Los anunciantes, editores y proveedores de tecnología publicitaria buscan activamente formas eficientes de colaborar con sus socios para generar información sobre sus conjuntos de datos colectivos. Una razón común para participar en la colaboración de datos es realizar un análisis de superposición de audiencias, que es un análisis común que se realiza cuando los medios planifican y evalúan nuevas asociaciones.

En esta publicación, exploramos qué es un análisis de superposición de audiencias, analizamos los enfoques técnicos actuales y sus desafíos, e ilustramos cómo se puede ejecutar un análisis de superposición de audiencias seguro utilizando Salas limpias de AWS.

Análisis de superposición de audiencias

La superposición de audiencia es el porcentaje de usuarios de su audiencia que también están presentes en otro conjunto de datos (calculado como la cantidad de usuarios presentes tanto en su audiencia como en otro conjunto de datos dividido por la cantidad total de usuarios de su audiencia). En el proceso de planificación de medios digitales, a menudo se realizan superposiciones de audiencias para comparar el conjunto de datos propios de un anunciante con el conjunto de datos de un socio de medios (editor). El análisis ayuda a determinar a qué proporción de la audiencia del anunciante puede llegar un socio de medios determinado. Al evaluar la superposición, los anunciantes pueden determinar si un socio de medios proporciona un alcance único o si la audiencia del socio de medios se superpone predominantemente con la audiencia existente del anunciante.

Enfoques y desafíos actuales

Los anunciantes, editores, proveedores de datos externos y otras entidades a menudo comparten sus datos cuando realizan pruebas de coincidencia o superposición de audiencias. Los métodos comunes para compartir datos, como el uso de píxeles y transferencias SFTP, pueden conllevar riesgos porque implican mover información confidencial del cliente. Compartir estos datos con otra parte puede llevar mucho tiempo y aumentar el riesgo de posibles violaciones de datos o acceso no autorizado. Si la parte receptora maneja mal los datos, podría violar las normas de privacidad, lo que generaría riesgos legales. Además, cualquier uso indebido o exposición de los datos de los clientes puede erosionar la confianza del consumidor, provocando daños a la reputación y posibles pérdidas de negocio.

Resumen de la solución

AWS Clean Rooms puede ayudarle a usted y a sus socios a colaborar y analizar sus conjuntos de datos colectivos de forma segura y sin esfuerzo, sin copiar los datos subyacentes de cada uno. Con AWS Clean Rooms, puede crear una sala limpia de datos en minutos y colaborar con sus socios para generar información única. AWS Clean Rooms le permite ejecutar un análisis de superposición de audiencias y generar información valiosa, evitando al mismo tiempo los riesgos asociados con otros enfoques actuales.

Los siguientes son conceptos y requisitos previos clave para utilizar AWS Clean Rooms:

• Cada parte del análisis (miembro de la colaboración) debe tener una cuenta de AWS.
• Un miembro invita al otro miembro a la colaboración de AWS Clean Rooms. No importa qué miembro crea la invitación. El creador de la colaboración utiliza el ID de la cuenta de AWS del invitado como entrada para enviar invitaciones.
• Solo un miembro puede realizar consultas en la colaboración y solo un miembro puede recibir resultados de la colaboración. Las habilidades de cada miembro se definen cuando se crea la colaboración.
• Cada miembro de la colaboración almacena conjuntos de datos en sus respectivos Servicio de almacenamiento simple de Amazon (Amazon S3) y los cataloga (crea un esquema con nombres de columnas y tipos de datos) en el Pegamento AWS Catálogo de datos. También puede crear la definición del catálogo de datos utilizando el Atenea amazónica crear una base de datos y crear declaraciones de tabla.
• Los colaboradores deben tener sus depósitos S3 y tablas del catálogo de datos en la misma región de AWS.
• Los colaboradores pueden utilizar la consola de AWS Clean Rooms, las API o los SDK de AWS para configurar una colaboración.
• AWS Clean Rooms le permite utilizar cualquier columna como clave de unión, por ejemplo, MAID con hash, correos electrónicos, direcciones IP y RampID.
• Cada miembro de la colaboración asocia sus propios datos a la colaboración.

