Mit Rauschen arbeiten

Hier erfahren Sie, wie Sie mit Rauschen in Ihren aggregierbaren Berichten umgehen, es berücksichtigen und seine Auswirkungen reduzieren können.

Hinweis

Bevor Sie fortfahren, sollten Sie sich den Artikel Rauschen in Zusammenfassungsberichten durchlesen, um mehr über Rauschen und seine Auswirkungen zu erfahren.

Geräuschunterdrückung

Sie können die Störfaktoren, die Ihren aggregierbaren Berichten hinzugefügt werden, zwar nicht direkt beeinflussen, aber Maßnahmen ergreifen, um die Auswirkungen zu minimieren. In den folgenden Abschnitten werden diese Strategien erläutert.

Auf das Budget für Beiträge hochskalieren

Wie unter „Rauschen verstehen“ erläutert, basiert das auf den zusammenfassenden Wert angewendete Rauschen für jeden Schlüssel auf der Skala von 0 bis 65.536 (0 bis CONTRIBUTION_BUDGET).

Die Verteilung des Rauschens basiert auf dem Budget.
Die Verteilung des Rauschens basiert auf dem Budget.

Um das Signal im Verhältnis zum Rauschen zu maximieren, sollten Sie daher jeden Wert hochskalieren, bevor Sie ihn als aggregierbaren Wert festlegen. Das bedeutet, dass Sie jeden Wert mit einem bestimmten Faktor, dem Skalierungsfaktor, multiplizieren und gleichzeitig darauf achten, dass er innerhalb des Beitragsbudgets bleibt.

Relativer Rauschen mit und ohne Skalierung.
Relativer Rausch mit und ohne Skalierung.

Skalierungsfaktor berechnen

Der Skalierungsfaktor gibt an, um wie viel Sie einen bestimmten aggregierbaren Wert skalieren möchten. Der Wert sollte dem Beitrag zum Budget geteilt durch den maximalen aggregierbaren Wert für einen bestimmten Schlüssel entsprechen.

Skalierungsfaktor anhand des Beitragsbudgets ermitteln
Skalierungsfaktor anhand des Beitragsbudgets bestimmen

Angenommen, Werbetreibende möchten den Gesamtwert der Käufe ermitteln. Sie wissen, dass der maximal erwartete Kaufwert für jeden einzelnen Kauf 2.000 $beträgt, mit Ausnahme einiger Ausreißer, die Sie ignorieren:

  • Skalierungsfaktor berechnen:
    • Um das Signal-Rausch-Verhältnis zu maximieren, müssen Sie diesen Wert auf 65.536 (das Beitragsbudget) skalieren.
    • Das ergibt einen Skalierungsfaktor von 65.536 / 2.000, also ungefähr 32x. In der Praxis können Sie diesen Faktor auf- oder abrunden.
  • Werte vor der Aggregation hochskalieren: Erhöhen Sie den erfassten Messwert für jeden Dollar des Kaufs um 32. Bei einem Kauf von 120 € legen Sie beispielsweise einen aggregierbaren Wert von 120 × 32 = 3.840 fest.
  • Werte nach der Aggregation herunterskalieren: Sobald Sie den zusammenfassenden Bericht mit dem über mehrere Nutzer hinweg summierten Kaufwert erhalten haben, müssen Sie den zusammenfassenden Wert mit dem Skalierungsfaktor, den Sie vor der Aggregation verwendet haben, herunterskalieren. In unserem Beispiel haben wir vor der Aggregation einen Skalierungsfaktor von 32 verwendet. Daher müssen wir den im Zusammenfassungsbericht erhaltenen Zusammenfassungswert durch 32 teilen. Wenn der zusammengefasste Kaufwert für einen bestimmten Schlüssel im zusammengefassten Bericht also 76.800 beträgt, ist der zusammengefasste Kaufwert (mit Rauschen) 76.800/32 = 2.400 $.

Budget aufteilen

Wenn Sie mehrere Analyseziele haben, z. B. Anzahl der Käufe und Kaufwert, sollten Sie Ihr Budget auf diese Ziele aufteilen.

