Virksomheder søger i stigende grad måder at supplere deres data med eksterne forretningspartneres data for at opbygge, vedligeholde og berige deres holistiske syn på deres virksomhed på forbrugerniveau. AWS rene værelser hjælper virksomheder lettere og sikkert med at analysere og samarbejde om deres samlede datasæt – uden at dele eller kopiere hinandens underliggende data. Med AWS Clean Rooms kan du skabe et sikkert data-renrum på få minutter og samarbejde med enhver anden virksomhed om Amazon Web Services (AWS) at skabe unik indsigt.
En måde at komme hurtigt i gang med AWS Clean Rooms er med et proof of concept (POC) mellem dig og en prioriteret partner. AWS Clean Rooms understøtter flere brancher og brugssager, og denne blog er den første af en serie om typer af proof of concepts, der kan udføres med AWS Clean Rooms.
I dette indlæg skitserer vi planlægningen af en POC for at måle medieeffektiviteten i en betalt reklamekampagne. Samarbejdspartnerne er en medieejer ("CTV.Co," en tilsluttet tv-udbyder) og brand annoncør ("Coffee.Co," en hurtig service restaurantvirksomhed), der analyserer deres samlede data for at forstå indvirkningen på salget som resultat af en reklamekampagne. Vi valgte at starte denne serie med mediemåling, fordi "Resultater og måling" var den toprangerede use case for datasamarbejde af kunder i en nylig undersøgelse, som AWS Clean Rooms-teamet gennemførte.
Vigtigt at huske på
- AWS Clean Rooms er generelt tilgængeligt, så enhver AWS-kunde kan logge ind på AWS Management Console og begynde at bruge tjenesten i dag uden yderligere papirarbejde.
- Med AWS Clean Rooms kan du udføre to typer analyser: SQL-forespørgsler og maskinlæring. Med henblik på denne blog vil vi kun fokusere på SQL-forespørgsler. Du kan lære mere om begge typer analyser og deres omkostningsstrukturer på AWS Clean Rooms Funktionalitet , Priser web sider. AWS Clean Rooms-teamet kan hjælpe dig med at anslå prisen på en POC og kan kontaktes på aws-clean-rooms-bd@amazon.com.
- Mens AWS Clean Rooms understøtter samarbejde mellem flere parter, antager vi to medlemmer i AWS Clean Rooms POC-samarbejdet i dette blogindlæg.
Oversigt
Opsætning af en POC hjælper med at definere et eksisterende problem med en specifik use case for at bruge AWS Clean Rooms med dine partnere. Når du har besluttet, hvem du vil samarbejde med, anbefaler vi tre trin til at konfigurere din POC:
- Definition af forretningskontekst og succeskriterier – Bestem hvilken partner, hvilken use case der skal testes, og hvad succeskriterierne er for AWS Clean Rooms-samarbejdet.
- Tilpasning til de tekniske valg for denne test – Træf de tekniske beslutninger om, hvem der opretter renrummet, hvem der analyserer dataene, hvilke datasæt der bruges, tilslut nøgler og hvilken analyse der køres.
- Skitserer arbejdsgangen og timingen – Opret en workback-plan, beslut dig for test af syntetiske data, og tilpas test af produktionsdata.
I dette indlæg gennemgår vi et eksempel på, hvordan en hurtig service restaurant (QSR) kaffevirksomhed (Coffee.Co) ville oprette en POC med en tilsluttet tv-udbyder (CTV.Co) for at bestemme succesen af en reklamekampagne.
Forretningskontekst og succeskriterier for POC
Definer den use case, der skal testes
Det første trin i opsætningen af POC'en er at definere den use case, der testes med din partner i AWS Clean Rooms. For eksempel ønsker Coffee.Co at køre en måleanalyse for at bestemme medieeksponeringen på CTV.Co, der førte til tilmelding til Coffee.Cos loyalitetsprogram. AWS Clean Rooms giver Coffee.Co og CTV.Co mulighed for at samarbejde og analysere deres samlede datasæt uden at kopiere hinandens underliggende data.
