تبلیغکنندگان، ناشران و ارائهدهندگان فناوری تبلیغات فعالانه به دنبال راههای کارآمد برای همکاری با شرکای خود برای ایجاد بینش در مورد مجموعه دادههای جمعی خود هستند. یکی از دلایل متداول مشارکت در همکاری داده ها، اجرای تجزیه و تحلیل همپوشانی مخاطبان است، که تجزیه و تحلیل رایجی است که هنگام برنامه ریزی رسانه ها و ارزیابی مشارکت های جدید اجرا می شود.
در این پست، تجزیه و تحلیل همپوشانی مخاطب چیست، در مورد رویکردهای فنی فعلی و چالشهای آنها بحث میکنیم و نشان میدهیم که چگونه میتوانید تجزیه و تحلیل همپوشانی مخاطبان را با استفاده از آن اجرا کنید. اتاق های تمیز AWS.
تحلیل همپوشانی مخاطب
همپوشانی مخاطب درصدی از کاربران در مخاطبان شما است که در مجموعه داده دیگری نیز حضور دارند (به عنوان تعداد کاربران حاضر در هر دو گروه مخاطبان و مجموعه داده دیگری تقسیم بر تعداد کل کاربران در مخاطبان شما محاسبه می شود). در فرآیند برنامه ریزی رسانه دیجیتال، همپوشانی مخاطبان اغلب برای مقایسه مجموعه داده شخص اول تبلیغ کننده با مجموعه داده شریک رسانه (ناشر) انجام می شود. تجزیه و تحلیل کمک می کند تا مشخص شود که یک شریک رسانه ای به چه میزان از مخاطبان تبلیغ کننده می تواند دسترسی داشته باشد. با ارزیابی همپوشانی، تبلیغکنندگان میتوانند تعیین کنند که آیا یک شریک رسانهای دسترسی منحصربهفردی را فراهم میکند یا اینکه مخاطبان شریک رسانه عمدتاً با مخاطبان موجود تبلیغکننده همپوشانی دارند.
رویکردها و چالش های کنونی
تبلیغکنندگان، ناشران، ارائهدهندگان دادههای شخص ثالث و سایر نهادها اغلب دادههای خود را هنگام اجرای آزمایشهای همپوشانی بینندگان یا مطابقت به اشتراک میگذارند. روشهای رایج برای اشتراکگذاری دادهها، مانند استفاده از پیکسلها و انتقال SFTP، میتواند خطراتی را به همراه داشته باشد زیرا شامل انتقال اطلاعات حساس مشتری میشود. اشتراکگذاری این دادهها با طرف دیگر میتواند زمانبر باشد و خطر نقض احتمالی دادهها یا دسترسی غیرمجاز را افزایش دهد. اگر طرف دریافت کننده داده ها را نادرست مدیریت کند، ممکن است مقررات حفظ حریم خصوصی را نقض کند و منجر به خطرات قانونی شود. همچنین، هرگونه سوء استفاده یا افشای اطلاعات مشتری می تواند اعتماد مصرف کننده را از بین ببرد و منجر به آسیب به شهرت و از دست دادن بالقوه تجارت شود.
بررسی اجمالی راه حل
AWS Clean Rooms میتواند به شما و شرکایتان کمک کند تا بدون هیچ زحمتی و ایمن روی مجموعه دادههای جمعی شما همکاری کرده و آنها را تجزیه و تحلیل کنید—بدون کپی کردن دادههای اساسی یکدیگر. با AWS Clean Rooms، میتوانید در عرض چند دقیقه یک اتاق تمیز داده ایجاد کنید و با شرکای خود برای ایجاد بینش منحصربهفرد همکاری کنید. AWS Clean Rooms به شما امکان میدهد تحلیل همپوشانی مخاطبان را اجرا کنید و بینشهای ارزشمندی ایجاد کنید و در عین حال از خطرات مرتبط با سایر رویکردهای فعلی اجتناب کنید.
در زیر مفاهیم کلیدی و پیش نیازهای استفاده از AWS Clean Rooms آمده است:
- هر طرف در تجزیه و تحلیل (عضو همکاری) باید یک حساب AWS داشته باشد.