In diesem Fall sind die Skalierungsfaktoren für die verschiedenen aggregierbaren Werte unterschiedlich, je nach erwartetem Maximum eines bestimmten aggregierbaren Werts.

Weitere Informationen finden Sie unter Aggregationsschlüssel.

Angenommen, Sie erfassen sowohl die Anzahl der Käufe als auch den Kaufwert und entscheiden sich, Ihr Budget gleichmäßig aufzuteilen.

Pro Messart und Quelle können 65.536 / 2 = 32.768 Werte zugewiesen werden.

  • Anzahl der Käufe:
    • Sie erfassen nur einen Kauf, daher ist die maximale Anzahl von Käufen für eine bestimmte Conversion 1.
    • Sie legen den Skalierungsfaktor für die Anzahl der Käufe also auf 32.768 / 1 = 32.768 fest.
  • Kaufwert:
    • Angenommen,der maximale erwartete Kaufwert für einen einzelnen Kauf beträgt 2.000 €.
    • Sie legen den Skalierungsfaktor für den Kaufwert also auf 32.768 / 2.000 = 16,384 oder ungefähr 16 fest.

Durch gröbere Aggregationsschlüssel wird das Signal-Rausch-Verhältnis verbessert

Da mit groben Schlüsseln mehr Conversion-Ereignisse erfasst werden als mit detaillierten Schlüsseln, führen sie in der Regel zu höheren zusammengefassten Werten.

Höhere Zusammenfassungswerte sind weniger von Rauschen betroffen als niedrigere Werte. Das Rauschen bei diesen Werten ist im Verhältnis zu diesem Wert wahrscheinlich geringer.

Werte, die mit gröberen Schlüsseln erfasst werden, sind wahrscheinlich relativ weniger verrauscht als Werte, die mit detaillierteren Schlüsseln erfasst werden.

Beispiel

Unter sonst gleichen Umständen führt ein Schlüssel, mit dem der Kaufwert weltweit erfasst wird (summiert über alle Länder hinweg), zu einem höheren zusammengefassten Kaufwert (und einer höheren zusammengefassten Conversion-Anzahl) als ein Schlüssel, mit dem Conversions auf Länderebene erfasst werden.

Daher ist das relative Rauschen beim Gesamtkaufwert für ein bestimmtes Land höher als das relative Rauschen beim Gesamtkaufwert für alle Länder.

Unter sonst gleichen Bedingungen ist der Gesamtkaufwert für Schuhe niedriger als der Gesamtkaufwert für alle Artikel (einschließlich Schuhe).

Daher ist das relative Rauschen beim Gesamtkaufwert für Schuhe höher als das relative Rauschen beim Gesamtkaufwert für alle Artikel.

Auswirkungen von Rauschen bei detaillierten und groben Schlüsseln.
Lärmbelastung bei detaillierten und groben Schlüsseln.

Beim Summieren von zusammengefassten Werten (Roll-ups) wird auch das Rauschen summiert.

Wenn Sie die Zusammenfassungswerte aus Zusammenfassungsberichten addieren, um auf Daten auf höherer Ebene zuzugreifen, addieren Sie auch das Rauschen aus diesen Zusammenfassungswerten.

Der Grad des Rauschens bei detaillierten Schlüsseln mit Rollups im Vergleich zu groben Schlüsseln ohne Rollups.
Der Grad des Rauschens bei detaillierten Schlüsseln mit Rollups im Vergleich zu groben Schlüsseln ohne Rollups.

Sehen wir uns zwei verschiedene Ansätze an:

  • Ansatz A: Sie fügen Ihren Schlüsseln eine Geography-ID hinzu. In Zusammenfassungsberichten werden Schlüssel auf geografischer ID-Ebene verfügbar gemacht, die jeweils mit dem zusammengefassten Kaufwert auf der Ebene einer bestimmten geografischen ID verknüpft sind.
  • Ansatz B: Sie nehmen die geografische ID nicht in Ihre Schlüssel auf. In Zusammenfassungsberichten wird der zusammenfassende Kaufwert für alle geografischen IDs / Standorte direkt angezeigt.

