة مسار البيانات هذه استثمارًا كبيرًا للوقت والجهد الهندسي. تسهّل ميزة Private Cloud Match في Ads Data Hub هذه العملية من خلال توفير نموذج طلب بحث في Ads Data Hub لإنشاء جدول مطابقة في BigQuery يمكن استخدامه بعد ذلك في طلبات البحث في Ads Data Hub لمطابقة بيانات الأداء مع إعلاناتك مع بيانات الطرف الأول. يمكن أن يؤدي تحسين طلبات البحث باستخدام بيانات الطرف الأول إلى تقديم تجارب مستخدم أكثر ثراءً، كما أنّه أكثر مقاومة للتغييرات على مستوى المجال في ما يتعلق بتتبُّع الإعلانات.

بما أنّ ميزة "مطابقة البيانات المقدَّمة من المستخدم" لا تتوفّر إلا في المستودع الذي تملكه وتديره Google للمستخدمين الذين سجّلوا الدخول، فهي لا تتأثر بالإيقاف النهائي القادم لملفات تعريف الارتباط الخارجية. بما أنّها أكثر قدرة على مقاومة التغيرات في المجال مقارنةً بالبيانات التابعة لجهات خارجية، يمكنها تقديم إحصاءات أكثر تفصيلاً، ما يؤدي إلى زيادة تفاعل العملاء.

ملخّص العملية

1. إعداد عملية نقل البيانات ومطابقتها
   • أنت تأكَّد من أنّ بيانات الطرف الأول موجودة في BigQuery وأنّ حساب الخدمة لديه إذن بالوصول إليها. يُرجى الاطّلاع على مقالة إعداد عملية نقل البيانات.
2. نقل بيانات الطرف الأول ومطابقتها
   • أنت تنسّق بيانات الطرف الأول وتحمّلها إلى مجموعة بيانات BigQuery.
   • أنت من يبدأ طلب مطابقة البيانات من خلال إنشاء طلب تحليل مطابقة السحابة الإلكترونية الخاصة ووضع جدول زمني.
   • تجمع Google بين البيانات في مشروعك والبيانات المملوكة لـ Google التي تحتوي على رقم تعريف المستخدم في Google والبيانات المقدَّمة من المستخدم المجزّأة لإنشاء جداول المطابقة وتعديلها.
   • يُرجى الاطّلاع على المقالة استيراد بيانات الطرف الأول.
3. طلبات البحث الجارية في Ads Data Hub، استنادًا إلى البيانات المطابقة
   • يمكنك تنفيذ طلبات البحث على جداول المطابقة بالطريقة نفسها التي تنفّذ بها طلبات البحث العادية في Ads Data Hub. يُرجى الاطّلاع على البيانات المطابقة لطلب البحث.

التعرّف على متطلبات الخصوصية

جمع بيانات العملاء

عند استخدام ميزة "مطابقة البيانات المقدَّمة من المستخدِم"، عليك تحميل بيانات الطرف الأول. ويمكن أن تكون هذه المعلومات التي جمعتها من مواقعك الإلكترونية أو تطبيقاتك أو متاجرك أو أي معلومات شاركها أحد العملاء معك مباشرةً.

يجب تنفيذ ما يلي:

• التأكّد من أنّ سياسة الخصوصية لديك توضح أنّك تشارك بيانات العملاء مع أطراف ثالثة لتقديم خدمات نيابةً عنك، وأنّك تحصل على موافقة لهذه المشاركة إذا كان ذلك مطلوبًا قانونًا
• استخدام واجهة برمجة تطبيقات (API) أو واجهة وافقت Google عليها فقط لتحميل بيانات العملاء
• الالتزام بكل القوانين واللوائح السارية، بما في ذلك أي قواعد ذاتية التنظيم أو قواعد متّبعة في المجال قد تنطبق

إقرار موافقة الطرف الأول

لضمان إمكانية استخدام بيانات الطرف الأول في Ads Data Hub، عليك تأكيد حصولك على الموافقة المناسبة لمشاركة بيانات تمت مشاركتها من المستخدمين النهائيين في المنطقة الاقتصادية الأوروبية مع Google بموجب سياسة موافقة المستخدم في الاتحاد الأوروبي وسياسة Ads Data Hub. ينطبق هذا الشرط على كل حساب على Ads Data Hub، ويجب تعديله في كل مرة يتم فيها تحميل بيانات الطرف الأول الجديدة. ويمكن لأي مستخدم واحد تقديم هذا الإقرار نيابةً عن الحساب بأكمله.