- یکی از اعضا، عضو دیگر را به همکاری AWS Clean Rooms دعوت می کند. مهم نیست که کدام عضو دعوت نامه را ایجاد می کند. سازنده همکاری از شناسه حساب AWS دعوتکننده به عنوان ورودی برای ارسال دعوتنامه استفاده میکند.
- فقط یک عضو می تواند در همکاری پرس و جو کند و فقط یک عضو می تواند نتایج همکاری را دریافت کند. توانایی های هر یک از اعضا در هنگام ایجاد همکاری تعریف می شود.
- هر یک از اعضای همکاری مجموعه های داده را در خود ذخیره می کند سرویس ذخیره سازی ساده آمازون (Amazon S3) سطل و آنها را فهرست بندی می کند (یک طرحواره با نام ستون ها و انواع داده ها ایجاد می کند) چسب AWS کاتالوگ داده ها همچنین می توانید تعریف کاتالوگ داده را با استفاده از آمازون آتنا ایجاد پایگاه داده و ایجاد دستورات جدول.
- همکاران باید سطل S3 و جداول Data Catalog خود را در همان منطقه AWS داشته باشند.
- همکاران میتوانند از کنسول AWS Clean Rooms، API یا AWS SDK برای راهاندازی یک همکاری استفاده کنند.
- AWS Clean Rooms شما را قادر می سازد از هر ستونی به عنوان کلید پیوستن استفاده کنید، به عنوان مثال MAID های هش شده، ایمیل ها، آدرس های IP و RampID ها.
- هر یک از اعضای همکاری داده های خود را به همکاری مرتبط می کند.
بیایید به سناریویی نگاه کنیم که در آن تبلیغکننده با ناشر همکاری میکند تا همپوشانی مخاطب را شناسایی کند. در این مثال، ناشر همکاری را ایجاد می کند، از تبلیغ کننده دعوت می کند و تبلیغ کننده را به عنوان عضوی که می تواند پرس و جو کند و نتایج را دریافت کند، تعیین می کند.
پیش نیازها
برای دعوت از شخص دیگری به همکاری، به شناسه حساب AWS او نیاز دارید. در مورد استفاده ما، ناشر به شناسه حساب AWS تبلیغکننده نیاز دارد.
یک همکاری ایجاد کنید
در مورد استفاده ما، ناشر با استفاده از کنسول AWS Clean Rooms یک همکاری ایجاد میکند و از تبلیغکننده دعوت میکند.
برای ایجاد یک همکاری، مراحل زیر را انجام دهید:
- در AWS Clean Rooms، کنسول را انتخاب کنید همکاری در صفحه ناوبری
- را انتخاب کنید ایجاد همکاری.
- برای نام، یک نام برای همکاری وارد کنید.
- در اعضا بخش، شناسه حساب AWS حسابی را که می خواهید دعوت کنید (در این مورد، تبلیغ کننده) وارد کنید.
- در توانایی های اعضا بخش، عضوی را انتخاب کنید که می تواند پرس و جو کند و نتایج را دریافت کند (در این مورد، تبلیغ کننده).
- برای ثبت پرس و جو، تصمیم بگیرید که آیا می خواهید ثبت پرس و جو روشن باشد. پرس و جوها به سیستم وارد می شوند CloudWatch آمازون.
- برای محاسبات رمزنگاری، تصمیم بگیرید که آیا می خواهید پشتیبانی از محاسبات رمزنگاری را روشن کنید (داده های خود را قبل از مرتبط کردن آنها از قبل رمزگذاری کنید). سپس AWS Clean Rooms پرس و جوهایی را روی داده های رمزگذاری شده اجرا می کند.
- را انتخاب کنید بعدی.
- بر پیکربندی عضویت صفحه، انتخاب کنید که آیا میخواهید عضویت و همکاری را اکنون ایجاد کنید، یا همکاری را ایجاد کنید اما عضویت خود را بعداً فعال کنید.
- برای تنظیمات نتایج پرس و جو پیش فرض است، انتخاب کنید که آیا می خواهید تنظیمات پیش فرض را برای دریافت نتایج حفظ کنید.
- برای ذخیره سازی گزارش در آمازون CloudWatch Logs، تنظیمات گزارش خود را مشخص کنید.
