La confidentialité des utilisateurs finaux est au cœur de toutes les activités d'Ads Data Hub. C'est sur cette base que repose notre plate-forme. Afin de protéger cette confidentialité et d'aider nos clients à respecter la conformité réglementaire, nous imposons certaines vérifications et restrictions. L'objectif est d'empêcher la transmission de données concernant des utilisateurs individuels1 dans les données obtenues à partir de la plate-forme.
Voici un aperçu des fonctionnalités de confidentialité d'Ads Data Hub, avec des informations plus détaillées dans les sections suivantes :
- Les vérifications statiques permettent d'examiner les instructions dans vos requêtes afin de détecter les problèmes de confidentialité flagrants et immédiats.
- Les budgets d'accès aux données limitent le nombre total de fois que vous pouvez accéder à une donnée spécifique.
- Les vérifications d'agrégation permettent de vérifier que chaque ligne contient un nombre suffisant d'utilisateurs pour protéger la confidentialité des utilisateurs finaux.
- L'injection de bruit ajoute un bruit aléatoire calibré avec précision à une clause d'agrégation
SELECTpour protéger la confidentialité des utilisateurs tout en fournissant des résultats raisonnablement précis. - La vérification des différences (ou "vérification des écarts") est une ancienne alternative à l'injection de bruit qui compare les ensembles de résultats pour éviter les combinaisons susceptibles d'identifier des utilisateurs individuels. Cela évite le bruit, mais entraîne souvent un masquage important et imprévisible des données.
- La suppression des ID utilisateur en fonction du contexte évalue l'éligibilité des ID utilisateur au moment de l'exécution de la requête en fonction du cas d'utilisation spécifique de votre requête.
Vérifications statiques
Les vérifications statiques permettent d'examiner les instructions dans vos requêtes afin de détecter des problèmes de confidentialité flagrants, comme l'exportation d'identifiants utilisateur ou toute fonction d'identifiants utilisateur, ou encore l'utilisation de fonctions non autorisées sur les champs qui contiennent des données utilisateur. Pour éviter les erreurs de requête lors des vérifications statiques, consultez les bonnes pratiques et découvrez quelles fonctions sont autorisées.
Budget d'accès aux données
Votre budget d'accès aux données limite le nombre total de fois que vous pouvez accéder à une donnée spécifique. Un message de confidentialité de type DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED s'affiche lorsque les utilisateurs approchent de la limite du budget. Vous pouvez surveiller le budget à l'aide du point d'entrée budget d'accès aux données ou des notifications sur le budget dans l'interface utilisateur.
Exigences d'agrégation
Le seuil d'agrégation des utilisateurs est au cœur des contrôles de confidentialité d'Ads Data Hub. Le seuil spécifique dépend du mode de confidentialité et des données consultées :
- L'injection de bruit nécessite environ 20 utilisateurs uniques par ligne de résultat.
- La vérification des différences nécessite environ 50 utilisateurs uniques par ligne de résultat.
- Les requêtes portant uniquement sur les données de clics et de conversions nécessitent environ 10 utilisateurs uniques par ligne de résultat.
Dans l'exemple suivant (avec injection de bruit), la ligne contenant la campagne 125 serait exclue des résultats finaux, car elle regroupe les résultats de 18 utilisateurs, soit moins que le nombre minimal requis (20).
| ID de la campagne | Utilisateurs | Impressions |
|---|---|---|
| 123 | 314 | 928 |
| 124 | 2 718 | 5 772 |
| 125 | 18 | 45 |
Modes de confidentialité
Ads Data Hub propose deux modes de confidentialité : l'injection de bruit et la vérification des différences. Pour en savoir plus sur chaque mode, consultez les pages suivantes :
- Injection de bruit (recommandé)
- Vérification des différences (ancienne version)
Comparer la vérification des différences et l'injection de bruit
En mode vérification des différences, les lignes sont filtrées si elles ne respectent pas l'exigence d'agrégation de 50 utilisateurs ou si elles déclenchent des violations de la vérification des différences.
En mode d'injection de bruit, les lignes ne sont filtrées que si elles ne répondent pas aux exigences d'agrégation (environ 20 utilisateurs pour les données d'impression), et un bruit aléatoire est ajouté aux résultats agrégés.
|
|
||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||
Masquage des ID utilisateur en fonction du contexte
Ads Data Hub masque les identifiants des utilisateurs finaux (user_id) lorsque les choix de confidentialité des utilisateurs, les paramètres du compte ou les règles réglementaires l'exigent. Lorsque l'identifiant utilisateur d'un événement est masqué, sa valeur user_id est définie sur '0'.
