Adverteerders, uitgevers en aanbieders van advertentietechnologie zijn actief op zoek naar efficiënte manieren om met hun partners samen te werken om inzichten te genereren over hun collectieve datasets. Een veel voorkomende reden om aan data-samenwerking deel te nemen, is het uitvoeren van een publieksoverlappingsanalyse, een analyse die vaak wordt uitgevoerd bij het plannen en evalueren van nieuwe partnerschappen in de media.

In dit bericht onderzoeken we wat een analyse van doelgroepoverlap is, bespreken we de huidige technische benaderingen en hun uitdagingen, en illustreren we hoe u een veilige analyse van doelgroepoverlap kunt uitvoeren met behulp van AWS schone kamers.

Analyse van doelgroepoverlap

Doelgroepoverlapping is het percentage gebruikers in uw doelgroep dat ook aanwezig is in een andere dataset (berekend als het aantal gebruikers dat aanwezig is in zowel uw doelgroep als een andere dataset, gedeeld door het totale aantal gebruikers in uw doelgroep). In het planningsproces voor digitale media worden doelgroepoverlappingen vaak uitgevoerd om de dataset van een adverteerder uit de eerste hand te vergelijken met de dataset van een mediapartner (uitgever). De analyse helpt bepalen hoeveel van het publiek van de adverteerder kan worden bereikt door een bepaalde mediapartner. Door de overlap te evalueren, kunnen adverteerders bepalen of een mediapartner een uniek bereik biedt of dat het publiek van de mediapartner overwegend overlapt met het bestaande publiek van de adverteerder.

Huidige benaderingen en uitdagingen

Adverteerders, uitgevers, externe gegevensproviders en andere entiteiten delen hun gegevens vaak wanneer ze doelgroepoverlappingen of matchtests uitvoeren. Gemeenschappelijke methoden voor het delen van gegevens, zoals het gebruik van pixels en SFTP-overdrachten, kunnen risico's met zich meebrengen omdat hierbij gevoelige klantinformatie wordt verplaatst. Het delen van deze gegevens met een andere partij kan tijdrovend zijn en het risico op mogelijke datalekken of ongeautoriseerde toegang vergroten. Als de ontvangende partij de gegevens verkeerd verwerkt, kan deze de privacyregelgeving schenden, met juridische risico’s tot gevolg. Bovendien kan elk waargenomen misbruik of openbaar maken van klantgegevens het consumentenvertrouwen aantasten, wat kan leiden tot reputatieschade en mogelijk omzetverlies.

Overzicht oplossingen

AWS Clean Rooms kan u en uw partners helpen moeiteloos en veilig samen te werken aan uw collectieve datasets en deze te analyseren, zonder elkaars onderliggende gegevens te kopiëren. Met AWS Clean Rooms kunt u binnen enkele minuten een data-cleanroom creëren en samenwerken met uw partners om unieke inzichten te genereren. Met AWS Clean Rooms kunt u een doelgroepoverlapanalyse uitvoeren en waardevolle inzichten genereren, terwijl u risico's vermijdt die verband houden met andere huidige benaderingen.

Hieronder volgen de belangrijkste concepten en vereisten voor het gebruik van AWS Clean Rooms:

• Elke partij in de analyse (lid van de samenwerking) moet een AWS-account hebben.
• Het ene lid nodigt het andere lid uit voor de AWS Clean Rooms-samenwerking. Het maakt niet uit welk lid de uitnodiging maakt. De maker van de samenwerking gebruikt de AWS-account-ID van de genodigde als invoer om uitnodigingen te verzenden.
• Slechts één lid kan zoekopdrachten uitvoeren in de samenwerking, en slechts één lid kan resultaten ontvangen van de samenwerking. De capaciteiten van elk lid worden gedefinieerd wanneer de samenwerking tot stand komt.
• Elk samenwerkingslid slaat datasets op in zijn respectievelijke Amazon eenvoudige opslagservice (Amazon S3) bucket en catalogiseert ze (creëert een schema met kolomnamen en gegevenstypen) in de AWS lijm Gegevenscatalogus. U kunt de gegevenscatalogusdefinitie ook maken met behulp van de Amazone Athene maak een database en maak tabelinstructies.
• Medewerkers moeten hun S3-buckets en Data Catalog-tabellen in dezelfde AWS-regio hebben.
• Samenwerkers kunnen de AWS Clean Rooms-console, API's of AWS SDK's gebruiken om een ​​samenwerking op te zetten.
• Met AWS Clean Rooms kunt u elke kolom als verbindingssleutel gebruiken, bijvoorbeeld gehashte MAID's, e-mails, IP-adressen en RampID's.
• Elk samenwerkingslid koppelt zijn eigen gegevens aan de samenwerking.