Succeskriterier
Det er vigtigt at bestemme målinger for succes og acceptkriterier for at flytte POC til produktion på forhånd. For eksempel er Coffee.Co’s mål at opnå en tilstrækkelig matchrate mellem deres datasæt og CTV.Co’s datasæt for at sikre effektiviteten af måleanalysen. Derudover ønsker Coffee.Co brugervenlighed for eksisterende Coffee.Co-teammedlemmer til at etablere samarbejdet og handlingen ud fra den indsigt, der er drevet af samarbejdet, for at optimere fremtidige medieudgifter til taktik på CTV.Co, der vil drive flere loyalitetsmedlemmer.
Tekniske valg til POC
Bestem skaberen af samarbejdet, AWS-konto-id'er, forespørgselsløber, betaler og resultatmodtager
Hvert AWS Clean Rooms-samarbejde er skabt af en enkelt AWS-konto, der inviterer andre AWS-konti. Samarbejdsopretteren specificerer, hvilke konti der inviteres til samarbejdet, hvem der kan køre forespørgsler, hvem der betaler for beregningen, hvem der kan modtage resultaterne og de valgfri forespørgselslogning og kryptografiske beregningsindstillinger. Opretteren er også i stand til at fjerne medlemmer fra et samarbejde. I denne POC indleder Coffee.Co samarbejdet ved at invitere CTV.Co. Derudover kører Coffee.Co forespørgslerne og modtager resultaterne, men CTV.Co betaler for beregningen.
Indstilling for logføring af forespørgsler
Hvis logning er aktiveret i samarbejdet, giver AWS Clean Rooms hvert samarbejdsmedlem mulighed for at modtage forespørgselslogfiler. Samarbejdspartneren, der kører forespørgslerne, Coffee.Co, får logfiler for alle datatabeller, mens den anden samarbejdspartner, CTV.Co, kun ser logfilerne, hvis der refereres til deres datatabeller i forespørgslen.
Bestem AWS-regionen
Det underliggende Amazon Simple Storage Service (Amazon S3) , AWS Lim ressourcer til de datatabeller, der bruges i samarbejdet, skal være i samme AWS-region som AWS Clean Rooms-samarbejdet. For eksempel er Coffee.Co og CTV.Co enige om den amerikanske østregion (Ohio) for deres samarbejde.
Sammenføj nøgler
For at forbinde datasæt i en AWS Clean Rooms-forespørgsel skal hver side af joinforbindelsen dele en fælles nøgle. Nøglesammenligning med svarende til operatoren (=) skal evalueres til Sand. AND eller OR logiske operatorer kan bruges i den indre join til matchning på flere joinkolonner. Nøgler såsom e-mailadresse, telefonnummer eller UID2 overvejes ofte. Tredjeparts identifikatorer fra LiveRamp, Experian, or Neustar kan bruges i forbindelsen gennem AWS Clean Rooms specifikke arbejdsgange med hver partner.
Hvis følsomme data bruges som joinnøgler, anbefales det at bruge en sløringsteknik for at mindske risikoen for at afsløre følsomme data, hvis dataene bliver mishandlet. Begge parter skal bruge en teknik, der producerer de samme slørede joinnøgleværdier, såsom hashing. Kryptografisk databehandling til rene rum kan bruges til dette forslag.
I denne POC deltager Coffee.Co og CTV.Co på hashed e-mail eller hashed mobil. Begge samarbejdspartnere bruger SHA256-hashen på deres almindelige e-mail og telefonnummer, når de forbereder deres datasæt til samarbejdet.
Dataskema
Det nøjagtige dataskema skal bestemmes af samarbejdspartnere for at understøtte den aftalte analyse. I denne POC kører Coffee.Co en konverteringsanalyse for at måle medieeksponeringer på CTV.Co, der førte til tilmelding til Coffee.Cos loyalitetsprogram. Coffee.Co's skema inkluderer hashed e-mail, hashed mobil, loyalitetstilmeldingsdato, loyalitetsmedlemskabstype og medlemmets fødselsdag. CTV.Co's skema inkluderer hashed e-mail, hashed mobil, visninger, klik, tidsstempel, annonceplacering og annonceplaceringstype.
Analyseregel anvendt på hver konfigureret tabel, der er knyttet til samarbejdet
En AWS Clean Rooms konfigureret bord er en reference til en eksisterende tabel i AWS Glue Data Catalog, der bruges i samarbejdet. Den indeholder en analyse regel der bestemmer, hvordan data kan forespørges i AWS Clean Rooms. Konfigurerede tabeller kan knyttes til et eller flere samarbejder.
AWS Clean Rooms tilbyder tre typer analyseregler: aggregering, liste og brugerdefineret.
- Sammenlægning giver dig mulighed for at køre forespørgsler, der genererer en samlet statistik inden for beskyttelsesrækværket for beskyttelse af personlige oplysninger, der er angivet af hver dataejer. For eksempel hvor stor skæringspunktet mellem to datasæt er.
- Liste giver dig mulighed for at køre forespørgsler, der uddrager rækkeniveaulisten over skæringspunktet mellem flere datasæt. For eksempel de overlappede poster på to datasæt.
- Tilpasset giver dig mulighed for at oprette brugerdefinerede forespørgsler og genbrugelige skabeloner ved hjælp af de fleste industristandard SQL, samt gennemgå og godkende forespørgsler, før din samarbejdspartner kører dem. For eksempel oprettelse af en trinvis stigningsforespørgsel, der er den eneste forespørgsel, der er tilladt at køre på dine datatabeller. Du kan også bruge AWS Clean Rooms Differential Privacy ved at vælge en tilpasset analyseregel og derefter konfigurere dine forskellige privatlivsparametre.
I denne POC bruger CTV.Co den tilpassede analyseregel og opretter konverteringsforespørgslen. Coffee.Co føjer denne tilpassede analyseregel til deres datatabel og konfigurerer tabellen til tilknytning til samarbejdet. Coffee.Co kører forespørgslen og kan kun køre forespørgsler, som CTV.Co opretter på de samlede datasæt i dette samarbejde.
Planlagt forespørgsel
Samarbejdspartnere skal definere den forespørgsel, der skal køres af samarbejdspartneren, der er fast besluttet på at køre forespørgslerne. I denne POC kører Coffe.Co den tilpassede analyseregelforespørgsel, som CTV.Co er forfattet for at forstå, hvem der har tilmeldt sig deres loyalitetsprogram efter at være blevet udsat for en annonce på CTV.Co. Coffee.Co kan angive deres ønskede tidsvindueparameter for at analysere, hvornår medlemskabstilmeldingen fandt sted inden for et bestemt datointerval, fordi denne parameter er blevet aktiveret i den tilpassede analyseregelforespørgsel.
Arbejdsgang og tidslinje
For at bestemme arbejdsgangen og tidslinjen for opsætning af POC'en, bør samarbejdspartnerne angive datoer for følgende aktiviteter.
- Coffee.Co og CTV.Co tilpasser sig forretningskontekst, succeskriterier, tekniske detaljer og udarbejder deres datatabeller.
- Eksempel på deadline: 10. januar.
- [Valgfri] Samarbejdspartnere arbejder på at generere repræsentative syntetiske datasæt til ikke-produktionstestning forud for test af produktionsdata.
- Eksempel på deadline: 15. januar
- [Valgfri] Hver samarbejdspartner bruger syntetiske datasæt til at skabe et AWS Clean Rooms-samarbejde mellem to af deres ejede AWS-ikke-produktionskonti og færdiggør analyseregler og forespørgsler, de ønsker at køre i produktionen.
- Eksempel på deadline: 30. januar
- [Valgfri] Coffee.Co og CTV.Co skaber et AWS Clean Rooms-samarbejde mellem ikke-produktionskonti og tester analysereglerne og forespørgslerne med de syntetiske datasæt.
- Eksempel på deadline: 15. februar
- Coffee.Co og CTV.Co opretter et produktions-AWS Clean Rooms-samarbejde og kører POC-forespørgslerne på produktionsdata.
- Eksempel på deadline: 28. feb
- Evaluer POC-resultater i forhold til succeskriterier for at bestemme, hvornår du skal flytte til produktion.
- Eksempel deadline 15. marts
Konklusion
Efter at du har defineret forretningskonteksten og succeskriterierne for POC'en, tilpasset de tekniske detaljer og skitseret arbejdsgangen og timingen, er målet med POC'en at køre et vellykket samarbejde ved hjælp af AWS Clean Rooms til at validere flytning til produktion. Når du har valideret, at samarbejdet er klar til at gå til produktion, kan AWS hjælpe dig med at identificere og implementere automatiseringsmekanismer til programmæssigt at køre AWS Clean Rooms til dine produktionsanvendelsessager. Se denne video for at lære mere om fortrolighedsforbedret samarbejde og kontakte en AWS repræsentant for at lære mere om AWS Clean Rooms.
Om AWS Clean Rooms
AWS Clean Rooms hjælper virksomheder og deres partnere med nemmere og mere sikkert at analysere og samarbejde om deres samlede datasæt – uden at dele eller kopiere hinandens underliggende data. Med AWS Clean Rooms kan kunder skabe et sikkert data-renrum på få minutter og samarbejde med enhver anden virksomhed om AWS for at generere unik indsigt om reklamekampagner, investeringsbeslutninger og forskning og udvikling.
Yderligere ressourcer
Om forfatterne
Shaila Mathias er leder af forretningsudvikling for AWS Clean Rooms hos Amazon Web Services.
Allison Milone er produktmarkedsfører for reklame- og markedsføringsindustrien hos Amazon Web Services.
Ryan Malecky er Senior Solutions Architect hos Amazon Web Services. Han er fokuseret på at hjælpe kunder med at få indsigt fra deres data, især med AWS Clean Rooms.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
- PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
- PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
- PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
- Kilde: https://aws.amazon.com/blogs/big-data/aws-clean-rooms-proof-of-concept-scoping-part-1-media-measurement/
- :har
- :er
- $OP
- 1
- 10
- 100
- a
- I stand
- Om
- accept
- Konto
- Konti
- opnå
- Handling
- aktiviteter
- Ad
- Yderligere
- Derudover
- adresse
- Tilføjer
- Reklame
- Efter
- mod
- aggregat
- aggregering
- aftalt
- tilpasse
- justeret
- Alle
- tillader
- også
- Amazon
- Amazon Web Services
- Amazon.com
- an
- analyser
- analyse
- analysere
- analysere
- ,
- enhver
- anvendt
- Godkend
- ER
- AS
- forbundet
- Association
- antage
- At
- forfattet
- forfatter
- forfattere
- Automation
- til rådighed
- AWS
- AWS kunde
- AWS Lim
- AWS Management Console
- BE
- fordi
- været
- være
- mellem
- Blog
- både
- begge fester
- brand
- bygge
- virksomhed
- forretningsudvikling
- men
- by
- Kampagne
- Kampagner
- CAN
- tilfælde
- tilfælde
- katalog
- valg
- valgte
- ren
- CO
- Kaffe
- samarbejde
- samarbejde
- samarbejder
- samarbejdspartnere
- kollektive
- Kolonner
- KOM
- Fælles
- Virksomheder
- selskab
- sammenligning
- komplement
- Compute
- computing
- Konceptet
- begreber
- gennemført
- konfigureret
- konfigurering
- tilsluttet
- betragtes
- Konsol
- forbruger
- kontakt
- indeholder
- sammenhæng
- Konvertering
- kopiering
- Koste
- skabe
- oprettet
- skaberen
- kriterier
- kryptografisk
- skik
- kunde
- Kunder
- data
- datasæt
- datasæt
- datasæt
- Dato
- Datoer
- deadline
- beslutte
- afgørelser
- definere
- definerede
- definere
- ønskes
- detaljer
- Bestem
- bestemmes
- bestemmer