Au lieu d'appliquer un seul ensemble de règles de masquage à tous les événements lors de l'ingestion des données, Ads Data Hub évalue l'éligibilité des ID utilisateur au moment de l'exécution de la requête en fonction du cas d'utilisation spécifique de votre requête :
- Requêtes d'analyse : évalue si l'identifiant est autorisé pour la mesure. Les événements des utilisateurs qui ont désactivé la personnalisation des annonces (par exemple, via les paramètres de personnalisation des annonces Google ou le suivi limité des annonces au niveau de l'appareil) restent éligibles aux requêtes de mesure agrégée, à condition qu'aucune autre restriction de confidentialité ne s'applique.
- Requêtes d'activation d'audience : évalue si l'identifiant est autorisé pour le remarketing et la collecte de listes d'audience. Pour les événements provenant d'utilisateurs qui ont désactivé la personnalisation des annonces ou le remarketing, le paramètre
user_idest défini sur'0'et ils sont exclus des listes d'audience.
Les événements soumis aux restrictions de confidentialité de base (comme le trafic destiné aux enfants ou soumis à la loi COPPA, la diffusion d'annonces sans cookies ou le trafic sans consentement) ont toujours leur user_id défini sur '0' pour tous les types de requêtes.
Impact de l'occultation au niveau de la couche de requête sur vos résultats
Aucune modification de vos requêtes SQL n'est requise. Toutefois, comme moins d'événements ont leur user_id inutilement mis à zéro lors de l'ingestion, vous observerez les changements suivants dans les requêtes de mesure :
- Seuils d'agrégation : étant donné que les événements avec
user_id = '0'ne sont pas comptabilisés dans les seuils d'agrégation par ligne, conserver davantage d'ID utilisateur valides pour la mesure peut réduire le nombre de lignes filtrées en raison des seuils de nombre d'utilisateurs. - Taux de correspondance plus élevés pour la mise en correspondance des données fournies par l'utilisateur (UPDM) : les tables de correspondance UPDM (
*_updm) et le champis_updm_eligibleutilisent l'éligibilité au moment de la requête. Conserver des ID utilisateur valides pour la mesure augmente à la fois le nombre d'événements éligibles à la MCDFU (WHERE is_updm_eligible) et le volume de lignes correspondantes dans les vues*_updm. - Amélioration de la cohérence du conversion lift et de l'attribution : les requêtes qui filtrent les ID utilisateur mis à zéro (
WHERE user_id != '0') ou qui joignent des tables suruser_idincluent davantage d'événements connectés, ce qui améliore l'alignement entre Ads Data Hub pour les marketeurs et les rapports sur le conversion lift dans vos plates-formes d'achat associées.
Déploiement et données historiques
La suppression des ID utilisateur au niveau de la couche de requête s'applique aux données d'événement à partir d'octobre 2026.
Pendant le déploiement progressif, Ads Data Hub utilise un échantillonnage déterministe au niveau de l'utilisateur afin qu'un user_id donné soit traité de manière cohérente dans toutes les tables et jointures de vos requêtes.
Filtrage explicite pour raisons de confidentialité
Si vous devez diviser votre requête, mais que vous souhaitez combiner les résultats agrégés, vous pouvez appliquer explicitement des contrôles de confidentialité à plusieurs requêtes plus petites, puis agréger ces résultats de manière à respecter la confidentialité.
Exemples d'utilisation :
- Vous êtes un annonceur qui souhaite obtenir toutes les conversions par type d'événement d'attribution dans votre compte Google Ads associé, qui inclut des données de l'EEE.
- Vous êtes un partenaire de mesure et vous souhaitez obtenir toutes les conversions par type d'événement d'attribution dans votre compte Google Ads associé.
Pour obtenir la somme des conversions de votre compte Google Ads, vous pouvez réécrire la requête à l'aide d'une clause OPTIONS(privacy_checked_export=TRUE) afin d'appliquer des contrôles de confidentialité à chaque service Google individuellement.
L'exemple de réécriture de cette section effectue les opérations suivantes :
- Elle interroge chaque service Google individuellement, en appliquant explicitement des contrôles de confidentialité à chaque ensemble de résultats intermédiaires.
- Elle crée une table temporaire distincte pour les résultats vérifiés en termes de confidentialité de chaque service Google : YouTube, Gmail et Network.
- Elle agrège et additionne les nombres de conversions vérifiés pour la confidentialité à partir des tables temporaires.
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
Notez que cette requête n'utilise pas de JOIN pour combiner directement les données entre les tables. À la place, elle exécute d'abord la requête pour chaque table, applique des contrôles de confidentialité à chaque table intermédiaire, puis utilise un UNION pour additionner les valeurs vérifiées.
Query Advisor
Si votre requête SQL est valide, mais qu'elle peut déclencher des problèmes de confidentialité, Query Advisor affiche des conseils concrets lors du processus de développement de la requête pour vous aider à éviter les résultats indésirables.
Pour utiliser Query Advisor :
- Interface utilisateur : Les recommandations s'affichent au-dessus du texte de la requête dans l'éditeur de requête.
- API : utilisez la méthode
customers.analysisQueries.validate.
-
Sauf les données qu'ils ont accepté de partager, comme dans le cas de panélistes. ↩