Laten we eens kijken naar een scenario waarin een adverteerder samenwerkt met een uitgever om de doelgroepoverlap te identificeren. In dit voorbeeld brengt de uitgever de samenwerking tot stand, nodigt de adverteerder uit en wijst de adverteerder aan als het lid dat zoekopdrachten kan uitvoeren en resultaten kan ontvangen.

Voorwaarden

Om iemand anders voor een samenwerking uit te nodigen, hebt u diens AWS-account-ID nodig. In ons gebruiksscenario heeft de uitgever de AWS-account-ID van de adverteerder nodig.

Creëer een samenwerking

In ons gebruiksscenario brengt de uitgever een samenwerking tot stand met behulp van de AWS Clean Rooms-console en nodigt hij de adverteerder uit.

Om een ​​samenwerking tot stand te brengen, voert u de volgende stappen uit:

1. Op de AWS Clean Rooms, console, kies Samenwerkingen in het navigatievenster.
2. Kies Creëer samenwerking.
3. Voor Naam, voer een naam in voor de samenwerking.
4. In het Leden Voer in het gedeelte AWS-account-ID in van het account dat u wilt uitnodigen (in dit geval de adverteerder).
5. In het Vaardigheden van leden Kies in het gedeelte het lid dat zoekopdrachten kan uitvoeren en resultaten kan ontvangen (in dit geval de adverteerder).
6. Voor Logboek van zoekopdrachten, beslis of u het loggen van zoekopdrachten wilt inschakelen. De query's worden geregistreerd Amazon Cloud Watch.
7. Voor Cryptografisch computergebruik, beslis of u ondersteuning voor cryptografisch computergebruik wilt inschakelen (versleutel uw gegevens vooraf voordat u deze koppelt). AWS Clean Rooms voert vervolgens query's uit op de gecodeerde gegevens.
8. Kies Volgende.
9. Op de Lidmaatschap configureren Op de pagina kunt u kiezen of u het lidmaatschap en de samenwerking nu wilt creëren, of de samenwerking wilt creëren maar uw lidmaatschap later wilt activeren.
10. Voor Standaardinstellingen voor queryresultaten, kies of u de standaardinstellingen wilt behouden om resultaten te ontvangen.
11. Voor Logopslag in Amazon CloudWatch Logs, geef uw loginstellingen op.
12. Geef eventuele tags op en geef aan wie voor zoekopdrachten betaalt.
13. Kies Volgende.
14. Controleer de configuratie en kies ervoor om de samenwerking en het lidmaatschap nu aan te maken, of alleen de samenwerking.

De uitgever stuurt een uitnodiging naar de adverteerder. De adverteerder controleert de samenwerkingsinstellingen en maakt een lidmaatschap aan.

Maak een geconfigureerde tabel en stel analyseregels in

De uitgever maakt een geconfigureerde tabel uit de AWS Glue-tabel (die de metadatadefinitie van de S3-gegevens vertegenwoordigt, inclusief locatie, zodat deze door AWS Clean Rooms kan worden gelezen wanneer de query wordt uitgevoerd).

Voer de volgende stappen uit:

1. Kies op de AWS Clean Rooms-console Geconfigureerde tafels in het navigatievenster.
2. Kies Configureer nieuwe tabel.
3. In het Kies AWS Lijmtabel sectie, kies uw database en tabel.
4. In het Kolommen toegestaan ​​in samenwerking sectie, kies welke van de bestaande tabelkolommen u wilt toestaan ​​voor het uitvoeren van query's in de samenwerking.
5. In het Geconfigureerde tafeldetails sectie, voer een naam en optionele beschrijving in voor de geconfigureerde tabel.
6. Kies Configureer nieuwe tabel.
7. Kies het type analyseregel dat overeenkomt met het type query's dat u in de tabel wilt toestaan. Als u een aggregatieanalyse wilt toestaan, zoals het bepalen van de omvang van de doelgroepoverlap, kiest u het regeltype voor aggregatieanalyse.
8. In het Geaggregeerde functies sectie, kies TEL ONDERSCHEID als de aggregatiefunctie.
9. In het Sluit u aan bij controles sectie, kies of uw bijdrager verplicht is om samen met de uwe aan tafel te gaan zitten. Omdat dit een gebruiksscenario voor doelgroepoverlap is, selecteert u Nee, alleen overlap kan worden opgevraagd.
10. Selecteer de operators die matching toestaan ​​(in dit voorbeeld selecteert u select EN en OR).
11. In het Afmetingscontroles sectie, kies of u kolommen beschikbaar wilt maken als dimensies.
12. In het Scalaire functies sectie, kies of u de toegestane scalaire functies wilt beperken.
13. Kies Volgende.
14. In het Aggregatiebeperkingen sectie kiest u de minimale aggregatiebeperking voor de geconfigureerde tabel.

