广告数据不仅难以精确复制;它经常在没有足够背景的情况下进行全漏斗分析。Fivetran自动解决了这两个问题，所以你总是知道你是否——以及为什么——你建立了一个成功的活动。
Fivetran有多年的云应用数据连接器工程经验，我们了解到的一件事是，广告api是……不同的。
先从本质上讲，Yahoo Gemini、谷歌Ads和Facebook Ads等广告服务不提供原始数据访问。相反，它们提供了对api的访问，这些api将结果预聚合为维度和指标。这意味着您必须构建报告以获取数据。
但广告服务api还有许多其他的特点和限制，可能会使查询变得复杂，扭曲数据，最终让你无法理解你的营销活动在整个营销渠道中的表现。Fivetran在解决这些问题上投入了数千小时的工程时间，因为我们知道风险所在:准确、全面的分析，揭示你的活动的真正ROI。
下面是Fivetran连接器如何确保你从你的广告服务中得到你所需要的。
使用Fivetran连接器，您不必拼图向您提供所需的尺寸和指标，从特定的广告数据源提供所需的数据 - 我们已经为您考虑过。
对于最复杂和强大的广告服务（Google广告，Facebook广告等），Fivetran建议生产所有相关性能数据的尺寸和指标。这些建议将帮助您避免大缺陷：选择太多维度和指标。这样做，而且许多大广告服务将为零提供零而不是实际数据，以便保护隐私。（数据越粒细，识别个体的更容易。）
对于像Bing广告和Twitter广告这样的更简单的服务，我们提供预定义的模式，因此您根本不必考虑结构化报告：
如果您使用多个广告来源，您现在有一个单一的真理来源，可以在所有的所有情况下轻松查询。找到我们的任何fivetran架构文档页面。
尝试在Google Analytics中查询数亿个事件，谷歌可能只会扫描这些事件的百分比非常小，只需1％。谷歌声称其采样产生了准确的结果，但Fivetran比较分析表明，这些数字可以低至500％。
所以我们设计了一系列技术来保护客户数据不被取样。例如，按“日”查询是一种简单而非常有效的方法。选择“月”作为事件多周期的维度，几乎肯定会遇到采样错误。但是如果每天查询，就可以大大减少查询的数据量，通常完全消除抽样。使用这种技术和其他技术，Fivetran可以完全消除客户在谷歌Analytics中查询大量数据量的抽样误差。
广告API具有另一个数据完整性问题：数据随着重述和归因窗口而随时间而变化。
重述。广告网络通常会记录欺诈行为数据;它们还可以超计数行为，如从临时失去连接的移动设备中的两次计数抽头，然后重新连接。Fivetran在广告服务纠正这些错误时自动检测到，我们支持Upsert语义，因此我们不断修复现有数据而不是使用纠正数据附加表，这将增加不必要的复杂性。
属性窗口。广告网络使用归因窗口来测量用户浏览活动对下游操作的影响（下载，购买，网络研讨会出勤等）。Fivetran连接器自动检测归因窗口并继续重新同步数据，直到窗口关闭，因此您将始终捕捉您的广告系列的最终影响。
为了简化和加速查询，Fivetran将您提取数据的所有帐户同步到单个表中，并添加“帐户”作为维度。现在您可以轻松地跨帐户查询—不需要为所有帐户创建连接表。
这是特别有价值的，因为现代广告系统经常自动生成广告，同时对任何一个帐户的广告配置的数量进行限制。这意味着客户必须不断添加帐户以适应自动广告。通过将它们添加到一个表中，Fivetran可确保查询仍然容易。替代 - 为每个新帐户添加表格 - 为分析师造成巨大的挫折，他们必须不断编辑查询以解释新表的涌入。
为了确定竞选成功，您需要了解每个广告的URL，将用户活动属于该URL，按照每个登录页面的流量，并将该数据连接到Web分析和转换跟踪数据。然后，您需要评估将性能的完整图像进行评估。没有元数据不可能，其中包含密钥URL和支出信息，因此fivetran始终以报告数据携带元数据表。
“只是说，这是我们的点击量，这是我们的花费，“Fivetran产品主任Fraser Harris说。“它是关于加入那些点击你的网站跟踪数据，并通过销售数据和转换，并带来所有的前进，所以你可以说：这就是我们对我们的真实成果。这就是圣杯。”
Fivetran还捕获元数据作为历史，这是至关重要的，因为现代平台动态更新广告URL。如果您不捕获这些更改，您将归因于过时的URL的活动。
广告服务api给数据团队带来了非常棘手的挑战，而错误处理这些api的代价不仅仅是这里那里弄脏的数据——它是无法衡量活动的ROI。经过多年与广告api的斗争，我们已经开发出了连接器，为您使用的每项服务提供了一个现成的、单一的真相来源，因此您的分析师可以准确地量化您最复杂的多渠道活动的影响——从第一次接触到最终决定。