يُرجى العِلم أنّ قواعد طلبات البحث نفسها في خدمات Google التي تنطبق على طلبات البحث التحليلية تنطبق أيضًا على طلبات البحث في ميزة "مطابقة البيانات المقدَّمة من المستخدم". على سبيل المثال، لا يمكنك تنفيذ طلبات بحث على مستوى خدمات متعددة بشأن المستخدمين في المنطقة الاقتصادية الأوروبية عند إنشاء جدول مطابقات.

لمعرفة كيفية الإقرار بالموافقة في Ads Data Hub، يُرجى الاطّلاع على متطلبات الموافقة في المنطقة الاقتصادية الأوروبية.

حجم البيانات

لحماية خصوصية المستخدمين النهائيين، تفرض ميزة "مطابقة البيانات المقدَّمة من المستخدم" هذه المتطلبات في ما يتعلق بحجم بياناتك:

• يجب تحميل 1,000 سجلّ على الأقل في قائمة المستخدمين.

إعداد عملية نقل البيانات

قبل البدء، تأكَّد مما يلي:

• يجب أن تكون بيانات الطرف الأول في BigQuery. إذا كان لديك محيط VPC-SC، يجب أن تكون بيانات الطرف الأول هذه ضمن محيط VPC-SC.
• يجب أن يكون لحساب خدمة Ads Data Hub إذن قراءة بيانات الطرف الأول.
• يجب تنسيق بيانات الطرف الأول وتجزئتها بشكلٍ صحيح. لمزيد من التفاصيل، انتقِل إلى الفقرة التالية.

وبخلاف ذلك، لا تتطلّب ميزة Private Cloud Match أي عملية إعداد إضافية. إذا كان بإمكانك تنفيذ طلب بحث تحليلي، يمكنك تنفيذ طلب بحث في Private Cloud Match.

استيراد بيانات الطرف الأول ومطابقتها

أذونات المصدر ومتطلبات الاتصال

تستخدم ميزة "ربط Ads Data Hub" حساب الخدمة المعروض ضمن الإعدادات > التفاصيل > حساب الخدمة (عادةً service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com). يجب منح هذا الحساب الأدوار التالية:

• مصدر BigQuery: roles/bigquery.dataViewer (عارِض بيانات في BigQuery) في مجموعة البيانات أو الجدول المصدر
• مصدر Cloud Storage: roles/storage.objectViewer (Storage Object Viewer) في الحزمة أو العنصر المصدر.
• وجهة استيراد بيانات الطرف الأول: roles/bigquery.dataEditor (محرِّر بيانات BigQuery) في مجموعة البيانات المقصودة، إذا لم يكن الجدول ضِمن مجموعة البيانات التلقائية

