Utilizzare BigQuery ML per generare suggerimenti dai dati di Google Analytics

Nota: i modelli di fattorizzazione matrici sono disponibili solo per i clienti che utilizzano il modello a costo fisso o i clienti con prenotazioni. I clienti on demand sono incoraggiati a utilizzare gli slot flessibili per utilizzare la fattorizzazione matrice.

Questo tutorial presenta agli analisti di dati il modello di fattorizzazione della matrice in BigQuery ML. BigQuery ML consente agli utenti di creare ed eseguire modelli di machine learning in BigQuery utilizzando query SQL. L'obiettivo è democratizzare il machine learning consentendo ai professionisti SQL di creare modelli utilizzando gli strumenti esistenti e di aumentare la velocità di sviluppo eliminando la necessità di spostamento dei dati.

In questo tutorial imparerai a creare un modello di fattorizzazione della matrice dal feedback implicito utilizzando la tabella di esempio GA360_test.ga_sessions_sample per fornire consigli in base a un ID visitatore e a un ID contenuto.

La tabella ga_sessions_sample contiene informazioni su una porzione dei dati della sessione raccolti da Google Analytics 360 e inviati a BigQuery.

Obiettivi

Questo tutorial è composto dai seguenti strumenti:

• BigQuery ML: per creare un modello di commenti implicito utilizzando l'istruzione CREATE MODEL.
• La funzione ML.EVALUATE: per valutare i modelli di machine learning.
• La funzione ML.WEIGHTS: per controllare i pesi del fattore latente generati durante l'addestramento.
• La funzione ML.RECOMMEND: generare consigli per un utente.

Costi

Questo tutorial utilizza componenti fatturabili di Google Cloud, tra cui:

• BigQuery
• BigQuery ML

Per ulteriori informazioni sui costi di BigQuery, consulta la pagina Prezzi di BigQuery.

Per ulteriori informazioni sui costi di BigQuery ML, consulta la pagina Prezzi di BigQuery ML.

Prima di iniziare

1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

2. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

   Nota: se non hai intenzione di conservare le risorse che crei in questa procedura, crea un progetto anziché selezionarne uno esistente. Al termine di questi passaggi, puoi eliminare il progetto rimuovendo tutte le risorse associate.

   Vai al selettore progetti

3. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

4. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

   Nota: se non hai intenzione di conservare le risorse che crei in questa procedura, crea un progetto anziché selezionarne uno esistente. Al termine di questi passaggi, puoi eliminare il progetto rimuovendo tutte le risorse associate.

   Vai al selettore progetti

5. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

6. BigQuery viene abilitato automaticamente nei nuovi progetti. Per attivare BigQuery in un progetto preesistente, vai a

   Attiva l'API BigQuery.

   Abilita l'API

Passaggio 1: crea il set di dati

Il primo passaggio consiste nel creare un set di dati BigQuery per archiviare il tuo modello di machine learning. Per creare il tuo set di dati:

1. In Cloud Console, vai alla pagina BigQuery.

   Vai alla pagina BigQuery

2. Nella sezione Risorse, fai clic sul nome del tuo progetto.

3. Nel riquadro dei dettagli, fai clic su Crea set di dati.

   

4. Nella pagina Crea set di dati:

   • In ID set di dati, inserisci bqml_tutorial.

   • In Località dei dati, scegli Stati Uniti (US). Attualmente, i set di dati pubblici sono archiviati nella località con più aree geografiche US. Per semplicità, il set di dati deve essere nella stessa posizione.

     

5. Lascia invariate tutte le altre impostazioni predefinite e fai clic su Crea set di dati.

Passaggio 2: carica i dati di Google Analytics 360 su BigQuery

Nella maggior parte dei casi, le valutazioni nei tuoi dati non riflettono un valore che un utente imposta in modo esplicito. In questi casi, possiamo conferire a questi valori un proxy come valutazione implicita e utilizzare un algoritmo diverso per calcolare i consigli. In questo esempio verrà utilizzato un set di dati di esempio Google Analytics 360. Questo esempio si basa sul seguente articolo.

Di seguito è riportata una query da eseguire per creare un set di dati con valutazioni implicite dalla durata della sessione che un visitatore ha avuto su una pagina da cloud-training-demos.GA360_test.ga_sessions_sample. L'obiettivo di questa query è creare un set di dati con tre colonne che possiamo mappare a una colonna utente, una colonna elemento e una colonna di valutazione.

