Les annonceurs, les éditeurs et les fournisseurs de technologies publicitaires recherchent activement des moyens efficaces de collaborer avec leurs partenaires afin de générer des informations sur leurs ensembles de données collectifs. Une raison courante de s'engager dans une collaboration en matière de données est d'effectuer une analyse de chevauchement d'audience, qui est une analyse courante à effectuer lors de la planification média et de l'évaluation de nouveaux partenariats.

Dans cet article, nous explorons ce qu'est une analyse de chevauchement d'audience, discutons des approches techniques actuelles et de leurs défis, et illustrons comment vous pouvez effectuer une analyse sécurisée de chevauchement d'audience à l'aide de Salles blanches AWS.

Analyse du chevauchement d'audience

Le chevauchement d'audience est le pourcentage d'utilisateurs de votre audience qui sont également présents dans un autre ensemble de données (calculé comme le nombre d'utilisateurs présents à la fois dans votre audience et dans un autre ensemble de données divisé par le nombre total d'utilisateurs de votre audience). Dans le processus de planification des médias numériques, des chevauchements d'audience sont souvent effectués pour comparer l'ensemble de données propriétaires d'un annonceur avec l'ensemble de données d'un partenaire média (éditeur). L'analyse permet de déterminer quelle part de l'audience de l'annonceur peut être atteinte par un partenaire média donné. En évaluant le chevauchement, les annonceurs peuvent déterminer si un partenaire média offre une portée unique ou si l'audience du partenaire média chevauche principalement l'audience existante de l'annonceur.

Approches et défis actuels

Les annonceurs, les éditeurs, les fournisseurs de données tiers et d'autres entités partagent souvent leurs données lors de l'exécution de chevauchements d'audience ou de tests de correspondance. Les méthodes courantes de partage de données, telles que l'utilisation de pixels et les transferts SFTP, peuvent comporter des risques car elles impliquent le déplacement d'informations sensibles sur les clients. Partager ces données avec un tiers peut prendre du temps et augmenter le risque de violations potentielles de données ou d'accès non autorisé. Si la partie destinataire traite mal les données, elle pourrait enfreindre les règles de confidentialité, entraînant des risques juridiques. En outre, toute utilisation abusive ou exposition des données des clients peut éroder la confiance des consommateurs, entraînant une atteinte à la réputation et une perte potentielle d'activité.

Vue d'ensemble de la solution

AWS Clean Rooms peut vous aider, vous et vos partenaires, à collaborer et à analyser sans effort et en toute sécurité vos ensembles de données collectifs, sans copier les données sous-jacentes des uns et des autres. Avec AWS Clean Rooms, vous pouvez créer une salle blanche de données en quelques minutes et collaborer avec vos partenaires pour générer des informations uniques. AWS Clean Rooms vous permet d'effectuer une analyse de chevauchement d'audience et de générer des informations précieuses tout en évitant les risques associés aux autres approches actuelles.

Voici les concepts clés et les conditions préalables pour utiliser AWS Clean Rooms :

• Chaque partie de l'analyse (membre de la collaboration) doit disposer d'un compte AWS.
• Un membre invite l'autre membre à la collaboration AWS Clean Rooms. Peu importe le membre qui crée l'invitation. Le créateur de la collaboration utilise l'ID de compte AWS de l'invité comme entrée pour envoyer des invitations.
• Un seul membre peut interroger la collaboration et un seul membre peut recevoir les résultats de la collaboration. Les capacités de chaque membre sont définies lors de la création de la collaboration.
• Chaque membre de la collaboration stocke les ensembles de données dans leur Service de stockage simple Amazon (Amazon S3) et les catalogue (crée un schéma avec les noms de colonnes et les types de données) dans le compartiment Colle AWS Catalogue de données. Vous pouvez également créer la définition du catalogue de données à l'aide de l'outil Amazone Athéna créer une base de données et créer des instructions de table.
• Les collaborateurs doivent avoir leurs compartiments S3 et leurs tables Data Catalog dans la même région AWS.
• Les collaborateurs peuvent utiliser la console AWS Clean Rooms, les API ou les kits SDK AWS pour configurer une collaboration.
• AWS Clean Rooms vous permet d'utiliser n'importe quelle colonne comme clé de jointure, par exemple les MAID hachés, les e-mails, les adresses IP et les RampID.
• Chaque membre de la collaboration associe ses propres données à la collaboration.

Examinons un scénario dans lequel un annonceur collabore avec un éditeur pour identifier le chevauchement d'audience. Dans cet exemple, l'éditeur crée la collaboration, invite l'annonceur et désigne l'annonceur comme membre pouvant interroger et recevoir des résultats.