متطلبات الحقول وأنواع البيانات

1. مطابقة البيانات المقدَّمة من المستخدم:
   • يجب ربط user_id بالإضافة إلى حقل واحد على الأقل من حقول معلومات تحديد الهوية الشخصية (email أو phone أو العنوان الكامل: first_name وlast_name وcountry وzip_code).
   • ‫user_id وcountry وzip_code: STRING بنص عادي (غير مجزّأ) بالنسبة إلى مصدر BigQuery، يجب أن تكون هذه الأعمدة من نوع STRING، لأنّ الأنواع الأخرى (مثل INT64) ستؤدي إلى تعذُّر إنشاء عملية الربط. تحوّل ميزة "الربط" السمة user_id إلى BYTES في جدول المطابقة. يجب أن يكون country رمزًا مكوّنًا من حرفَين وفقًا لمعيار ISO 3166-1 alpha-2.
   • ‫email وphone وfirst_name وlast_name: HASH: يجب أن تكون مجزّأة باستخدام خوارزمية SHA-256 ومشفّرة باستخدام Base64 (يتم أيضًا قبول قيمة SHA-256 سداسية عشرية مكوّنة من 64 حرفًا). لا تجزّئ Connections البيانات. لا يتم رصد قيم النص العادي عند إنشاء الاتصال، وبالتالي يتعذّر تنفيذ كل عملية باستخدام ... must be encoded using TO_BASE64(SHA256(...)).
   • لا تتضمّن عمليات ربط ميزة "مطابقة البيانات المقدَّمة من المستخدم" جدولاً للوجهة. جميع طلبات البحث في الحساب، وطلبات البحث في ميزة "مطابقة البيانات المقدَّمة من المستخدم" التي يتم تنفيذها يدويًا، تكتب في بيانات المطابقة نفسها، وبالتالي يحلّ كل تنفيذ محلّ التنفيذ السابق. يكفي ربط واحد لميزة "مطابقة البيانات المقدَّمة من المستخدم" لكل حساب.
   • يُرجى الاطّلاع على تنسيق البيانات للإدخال لمعرفة القواعد الخاصة بكل حقل.
2. استيراد بيانات الطرف الأول:
   • استخدِم فقط أنواع البيانات المتوفّرة في واجهة المستخدم: INTEGER وSTRING وHASH وDOUBLE وDATE وTIMESTAMP. لا تتوافق أنواع BigQuery الأخرى.
   • مصدر BigQuery: لا يتم تطبيق النوع المرتبط، ويحتفظ كل عمود وجهة بنوع عمود المصدر.
   • مصدر Cloud Storage: تتم قراءة الأعمدة على أنّها STRING ويتم تحويلها إلى النوع الذي تم ربطه. تصبح القيم التي لا يمكن تحويلها NULL بدون أن يفشل التشغيل.
   • يحلّ كل تنفيذ محلّ جدول الوجهة بالكامل، ولا يتم إلحاقه. إذا لم يتضمّن المصدر أي صفوف، تصبح الوجهة فارغة. لا تستخدم الجدول المصدر أو الجدول الذي تحتاج إلى الاحتفاظ ببياناته كجدول الوجهة.

متطلبات أعمدة ملفات CSV في Cloud Storage

• أدرِج صفًا للعنوان. يتم تخطّي السطر الأول، ولا يتم استخدام أسماء الأعمدة فيه.
• يجب أن يحتوي الملف على أعمدة المصدر المرتبطة بالضبط، وليس أكثر أو أقل. تؤدي الأعمدة الإضافية إلى تعذُّر عملية التشغيل.
• استيراد بيانات الطرف الأول: يجب أن تكون الأعمدة بالترتيب نفسه لعمليات ربط الحقول.
• مطابقة البيانات المقدَّمة من المستخدم: يجب أن تكون الأعمدة بهذا الترتيب، مع الاحتفاظ فقط بالحقول التي تحدّدها: user_id وemail وphone وfirst_name وlast_name وcountry وzip_code. لا يهم ترتيب صفوف الربط.
• لا يتم رصد ترتيب مختلف للأعمدة: يتم تحميل القيم في الحقول الخاطئة (أو تنخفض نِسب المطابقة) بدون ظهور رسالة خطأ.

مصادر البيانات المتوافقة والحدود القصوى للربط

• مصادر البيانات: لا تتوافق هذه الميزة إلا مع مصادر BigQuery وCloud Storage.
• أسماء جداول BigQuery: يجب أن تحمل جداول BigQuery المصدر والوجهة الاسم الكامل لـ project.dataset.table.
• مسارات ملفات Cloud Storage: يجب تقديم معرّف موارد منتظم (URI) لملف واحد (مثل gs://bucket/path/file.csv). لا يمكن استخدام مسارات أحرف البدل مع * أو ?.
• أسماء عمليات الربط: يجب أن يكون لكل عملية ربط في الحساب اسم فريد.