1. In Cloud Console, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

   #standardSQL
   CREATE OR REPLACE TABLE
    bqml_tutorial.analytics_session_data AS
   WITH
    visitor_page_content AS (
    SELECT
      fullVisitorID,
      (
      SELECT
        MAX(
        IF
          (index=10,
            value,
            NULL))
      FROM
        UNNEST(hits.customDimensions)) AS latestContentId,
      (LEAD(hits.time, 1)
        OVER (PARTITION BY fullVisitorId ORDER BY hits.time ASC) - hits.time)
                AS session_duration
    FROM
      `cloud-training-demos.GA360_test.ga_sessions_sample`,
      UNNEST(hits) AS hits
    WHERE
      # only include hits on pages
      hits.type = "PAGE"
    GROUP BY
      fullVisitorId,
      latestContentId,
      hits.time )
    # aggregate web stats
   SELECT
    fullVisitorID AS visitorId,
    latestContentId AS contentId,
    SUM(session_duration) AS session_duration
   FROM
    visitor_page_content
   WHERE
    latestContentId IS NOT NULL
   GROUP BY
    fullVisitorID,
    latestContentId
   HAVING
    session_duration > 0
   ORDER BY
    latestContentId
   

3. (Facoltativo) Per impostare la località di elaborazione, fai clic su Altro &Impostazioni impostazioni di query. In Località di elaborazione, scegli US. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla posizione del set di dati.

   

4. Fai clic su Esegui.

   Quando la query termina l'esecuzione, (bqml_tutorial.analytics_session_data) comparirà nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE TABLE per creare una tabella, non visualizzi i risultati.

5. Se dai un'occhiata alla tabella prodotta, dovresti vedere un aspetto simile al seguente:

   

   Tieni presente che questo risultato è specifico per il modo in cui i dati sono stati esportati in BigQuery. La query per l'estrazione dei tuoi dati potrebbe essere diversa.

Passaggio 3: crea il modello di suggerimenti impliciti

Il prossimo passaggio consiste nel creare un modello di suggerimenti implicito utilizzando la tabella di Google Analytics che è stata caricata nel passaggio precedente. La seguente query SQL standard viene utilizzata per creare il modello, che verrà utilizzato per prevedere una valutazione di affidabilità per ogni coppia visitorId contentId. Viene creata una valutazione centrando e scalando in base alla durata media della sessione e filtrando tali record in cui la durata della sessione è superiore a 3, 33 volte la mediana come outlier.

#standardSQL
CREATE OR REPLACE MODEL bqml_tutorial.my_implicit_mf_model
OPTIONS
  (model_type='matrix_factorization',
   feedback_type='implicit',
   user_col='visitorId',
   item_col='contentId',
   rating_col='rating',
   l2_reg=30,
   num_factors=15) AS
SELECT
  visitorId,
  contentId,
  0.3 * (1 + (session_duration - 57937) / 57937) AS rating
FROM bqml_tutorial.analytics_session_data
WHERE 0.3 * (1 + (session_duration - 57937) / 57937) < 1

Dettagli query

La clausola CREATE MODEL viene utilizzata per creare e addestrare il modello denominato bqml_tutorial.my_implicit_mf_model.

La clausola OPTIONS(model_type='matrix_factorization', feedback_type='IMPLICIT', user_col='visitorId', ...) indica che stai creando un modello di fattorizzazione matrice. Perché feedback_type='IMPLICIT' è specificato un modello di fattorizzazione implicito della matrice. Un esempio di come creare un modello di fattorizzazione a matrice esplicita è spiegato in Creare un modello di fattorizzazione a matrice esplicita.

L'istruzione SELECT di questa query utilizza le seguenti colonne per generare suggerimenti.

• visitorId: l'ID visitatore (INT64).
• contentId: l'ID contenuto (INT64).
• rating: la valutazione implicita da 0 a 1 calcolata per visitorId e i relativi contentId centrati e scalati (FLOAT64).

La clausola FROM—bqml_tutorial.analytics_session_data indica che stai eseguendo una query sulla tabella analytics_session_data nel set di dati bqml_tutorial. Questo set di dati è nel tuo progetto BigQuery se sono state seguite le istruzioni nei passaggi 2 e 8.

Esegui la query CREATE MODEL

Per eseguire la query CREATE MODEL per creare e addestrare il modello:

1. In Cloud Console, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

   #standardSQL
   CREATE OR REPLACE MODEL bqml_tutorial.my_implicit_mf_model
   OPTIONS
    (model_type='matrix_factorization',
     feedback_type='implicit',
     user_col='visitorId',
     item_col='contentId',
     rating_col='rating',
     l2_reg=30,
     num_factors=15) AS
   SELECT
    visitorId,
    contentId,
    0.3 * (1 + (session_duration - 57937) / 57937) AS rating
   FROM bqml_tutorial.analytics_session_data
   

3. Fai clic su Esegui.

   Per completare la query sono necessari circa 12 minuti, dopodiché il modello (my_implicit_mf_model) verrà visualizzato nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE MODEL per creare un modello, non vedi i risultati delle query.

