AWS Clean Rooms 概念验证范畴媒体测量

文章重点

在这篇文章中，我们讨论了如何利用 AWS Clean Rooms 来进行媒体效果测量的概念验证POC。随著企业越来越希望与外部合作伙伴共享数据，以便在消费者级别上建立全面的业务视图，AWS Clean Rooms 提供了一个安全的平台供不同公司分析和协作其集体数据。本文将引导您设计一个针对广告活动效果的 POC，并介绍该过程中的重要考量因素。

重要资讯

AWS Clean Rooms 目前已广泛可用，任何 AWS 客户都可以立即登录 AWS 管理控制台开始使用，无需额外的文书工作。AWS Clean Rooms 支持 SQL 查询和机器学习两种类型的分析，但本篇文章将专注于 SQL 查询。尽管 AWS Clean Rooms 支持多方协作，但本篇文章假设 POC 合作中有两个成员。

概览

设置 POC 有助于明确确定与合作伙伴的具体使用案例及其存在的问题。在确定合作伙伴之后，建议遵循以下三个步骤以设置 POC：

定义业务上下文和成功标准 确认与哪个伙伴、哪个用例进行测试，以及 AWS Clean Rooms 协作的成功标准。对技术选择达成共识 决定谁设置清洁室、谁分析数据、使用哪些数据集、连接键是什么以及要运行什么分析。概述工作流程和时间表 制定回溯计划，决定合成数据测试，并就生产数据测试达成一致。

在本篇文章中，我们将解析一个快速服务餐饮公司 CoffeeCo 如何与连接电视提供商 CTVCo 进行 POC，以评估其广告活动的成功。

POC 的业务上下文与成功标准

定义测试用例

设置 POC 的第一步是定义与合作伙伴在 AWS Clean Rooms 中测试的用例。例如，CoffeeCo 希望进行测量分析，以确定 CTVCo 上的媒体曝光如何导致用户注册其忠诚计划。AWS Clean Rooms 使 CoffeeCo 和 CTVCo 能够在不复制彼此基础数据的情况下协作和分析集体数据集。

成功标准

在开始 POC 之前，必须确定成功的度量指标和接受标准。例如，CoffeeCo 的目标是在其数据集和 CTVCo 的数据集之间达成一定的匹配率，以确保测量分析的有效性。此外，CoffeeCo 希望现有团队能轻松设置协作并根据协作产生的洞见进行行动，优化未来的媒体支出策略，以促进更多的忠诚会员。

POC 的技术选择

确定协作创建者、AWS 帐户 ID、查询执行者、付款方和结果接收者

每个 AWS Clean Rooms 协作由一个 AWS 帐户创建，并邀请其他 AWS 帐户参加。协作创建者负责指定参与协作的帐户，决定谁可以运行查询，谁支付计算费用，谁可以接收结果以及可选的查询日志与加密计算设置。在本 POC 中，CoffeeCo 通过邀请 CTVCo 来发起协作。此外，CoffeeCo 运行查询和接收结果，而 CTVCo 承担计算费用。

查询日志设置

如果启用了日志记录，每个协作成员都将收到查询日志。执行查询的合作方 CoffeeCo 会获得所有数据表的日志，另一方 CTVCo 只有在其数据表被参考时才能查看日志。

决定 AWS 区域

所用的数据表的基础 Amazon S3 和 AWS Glue 资源必须与 AWS Clean Rooms 协作位于同一 AWS 区域。例如，CoffeeCo 和 CTVCo 同意选择美国东部俄亥俄州作为他们的协作区域。

连接键

要在 AWS Clean Rooms 查询中连接数据集，所有连接必须共享一个公共键。连接键的比较必须为真。可以在内部连接中使用 AND 或 OR 逻辑运算符以匹配多个连接列。经常使用例如电子邮件地址、电话号码或 UID2 等键作为连接键。可通过 AWS Clean Rooms 特定的工作流程使用 LiveRamp、Experian 或 Neustar 的第三方标识符。

如果使用敏感数据作为连接键，建议使用混淆技术来减少因数据处理不当而暴露敏感数据的风险。双方必须使用产生相同混淆连接键值的技术，如哈希。 Clean Rooms 的加密计算 可用于此目的。

在本 POC 中，CoffeeCo 和 CTVCo 以哈希电子邮件或哈希手机进行连接。两者在准备数据集时都对其明文电子邮件和手机号码应用 SHA256 哈希。

数据架构

协作者必须确定确切的数据架构以支持约定的分析。在本 POC 中，CoffeeCo 正在进行转换分析，以测量 CTVCo 的媒体曝光如何导致用户注册 CoffeeCo 的忠诚计划。CoffeeCo 的架构包含哈希电子邮件、哈希手机、忠诚注册日期、忠诚会员类型和会员生日。CTVCo 的架构包含哈希电子邮件、哈希手机、展示次数、点击次数、时间戳、广告位置和广告位置类型。