تنسيق البيانات للإدخال

يجب أن تلتزم بياناتك بمتطلبات التنسيق التالية لتتم مطابقتها بشكل صحيح:

• يجب تحميل البيانات باستخدام تجزئة SHA256 في الحالات التي يُشار فيها إلى ذلك في أوصاف حقول الإدخال التالية.
• تتيح ميزة "مطابقة البيانات المقدَّمة من المستخدم" ترميز Base64. يُرجى الاطّلاع على TO_BASE64.
• يجب تنسيق حقول الإدخال كسلاسل. على سبيل المثال، إذا كنت تستخدم دالة التجزئة SHA256 في BigQuery، استخدِم عملية التحويل التالية: TO_BASE64(SHA256(user_data)).

التحقّق من صحة التجزئة وترميز البيانات

يمكنك استخدام نصوص التحقّق من صحة التجزئة التالية للتأكّد من تنسيق بياناتك بشكل صحيح.

  /**
   * @fileoverview Provides the hashing algorithm, as well as some valid hashes of
   * sample data for testing.
  */

  async function hash(token) {
    // Removes leading or trailing spaces and converts all characters to lowercase.
    const formattedToken = token.trim().toLowerCase();
    // Hashes the formatted string using the SHA-256 hashing algorithm.
    const hashBuffer = await crypto.subtle.digest(
        'SHA-256', (new TextEncoder()).encode(formattedToken));
    // Converts the hash buffer to a base64-encoded string and returns it.
    const base64Str = btoa(String.fromCharCode(...new Uint8Array(hashBuffer)));
    return base64Str;
  }

  function main() {
    // Expected hash for test@gmail.com:
    // h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
    hash('test@gmail.com').then(result => console.log(result));

    // Expected hash for +18005551212:
    // YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
    hash('+18005551212').then(result => console.log(result));

    // Expected hash for John: ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
    hash('John').then(result => console.log(result));

    // Expected hash for Doe: eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
    hash('Doe').then(result => console.log(result));
  }

  main()

  """Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

  Supports: Python 2, Python 3

  Sample hashes:

    - Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
    - Phone '+18005551212':   YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
    - First name 'John':      ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
    - Last name 'Doe':        eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
  """

  import base64
  import hashlib

  def hash(token):
  # Generates a base64-encoded SHA-256 hash of a normalized input string.
    return base64.b64encode(
        hashlib.sha256(
            token.strip().lower().encode('utf-8')).digest()).decode('utf-8')

  def print_hash(token, expected=None):
  # Computes and displays the hash of a token, with optional validation.
    hashed = hash(token)

    if expected is not None and hashed != expected:
      print(
          'ERROR: Incorrect hash for token "{}". Expected "{}", got "{}"'.format(
              token, expected, hashed))
      return

    print('Hash: "{}"\t(Token: {})'.format(hashed, token))

  def main():
  # Tests the hash function with sample tokens and expected results.
    print_hash(
        'test@gmail.com', expected='h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=')
    print_hash(
        '+18005551212', expected='YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=')
    print_hash('John', expected='ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=')
    print_hash('Doe', expected='eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=')

  if __name__ == '__main__':
    main()

  /*
  Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

  Sample hashes:

    - Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
    - Phone '+18005551212':   YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
    - First name 'John':      ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
    - Last name 'Doe':        eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
  */
  package main

  import (
    "crypto/sha256"
    "encoding/base64"
    "fmt"
    "strings"
  )

  // Hash hashes an email, phone, first name, or last name into the correct format.
  func Hash(token string) string {
    formatted := strings.TrimSpace(strings.ToLower(token))
    hashed := sha256.Sum256([]byte(formatted))
    encoded := base64.StdEncoding.EncodeToString(hashed[:])
    return encoded
  }