Veamos un escenario en el que un anunciante colabora con un editor para identificar la superposición de audiencia. En este ejemplo, el editor crea la colaboración, invita al anunciante y designa al anunciante como el miembro que puede consultar y recibir resultados.

Requisitos previos

Para invitar a otra persona a una colaboración, necesita su ID de cuenta de AWS. En nuestro caso de uso, el editor necesita el ID de cuenta de AWS del anunciante.

Crear una colaboración

En nuestro caso de uso, el editor crea una colaboración utilizando la consola de AWS Clean Rooms e invita al anunciante.

Para crear una colaboración, complete los siguientes pasos:

1. En la consola de AWS Clean Rooms, elija Colaboraciones en el panel de navegación.
2. Elige Crear colaboración.
3. Nombre, ingresa un nombre para la colaboración.
4. En Miembros En la sección, ingrese el ID de la cuenta de AWS de la cuenta que desea invitar (en este caso, el anunciante).
5. En Habilidades de los miembros sección, elija el miembro que puede consultar y recibir resultados (en este caso, el anunciante).
6. Registro de consultas, decida si desea activar el registro de consultas. Las consultas se registran en Reloj en la nube de Amazon.
7. Computación criptográfica, decida si desea activar la compatibilidad con la informática criptográfica (cifre previamente sus datos antes de asociarlos). Luego, AWS Clean Rooms ejecutará consultas sobre los datos cifrados.
8. Elige Siguiente.
9. En Configurar membresía página, elija si desea crear la membresía y la colaboración ahora, o crear la colaboración pero activar su membresía más tarde.
10. Valores predeterminados de configuración de resultados de consulta, elija si desea mantener la configuración predeterminada para recibir resultados.
11. Almacenamiento de registros en Amazon CloudWatch Logs, especifique su configuración de registro.
12. Especifique las etiquetas y quién paga por las consultas.
13. Elige Siguiente.
14. Revise la configuración y elija crear la colaboración y la membresía ahora, o solo la colaboración.

El editor envía una invitación al anunciante. El anunciante revisa la configuración de colaboración y crea una membresía.

Cree una tabla configurada y establezca reglas de análisis

El editor crea una tabla configurada a partir de la tabla de AWS Glue (que representa la definición de metadatos de los datos de S3, incluida la ubicación, para que AWS Clean Rooms pueda leerlos cuando se ejecuta la consulta).

Complete los siguientes pasos:

1. En la consola de AWS Clean Rooms, elija Tablas configuradas en el panel de navegación.
2. Elige Configurar nueva tabla.
3. En Elija la tabla de AWS Glue sección, elija su base de datos y tabla.
4. En Columnas permitidas en colaboración , elija cuál de las columnas de la tabla existente permitirá realizar consultas en la colaboración.
5. En Detalles de la tabla configurada , ingrese un nombre y una descripción opcional para la tabla configurada.
6. Elige Configurar nueva tabla.
7. Elija el tipo de regla de análisis que coincida con el tipo de consultas que desea permitir en la tabla. Para permitir un análisis de agregación, como encontrar el tamaño de la superposición de audiencia, elija el tipo de regla de análisis de agregación.
8. En Funciones agregadas sección, elija CONTEO DISTINTO como función agregada.
9. En Unirse a controles En la sección elige si tu colaborador debe unirse a una mesa con la tuya. Debido a que este es un caso de uso de superposición de audiencia, seleccione No, sólo se puede consultar la superposición.
10. Seleccione los operadores para permitir la coincidencia (para este ejemplo, seleccione Y y OR).
11. En Controles de dimensión , elija si desea que alguna columna esté disponible como dimensiones.
12. En Funciones escalares sección, elija si desea limitar las funciones escalares permitidas.
13. Elige Siguiente.
14. En Restricciones de agregación , elija la restricción de agregación mínima para la tabla configurada.

