광고주, 게시자 및 광고 기술 제공업체는 파트너와 협력하여 집단 데이터 세트에 대한 통찰력을 생성할 수 있는 효율적인 방법을 적극적으로 찾고 있습니다. 데이터 협업에 참여하는 일반적인 이유 중 하나는 미디어를 계획하고 새로운 파트너십을 평가할 때 실행하는 일반적인 분석인 잠재고객 중복 분석을 실행하는 것입니다.
이 게시물에서는 잠재고객 중복 분석이 무엇인지 살펴보고, 현재의 기술적 접근 방식과 그 과제에 대해 논의하고, 다음을 사용하여 안전한 잠재고객 중복 분석을 실행할 수 있는 방법을 설명합니다. AWS 클린룸.
잠재고객 중복 분석
잠재고객 중복은 다른 데이터세트에도 존재하는 잠재고객 사용자의 비율입니다. 잠재고객과 다른 데이터세트에 모두 존재하는 사용자 수를 잠재고객의 총 사용자 수로 나누어 계산합니다. 디지털 미디어 계획 프로세스에서는 광고주의 자사 데이터세트와 미디어 파트너(게시자)의 데이터세트를 비교하기 위해 잠재고객 중복이 종종 수행됩니다. 분석은 특정 미디어 파트너가 얼마나 많은 광고주 청중에게 다가갈 수 있는지 결정하는 데 도움이 됩니다. 중복을 평가함으로써 광고주는 미디어 파트너가 고유한 도달 범위를 제공하는지 또는 미디어 파트너의 잠재 고객이 광고주의 기존 잠재 고객과 주로 중복되는지 확인할 수 있습니다.
현재 접근 방식 및 과제
광고주, 게시자, 제3자 데이터 제공업체 및 기타 법인은 잠재고객 중복 또는 일치 테스트를 실행할 때 데이터를 공유하는 경우가 많습니다. 픽셀 및 SFTP 전송 사용과 같은 일반적인 데이터 공유 방법에는 민감한 고객 정보 이동이 포함되므로 위험이 발생할 수 있습니다. 이 데이터를 다른 사람과 공유하는 것은 시간이 많이 걸릴 수 있으며 잠재적인 데이터 침해 또는 무단 액세스의 위험이 높아질 수 있습니다. 수신자가 데이터를 잘못 처리할 경우 개인정보 보호 규정을 위반하여 법적 위험을 초래할 수 있습니다. 또한, 고객 데이터의 오용이나 노출이 감지되면 소비자의 신뢰가 약화되어 평판이 손상되고 비즈니스 손실이 발생할 수 있습니다.
솔루션 개요
AWS Clean Rooms는 귀하와 귀하의 파트너가 서로의 기본 데이터를 복사하지 않고도 집단 데이터 세트에 대해 쉽고 안전하게 협업하고 분석할 수 있도록 도와줍니다. AWS 클린룸을 사용하면 몇 분 만에 데이터 클린룸을 생성하고 파트너와 협력하여 고유한 통찰력을 얻을 수 있습니다. AWS Clean Rooms를 사용하면 다른 현재 접근 방식과 관련된 위험을 피하면서 대상자 중복 분석을 실행하고 귀중한 통찰력을 생성할 수 있습니다.
다음은 AWS Clean Rooms를 사용하기 위한 주요 개념과 전제 조건입니다.
- 분석에 참여하는 각 당사자(협력 구성원)는 AWS 계정이 있어야 합니다.
- 한 구성원이 다른 구성원을 AWS Clean Rooms 협업에 초대합니다. 어떤 회원이 초대장을 만드는지는 중요하지 않습니다. 협업 생성자는 초대 대상자의 AWS 계정 ID를 입력으로 사용하여 초대를 보냅니다.
- 협업에서는 한 명의 구성원만 쿼리할 수 있으며, 협업 결과는 한 명의 구성원만 받을 수 있습니다. 각 구성원의 능력은 협업이 생성될 때 정의됩니다.
- 각 협업 구성원은 각자의 위치에 데이터세트를 저장합니다. 아마존 단순 스토리지 서비스 (Amazon S3) 버킷을 사용하여 이를 카탈로그화합니다(열 이름과 데이터 유형을 사용하여 스키마 생성). AWS 접착제 데이터 카탈로그. 다음을 사용하여 Data Catalog 정의를 생성할 수도 있습니다. 아마존 아테나 데이터베이스를 생성하고 테이블 문을 생성합니다.
- 공동 작업자는 동일한 AWS 리전에 S3 버킷과 데이터 카탈로그 테이블을 보유해야 합니다.
- 공동 작업자는 AWS Clean Rooms 콘솔, API 또는 AWS SDK를 사용하여 공동 작업을 설정할 수 있습니다.