  // PrintHash prints the hash for a token.
  func PrintHash(token string) {
    fmt.Printf("Hash: \"%s\"\t(Token: %s)\n", Hash(token), token)

  }

  func main() {
    PrintHash("test@gmail.com")
    PrintHash("+18005551212")
    PrintHash("John")
    PrintHash("Doe")
  }

  package updm.hashing;

  import static java.nio.charset.StandardCharsets.UTF_8;

  import java.security.MessageDigest;
  import java.security.NoSuchAlgorithmException;
  import java.util.Base64;

  /**
  * Example of the hashing algorithm.
  *
  * <p>Sample hashes:
  *
  * <ul>
  *   <li>Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
  *   <li>Phone '+18005551212': YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
  *   <li>First name 'John': ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
  *   <li>Last name 'Doe': eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=
  * </ul>
  */
  public final class HashExample {

  private HashExample() {}

  public static String hash(String token) {
    // Normalizes and hashes the input token using SHA-256 and Base64 encoding.
    String formattedToken = token.toLowerCase().strip();

    byte[] hash;
    try {
      hash = MessageDigest.getInstance("SHA-256").digest(formattedToken.getBytes(UTF_8));
    } catch (NoSuchAlgorithmException e) {
      throw new IllegalStateException("SHA-256 not supported", e);
    }

    return Base64.getEncoder().encodeToString(hash);
  }

  public static void printHash(String token) {
    // Calculates and prints the hash for the given token.
    System.out.printf("Hash: \"%s\"\t(Token: %s)\n", hash(token), token);
  }

  public static void main(String[] args) {
    // Executes hash calculations and prints results for sample tokens.
    printHash("test@gmail.com");
    printHash("+18005551212");
    printHash("John");
    printHash("Doe");
  }
  }

  /*
  Provides the hashing algorithm, as well as some valid hashes of sample data for testing.

  The following code uses Google Standard SQL and can be run on BigQuery to generate match tables from unhashed data.

  Sample hashes:

    - Email 'test@gmail.com': h5JGBrQTGorO7q6IaFMfu5cSqqB6XTp1aybOD11spnQ=
    - Phone '+18005551212':   YdkRG+0+bZz8G8O1yzWkAmh8TxVGvuBhor1ET73WTEQ=
    - First name 'John':      ltljLzY1ZMwwMlIUCc8iqFLyAy7sCZ7VlnwNAAzsYHo=
    - Last name 'Doe':        eZ75KhGvkY4/t0HfQpNPO1aO0tk6wd908bjUGieTKm8=

  The unhashed input table schema is assumed to be:

  - Column name: UserID, Type: String
  - Column name: Email, Type: String
  - Column name: Phone, Type: String
  - Column name: FirstName, Type: String
  - Column name: LastName, Type: String
  - Column name: PostalCode, Type: String
  - Column name: CountryCode, Type: String
  */

  -- Creates a new table with Base64-encoded SHA-256 hashes of specified columns.
  CREATE TABLE `your_project_name.your_dataset_name.output_hashed_table_name`
  AS
  SELECT
    UserID,
    TO_BASE64(SHA256(LOWER(Email))) AS Email,
    TO_BASE64(SHA256(Phone)) AS Phone,
    TO_BASE64(SHA256(LOWER(FirstName))) AS FirstName,
    TO_BASE64(SHA256(LOWER(LastName))) AS LastName,
    PostalCode,
    CountryCode,
  FROM
    `your_project_name.your_dataset_name.input_unhashed_table_name`;

مفاتيح الدمج

بعض مجموعات البيانات المقدَّمة من المستخدم تكون أقوى من غيرها. في ما يلي قائمة بمجموعات مختلفة من البيانات المقدَّمة من المستخدم، مرتّبة حسب القوة النسبية. إذا كنت تستخدم عنوانًا، يجب تضمين: الاسم الأول واسم العائلة والبلد والرمز البريدي.