- هر برچسبی را مشخص کنید و چه کسی برای درخواست ها پول پرداخت می کند.
- را انتخاب کنید بعدی.
- پیکربندی را مرور کنید و انتخاب کنید که هم اکنون همکاری و عضویت ایجاد شود یا فقط همکاری.
ناشر برای تبلیغ کننده دعوت نامه می فرستد. تبلیغ کننده تنظیمات همکاری را بررسی می کند و عضویت ایجاد می کند.
یک جدول پیکربندی شده ایجاد کنید و قوانین تجزیه و تحلیل را تنظیم کنید
ناشر یک جدول پیکربندی شده از جدول AWS Glue ایجاد می کند (که نشان دهنده تعریف ابرداده داده های S3، از جمله مکان است، بنابراین می تواند توسط AWS Clean Rooms هنگام اجرای پرس و جو، خوانده شود).
مراحل زیر را انجام دهید:
- در کنسول AWS Clean Rooms، را انتخاب کنید جداول پیکربندی شده در صفحه ناوبری
- را انتخاب کنید پیکربندی جدول جدید.
- در جدول چسب AWS را انتخاب کنید بخش، پایگاه داده و جدول خود را انتخاب کنید.
- در ستون ها در همکاری مجاز هستند بخش، انتخاب کنید که کدام یک از ستون های جدول موجود اجازه پرس و جو در همکاری را بدهد.
- در جزئیات جدول پیکربندی شده بخش، نام و توضیحات اختیاری را برای جدول پیکربندی شده وارد کنید.
- را انتخاب کنید پیکربندی جدول جدید.
- نوع قانون تجزیه و تحلیل را انتخاب کنید که با نوع جستارهایی که می خواهید در جدول اجازه دهید مطابقت دارد. برای اجازه دادن به تجزیه و تحلیل تجمیع، مانند یافتن همپوشانی اندازه مخاطب، نوع قانون تجزیه و تحلیل تجمع را انتخاب کنید.
- در توابع جمع بخش، را انتخاب کنید COUNT متمایز به عنوان تابع کل.
- در به کنترل ها بپیوندید در بخش، انتخاب کنید که آیا همکار شما باید به جدولی با شما ملحق شود یا خیر. از آنجا که این یک مورد استفاده از همپوشانی مخاطب است، انتخاب کنید خیر، فقط همپوشانی قابل استعلام است.
- عملگرهایی را انتخاب کنید تا امکان تطبیق فراهم شود (برای مثال، انتخاب کنید و و OR).
- در کنترل های ابعاد بخش، انتخاب کنید که آیا میخواهید هر ستونی را به عنوان ابعاد در دسترس قرار دهید.
- در توابع اسکالر بخش، انتخاب کنید که آیا می خواهید توابع اسکالر مجاز را محدود کنید.
- را انتخاب کنید بعدی.
- در محدودیت های تجمع بخش، حداقل محدودیت تجمع را برای جدول پیکربندی شده انتخاب کنید.
این به شما امکان میدهد ردیفهایی را که دارای حداقل آستانه مشخصی از کاربران نیستند را فیلتر کنید (به عنوان مثال، اگر آستانه روی 10 تنظیم شود، ردیفهایی که کمتر از 10 کاربر را جمعآوری میکنند فیلتر میشوند).
جدول را به همکاری مرتبط کنید
AWS Clean Rooms به دسترسی به خواندن جدول برای اجرای درخواست ارسال شده توسط تبلیغ کننده نیاز دارد. برای مرتبط کردن جدول مراحل زیر را کامل کنید:
- در کنسول AWS Clean Rooms، به همکاری خود بروید.
- را انتخاب کنید جدول همکار.
- برای نام جدول پیکربندی شده، نام جدول پیکربندی شده خود را انتخاب کنید.
- در جزئیات مربوط به جدول بخش، یک نام و توضیحات اختیاری برای جدول وارد کنید.
- در دسترسی به خدمات بخش، می توانید انتخاب کنید که می توانید از تنظیمات پیش فرض برای ایجاد یک استفاده کنید هویت AWS و مدیریت دسترسی نقش خدمات (IAM) برای AWS Clean Rooms به صورت خودکار، یا می توانید از نقش موجود استفاده کنید. مجوزهای IAM برای ایجاد یا تغییر نقش و انتقال نقش به AWS Clean Rooms مورد نیاز است.