- AWS Clean Rooms를 사용하면 해시된 MAID, 이메일, IP 주소 및 RampID와 같은 모든 열을 조인 키로 사용할 수 있습니다.
- 각 협업 구성원은 자신의 데이터를 협업에 연결합니다.
광고주가 게시자와 협력하여 잠재고객 중복을 식별하는 시나리오를 살펴보겠습니다. 이 예에서 게시자는 협업을 생성하고 광고주를 초대하며 광고주를 쿼리하고 결과를 받을 수 있는 구성원으로 지정합니다.
사전 조건
협업에 다른 사람을 초대하려면 해당 사람의 AWS 계정 ID가 필요합니다. 사용 사례에서 게시자는 광고주의 AWS 계정 ID가 필요합니다.
공동 작업 만들기
사용 사례에서 게시자는 AWS Clean Rooms 콘솔을 사용하여 협업을 생성하고 광고주를 초대합니다.
협업을 생성하려면 다음 단계를 완료하세요.
- AWS Clean Rooms의 콘솔에서 다음을 선택합니다. 협력 탐색 창에서
- 왼쪽 메뉴에서 협업 생성.
- 럭셔리 성함에서 협업의 이름을 입력합니다.
- . 회원 섹션에 초대하려는 계정(이 경우 광고주)의 AWS 계정 ID를 입력합니다.
- . 회원 능력 섹션에서 쿼리하고 결과를 받을 수 있는 구성원(이 경우 광고주)을 선택합니다.
- 럭셔리 쿼리 로깅에서 쿼리 로깅을 설정할지 결정하세요. 쿼리는 다음에 기록됩니다. 아마존 클라우드 워치.
- 럭셔리 암호화 컴퓨팅, 암호화 컴퓨팅 지원을 켤지 결정합니다(데이터를 연결하기 전에 사전 암호화). 그러면 AWS Clean Rooms가 암호화된 데이터에 대해 쿼리를 실행합니다.
- 왼쪽 메뉴에서 다음 보기.
- 에 멤버십 구성 페이지에서 지금 멤버십과 협업을 생성할지, 아니면 협업을 생성하고 나중에 멤버십을 활성화할지 선택하세요.
- 럭셔리 쿼리 결과 설정 기본값에서 기본 설정을 유지하여 결과를 받을지 여부를 선택하세요.
- 럭셔리 Amazon CloudWatch Logs의 로그 스토리지에서 로그 설정을 지정하세요.
- 태그와 쿼리 비용을 지불하는 사람을 지정하세요.
- 왼쪽 메뉴에서 다음 보기.
- 구성을 검토하고 지금 협업 및 멤버십을 생성하거나 협업만 생성하도록 선택하십시오.
게시자는 광고주에게 초대장을 보냅니다. 광고주는 협업 설정을 검토하고 멤버십을 생성합니다.
구성된 테이블 생성 및 분석 규칙 설정
게시자는 AWS Glue 테이블에서 구성된 테이블을 생성합니다(쿼리가 실행될 때 AWS Clean Rooms에서 읽을 수 있도록 위치를 포함하여 S3 데이터의 메타데이터 정의를 나타냄).
다음 단계를 완료하십시오.
- AWS Clean Rooms 콘솔에서 다음을 선택합니다. 구성된 테이블 탐색 창에서
- 왼쪽 메뉴에서 새 테이블 구성.
- . AWS Glue 테이블 선택 섹션에서 데이터베이스와 테이블을 선택하세요.
- . 협업에 허용되는 열 섹션에서 협업에서 쿼리를 허용할 기존 테이블 열을 선택합니다.
- . 구성된 테이블 세부정보 섹션에 구성된 테이블의 이름과 선택적 설명을 입력합니다.
- 왼쪽 메뉴에서 새 테이블 구성.
- 테이블에 허용하려는 쿼리 유형과 일치하는 분석 규칙 유형을 선택합니다. 잠재고객 중복 크기 찾기 등 집계 분석을 허용하려면 집계 분석 규칙 유형을 선택하세요.
- . 집계 함수 섹션 선택 카운트 고유 집계 함수로.
- . 조인 컨트롤 섹션에서 공동작업자가 귀하의 테이블에 조인해야 하는지 여부를 선택하세요. 이는 잠재고객 중복 사용 사례이므로 아니요, 중복된 내용만 쿼리할 수 있습니다..
- 일치를 허용할 연산자를 선택합니다(이 예에서는 및 과 OR).
- . 치수 제어 섹션에서 모든 열을 측정기준으로 사용할 수 있도록 할지 선택하세요.
- . 스칼라 함수 섹션에서 허용되는 스칼라 함수를 제한할지 여부를 선택합니다.
- 왼쪽 메뉴에서 다음 보기.