1. البريد الإلكتروني ورقم الهاتف والعنوان (الأقوى)
2. رقم الهاتف والعنوان
3. البريد الإلكتروني، العنوان
4. البريد الإلكتروني والهاتف
5. العنوان
6. الهاتف
7. البريد الإلكتروني (الأضعف)

إنشاء جدول مطابقات

1. انقر على add إنشاء > طلب بحث.

2. انسخ نموذج طلب البحث إنشاء جدول المطابقة في السحابة الإلكترونية الخاصة والصِقه في محرِّر طلبات البحث. اختياري: يمكنك استخدام نموذج إنشاء جدول مطابقة السحابة الإلكترونية الخاصة (مع التجزئة) إذا لم تكن بياناتك مجزّأة.

   /* Private cloud match table generation
   Create a new match table using your first party data with this template.
   
   Parameters:
   Manually remove all the parameters tagged with @ prefix and replace them
   with column names from your first party table:
   *   @user_id
   *   @email
   *   @phone
   *   @first_name
   *   @last_name
   *   @country_code
   *   @postal_code
   
   And your BigQuery table information:
   *   @my_project: Your BigQuery project where the first party table is.
   *   @my_dataset: Your dataset where the first party table is.
   *   @my_first_party_table: Your first party table.
   */
   
   CREATE OR REPLACE TABLE adh.updm_match_table AS (
   SELECT CAST(@user_id AS BYTES) AS user_id,
         @email AS email,
         @phone AS phone,
         @first_name AS first_name,
         @last_name AS last_name,
         @country_code AS country,
         @postal_code AS zip_code
   FROM `@my_project.@my_dataset.@my_first_party_table`
   );
   

   /* Private cloud match table generation (with hashing)
   Create a new match table using your first party data with this template.
   
   Parameters:
   Manually remove all the parameters tagged with @ prefix and replace them
   with column names from your first party table:
   *   @user_id
   *   @email
   *   @phone
   *   @first_name
   *   @last_name
   *   @country_code
   *   @postal_code
   
   And your BigQuery table information:
   *   @my_project : Your BigQuery project where the first party table is.
   *   @my_dataset : Your dataset where the first party table is.
   *   @my_first_party_table : Your first party table.
   */
   
   CREATE OR REPLACE TABLE adh.updm_match_table AS (
   SELECT CAST(@user_id AS BYTES) AS user_id,
         TO_BASE64(SHA256(LOWER(@email))) AS email,
         TO_BASE64(SHA256(@phone)) AS phone,
         TO_BASE64(SHA256(LOWER(@first_name))) AS first_name,
         TO_BASE64(SHA256(LOWER(@last_name))) AS last_name,
         @country_code AS country,
         @postal_code AS zip_code
   FROM `@my_project.@my_dataset.@my_first_party_table`
   );
   

3. استبدِل أسماء المَعلمات بأسماء الأعمدة لتقديم أسماء بديلة مناسبة.

4. انقر على حفظ.

5. انقر على تشغيل. يجب تشغيل هذا الطلب يدويًا لإعادة تحميل جدول المطابقة. سيؤدي كل تشغيل إلى استبدال جدول المطابقة الحالي.

نقل عمليات الربط الحالية

سيتم نقل عمليات الربط الحالية في علامة التبويب عمليات الربط إلى تجربة "عمليات الربط" المعدَّلة المضمَّنة مباشرةً في Ads Data Hub. تقرأ الاتصالات المعدَّلة المصادر وتكتب الوجهات باستخدام حساب الخدمة المعروض ضمن الإعدادات > التفاصيل > حساب الخدمة (عادةً service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) بدلاً من حسابات خدمة Data Fusion وDataproc وUPDM القديمة.

