瞭解如何處理、考量及減少可匯總報表中的雜訊影響。
事前準備
繼續操作前，請參閱「瞭解摘要報表中的雜訊」一文，深入瞭解雜訊的定義及其影響。
噪音控制
雖然您無法直接控制匯入可匯總報表的雜訊，但可以採取一些步驟來盡量減少雜訊的影響。以下各節將說明這些策略。
改用貢獻預算
如「瞭解雜訊」一節所述，套用至每個鍵的摘要值的雜訊，是以 0 到 65,536 的刻度 (0 到 CONTRIBUTION_BUDGET) 為基礎。
因此，為了盡可能提高信號與雜訊的比率，您應先放大每個值，再將其設為可匯總的值，也就是將每個值乘以特定因數 (放大因數)，同時確保其仍在貢獻預算範圍內。
計算縮放比例係數
比例因數代表您要將特定可匯總值放大多少倍。其值應為貢獻預算除以特定鍵的最大可匯總值。
舉例來說，假設廣告主想瞭解總購物價值，您知道任何個別交易的預期購買價值上限為 $2,000 美元，但有幾個值異常的交易您決定忽略：
- 計算縮放比例係數：
- 如要將信噪比提高到最高，您必須將這個值縮放至 65,536 (貢獻預算)。
- 這會導致 65,536 / 2,000 的縮放係數約為 32x。實際上，您可以將這個因子四捨五入。
- 在匯總前放大值。每消費 $1，追蹤指標就會增加 32。舉例來說，如果購買金額為 $120，請將可匯總的值設為 120*32 = 3,840。
- 在匯總後縮減值。收到摘要報表後，您可以使用匯總前使用的縮放因數，縮小摘要值。在本例中，我們使用了 32 的預先匯總縮放因數，因此需要將摘要報表中收到的摘要值除以 32。因此，如果摘要報表中特定鍵的摘要購買價值為 76,800，則摘要購買價值 (含雜訊) 為 76,800/32 = $2,400 美元。
分割預算
如果您有數個評估目標 (例如購買次數和購買價值)，建議您將預算分攤至這些目標。
在這種情況下，不同可匯總值的縮放因子會有所不同，具體取決於特定可匯總值的預期最大值。
請參閱「匯總鍵簡介」一文，瞭解詳細資訊。
舉例來說，假設您同時追蹤購買次數和購買價值，並決定將預算平均分配。
每個評估類型和來源可分配 65,536 / 2 = 32,768。
- 購買次數：
- 您只追蹤一筆購買交易，因此特定轉換的購買交易上限為 1 筆。
- 因此，您決定將購買次數的縮放比例設為 32,768 / 1 = 32,768。
- 購物價值：
- 假設任何個別購買交易的預期最高購物價值為 $2,000 美元。
- 因此，您決定將購買價值的縮放比例設為 32,768 / 2,000 = 16.384，或約為 16。
較粗略的匯總鍵可改善信噪比
粗略鍵比精細鍵能擷取更多轉換事件，因此通常會產生較高的摘要值。
較高的值受到的雜訊影響較小，相較之下，這些值的雜訊可能較低。
使用較粗略鍵值收集的值，相較於使用較精細鍵值收集的值，可能會產生較少雜訊。
範例
在其他條件相同的情況下，如果您追蹤全球的購買價值 (所有國家/地區的總和)，所得的總計購買價值 (以及總計轉換次數) 會高於追蹤國家/地區層級轉換的值。
因此，特定國家/地區的總購買金額相對雜訊會高於所有國家/地區的總購買金額相對雜訊。
同樣地，在其他條件相同的情況下，鞋子的購買總價值會低於所有商品 (包括鞋子) 的購買總價值。
因此，鞋子的購買總價值相對雜訊會高於所有商品的購買總價值相對雜訊。
匯總摘要值 (匯總) 也會匯總雜訊
您可以將摘要報表中的摘要值加總，以便存取更高層級的資料，但這麼做也會將這些摘要值的雜訊加總。
我們來看看兩種不同的做法： - 方法 A：在鍵中加入地理區域 ID。摘要報表會公開地理 ID 層級的鍵，每個鍵都與特定地理 ID 層級的摘要購買價值相關聯。- 方法 B：您未在金鑰中加入地理位置 ID。摘要報表會直接顯示所有地理 ID / 位置的摘要購買價值。
如要存取國家/地區層級的購買價值： - 使用方法 A，您會將地理 ID 層級的摘要值加總，因此也會加總雜訊。這可能會導致最終地理 ID 層級購買價值產生更多雜訊。- 使用方法 B 時，您可以直接查看摘要報表中顯示的資料。雜訊只會在該資料中加入一次。
因此，在方法 A 中，特定地理 ID 的購買值摘要可能會出現較多雜訊。
同樣地，在索引鍵中加入郵遞區編號層級維度，可能會比使用區域層級維度的粗略索引鍵，產生更多雜訊的結果。
匯總較長時間範圍的資料可提高信號雜訊比
請求摘要報表的頻率越低，每個摘要值的值就可能越高，因為在較長的時間範圍內，可能會發生更多轉換。
如先前所述，摘要值越高，相對雜訊就越低。因此，要求摘要報表的頻率越低，信噪比就越高 (越好)。
以下舉例說明：
- 如果您要求 24 小時內的每小時報表摘要，然後將每小時報表的摘要值加總，以便存取每日層級資料，雜訊就會加倍 24 次。
- 在一份每日摘要報表中，雜訊只會加入一次。
較高的 Epsilon，較低的雜訊
epsilon 值越高，雜訊就越少，隱私權保護程度也越低。
善用篩選和去重功能
在不同鍵之間分配預算時，請務必瞭解特定事件可能發生的次數。舉例來說，廣告主可能只在乎每個點擊產生 1 筆購物，但也可能會對最多 3 筆「產品網頁瀏覽」轉換感興趣。為了支援這些用途，您可能也想利用下列 API 功能，控制產生報表的數量，以及要計算哪些轉換：
實驗 epsilon
廣告技術可以將 epsilon 設為大於 0 且不超過 64 的值。這個範圍可讓您靈活進行測試。值越低，隱私保護程度越高。建議您先從 epsilon=10 開始。
實驗建議
我們建議您採取以下做法： - 一開始設定 epsilon = 10。- 如果這會導致明顯的效用問題，請逐漸增加 epsilon。- 針對資料可用性，分享您可能發現的特定轉折點。
交流及分享意見回饋
您可以參與這個 API 並進行實驗。
- 瞭解可匯總報表和匯總服務、提出問題和建議意見回饋。
- 詳閱「歸因報表指南」。
- 在 Privacy Sandbox 開發人員支援存放區中提問及加入討論。