Начать с единицы и времени
Две базы могут содержать пользователей, устройства, аккаунты или домохозяйства. Объединять их как людей без проверенного преобразования нельзя. Сначала определяется единица сравнения, затем правила дедупликации внутри каждого сегмента.
Время тоже является частью определения. Сегмент покупателей за год и сегмент интереса за неделю отражают разные условия включения. Их пересечение может быть полезно, но его нужно так и назвать. Выгрузка, полученная сегодня, не делает события одинаково свежими.
MRC Outcomes and Data Quality Standards дают контекст раскрытия качества, покрытия и ограничений сопоставления. Практический расчёт ниже является учебной моделью, не измерением российского рынка.
Два сегмента: одна общая часть
Допустим, A содержит 100 тысяч уникальных идентификаторов, B 80 тысяч. Совпадающих идентификаторов 30 тысяч. Объединение равно 150 тысячам: из суммы 180 тысяч общая часть вычитается один раз. Все числа учебные и предполагают одинаковую единицу, период и корректную дедупликацию.
Относительная доля пересечения зависит от базы. Это 30% A и 37,5% B. Слова «пересечение 30%» без знаменателя оставляют неоднозначность. Для оценки дополнительного объёма B к уже выбранному A важны 50 тысяч, которые находятся только в B.
| Группа | Учебный объём | Значение для планирования |
|---|---|---|
| Только A | 70 000 | Нет в B |
| Только B | 50 000 | Добавление к A на этой базе |
| A и B | 30 000 | Общая часть |
| A или B | 150 000 | Объединение, не доставленный охват |
Такое добавление относится к имеющейся базе. Оно не гарантирует, что DSP сможет найти все 50 тысяч или достичь их по заданной цене. Доступность идентификаторов в закупке и частота контакта проверяются отдельно.
Для трёх групп парных пересечений недостаточно
Добавим учебный сегмент C размером 60 тысяч. Пусть пересечение A и C равно 20 тысячам, B и C 15 тысячам, а всех трёх 5 тысячам. Тогда объединение A, B и C равно 180 тысячам: 240 тысяч суммарных вхождений, минус 65 тысяч парных пересечений, плюс 5 тысяч общей тройной части.
Тройное пересечение нужно вернуть, потому что при вычитании каждой пары оно было удалено лишний раз. Если оно неизвестно, одно точное число объединения из указанных пар не следует. При большем числе сегментов таблица всех сочетаний быстро становится неудобной; предпочтительнее посчитать уникальное объединение в разрешённой среде.
Не следует подставлять нули в неизвестные ячейки. Даже математически правильная формула даст неверный ответ, если входные пересечения измерены на разных базах или с разной доступностью связей.
Скрытое пересечение не равно нулю
AWS Clean Rooms aggregation rules дают конкретный пример управления агрегатными запросами и порогами вывода. Результат может не отображаться, если не выполнены заданные условия. Это описание механизма продукта, не рекомендация инфраструктуры для российских персональных данных.
В приёмке различаются нулевое пересечение, скрытая малая группа, техническая ошибка запроса и недостаточное покрытие идентификации. В интерфейсе все четыре состояния иногда выглядят как пустая ячейка. Семантику пустоты нужно запросить до расчёта.
Защиту вывода не обходят серией специально подобранных запросов. Если подробность недоступна по правилам среды, аналитик выбирает допустимое агрегирование или честный диапазон неопределённости. Требование красивой точной цифры не является основанием восстанавливать защищённые записи.
Карточка запроса до подключения данных
В карточке фиксируются задача, единица, определения сегментов, период, метод связи, доступное покрытие, разрешённые агрегаты и смысл подавленных результатов. Владелец данных согласует допустимость обработки; аналитик отвечает за расчёт, медиабайер за дальнейшее использование.
IAB Tech Lab DCR Guidance рассматривает защищённое взаимодействие через сценарии и ограничения. Наличие clean room само по себе не подтверждает точность identity или представительность связанной части. Для определения правильности найденной связи есть отдельный разбор match rate.
Российская команда может начать с двух сегментов и одного разрешённого агрегатного сравнения. Затем оценить, какой дополнительный доступный объём нужен кампании. Свежесть сегмента и данные после cookies дополняют проверку. Термины reach, audience segments и clean room, а также хаб таргетинга помогают отделить размер базы от будущего результата закупки.