يُرجى إكمال بنود العمل هذه قبل نقل عمليات الربط:

1. منح أذونات حساب الخدمة: امنح حساب الخدمة المعروض ضمن الإعدادات > التفاصيل > حساب الخدمة (عادةً service-<number>@gcp-sa-adsdatahub.iam.gserviceaccount.com) أدوار المصدر والوجهة المطلوبة (roles/bigquery.dataViewer وroles/storage.objectViewer و roles/bigquery.dataEditor في مجموعات البيانات الوجهة غير التلقائية). قد يستمر نقل عمليات الربط التي تتضمّن مصادر غير قابلة للقراءة أو محذوفة أو تم تغييرها (خاصةً مصادر Cloud Storage التي لا يتم التحقّق منها في وقت النقل)، ولكن ستتعذّر عمليات الربط إلى أن تمنح الإذن بالوصول أو تصلح المصدر.
2. تحويل الاتصالات غير المتوافقة: لن يتم نقل الاتصالات التي تتضمّن الإعدادات التالية. يُرجى تحويلها إلى اتصالات متوافقة مع BigQuery أو Cloud Storage:
   • مصادر البيانات الأخرى (Amazon S3 أو Snowflake أو MySQL أو PostgreSQL أو Amazon Redshift أو sFTP أو Salesforce): عليك تنظيم البيانات في BigQuery أو Cloud Storage أولاً، ثم إنشاء عملية ربط بـ BigQuery أو Cloud Storage.
   • عمليات ربط الحقول أو أنواع البيانات غير المتوافقة: عدِّل عملية الربط أو أعِد إنشاءها لتلبية متطلبات الحقول وأنواع البيانات.
   • مسارات أحرف البدل في Cloud Storage (* أو ?): استبدِل معرّف الموارد المنتظم (URI) لأحرف البدل بمعرّف موارد منتظم (URI) لملف واحد أو حمِّل الملفات إلى BigQuery أولاً.
   • أسماء الاتصالات المكرّرة: أعِد تسمية الاتصالات المكرّرة أو احذفها ليكون لكل اتصال في الحساب اسم فريد.
3. حذف عمليات الربط غير المستخدَمة: احذف عمليات الربط القديمة التي لم تعُد بحاجة إليها.

البيانات المطابقة لطلب البحث

الاستعلام عن جداول المطابقة

عندما تحتوي جداول المطابقة على بيانات كافية لاستيفاء فحوصات الخصوصية، تكون مستعدًا لتشغيل طلبات البحث على الجداول.

يتم تمثيل الجدول الأصلي لبيانات الطرف الأول (1PD) من خلال my_data. ويشمل ذلك كلاً من معلومات تكشف الهوية الشخصية (PII) ومعلومات لا تكشف الهوية الشخصية. يمكن أن يؤدي استخدام الجدول الأصلي إلى تحسين تقاريرك من خلال تقديم المزيد من الإحصاءات، لأنّه يمثّل جميع بيانات الطرف الأول ضمن النطاق، مقارنةً بجدول المطابقة.

كل جدول في مخطط Ads Data Hub يحتوي على حقل user_id يكون مصحوبًا بجدول مطابقة. على سبيل المثال، بالنسبة إلى جدول adh.google_ads_impressions، تنشئ Ads Data Hub أيضًا جدول مطابقة باسم adh.google_ads_impressions_updm يحتوي على أرقام تعريف المستخدمين. يتم إنشاء جداول مطابقة منفصلة لجداول الشبكات المعزولة حسب السياسة. على سبيل المثال، بالنسبة إلى جدول adh.google_ads_impressions_policy_isolated_network، تنشئ Ads Data Hub أيضًا جدول مطابقة باسم adh.google_ads_impressions_policy_isolated_network_updm يحتوي على أرقام تعريف المستخدمين.

تحتوي هذه الجداول على مجموعة فرعية من المستخدمين المتاحين في الجداول الأصلية، حيث يوجد تطابق في user_id. على سبيل المثال، إذا كان الجدول الأصلي يحتوي على بيانات للمستخدم "أ" والمستخدم "ب"، ولكن تمّت مطابقة المستخدم "أ" فقط، لن يظهر المستخدم "ب" في جدول المطابقة.

