Découvrez comment gérer, prendre en compte et réduire l'impact du bruit dans vos rapports agrégables.
Avant de commencer
Avant de continuer, consultez Comprendre le bruit dans les rapports récapitulatifs pour en savoir plus sur ce qu'est le bruit et son impact.
Vos commandes de bruit
Vous ne pouvez pas contrôler directement le bruit ajouté à vos rapports agrégables, mais vous pouvez prendre certaines mesures pour en limiter les effets. Les sections suivantes expliquent ces stratégies.
Évoluer vers un budget de contribution
Comme expliqué dans la section "Comprendre le bruit", le bruit appliqué à la valeur récapitulative pour chaque clé est basé sur l'échelle 0-65 536 (0-CONTRIBUTION_BUDGET).
Par conséquent, pour maximiser le signal par rapport au bruit, vous devez augmenter chaque valeur avant de la définir comme valeur agrégable. Autrement dit, vous devez multiplier chaque valeur par un certain facteur, le facteur de scaling, tout en vous assurant qu'elle reste dans le budget de contribution.
Calculer un facteur de scaling
Le facteur de scaling représente l'échelle que vous souhaitez appliquer à une valeur agrégable donnée. Sa valeur doit correspondre au budget de contribution divisé par la valeur maximale agrégable pour une clé donnée.
Par exemple, imaginons que les annonceurs souhaitent connaître la valeur totale des achats. Vous savez que la valeur d'achat maximale attendue pour chaque achat individuel est de 2 000 $, à l'exception de quelques valeurs aberrantes que vous décidez d'ignorer:
- Calculez le facteur de scaling :
- Pour maximiser le rapport signal/bruit, vous devez mettre à l'échelle cette valeur à 65 536 (le budget de contribution).
- Le facteur de scaling est donc de 65 536 / 2 000, soit environ 32x. En pratique, vous pouvez arrondir ce facteur à la hausse ou à la baisse.
- Évoluez vos valeurs avant l'agrégation. Pour chaque $1 dépensés, augmentez la métrique suivie de 32. Par exemple, pour un achat de 120$, définissez une valeur agrégable de 120*32 = 3 840.
- Réduisez vos valeurs après l'agrégation. Une fois que vous avez reçu le rapport récapitulatif contenant la valeur d'achat cumulée pour plusieurs utilisateurs, réduisez la valeur récapitulative à l'aide du facteur de réduction que vous avez utilisé avant l'agrégation. Dans notre exemple, nous avons utilisé un facteur de scaling de 32 avant l'agrégation. Nous devons donc diviser la valeur récapitulative reçue dans le rapport récapitulatif par 32. Par conséquent, si la valeur d'achat récapitulative d'une clé donnée dans le rapport récapitulatif est de 76 800, la valeur d'achat récapitulative (avec bruit) est de 76 800/32 = 2 400 $.
Répartir votre budget
Si vous avez défini plusieurs objectifs de mesure (par exemple, le nombre d'achats et la valeur des achats), vous pouvez répartir votre budget entre ces objectifs.
Dans ce cas, vos facteurs de mise à l'échelle seront différents pour différentes valeurs agrégables, en fonction de la valeur maximale attendue d'une valeur agrégable donnée.
Pour en savoir plus, consultez Comprendre les clés d'agrégation.
Par exemple, imaginons que vous suiviez à la fois le nombre et la valeur des achats, et que vous décidiez d'allouer votre budget de manière égale.
65 536 / 2 = 32 768 canaux peuvent être alloués par type de mesure et par source.
- Nombre d'achats :
- Vous ne suivez qu'un seul achat. Par conséquent, le nombre maximal d'achats pour une conversion donnée est de 1.
- Vous décidez donc de définir le facteur de scaling pour le nombre d'achats sur 32 768 / 1 = 32 768.
- Valeur des achats :
- Supposons que la valeur d'achat maximale attendue pour chaque achat soit de 2 000 $.
- Vous décidez donc de définir le facteur de mise à l'échelle de la valeur d'achat sur 32 768 / 2 000 = 16,384, soit environ 16.
Les clés d'agrégation plus grossières améliorent le rapport signal/bruit
Étant donné que les clés globales enregistrent plus d'événements de conversion que les clés précises, elles génèrent généralement des valeurs récapitulatives plus élevées.
Les valeurs récapitulatives plus élevées sont moins affectées par le bruit que les valeurs plus faibles. Le bruit sur ces valeurs est susceptible d'être plus faible, par rapport à cette valeur.
Les valeurs collectées avec des clés plus grossières sont probablement moins bruyantes que celles collectées avec des clés plus précises.
Exemple
Toutes choses égales par ailleurs, une clé qui suit la valeur d'achat à l'échelle mondiale (récapitulative pour tous les pays) entraînera une valeur d'achat récapitulative (et un nombre de conversions récapitulatif) plus élevé qu'une clé qui suit les conversions au niveau d'un pays.