应用于协作的每个配置表的分析规则

AWS Clean Rooms 的 配置表 是指在 AWS Glue 数据目录中用于协作的现有表格。它包含一个 分析规则，决定如何可以在 AWS Clean Rooms 中查询数据。配置表可以关联到一个或多个协作。

AWS Clean Rooms 提供三种分析规则：聚合、列表和自定义。

聚合 允许您运行查询，以生成在每个数据拥有者设置的隐私保护范围内的聚合统计。例如，两个数据集交集的大小。列表 允许您运行查询，以提取多个数据集交集的逐行列表。例如，两个数据集的重叠记录。自定义 允许您基于大多数行业标准 SQL 创建自定义查询和可重用模板，并在您的协作者运行它们之前审查和批准查询。例如，编写一个增量提升查询，这是您数据表上允许运行的唯一查询。您还可以通过选择自定义分析规则来使用 AWS Clean Rooms 差分隐私，然后配置您的差分隐私参数。

在本 POC 中，CTVCo 使用自定义分析规则并编写转换查询。CoffeeCo 将此自定义分析规则添加到其数据表中，并配置该表以与协作关联。CoffeeCo 运行该查询，只能运行 CTVCo 在此协作中与集体数据集编写的查询。

ios加速器试用三天

计划查询

协作者应该定义将由确定的查询执行者运行的查询。在本 POC 中，CoffeeCo 运行 CTVCo 编写的自定义分析规则查询，以了解谁在被 CTVCo 上的广告曝光后注册了他们的忠诚计划。CoffeeCo 可以指定所需的时间窗口参数，以分析在特定日期范围内发生的会员注册。

工作流程和时间表

为了确定设置 POC 的工作流程和时间表，协作者应为以下活动确定日期。

CoffeeCo 和 CTVCo 对业务上下文、成功标准、技术细节进行对齐，并准备他们的数据表。示例截止日期：1 月 10 日。[选择性] 协作者在正式数据测试之前，生成代表性的合成数据集进行非生产测试。示例截止日期：1 月 15 日。[选择性] 每个协作者使用合成数据集在其拥有的 AWS 非生产帐户之间创建 AWS Clean Rooms 协作，并完成希望在生产环境中运行的分析规则和查询。示例截止日期：1 月 30 日。[选择性] CoffeeCo 和 CTVCo 在非生产帐户之间创建 AWS Clean Rooms 协作，并用合成数据集测试分析规则和查询。示例截止日期：2 月 15 日。CoffeeCo 和 CTVCo 创建生产 AWS Clean Rooms 协作，并在生产数据上运行 POC 查询。示例截止日期：2 月 28 日。根据成功标准评估 POC 结果，以确定何时转至生产。示例截止日期：3 月 15 日。

结论

在您定义 POC 的业务上下文和成功标准、对技术细节达成一致并概述工作流程和时间表后，POC 的目标是运行一个成功的 AWS Clean Rooms 协作，以证明是否可以进入生产阶段。在验证协作准备好进入生产后，AWS 可以帮助您识别和实施自动化机制，以编程方式运行 AWS Clean Rooms 用于您的生产用例。 观看这段视频 以了解有关隐私增强型协作的更多信息，并联系 AWS 代表 获取 AWS Clean Rooms 的更多资讯。

了解 AWS Clean Rooms

AWS Clean Rooms 帮助企业及其合作伙伴更容易和安全地分析与协作其集体数据集，而无需共享或复制对方的基础数据。通过 AWS Clean Rooms，客户可以在几分钟内创建安全的数据清洁室，并与 AWS 上的其他公司进行协作，生成有关广告活动、投资决策和研究开发的独特见解。

附加资源

入门 AWS Clean Rooms 演示视频2023 年 Cannes Lions 数据清洁室协作的五个关键要点AWS Clean Rooms 现已普遍可用 与您的合作伙伴协作而无需共享原始数据AWS On Air 节目介绍 AWS Clean Rooms 现已普遍可用介绍 AWS 广告与营销：帮助客户以目标为导向的服务、解决方案和合作伙伴重新定义行业介绍四种新解决方案，帮助客户将 AWS Clean Rooms 集成到其广告工作流程中AWS Clean Rooms 用户指南

作者介绍

Shaila Mathias 是亚马逊网路服务公司 AWS Clean Rooms 的业务发展负责人。

Allison Milone 是亚马逊网路服务公司广告与营销产业的产品营销专员。

Ryan Malecky 是亚马逊网路服务公司的资深解决方案架构师，专注于帮助客户从数据中获得见解，特别是在 AWS Clean Rooms 方面。