So greifen Sie auf den Kaufwert auf Länderebene zu:

  • Bei Ansatz A werden die zusammengefassten Werte auf geografischer ID-Ebene summiert und damit auch das Rauschen. Dadurch wird dem endgültigen Kaufwert auf geografischer ID-Ebene wahrscheinlich mehr Rauschen hinzugefügt.
  • Bei Ansatz B sehen Sie sich die Daten direkt in Zusammenfassungsberichten an. Den Daten wurde nur einmal Rauschen hinzugefügt.

Daher ist der zusammengefasste Kaufwert für eine bestimmte geografische ID bei Ansatz A wahrscheinlich ungenauer.

Wenn Sie in Ihre Schlüsseln eine Dimension auf Postleitzahlenebene einbeziehen, erhalten Sie wahrscheinlich ungenauere Ergebnisse als bei gröberen Schlüsseln mit einer Dimension auf Regionenebene.

Durch die Aggregation über längere Zeiträume wird das Signal-Rausch-Verhältnis erhöht.

Wenn Sie seltener Zusammenfassungsberichte anfordern, ist es wahrscheinlich, dass jeder Zusammenfassungswert höher ist, als wenn Sie Berichte häufiger anfordern. In längeren Zeiträumen sind mehr Conversions zu erwarten.

Wie bereits erwähnt, ist das relative Rauschen umso geringer, je höher der Zusammenfassungswert ist. Wenn Sie Zusammenfassungsberichte seltener anfordern, ist das Signal-Rausch-Verhältnis höher (besser).

Wenn Sie seltener Zusammenfassungsberichte anfordern, ist das Signal-Rausch-Verhältnis höher.
Wenn Sie Zusammenfassungsberichte seltener anfordern, ist das Signal-Rausch-Verhältnis höher.

Hier ein Beispiel zur Veranschaulichung:

  • Wenn Sie stündliche Übersichtsberichte über 24 Stunden anfordern und dann den Übersichtsberichtswert aus jedem stündlichen Bericht addieren, um auf Daten auf Tagesebene zuzugreifen, wird 24-mal Rauschen hinzugefügt.
  • In einem täglichen Zusammenfassungsbericht wird nur einmal Rauschen hinzugefügt.

Höheres Epsilon, geringeres Rauschen

Je höher der Epsilon-Wert, desto geringer das Rauschen und desto geringer der Datenschutz.

Filterung und Deduplizierung nutzen

Ein wichtiger Aspekt bei der Zuweisung von Budget zwischen verschiedenen Schlüsseln ist, wie oft ein bestimmtes Ereignis auftreten kann. Ein Werbetreibender ist beispielsweise nur an einem Kauf pro Klick interessiert, aber an bis zu drei Conversions vom Typ „Produktseitenaufruf“. Zur Unterstützung dieser Anwendungsfälle können Sie auch die folgenden API-Funktionen verwenden, mit denen Sie steuern können, wie viele Berichte generiert werden und welche Conversions gezählt werden:

Mit Epsilon experimentieren

Ad-Tech-Unternehmen können Epsilon auf einen Wert zwischen 0 und 64 (einschließlich) festlegen. Dieser Bereich ermöglicht flexible Tests. Je niedriger der Epsilon-Wert, desto höher der Datenschutz. Wir empfehlen, mit epsilon=10 zu beginnen.

Empfehlungen für Tests

Wir empfehlen Folgendes:

  • Beginnen Sie mit Epsilon = 10.
  • Wenn dies zu erheblichen Problemen mit dem Nutzen führt, erhöhen Sie Epsilon schrittweise.
  • Geben Sie Feedback zu bestimmten Wendepunkten, die Sie in Bezug auf die Datenverwendbarkeit finden.

Reagieren und Feedback geben

Sie können an dieser API teilnehmen und sie testen.

Nächste Schritte

  • Weitere Informationen zu Faktoren, die sich auf Berichte auswirken, z. B. Kampagnenvariablen, Batching-Häufigkeit und Dimensionen-Granularität, finden Sie unter Zusammenfassungsberichte testen.
  • Noise Lab ausprobieren