Especificación de la evaluación

El objetivo principal de la evaluation_spec de una regla es determinar los objetos sobre los que la regla debe ejecutar la acción. El evaluation_type determina el tipo de método de evaluación y presenta las siguientes opciones:

La evaluation_spec contiene una matriz de filters, que te permite continuar restringiendo la lista de objetos coincidentes. Por ejemplo, puedes establecer filtros en metadatos de anuncios, conjuntos de anuncios y métricas de campañas publicitarias y de estadísticas. Se evalúan todos los filtros juntos con el operador AND.

La matriz de filters contiene una lista de objetos de filtros. Estos objetos son diccionarios con claves de field, value y operator:

Cada filtro admite una serie operadores lógicos. Estos son los operadores lógicos admitidos en las reglas SCHEDULE y TRIGGER:

La evaluation_spec requiere un trigger en relación con el tipo de evaluación TRIGGER. El activador contiene un tipo y una especificación de filtro subyacente. Las especificaciones de filtro pueden ser field, value y operator.

El activador determina de forma dinámica si debemos evaluar una regla o no, y solo puedes tener uno. Consulta Reglas basadas en activación para obtener más información.

A continuación, definimos algunos filtros especiales y grupos generales de filtros que puedes usar.

Filtros especiales

time_preset

El filtro time_preset determina el período en el que agregamos las métricas de estadísticas. De momento, solo permitimos un time_preset. Se aplica a todos los filtros estadísticos de la regla, incluso el utilizado para el activador, si está disponible.

El único operador admitido de time_preset es EQUAL, que es obligatorio, siempre y cuando haya disponible un filtro o activador de estadísticas. Las reglas basadas en activación solo admiten valores predefinidos de tiempo que incluyen TODAY, porque realiza una evaluación en tiempo real.

Los valores predefinidos de tiempo de las reglas pueden comportarse de manera diferente a otras interfaces. Algunos de los valores predefinidos de tiempo que se indican aquí incluyen los datos de hoy. Esto se debe a que los datos de hoy son vitales para las reglas que se ejecutan con mayor frecuencia que a diario. En lo que respecta a otras interfaces, un valor predefinido de LAST_N_DAYS no suele incluir los datos de hoy. Consulta las siguientes descripciones para obtener más información.

{
  "field": "time_preset",
  "value": "TODAY",
  "operator": "EQUAL"
}

attribution_window

El filtro attribution_window determina el intervalo de retroceso sobre el que se agregan las métricas de las estadísticas. Para obtener más información, consulta la documentación sobre estadísticas referida a los intervalos de atribución.

Actualmente, solo permitimos un attribution_window y se aplica a todos los filtros estadísticos de la regla. El único operador admitido de attribution_window es EQUAL y solo puede usarse con las reglas basadas en programación.

Ya sea que se especifique o no, el único value de attribution_window permitido es ACCOUNT_DEFAULT.

{
  "field": "attribution_window",
  "value": "ACCOUNT_DEFAULT",
  "operator": "EQUAL"
}

Filtros de metadatos

Con los filtros de metadatos, puedes filtrar objetos en función del estado actual de tus campos de metadatos. Estos filtros también admiten filtros multinivel, lo que significa que puedes usar prefijos para aplicar un filtro de metadatos a los objetos principales y ascendientes del principal. Esto no afecta a los otros filtros. Los filtros de estadísticas se siguen aplicando al objeto normal.

Por ejemplo, si quieres una regla que se aplique a conjuntos de anuncios de campañas publicitarias cuyo objetivo es WEBSITE_CLICKS, puedes incluir dos filtros:

 "filters" : [
  {
    "field": "entity_type",
    "value": "ADSET",
    "operator": "EQUAL",
  },
  {
    "field": "campaign.objective",
    "value": "WEBSITE_CLICKS",
    "operator": "EQUAL"
  }
]

Filtros de metadatos que admiten las reglas basadas en activación y programación

Los filtros de metadatos que solo admiten las reglas basadas en programación

entity_type y id

En relación con las reglas del tipo de evaluación SCHEDULE o TRIGGER, debes especificar un filtro entity_type o id.

Cuando especificas un filtro entity_type, determinas un nivel de objeto dinámico al que se aplicará la regla. Por ejemplo, si entity_type es AD, dicha regla evalúa automáticamente los nuevos anuncios que se agregan a la cuenta publicitaria. Esto sucede independientemente del momento en que creas la regla. Al especificar un filtro id, la regla solo se aplica a una lista estática de objetos.

Si especificas un filtro idsin prefijo, calculamos de manera automática el nivel de objeto al que se aplicará la regla. Por ejemplo, si deseas aplicar una regla a los anuncios [123, 456], solo necesitas un campo de filtro id, el valor [123, 456] y el operador IN. En este caso, entity_type no es necesario, ya que proporcionaste una lista estática inicial de objetos, y podemos calcular el nivel del objeto a partir de esos objetos.

Puedes usar entity_type y id junto con filtros multinivel. Por ejemplo, si quieres una regla que se aplique a todos los anuncios de algunos conjuntos de anuncios determinados, puedes tener un filtro entity_type de adset.id y un filtro AD con los conjuntos de anuncios especificados.

De forma predeterminada, si no especificas un filtro effective_status, agregamos implícitamente un filtro effective_status al evaluar la regla.

En relación con todos los tipos de ejecución que actúan sobre objetos activos, este filtro predeterminado tiene un operador de IN y un valor de ['ACTIVE', 'PENDING_REVIEW']. Esto significa que la regla solo evalúa los objetos que tienen o tendrán entrega activa. En lo que respecta a los tipos de ejecución que no actúan sobre objetos activos (UNPAUSE), agregamos este filtro con un operador NOT_IN y un valor de ['DELETED', 'ARCHIVED']. El filtro predeterminado es una optimización interna de nuestros tipos de ejecución.

Filtros de estadísticas

Evaluamos los filtros de estadísticas comparándolos con los valores actuales devueltos de la API de estadísticas de un determinado time_preset. Estos filtros se aplican directamente en la lista o el nivel de objetos, y no admiten filtros multinivel. Todos los filtros de estadísticas admiten los siguientes operadores: GREATER_THAN, LESS_THAN, EQUAL, IN_RANGE y NOT_IN_RANGE.

Para obtener una descripción de cada uno de los campos que figuran a continuación, consulta la documentación de la API de estadísticas. Las reglas basadas en programación admiten todos estos filtros.

A continuación, encontrarás una lista de los filtros de estadísticas, donde se indica si las reglas basadas en activación los admiten:

Filtros avanzados

Puedes personalizar y derivar campos avanzados en función de los filtros de estadísticas y de metadatos anteriores. Para obtener más información, consulta Filtros avanzados de especificaciones de evaluación.

Todos los filtros avanzados admiten los siguientes operadores: GREATER_THAN, LESS_THAN, EQUAL, IN_RANGE y NOT_IN_RANGE. Solo los admiten las reglas basadas en programación.

En relación con los filtros avanzados más usados, admitimos el uso de un alias como filtro: