Struktur aturan analisis kustom Contoh aturan analisis kustom dengan template analisis Contoh aturan analisis kustom dengan ambang agregasi minimum Contoh aturan analisis khusus dengan ambang agregasi minimum dan kontrol perbandingan Menyatukan semuanya

Aturan analisis khusus di AWS Clean Rooms

Di AWS Clean Rooms, aturan analisis ku stom adalah jenis aturan analisis baru yang memungkinkan kueri khusus dijalankan pada tabel yang dikonfigurasi. Kueri SQL kustom masih terbatas hanya memiliki SELECT perintah tetapi dapat menggunakan lebih banyak konstruksi SQL daripada kueri agregasi dan daftar (misalnya, fungsi jendela, OUTER JOIN, CTE, atau subquery; lihat Referensi AWS Clean Rooms SQL untuk daftar lengkap). Kueri SQL kustom tidak harus mengikuti struktur kueri seperti agregasi dan daftar kueri.

Aturan analisis kustom mendukung kasus penggunaan yang lebih maju daripada yang dapat didukung oleh aturan agregasi dan analisis daftar seperti analisis atribusi khusus, pembandingan, analisis inkrementalitas, dan penemuan audiens. Ini merupakan tambahan dari superset kasus penggunaan yang didukung oleh aturan agregasi dan analisis daftar.

Aturan analisis khusus juga mendukung privasi diferensial. Privasi diferensial adalah kerangka kerja yang ketat secara matematis untuk perlindungan privasi data. Untuk informasi selengkapnya, lihat AWS Clean Rooms Privasi Diferensial. Saat Anda membuat template analisis, Privasi AWS Clean Rooms Diferensial memeriksa template untuk menentukan apakah template tersebut kompatibel dengan struktur kueri tujuan umum untuk Privasi AWS Clean Rooms Diferensial. Validasi ini memastikan bahwa Anda tidak membuat template analisis yang tidak diizinkan dengan tabel perlindungan privasi diferensial.

Untuk mengonfigurasi aturan analisis kustom, pemilik data dapat memilih untuk mengizinkan kueri khusus tertentu, disimpan dalam templat analisis, untuk dijalankan pada tabel yang dikonfigurasi. Pemilik data meninjau templat analisis sebelum menambahkannya ke kontrol analisis yang diizinkan dalam aturan analisis kustom. Template analisis tersedia dan hanya terlihat dalam kolaborasi di mana mereka dibuat (bahkan jika tabel dikaitkan dengan kolaborasi lain) dan hanya dapat dijalankan oleh anggota yang dapat menanyakan dalam kolaborasi itu.

Atau, anggota dapat memilih untuk mengizinkan anggota lain (penyedia kueri) membuat kueri tanpa peninjauan. Anggota menambahkan akun penyedia kueri yang dikendalikan oleh penyedia kueri yang diizinkan dalam aturan analisis kustom. Jika penyedia kueri adalah anggota yang dapat melakukan query, mereka dapat menjalankan kueri apa pun secara langsung pada tabel yang dikonfigurasi. Penyedia kueri juga dapat membuat kueri dengan membuat template analisis. Setiap kueri yang telah dibuat oleh penyedia kueri secara otomatis diizinkan untuk berjalan di atas tabel di semua kolaborasi di mana Akun AWS ada dan tabel dikaitkan.

Halaman ini berisi bagian-bagian berikut:

Struktur aturan analisis kustom
Contoh aturan analisis kustom dengan template analisis
Contoh aturan analisis kustom dengan ambang agregasi minimum
Contoh aturan analisis kustom dengan ambang agregasi minimum dan kontrol perbandingan
Menyatukan semuanya

Aturan analisis kustom mendukung kontrol peningkatan privasi berikut:

Struktur aturan analisis kustom

Struktur standar berikut menunjukkan kontrol yang tersedia dalam aturan analisis kustom. Sertakan hanya kontrol yang Anda butuhkan untuk kasus penggunaan Anda. userIdentifierNilai dalam differentialPrivacy kontrol adalah kolom yang secara unik mengidentifikasi pengguna Anda, seperti user_id. Bila Anda memiliki dua atau lebih tabel dengan privasi diferensial diaktifkan dalam kolaborasi, AWS Clean Rooms Anda harus mengonfigurasi kolom yang sama dengan kolom pengenal pengguna di kedua aturan analisis. Ini mempertahankan definisi pengguna yang konsisten di seluruh tabel.