Pré-requis

Pour inviter une autre personne à une collaboration, vous avez besoin de son ID de compte AWS. Dans notre cas d'utilisation, l'éditeur a besoin de l'ID de compte AWS de l'annonceur.

Créer une collaboration

Dans notre cas d'utilisation, l'éditeur crée une collaboration à l'aide de la console AWS Clean Rooms et invite l'annonceur.

Pour créer une collaboration, procédez comme suit :

1. Dans la console AWS Clean Rooms, choisissez Collaborations dans le volet de navigation.
2. Selectionnez Créer une collaboration.
3. Pour Nom, saisissez un nom pour la collaboration.
4. Dans le Membres , saisissez l'ID de compte AWS du compte que vous souhaitez inviter (dans ce cas, l'annonceur).
5. Dans le Capacités des membres , choisissez le membre qui peut interroger et recevoir des résultats (dans ce cas, l'annonceur).
6. Pour Journalisation des requêtes, décidez si vous souhaitez activer la journalisation des requêtes. Les requêtes sont enregistrées dans Amazon Cloud Watch.
7. Pour Informatique cryptographique, décidez si vous souhaitez activer la prise en charge du calcul cryptographique (pré-chiffrez vos données avant de les associer). AWS Clean Rooms exécutera ensuite des requêtes sur les données chiffrées.
8. Selectionnez Suivant.
9. Sur le Configurer l'adhésion , choisissez si vous souhaitez créer l'adhésion et la collaboration maintenant, ou créer la collaboration mais activer votre adhésion plus tard.
10. Pour Paramètres par défaut des résultats de requête, choisissez si vous souhaitez conserver les paramètres par défaut pour recevoir les résultats.
11. Pour Stockage des journaux dans Amazon CloudWatch Logs, spécifiez vos paramètres de journal.
12. Spécifiez les balises et qui paie pour les requêtes.
13. Selectionnez Suivant.
14. Passez en revue la configuration et choisissez soit de créer la collaboration et l’adhésion maintenant, soit simplement la collaboration.

L'éditeur envoie une invitation à l'annonceur. L'annonceur examine les paramètres de collaboration et crée un abonnement.

Créer une table configurée et définir des règles d'analyse

L'éditeur crée une table configurée à partir de la table AWS Glue (qui représente la définition des métadonnées des données S3, y compris l'emplacement, afin qu'elles puissent être lues par AWS Clean Rooms lorsque la requête est exécutée).

Effectuez les étapes suivantes:

1. Sur la console AWS Clean Rooms, choisissez Tableaux configurés dans le volet de navigation.
2. Selectionnez Configurer une nouvelle table.
3. Dans le Choisissez la table AWS Glue section, choisissez votre base de données et votre table.
4. Dans le Colonnes autorisées en collaboration , choisissez laquelle des colonnes de table existantes autoriser les requêtes dans la collaboration.
5. Dans le Détails du tableau configuré , entrez un nom et une description facultative pour la table configurée.
6. Selectionnez Configurer une nouvelle table.
7. Choisissez le type de règle d'analyse qui correspond au type de requêtes que vous souhaitez autoriser sur la table. Pour permettre une analyse d'agrégation, telle que la recherche de la taille du chevauchement d'audience, choisissez le type de règle d'analyse d'agrégation.
8. Dans le Fonctions d'agrégation section, choisissez COMPTE DISTINCT comme fonction d’agrégation.
9. Dans le Rejoindre les contrôles , choisissez si votre collaborateur doit obligatoirement rejoindre une table avec la vôtre. Puisqu'il s'agit d'un cas d'utilisation de chevauchement d'audience, sélectionnez Non, seul le chevauchement peut être interrogé.
10. Sélectionnez les opérateurs pour autoriser la correspondance (pour cet exemple, sélectionnez ET ainsi que OR).
11. Dans le Contrôles des dimensions , choisissez si vous souhaitez rendre les colonnes disponibles en tant que dimensions.
12. Dans le Fonctions scalaires , choisissez si vous souhaitez limiter les fonctions scalaires autorisées.
13. Selectionnez Suivant.
14. Dans le Contraintes d'agrégation , choisissez la contrainte d'agrégation minimale pour la table configurée.

Cela vous permet de filtrer les lignes qui ne correspondent pas à un certain seuil minimum d'utilisateurs (par exemple, si le seuil est défini sur 10, les lignes qui regroupent moins de 10 utilisateurs sont filtrées).