Hierdoor kunt u rijen uitfilteren die niet aan een bepaalde minimumdrempel voor gebruikers voldoen (als de drempel bijvoorbeeld is ingesteld op 10, worden rijen die minder dan 10 gebruikers verzamelen, uitgefilterd).

15. Kies Volgende.
16. Controleer de instellingen en maak de tabel.

Koppel de tabel aan de samenwerking

AWS Clean Rooms heeft toegang nodig om de tabel te lezen om de door de adverteerder ingediende zoekopdracht uit te voeren. Voer de volgende stappen uit om de tabel te koppelen:

1. Navigeer op de AWS Clean Rooms-console naar uw samenwerking.
2. Kies Bijbehorende tafel.
3. Voor Geconfigureerde tabelnaam, kies de naam van uw geconfigureerde tabel.
4. In het Details van tabelkoppeling sectie, voer een naam en optionele beschrijving voor de tabel in.
5. In het Toegang voor onderhoud sectie kunt u ervoor kiezen om de standaardinstellingen te gebruiken om een AWS Identiteits- en toegangsbeheer (IAM)-servicerol voor AWS Clean Rooms automatisch, of u kunt een bestaande rol gebruiken. IAM-machtigingen zijn vereist om de rol te maken of te wijzigen en de rol door te geven aan AWS Clean Rooms.
6. Kies Bijbehorende tafel.

De adverteerder voltooit ook de stappen die in de voorgaande secties zijn beschreven om een ​​geconfigureerde tabel te maken en deze aan de samenwerking te koppelen.

Voer query's uit in de query-editor

De adverteerder kan nu navigeren naar de Queries tabblad voor de samenwerkings- en beoordelingstabellen die moeten worden opgevraagd en hun analyseregels. U kunt opgeven

de S3-bucket waar de uitvoer van de overlapquery naartoe gaat.

De adverteerder kan nu een overlapquery schrijven en uitvoeren. U kunt een gehashte e-mail gebruiken als samenvoegingssleutel voor de query (u hebt de mogelijkheid om elke kolom als samenvoegingssleutel te gebruiken en u kunt ook meerdere kolommen gebruiken voor meerdere samenvoegingssleutels). U kunt ook de optie zonder code van Analysis Builder gebruiken om AWS Clean Rooms namens u SQL te laten genereren. Voor ons gebruiksscenario voeren we de volgende query's uit:

#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

De zoekopdrachtresultaten worden naar de S3-bucket van de adverteerder verzonden, zoals weergegeven in de volgende schermafbeelding.

Opruimen

Het is een best practice om bronnen te verwijderen die niet langer worden gebruikt. De adverteerder en uitgever moeten hun respectievelijke bronnen opruimen:

• Adverteerder – De adverteerder verwijdert de geconfigureerde tafelassociaties en samenwerkingslidmaatschap. Ze hoeven hun geconfigureerde tabel echter niet te verwijderen, omdat deze herbruikbaar is in samenwerkingsverbanden.
• Uitgever – De uitgever verwijdert de geconfigureerde tafelassociaties en de samenwerking. Ze hoeven hun geconfigureerde tabel niet te verwijderen, omdat deze herbruikbaar is in samenwerkingsverbanden.

Conclusie

In dit bericht hebben we gedemonstreerd hoe je een doelgroepoverlap-samenwerking kunt opzetten met behulp van AWS Clean Rooms voor mediaplanning en partnerschapsevaluatie met behulp van een gehashte e-mail als verbindingssleutel tussen datasets. Adverteerders wenden zich steeds vaker tot AWS Clean Rooms om publieksoverlappingsanalyses uit te voeren met hun mediapartners, ter ondersteuning van hun media-investeringsbeslissingen. Bovendien helpen doelgroepoverlappingen u uw partnerschapsevaluaties te versnellen door de mate van overlap te identificeren die u deelt met potentiële partners.

Bekijk de video voor meer informatie over AWS Clean Rooms Aan de slag met AWS Clean Roomsen raadpleeg de volgende aanvullende bronnen:

Over de auteurs

Eric Saccullo is Senior Business Development Manager voor AWS Clean Rooms bij Amazon Web Services. Hij richt zich op het helpen van klanten om op privacy-verbeterde manieren met hun partners samen te werken om inzichten te verkrijgen en de bedrijfsresultaten te verbeteren.

Shamir Tanna is senior technisch productmanager bij Amazon Web Services.

Ryan Malecky is een Senior Solutions Architect bij Amazon Web Services. Hij is erop gericht klanten te helpen inzichten te verkrijgen uit hun gegevens, vooral met AWS Clean Rooms.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/run-an-audience-overlap-analysis-in-aws-clean-rooms/