تحتوي جداول المطابقة على عمود إضافي باسم customer_data_user_id، والذي يخزّن معرّف المستخدم على شكل وحدات بايت.

من المهم مراعاة نوع الحقل عند كتابة طلبات البحث. تتوقع عوامل المقارنة في SQL أن تكون القيم الحرفية التي تقارنها من النوع نفسه. استنادًا إلى طريقة تخزين user_id في جدول بيانات الطرف الأول، قد تحتاج إلى ترميز القيم في الجدول قبل مطابقة البيانات. يجب تحويل مفتاح الربط إلى BYTES لإجراء عمليات مطابقة ناجحة:

JOIN ON
  adh.google_ads_impressions_updm.customer_data_user_id = CAST(my_data.user_id AS BYTES)

بالإضافة إلى ذلك، فإن مقارنات السلاسل في SQL حساسة للأحرف الكبيرة، لذلك قد تحتاج إلى ترميز السلاسل على جانبي المقارنة للتأكد من إمكانية مقارنتها بدقة.

نماذج طلبات البحث

احتساب عدد المستخدمين المطابقين

يحتسب طلب البحث هذا عدد المستخدمين المطابقين في جدول مرات ظهور الإعلان في "إعلانات Google".

/* Count matched users in Google Ads impressions table */

SELECT COUNT(DISTINCT user_id)
FROM adh.google_ads_impressions_updm

احتساب نسبة المطابقة

لا يكون بعض المستخدمين مؤهَّلين للمطابقة. على سبيل المثال، لا تتم مطابقة المستخدمين الذين سجّلوا الخروج من حساباتهم، والأطفال، والمستخدمين الذين لم يمنحوا الموافقة من خلال ميزة "مطابقة البيانات المقدَّمة من المستخدم". يمكنك استخدام حقل is_updm_eligible لاحتساب نِسب مطابقة أكثر دقة لميزة "مطابقة البيانات المقدَّمة من المستخدم". يُرجى العِلم أنّ حقل is_updm_eligible أصبح متاحًا اعتبارًا من 1 أكتوبر 2024. لا يمكنك استخدام هذا الحقل لحساب نِسب المطابقة قبل ذلك التاريخ.

/* Calculate the UPDM match rate */

CREATE TEMP TABLE total_events OPTIONS(privacy_checked_export=TRUE) AS
SELECT
  customer_id,
  COUNT(*) AS n
FROM adh.google_ads_impressions
WHERE is_updm_eligible
GROUP BY 1;

CREATE TEMP TABLE matched_events OPTIONS(privacy_checked_export=TRUE) AS
SELECT
  customer_id,
  COUNT(*) AS n
FROM adh.google_ads_impressions_updm
GROUP BY 1;

SELECT
  customer_id,
  SAFE_DIVIDE(matched_events.n, total_events.n) AS match_rate
FROM total_events
LEFT JOIN matched_events
  USING (customer_id)

دمج بيانات الطرف الأول وبيانات الأداء مع إعلانات Google

يوضّح طلب البحث هذا كيفية دمج بيانات الطرف الأول مع بيانات "إعلانات Google":

/* Join first-party data with Google Ads data. The customer_data_user_id field
contains your ID as BYTES. You need to cast your join key into BYTES for
successful matches. */

SELECT
  inventory_type,
  COUNT(*) AS impressions
FROM
  adh.yt_reserve_impressions_updm AS google_data_imp
LEFT JOIN
  `my_data`
ON
  google_data_imp.customer_data_user_id = CAST(my_data.user_id AS BYTES)
GROUP BY
  inventory_type

الأسئلة الشائعة حول ميزة "مطابقة البيانات المقدَّمة من المستخدم"

للاطّلاع على قائمة بالأسئلة الشائعة حول ميزة "مطابقة البيانات المقدَّمة من المستخدم"، يُرجى مراجعة الأسئلة الشائعة حول ميزة "مطابقة البيانات المقدَّمة من المستخدم".