Par conséquent, le bruit relatif sur la valeur d'achat totale pour un pays spécifique sera plus élevé que le bruit relatif sur la valeur d'achat totale pour tous les pays.
De même, toutes choses égales par ailleurs, la valeur d'achat totale des chaussures est inférieure à celle de tous les articles (y compris les chaussures).
Par conséquent, le bruit relatif sur la valeur d'achat totale des chaussures sera plus élevé que le bruit relatif sur la valeur d'achat totale de tous les articles.
La somme des valeurs récapitulatives (résumés) additionne également leur bruit.
En additionnant les valeurs récapitulatives des rapports récapitulatifs pour accéder à des données de niveau supérieur, vous additionnez également le bruit de ces valeurs récapitulatives.
Examinons deux approches différentes : - Approche A: vous incluez un ID géographique dans vos clés. Les rapports récapitulatifs exposent des clés au niveau de l'ID géographique, chacune associée à la valeur d'achat récapitulative au niveau d'un ID géographique spécifique. - Approche B: vous n'incluez pas d'ID géographique dans vos clés. Les rapports récapitulatifs affichent directement la valeur d'achat récapitulative pour tous les ID géographiques / lieux.
Pour accéder à la valeur d'achat au niveau du pays : - Avec l'approche A, vous additionnez les valeurs récapitulatives au niveau de l'ID géographique, et donc également leur bruit. Cela risque d'ajouter du bruit à la valeur d'achat finale au niveau de l'ID géographique. - Avec l'approche B, vous examinez directement les données exposées dans les rapports récapitulatifs. Le bruit n'a été ajouté qu'une seule fois à ces données.
Par conséquent, la valeur d'achat récapitulative pour un ID géographique donné est susceptible d'être plus bruyante avec l'approche A.
De même, inclure une dimension au niveau du code postal dans vos clés entraînera probablement des résultats plus bruyants que d'utiliser des clés plus générales avec une dimension au niveau de la région.
L'agrégation sur des périodes plus longues améliore le rapport signal/bruit
Si vous demandez moins souvent des rapports récapitulatifs, chaque valeur récapitulative sera probablement plus élevée que si vous les demandiez plus souvent. En effet, plus de conversions sont susceptibles de se produire sur des périodes plus longues.
Comme indiqué précédemment, plus la valeur du résumé est élevée, plus le bruit relatif est susceptible d'être faible. Par conséquent, demander des rapports récapitulatifs moins fréquemment permet d'obtenir un meilleur rapport signal/bruit.
Voici un exemple pour illustrer:
- Si vous demandez des rapports récapitulatifs toutes les heures sur 24 heures, puis additionnez la valeur récapitulative de chaque rapport horaire pour accéder aux données au niveau du jour, du bruit est ajouté 24 fois.
- Dans un rapport récapitulatif quotidien, le bruit n'est ajouté qu'une seule fois.
Plus l'epsilon est élevé, plus le bruit est faible.
Plus la valeur epsilon est élevée, plus le bruit est faible et moins la protection de la confidentialité est élevée.
Exploiter le filtrage et la déduplication
Pour répartir le budget entre différentes clés, il est important de comprendre combien de fois un événement donné peut se produire. Par exemple, un annonceur peut ne s'intéresser qu'à un seul achat par clic, mais être intéressé par jusqu'à trois conversions "Affichage de la page produit". Pour prendre en charge ces cas d'utilisation, vous pouvez également exploiter les fonctionnalités d'API suivantes qui vous permettent de contrôler le nombre de rapports générés et les conversions comptabilisées:
- Filtrage : En savoir plus sur le filtrage
- Déduplication. En savoir plus sur la déduplication
Expérimenter avec epsilon
Les technologies publicitaires peuvent définir epsilon sur une valeur supérieure à 0 et jusqu'à 64 inclus. Cette plage permet d'effectuer des tests flexibles. Les valeurs d'épsilon plus faibles offrent une meilleure protection de la confidentialité. Nous vous recommandons de commencer par epsilon=10.
Recommandations pour les tests
Nous vous recommandons de suivre les conseils suivants : - Commencez par epsilon = 10. - En cas de problèmes d'utilité notables, augmentez epsilon de manière incrémentielle. - Partagez vos commentaires sur les points d'inflexion spécifiques que vous pourriez trouver concernant l'usabilité des données.
Interagir et partager des commentaires
Vous pouvez participer et tester cette API.
- Découvrez les rapports agrégables et le service d'agrégation, posez des questions et suggérez des commentaires.
- Consultez les guides sur l'attribution de rapports.
- Posez des questions et participez à des discussions dans le dépôt de l'assistance Privacy Sandbox pour les développeurs.
Étapes suivantes
- Pour en savoir plus sur les facteurs qui influencent les rapports, tels que les variables de campagne, la fréquence de traitement par lot et la granularité des dimensions, consultez Expérimenter des décisions de conception de rapports récapitulatifs .
- Suivez l'atelier sur le bruit.