- Udvikling
- køre
- drevet
- hver
- nemt
- Øst
- effektivitet
- virkningsfuldhed
- aktiveret
- berige
- sikre
- især
- skøn
- Ether (ETH)
- evaluere
- eksempel
- eksisterende
- udsat
- Eksponering
- ekstern
- ekstrakt
- februar
- februar
- Fornavn
- strømme
- fokuserede
- fokusering
- efter
- Til
- fra
- fremtiden
- Gevinst
- generelt
- generere
- få
- mål
- hash
- hash'et
- hashing
- he
- hjælpe
- hjælpe
- hjælper
- holistisk
- Hvordan
- HTML
- HTTPS
- identifikatorer
- identificere
- id'er
- if
- KIMOs Succeshistorier
- gennemføre
- vigtigt
- in
- omfatter
- stigende
- inkremental
- industrier
- industrien
- Indleder
- indre
- indsigt
- vejkryds
- investering
- inviteret
- indbydende
- IT
- januar
- deltage
- sammenføjning
- Holde
- Nøgle
- nøgler
- stor
- føre
- LÆR
- læring
- Led
- Niveau
- Liste
- logning
- logisk
- Loyalitet
- Loyalty Program
- maskine
- machine learning
- vedligeholde
- lave
- ledelse
- Marts
- Marketing
- Markedsføringsindustrien
- Match
- matchende
- måle
- måling
- mekanismer
- Medier
- medlem
- Medlemmer
- medlemskab
- Metrics
- tankerne
- minutter
- afbøde
- Mobil
- mere
- mest
- bevæge sig
- flytning
- flerparti
- flere
- skal
- nummer
- of
- Tilbud
- tit
- Ohio
- on
- ONE
- kun
- operatør
- Operatører
- Optimer
- or
- Andet
- skitse
- skitseret
- ejede
- ejer
- betalt
- papirarbejde
- parameter
- parametre
- del
- parter
- partner
- partnere
- part
- land
- udføre
- telefon
- Place
- placering
- Simpel tekst
- fly
- planlægning
- plato
- Platon Data Intelligence
- PlatoData
- PoC
- Indlæg
- Forbered
- forberede
- Forud
- prioritet
- Beskyttelse af personlige oplysninger
- Problem
- producerer
- Produkt
- produktion
- Program
- bevis
- Bevis for koncept
- foreslå
- udbyder
- formål
- forespørgsler
- Hurtig
- hurtigt
- rækkevidde
- rangeret
- Sats
- nået
- klar
- modtage
- modtager
- nylige
- anbefaler
- anbefales
- optegnelser
- henvisningen
- region
- Fjern
- repræsentativt
- forskning
- forskning og udvikling
- Ressourcer
- Restaurant
- resultere
- Resultater
- genanvendelige
- gennemgå
- Risiko
- Værelse
- Rum
- RÆKKE
- Herske
- regler
- Kør
- runner
- kører
- løber
- salg
- samme
- Anvendelsesområde
- sikker
- sikkert
- søger
- Sees
- udvælgelse
- senior
- følsom
- Series
- tjeneste
- Tjenester
- sæt
- sæt
- indstilling
- indstillinger
- SHA256
- Del
- deling
- bør
- side
- underskrive
- underskrevet
- Simpelt
- enkelt
- So
- Løsninger
- specifikke
- tilbringe
- SQL
- standard
- starte
- påbegyndt
- Trin
- Steps
- opbevaring
- strukturer
- succes
- vellykket
- sådan
- tilstrækkeligt
- support
- Understøtter
- Kortlægge
- syntetisk
- syntetiske data
- bord
- taktik
- hold
- Holdkammerater
- Teknisk
- teknik
- skabeloner
- afprøvet
- Test
- tests
- at
- deres
- Them
- derefter
- de
- Tredje
- denne
- tre
- Gennem
- tid
- tidslinje
- tidsstempel
- timing
- til
- i dag
- tog
- top
- sand
- tv
- to
- typen
- typer
- underliggende
- forstå
- enestående
- på
- us
- brug
- brug tilfælde
- anvendte
- bruger
- ved brug af
- VALIDATE
- valideret
- Værdier
- Specifikation
- gå
- ønsker
- ønsker
- var
- Vej..
- måder
- we
- web
- webservices
- GODT
- Hvad
- hvornår
- som
- mens
- WHO
- vilje
- vindue
- med
- inden for
- uden
- Arbejde
- workflow
- ville
- dig
- Din
- youtube
- zephyrnet