{
  "allowedAnalyses": ["ANY_QUERY"] | string[],
  "allowedAnalysisProviders": [],
  "disallowedOutputColumns": [],
  "aggregationThresholds": [
    {
      "identityColumns": [],
      "minimumIdentityCount": number,
      "type": "COUNT_DISTINCT",
      "allowedAggregateExpressionType": "COLUMNS_ONLY" | "ANY_EXPRESSION",
      "outputColumnThresholds": [
        {
          "outputColumnName": string,
          "minimumIdentityCount": number
        }
      ]
    }
  ],
  "comparisonControls": {
    "allowedLiteralComparisonColumns": [],
    "allowedColumnComparisonColumns": []
  },
  "differentialPrivacy": {
    "columns": [
      {
        "name": "userIdentifier"
      }
    ]
  }
}

Anda dapat:

Tambahkan ARN template analisis ke kontrol analisis yang diizinkan. Dalam hal ini, allowedAnalysisProviders kontrol tidak termasuk.
```
{
  allowedAnalyses: string[]
}
```
Tambahkan Akun AWS ID anggota ke allowedAnalysisProviders kontrol. Dalam hal ini, Anda menambahkan ANY_QUERY ke allowedAnalyses kontrol.
```
{
  allowedAnalyses: ["ANY_QUERY"],
  allowedAnalysisProviders: string[]
}
```

Anda juga dapat mengonfigurasi salah satu kontrol berikut:

Kolom yang tidak Anda izinkan untuk diproyeksikan dalam hasil kueri. Untuk informasi selengkapnya, lihat Kolom keluaran yang tidak diizinkan.
```
{
  disallowedOutputColumns: string[]
}
```
Ambang batas agregasi minimum yang mengharuskan setiap baris hasil untuk mewakili setidaknya jumlah minimum subjek data yang berbeda. Anda dapat mengganti ambang batas untuk kolom keluaran individual melaluioutputColumnThresholds, dan allowedAggregateExpressionType mengontrol apakah ekspresi diizinkan di dalam fungsi agregat. Lihat informasi selengkapnya di Ambang batas agregasi minimum, Mengganti ambang agregasi minimum untuk kolom keluaran tertentu, dan Mengizinkan ekspresi bersarang dalam fungsi agregat.
```
{
  aggregationThresholds: [
    {
      identityColumns: string[],
      minimumIdentityCount: number,
      type: "COUNT_DISTINCT",
      allowedAggregateExpressionType: "COLUMNS_ONLY" | "ANY_EXPRESSION",
      outputColumnThresholds: [
        {
          outputColumnName: string,
          minimumIdentityCount: number
        }
      ]
    }
  ]
}
```
Kontrol perbandingan yang menentukan kolom mana yang dapat dibandingkan dengan nilai literal dan yang dapat dibandingkan dengan kolom lain. Untuk informasi selengkapnya, lihat Kontrol perbandingan.
```
{
  comparisonControls: {
    allowedLiteralComparisonColumns: string[],
    allowedColumnComparisonColumns: string[]
  }
}
```
Konfigurasi privasi diferensial yang melindungi tabel dengan mengidentifikasi kolom pengenal pengguna. Untuk informasi selengkapnya, lihat Priv AWS Clean Rooms asi Diferensial.
```
{
  differentialPrivacy: {
    columns: [
      {
        name: string
      }
    ]
  }
}
```

Konfigurasi ambang agregasi minimum bersama dengan kontrol perbandingan adalah konfigurasi yang disarankan. Ambang batas itu sendiri masih membuat kolom kardinalitas rendah atau kuasi-identifikasi yang sebanding, yang dapat mempersempit hasil dengan cara yang tidak diinginkan.

Kontrol perbandingan layak dikonfigurasi saat tabel Anda berisi kolom kardinalitas rendah atau semi-identifikasi — seperti kode pos atau kelompok usia — atau ketika pelari kueri tidak sepenuhnya dipercaya. Untuk contoh kerja yang menunjukkan kedua kontrol dikonfigurasi bersama, lihatContoh aturan analisis khusus dengan ambang agregasi minimum dan kontrol perbandingan.

Contoh aturan analisis kustom dengan template analisis

Contoh berikut menunjukkan bagaimana dua perusahaan dapat berkolaborasi dalam AWS Clean Rooms menggunakan aturan analisis kustom.

Perusahaan A memiliki data pelanggan dan penjualan. Perusahaan A tertarik untuk memahami inkrementalitas penjualan dari kampanye iklan di situs Perusahaan B. Perusahaan B memiliki data pemirsa dan atribut segmen yang berguna bagi Perusahaan (misalnya, perangkat yang mereka gunakan saat melihat iklan).

Perusahaan A memiliki kueri inkrementalitas khusus yang ingin mereka jalankan dalam kolaborasi.

Untuk membuat kolaborasi dan menjalankan analisis khusus dalam kolaborasi, perusahaan melakukan hal berikut:

Perusahaan A menciptakan kolaborasi dan menciptakan keanggotaan. Kolaborasi ini memiliki Perusahaan B sebagai anggota lain dalam kolaborasi tersebut. Perusahaan A memungkinkan pencatatan kueri dalam kolaborasi, dan memungkinkan pencatatan kueri di akunnya.
Perusahaan B menciptakan keanggotaan dalam kolaborasi. Ini memungkinkan login kueri di akunnya.
Perusahaan A membuat tabel yang dikonfigurasi CRM
Perusahaan A menambahkan aturan analisis kustom kosong ke tabel yang dikonfigurasi penjualan.
Perusahaan A mengaitkan tabel yang dikonfigurasi penjualan ke kolaborasi.
Perusahaan B membuat tabel yang dikonfigurasi pemirsa.
Perusahaan B menambahkan aturan analisis kustom kosong ke tabel yang dikonfigurasi pemirsa.
Perusahaan B mengaitkan tabel yang dikonfigurasi pemirsa ke kolaborasi.

Perusahaan A melihat tabel penjualan dan tabel penayangan yang terkait dengan kolaborasi dan membuat template analisis, menambahkan kueri dan parameter inkrementalitas untuk bulan kampanye.


{
    "analysisParameters": [
    {
        "defaultValue": ""
        "type": "DATE"
        "name": "campaign_month"
    }
    ],
    "description": "Monthly incrementality query using sales and viewership data"
    "format": "SQL"
    "name": "Incrementality analysis"
    "source": 
        "WITH labeleddata AS
        (
        SELECT hashedemail, deviceid, purchases, unitprice, purchasedate,
        CASE
            WHEN testvalue IN ('value1', 'value2', 'value3') THEN 0
            ELSE 1
        END AS testgroup
        FROM viewershipdata
        )
        SELECT labeleddata.purchases, provider.impressions
        FROM labeleddata 
        INNER JOIN salesdata
          ON labeleddata.hashedemail = provider.hashedemail
        WHERE MONTH(labeleddata.purchasedate) > :campaignmonth
        AND testgroup = :group
       "
}

Perusahaan A menambahkan akun mereka (misalnya, 444455556666) ke kontrol penyedia analisis yang diizinkan dalam aturan analisis khusus. Mereka menggunakan kontrol penyedia analisis yang diizinkan karena mereka ingin mengizinkan kueri apa pun yang mereka buat dijalankan pada tabel yang dikonfigurasi penjualan mereka.
```
{
  "allowedAnalyses": [
    "ANY_QUERY"
  ],
  "allowedAnalysisProviders": [
    "444455556666"
  ]
}
```
Perusahaan B melihat template analisis yang dibuat dalam kolaborasi dan meninjau isinya termasuk string kueri dan parameter.
Perusahaan B menentukan bahwa template analisis mencapai kasus penggunaan inkrementalitas dan memenuhi persyaratan privasi mereka untuk bagaimana tabel konfigurasi pemirsa mereka dapat ditanyakan.
Perusahaan B menambahkan template analisis ARN ke kontrol analisis yang diizinkan dalam aturan analisis kustom tabel pemirsa. Mereka menggunakan kontrol analisis yang diizinkan karena mereka hanya ingin mengizinkan kueri inkrementalitas berjalan pada tabel yang dikonfigurasi pemirsa mereka.
```
{
  "allowedAnalyses": [
    "arn:aws:cleanrooms:us-east-1:111122223333:membership/41327cc4-bbf0-43f1-b70c-a160dddceb08/analysistemplate/1ff1bf9d-781c-418d-a6ac-2b80c09d6292"
  ]
}
```
Perusahaan A menjalankan template analisis dan menggunakan nilai parameter05-01-2023.

Contoh aturan analisis kustom dengan ambang agregasi minimum

Contoh berikut menunjukkan bagaimana dua perusahaan dapat berkolaborasi dalam AWS Clean Rooms menggunakan aturan analisis kustom dengan ambang batas agregasi minimum alih-alih meninjau templat analisis individual.

Perusahaan A adalah penerbit dengan impressions tabel berisiuser_id,campaign_id, danevent_date. Perusahaan B adalah pengiklan yang ingin mengukur jangkauan kampanye — jumlah pengguna berbeda yang melihat kampanye tertentu. Perusahaan A ingin memastikan tidak ada hasil kueri yang dapat mengungkapkan individu atau kelompok kecil, sehingga menggunakan ambang agregasi minimum daripada meninjau templat analisis individu.

Untuk membuat kolaborasi dan menjalankan analisis khusus, perusahaan melakukan hal berikut:

Perusahaan A menciptakan kolaborasi dengan Perusahaan B sebagai anggota lain dan sebagai anggota yang dapat melakukan query. Perusahaan A memungkinkan pencatatan kueri dalam kolaborasi dan di akunnya.
Perusahaan B membuat keanggotaan dalam kolaborasi dan memungkinkan logging kueri di akunnya.
Perusahaan A membuat tabel yang impressions dikonfigurasi.
Perusahaan A menambahkan aturan analisis khusus ke tabel yang impressions dikonfigurasi dengan ambang agregasi minimum sehingga setiap baris yang dikembalikan mewakili setidaknya 100 pengguna yang berbeda. Perusahaan A ditetapkan user_id sebagai kolom identitas dan mengganti ambang batas ke 5 untuk kolom campaign_id keluaran sensitivitas rendah. Perusahaan A juga memungkinkan perbandingan literal pada campaign_id dan event_date sehingga Perusahaan B dapat mencakup kueri ke satu kampanye dan rentang tanggal. Setiap kolom yang muncul dalam perbandingan literal harus ada di daftar izin. Akhirnya, Perusahaan A menambahkan akun Perusahaan B ke kontrol penyedia analisis yang diizinkan sehingga Perusahaan B dapat menjalankan kueri tanpa tinjauan per-template.
```
{
  "aggregationThresholds": [
    {
      "identityColumns": [
        "user_id"
      ],
      "minimumIdentityCount": 100,
      "type": "COUNT_DISTINCT",
      "allowedAggregateExpressionType": "COLUMNS_ONLY",
      "outputColumnThresholds": [
        {
          "outputColumnName": "campaign_id",
          "minimumIdentityCount": 5
        }
      ]
    }
  ],
  "comparisonControls": {
    "allowedLiteralComparisonColumns": [
      "campaign_id",
      "event_date"
    ]
  },
  "allowedAnalyses": [
    "ANY_QUERY"
  ],
  "allowedAnalysisProviders": [
    "444455556666"
  ]
}
```
Perusahaan A mengaitkan tabel yang impressions dikonfigurasi dengan kolaborasi.

Perusahaan B menjalankan kueri jangkauan yang dikelompokkan berdasarkan event_date dan difilter ke kampanye:


SELECT event_date, COUNT(DISTINCT user_id) AS reach
FROM impressions
WHERE event_date >= '2026-01-01' AND campaign_id = 'Holiday Promotion'
GROUP BY event_date;

AWS Clean Rooms hanya mengembalikan baris yang didukung oleh setidaknya 100 pengguna berbeda dan menekan sisanya, sehingga Perusahaan B mempelajari jangkauan harian untuk kampanye Promosi Liburan tanpa mempelajari tentang individu atau kelompok kecil mana pun.

`event_date`	`reach`
2026-01-01	142
2026-01-02	118
2026-01-04	103

Tanggal 2026-01-03 tidak muncul dalam hasil karena kurang dari 100 pengguna berbeda melihat kampanye hari itu, sehingga baris itu AWS Clean Rooms ditekan.

Perbedaan utama dari pendekatan analisis-template adalah bahwa Perusahaan A tidak pernah meninjau kueri tertentu. Sebaliknya, Perusahaan A bergantung pada ambang batas untuk membatasi apa yang dapat dikembalikan oleh kueri apa pun. Untuk informasi selengkapnya, lihat Ambang batas agregasi minimum dan Kontrol perbandingan.

Contoh aturan analisis khusus dengan ambang agregasi minimum dan kontrol perbandingan

Konfigurasi ambang agregasi minimum bersama dengan kontrol perbandingan adalah konfigurasi dasar yang disarankan. Ambang batas saja memastikan bahwa setiap baris hasil mewakili jumlah minimum subjek data yang berbeda, tetapi itu tidak mencegah perbandingan pada kolom kardinalitas rendah atau kuasi-identifikasi. Tanpa kontrol perbandingan, pelari kueri masih dapat memfilter atau bergabung pada kolom tersebut, berpotensi mempersempit hasil dengan cara yang tidak diinginkan.

Kontrol perbandingan layak dikonfigurasi saat tabel Anda berisi kolom kardinalitas rendah atau semi-identifikasi — seperti kode pos atau kelompok usia — atau ketika pelari kueri tidak sepenuhnya dipercaya. Menambahkan kontrol perbandingan membatasi kolom mana yang dapat muncul dalam perbandingan literal dan perbandingan kolom-ke-kolom, menutup celah yang dibiarkan terbuka oleh ambang batas saja.

Konfigurasi berikut menggabungkan kedua kontrol:


{
  "aggregationThresholds": [
    {
      "identityColumns": [
        "user_id"
      ],
      "minimumIdentityCount": 100,
      "type": "COUNT_DISTINCT",
      "allowedAggregateExpressionType": "COLUMNS_ONLY"
    }
  ],
  "comparisonControls": {
    "allowedLiteralComparisonColumns": [
      "campaign_id"
    ],
    "allowedColumnComparisonColumns": [
      "user_id"
    ]
  },
  "allowedAnalyses": [
    "ANY_QUERY"
  ],
  "allowedAnalysisProviders": [
    "444455556666"
  ]
}

Dengan konfigurasi ini, setiap baris hasil mewakili setidaknya 100 subjek data yang berbeda. Pelari kueri dapat memfilter dengan campaign_id menggunakan perbandingan literal dan bergabung user_id menggunakan perbandingan kolom-ke-kolom. Karena daftar izin perbandingan disetel, kolom apa pun yang tidak terdaftar — termasuk kolom dengan kardinalitas rendah seperti kode pos atau kelompok usia — tidak dapat digunakan dalam perbandingan sama sekali.

Untuk informasi selengkapnya tentang setiap kontrol, lihat Ambang batas agregasi minimum danKontrol perbandingan. Untuk konfigurasi yang lebih lengkap yang juga menyertakan kolom keluaran yang tidak diizinkan, lihatMenyatukan semuanya.

Menyatukan semuanya

Contoh berikut menunjukkan konfigurasi lengkap dari jenis aturan analisis kustom, menggunakan kolom keluaran yang tidak diizinkan, ambang batas agregasi minimum, dan kontrol perbandingan. Konfigurasi ini memberlakukan agregasi minimum 100 subjek data yang berbeda, user_id mencegah diproyeksikan dalam hasil kueri, dan memungkinkan pelari kueri menganalisis persimpangan pelanggan yang bergabung di user_id kolom.

Kebijakan ini juga memberikan fleksibilitas tambahan dengan mengizinkan pemfilteran perbandingan literal pada kolom sensitivitas rendah status danprice, dan mengganti ambang agregasi minimum menjadi 5 untuk kolom: campaign_id


{
  "disallowedOutputColumns": [
    "user_id"
  ],
  "comparisonControls": {
    "allowedLiteralComparisonColumns": [
      "status",
      "price"
    ],
    "allowedColumnComparisonColumns": [
      "user_id"
    ]
  },
  "aggregationThresholds": [
    {
      "identityColumns": [
        "user_id"
      ],
      "minimumIdentityCount": 100,
      "type": "COUNT_DISTINCT",
      "allowedAggregateExpressionType": "COLUMNS_ONLY",
      "outputColumnThresholds": [
        {
          "outputColumnName": "campaign_id",
          "minimumIdentityCount": 5
        }
      ]
    }
  ],
  "allowedAnalyses": [
    "ANY_QUERY"
  ],
  "allowedAnalysisProviders": [
    "444455556666",
    "333366669999"
  ]
}

Awas Javascript dinonaktifkan atau tidak tersedia di browser Anda.

Untuk menggunakan Dokumentasi AWS, Javascript harus diaktifkan. Lihat halaman Bantuan browser Anda untuk petunjuk.

Konvensi Dokumen

Aturan analisis daftar

Analisis yang diizinkan