- را انتخاب کنید جدول همکار.
تبلیغکننده همچنین مراحلی را که در بخشهای قبل توضیح داده شده است، تکمیل میکند تا یک جدول پیکربندی شده ایجاد کند و آن را به همکاری مرتبط کند.
پرس و جوها را در ویرایشگر پرس و جو اجرا کنید
تبلیغکننده اکنون میتواند به آن پیمایش کند پرس و جو برگه برای همکاری و بررسی جداول برای پرس و جو و قوانین تجزیه و تحلیل آنها. می توانید مشخص کنید
سطل S3 که در آن خروجی کوئری همپوشانی قرار خواهد گرفت.
اکنون تبلیغکننده میتواند یک درخواست همپوشانی بنویسد و اجرا کند. میتوانید از یک ایمیل هششده بهعنوان کلید اتصال برای پرسوجو استفاده کنید (میتوانید از هر ستونی بهعنوان کلید پیوستن استفاده کنید و همچنین میتوانید از چندین ستون برای کلیدهای پیوستن چندگانه استفاده کنید). همچنین می توانید از گزینه Analysis Builder بدون کد استفاده کنید تا AWS Clean Rooms SQL را از طرف شما تولید کند. برای مورد استفاده ما، پرس و جوهای زیر را اجرا می کنیم:
نتایج پرس و جو همانطور که در تصویر زیر نشان داده شده است به سطل S3 تبلیغ کننده ارسال می شود.
پاک کردن
بهترین روش حذف منابعی است که دیگر استفاده نمی شوند. تبلیغکننده و ناشر باید منابع مربوطه خود را پاکسازی کنند:
- تبلیغ کننده - تبلیغ کننده انجمن های جدول پیکربندی شده و عضویت همکاری خود را حذف می کند. با این حال، آنها مجبور نیستند جدول پیکربندی شده خود را حذف کنند، زیرا در همکاریها قابل استفاده مجدد است.
- ناشر - ناشر انجمن های جدول پیکربندی شده و همکاری خود را حذف می کند. آنها مجبور نیستند جدول پیکربندی شده خود را حذف کنند زیرا در همکاری ها قابل استفاده مجدد است.
نتیجه
در این پست نشان دادیم که چگونه با استفاده از AWS Clean Rooms برای برنامه ریزی رسانه و ارزیابی مشارکت با استفاده از یک ایمیل هش شده به عنوان کلید اتصال بین مجموعه داده ها، یک همکاری همپوشانی بینندگان راه اندازی کنیم. تبلیغکنندگان بهطور فزایندهای به AWS Clean Rooms روی میآورند تا تحلیلهای همپوشانی مخاطب را با شرکای رسانهای خود انجام دهند و به تصمیمگیریهای سرمایهگذاری رسانهای خود کمک کنند. علاوه بر این، همپوشانیهای مخاطب به شما کمک میکند با شناسایی میزان همپوشانی که با شرکای احتمالی به اشتراک میگذارید، ارزیابیهای مشارکت خود را تسریع کنید.
برای کسب اطلاعات بیشتر در مورد AWS Clean Rooms، ویدیو را تماشا کنید شروع کار با AWS Clean Roomsو به منابع اضافی زیر مراجعه کنید:
درباره نویسنده
اریک ساکولو مدیر ارشد توسعه کسب و کار برای AWS Clean Rooms در خدمات وب آمازون است. او بر کمک به مشتریان برای همکاری با شرکای خود در راههای حفظ حریم خصوصی برای به دست آوردن بینش و بهبود نتایج کسبوکار متمرکز است.
شامیر تنا یک مدیر ارشد فنی محصول در خدمات وب آمازون است.
رایان ملکی یک معمار ارشد راه حل در خدمات وب آمازون است. او بر کمک به مشتریان برای کسب اطلاعات از داده های خود، به ویژه با اتاق های تمیز AWS متمرکز است.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/run-an-audience-overlap-analysis-in-aws-clean-rooms/