Esto le permite filtrar filas que no cumplen con un determinado umbral mínimo de usuarios (por ejemplo, si el umbral se establece en 10, se filtran las filas que agregan menos de 10 usuarios).

15. Elige Siguiente.
16. Revise la configuración y cree la tabla.

Asociar la mesa a la colaboración.

AWS Clean Rooms requiere acceso para leer la tabla a fin de ejecutar la consulta enviada por el anunciante. Complete los siguientes pasos para asociar la tabla:

1. En la consola de AWS Clean Rooms, navegue hasta su colaboración.
2. Elige tabla de asociados.
3. Nombre de la tabla configurada, elija el nombre de su tabla configurada.
4. En Detalles de asociación de tablas , ingrese un nombre y una descripción opcional para la tabla.
5. En Acceso al servicio sección, puede elegir usar la configuración predeterminada para crear un Gestión de identidades y accesos de AWS (IAM) para AWS Clean Rooms automáticamente, o puede utilizar un rol existente. Se requieren permisos de IAM para crear o modificar la función y pasarla a AWS Clean Rooms.
6. Elige tabla de asociados.

El anunciante también completa los pasos detallados en las secciones anteriores para crear una tabla configurada y asociarla a la colaboración.

Ejecutar consultas en el editor de consultas

El anunciante ahora puede navegar a la Consultas pestaña para consultar las tablas de colaboración y revisión y sus reglas de análisis. Puedes especificar

el depósito de S3 donde irá la salida de la consulta de superposición.

El anunciante ahora puede escribir y ejecutar una consulta superpuesta. Puede utilizar un correo electrónico con hash como clave de unión para la consulta (tiene la opción de utilizar cualquier columna como clave de unión y también puede utilizar varias columnas para varias claves de unión). También puede utilizar la opción sin código de Analysis Builder para que AWS Clean Rooms genere SQL en su nombre. Para nuestro caso de uso, ejecutamos las siguientes consultas:

#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

Los resultados de la consulta se envían al depósito S3 del anunciante, como se muestra en la siguiente captura de pantalla.

Limpiar

Se recomienda eliminar los recursos que ya no se utilizan. El anunciante y el editor deben limpiar sus respectivos recursos:

• Anunciante – El anunciante elimina sus asociaciones de tablas configuradas y su membresía de colaboración. Sin embargo, no es necesario que eliminen la tabla configurada porque se puede reutilizar en todas las colaboraciones.
• Publisher – El editor elimina sus asociaciones de tablas configuradas y la colaboración. No es necesario que eliminen su tabla configurada porque se puede reutilizar en todas las colaboraciones.

Conclusión

En esta publicación, demostramos cómo configurar una colaboración de superposición de audiencias utilizando AWS Clean Rooms para la planificación de medios y la evaluación de asociaciones utilizando un correo electrónico con hash como clave de unión entre conjuntos de datos. Los anunciantes recurren cada vez más a AWS Clean Rooms para realizar análisis de superposición de audiencias con sus socios de medios, lo que les ayuda en sus decisiones de inversión en medios. Además, las superposiciones de audiencias le ayudan a acelerar las evaluaciones de sus asociaciones al identificar el grado de superposición que comparte con socios potenciales.

Para obtener más información sobre AWS Clean Rooms, mire el vídeo Introducción a las salas limpias de AWSy consulte los siguientes recursos adicionales:

Acerca de los autores

Eric Sacullo es gerente senior de desarrollo comercial para AWS Clean Rooms en Amazon Web Services. Su objetivo es ayudar a los clientes a colaborar con sus socios de formas que mejoren la privacidad para obtener información y mejorar los resultados comerciales.

Shamir Tanna es gerente técnico senior de productos en Amazon Web Services.

Ryan Malecky es arquitecto senior de soluciones en Amazon Web Services. Su objetivo es ayudar a los clientes a obtener información valiosa a partir de sus datos, especialmente con AWS Clean Rooms.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://aws.amazon.com/blogs/machine-learning/run-an-audience-overlap-analysis-in-aws-clean-rooms/