15. Selectionnez Suivant.
16. Vérifiez les paramètres et créez le tableau.

Associer la table à la collaboration

AWS Clean Rooms nécessite un accès pour lire le tableau afin d'exécuter la requête soumise par l'annonceur. Effectuez les étapes suivantes pour associer la table :

1. Sur la console AWS Clean Rooms, accédez à votre collaboration.
2. Selectionnez Table associée.
3. Pour Nom de la table configurée, choisissez le nom de votre table configurée.
4. Dans le Détails de l'association de tables , entrez un nom et une description facultative pour la table.
5. Dans le Accès au service section, vous pouvez choisir d'utiliser les paramètres par défaut pour créer un Gestion des identités et des accès AWS (IAM) pour AWS Clean Rooms automatiquement, ou vous pouvez utiliser un rôle existant. Des autorisations IAM sont requises pour créer ou modifier le rôle et transmettre le rôle à AWS Clean Rooms.
6. Selectionnez Table associée.

L'annonceur effectue également les étapes détaillées dans les sections précédentes pour créer une table configurée et l'associer à la collaboration.

Exécuter des requêtes dans l'éditeur de requêtes

L'annonceur peut désormais accéder au Requêtes onglet pour les tables de collaboration et de révision à interroger et leurs règles d'analyse. Vous pouvez préciser

le compartiment S3 où ira la sortie de la requête de chevauchement.

L'annonceur peut désormais rédiger et exécuter une requête de chevauchement. Vous pouvez utiliser un e-mail haché comme clé de jointure pour la requête (vous avez la possibilité d'utiliser n'importe quelle colonne comme clé de jointure et pouvez également utiliser plusieurs colonnes pour plusieurs clés de jointure). Vous pouvez également utiliser l'option sans code d'Analysis Builder pour qu'AWS Clean Rooms génère du SQL en votre nom. Pour notre cas d'utilisation, nous exécutons les requêtes suivantes :

#Query 1 – count of overlapping users between advertiser and publisher datasets

SELECT COUNT(DISTINCT advertiser.hashed_email)
FROM consumer as advertiser
INNER JOIN impressions as publisher
ON advertiser.hashed_email = publisher.hashed_email

#Query 2 – count of users in advertiser dataset

SELECT COUNT(DISTINCT advertiser.hashed_email)
FROM consumer as advertiser

Les résultats de la requête sont envoyés au compartiment S3 de l'annonceur, comme indiqué dans la capture d'écran suivante.

Nettoyer

Il est recommandé de supprimer les ressources qui ne sont plus utilisées. L'annonceur et l'éditeur doivent nettoyer leurs ressources respectives :

• Annonceur – L'annonceur supprime ses associations de tables configurées et son adhésion à la collaboration. Cependant, ils n'ont pas besoin de supprimer leur table configurée car elle est réutilisable dans toutes les collaborations.
• Publisher – L'éditeur supprime ses associations de tables configurées et la collaboration. Ils n'ont pas besoin de supprimer leur table configurée car elle est réutilisable dans toutes les collaborations.

Conclusion

Dans cet article, nous avons montré comment mettre en place une collaboration avec chevauchement d'audience à l'aide d'AWS Clean Rooms pour la planification média et l'évaluation des partenariats en utilisant un e-mail haché comme clé de jointure entre les ensembles de données. Les annonceurs se tournent de plus en plus vers AWS Clean Rooms pour effectuer des analyses de chevauchement d'audience avec leurs partenaires médias, facilitant ainsi leurs décisions d'investissement dans les médias. De plus, les chevauchements d'audience vous aident à accélérer vos évaluations de partenariat en identifiant l'étendue du chevauchement que vous partagez avec des partenaires potentiels.

Pour en savoir plus sur AWS Clean Rooms, regardez la vidéo Premiers pas avec les salles blanches AWS, et reportez-vous aux ressources supplémentaires suivantes :

À propos des auteurs

Eric Saccullo est responsable principal du développement commercial pour les salles blanches AWS chez Amazon Web Services. Il s'efforce d'aider les clients à collaborer avec leurs partenaires de manière respectueuse de la confidentialité afin d'obtenir des informations et d'améliorer les résultats commerciaux.

Shamir Tanna est chef de produit technique senior chez Amazon Web Services.

Ryan Malecky est architecte de solutions senior chez Amazon Web Services. Il s'efforce d'aider les clients à obtenir des informations sur leurs données, en particulier avec AWS Clean Rooms.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://aws.amazon.com/blogs/machine-learning/run-an-audience-overlap-analysis-in-aws-clean-rooms/