- . 집계 제약 섹션에서 구성된 테이블에 대한 최소 집계 제약 조건을 선택합니다.
이를 통해 특정 최소 사용자 임계값을 충족하지 않는 행을 필터링할 수 있습니다. 예를 들어 임계값이 10으로 설정된 경우 10명 미만의 사용자를 집계하는 행은 필터링됩니다.
- 왼쪽 메뉴에서 다음 보기.
- 설정을 검토하고 테이블을 생성합니다.
테이블을 협업에 연결
AWS Clean Rooms에서는 광고주가 제출한 쿼리를 실행하기 위해 테이블을 읽을 수 있는 액세스 권한이 필요합니다. 테이블을 연결하려면 다음 단계를 완료하세요.
- AWS Clean Rooms 콘솔에서 협업으로 이동합니다.
- 왼쪽 메뉴에서 테이블 연관.
- 럭셔리 구성된 테이블 이름에서 구성된 테이블의 이름을 선택합니다.
- . 테이블 연결 세부정보 섹션에 테이블의 이름과 선택적 설명을 입력합니다.
- . 서비스 액세스 섹션에서 기본 설정을 사용하여 AWS 자격 증명 및 액세스 관리 (IAM) AWS Clean Rooms 서비스 역할을 자동으로 수행하거나 기존 역할을 사용할 수 있습니다. 역할을 생성 또는 수정하고 해당 역할을 AWS Clean Rooms에 전달하려면 IAM 권한이 필요합니다.
- 왼쪽 메뉴에서 테이블 연관.
또한 광고주는 이전 섹션에 자세히 설명된 단계를 완료하여 구성된 테이블을 생성하고 이를 협업에 연결합니다.
쿼리 편집기에서 쿼리 실행
이제 광고주는 검색어 쿼리할 공동 작업 및 검토 테이블과 해당 분석 규칙에 대한 탭입니다. 지정할 수 있습니다
중첩 쿼리의 출력이 전달될 S3 버킷입니다.
이제 광고주는 중복 쿼리를 작성하고 실행할 수 있습니다. 해시된 이메일을 쿼리의 조인 키로 사용할 수 있습니다(모든 열을 조인 키로 사용할 수 있으며 여러 조인 키에 여러 열을 사용할 수도 있음). Analysis Builder 노코드 옵션을 사용하여 AWS Clean Rooms가 사용자를 대신하여 SQL을 생성하도록 할 수도 있습니다. 사용 사례에서는 다음 쿼리를 실행합니다.
쿼리 결과는 다음 스크린샷과 같이 광고주의 S3 버킷으로 전송됩니다.
정리
더 이상 사용되지 않는 리소스를 삭제하는 것이 모범 사례입니다. 광고주와 게시자는 각자의 리소스를 정리해야 합니다.
- 신문 – 광고주는 구성된 테이블 연결 및 협업 멤버십을 삭제합니다. 그러나 구성된 테이블은 여러 협업에서 재사용할 수 있으므로 삭제할 필요가 없습니다.
- 작성자 – 게시자는 구성된 테이블 연결 및 협업을 삭제합니다. 구성된 테이블은 여러 협업에서 재사용할 수 있으므로 삭제할 필요가 없습니다.
결론
이 게시물에서는 해시된 이메일을 데이터 세트 간의 조인 키로 사용하여 미디어 계획 및 파트너십 평가를 위해 AWS Clean Rooms를 사용하여 청중 중복 협업을 설정하는 방법을 시연했습니다. 미디어 투자 결정을 지원하기 위해 미디어 파트너와 함께 청중 중복 분석을 수행하기 위해 점점 더 많은 광고주들이 AWS Clean Rooms를 사용하고 있습니다. 또한 대상 중복은 잠재적 파트너와 공유하는 중복 정도를 식별하여 파트너십 평가를 가속화하는 데 도움이 됩니다.
AWS 클린룸에 대해 자세히 알아보려면 동영상을 시청하세요. AWS 클린룸 시작하기, 다음 추가 리소스를 참조하세요.
저자에 관하여
에릭 사쿨로 Amazon Web Services의 AWS Clean Rooms 부문 수석 비즈니스 개발 관리자입니다. 그는 고객이 개인 정보 보호가 강화된 방식으로 파트너와 협력하여 통찰력을 얻고 비즈니스 성과를 개선할 수 있도록 돕는 데 중점을 두고 있습니다.
샤미르 타나 Amazon Web Services의 수석 기술 제품 관리자입니다.
라이언 말레키 Amazon Web Services의 수석 솔루션 아키텍트입니다. 그는 특히 AWS Clean Rooms를 통해 고객이 데이터에서 통찰력을 얻을 수 있도록 돕는 데 중점을 두고 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/run-an-audience-overlap-analysis-in-aws-clean-rooms/