(Facoltativo) Passaggio 4: ricevi le statistiche di addestramento

Per visualizzare i risultati dell'addestramento del modello, puoi utilizzare la funzione ML.TRAINING_INFO o visualizzare le statistiche in Cloud Console. In questo tutorial utilizzerai Cloud Console.

Un algoritmo di machine learning crea un modello esaminando molti esempi e tentando di trovare un modello che riduca al minimo la perdita. Questo processo è chiamato minimizzazione del rischio empirico.

Per visualizzare le statistiche di addestramento del modello generate quando hai eseguito la query CREATE MODEL:

1. Nel riquadro di navigazione di Cloud Console, nella sezione Risorse, espandi [PROJECT_ID] > bqml_tutorial e fai clic su my_implicit_mf_model.

2. Fai clic sulla scheda Formazione, quindi su Tabella. I risultati dovrebbero avere il seguente aspetto:

   

   La colonna Perdita di dati di addestramento rappresenta la metrica relativa alla perdita calcolata dopo l'addestramento del modello nel set di dati di addestramento. Poiché hai eseguito la fattorizzazione della matrice, questa colonna è l'errore quadratico medio. Per impostazione predefinita, i modelli di fattorizzazione della matrice non suddividono i dati, quindi la colonna Perdita dei dati di valutazione non sarà presente a meno che non venga specificato un set di dati di riserva perché la suddivisione dei dati ha la possibilità di perdere tutte le valutazioni per un utente o un elemento. Di conseguenza, il modello non avrà informazioni sul fattore latente su utenti o articoli mancanti.

   Per maggiori dettagli sulla funzione ML.TRAINING_INFO, consulta il riferimento per la sintassi di BigQuery ML.

Passaggio 5: valuta il modello

Dopo aver creato il modello, valuti le prestazioni del motore per suggerimenti utilizzando la funzione ML.EVALUATE. La funzione ML.EVALUATE valuta le valutazioni previste in base alle valutazioni effettive.

La query utilizzata per valutare il modello è la seguente:

#standardSQL
SELECT
  *
FROM
  ML.EVALUATE(MODEL `bqml_tutorial.my_implicit_mf_model`)

Dettagli query

L'istruzione SELECT più in alto recupera le colonne dal modello.

La clausola FROM utilizza la funzione ML.EVALUATE sul tuo modello: bqml_tutorial.my_implicit_mf_model.

Esegui la query ML.EVALUATE

Per eseguire la query ML.EVALUATE che valuta il modello:

1. In Cloud Console, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

   #standardSQL
   SELECT
    *
   FROM
    ML.EVALUATE(MODEL bqml_tutorial.my_implicit_mf_model)
   

3. (Facoltativo) Per impostare la località di elaborazione, fai clic su Altro &Impostazioni impostazioni di query. In Località di elaborazione, scegli US. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla posizione del set di dati.

   

4. Fai clic su Esegui.

5. Una volta completata la query, fai clic sulla scheda Risultati sotto l'area di testo della query. Il risultato dovrebbe essere simile all'esempio seguente:

   

   Poiché hai eseguito una fattorizzazione implicita della matrice, i risultati includono le seguenti colonne:

   • mean_average_precision
   • mean_squared_error
   • normalized_discounted_cumulative_gain
   • average_rank

   mean_average_precision, normalized_discounted_cumulative_gain e average_rank sono metriche di ranking spiegate qui: Metriche implicite per la fattorizzazione della matrice

Passaggio 6: utilizza il modello per prevedere le valutazioni e dare consigli

Trova tutte le classificazioni di contentId per un insieme di visitorIds

ML.RECOMMEND non richiede ulteriori argomenti oltre al modello, ma può utilizzare una tabella facoltativa. Se la tabella di input ha solo una colonna che corrisponde al nome dell'input user o di colonna item di input, tutte le valutazioni di elementi previste per ogni user verranno restituite e viceversa. Tieni presente che se tutti gli elementi users o items nella tabella di input riporteranno gli stessi risultati, senza trasmettere alcun argomento facoltativo a ML.RECOMMEND.

Di seguito è riportato un esempio di query per recuperare tutte le verifiche di valutazione previste per cinque visitatori.

#standardSQL
SELECT
  *
FROM
  ML.RECOMMEND(MODEL bqml_tutorial.my_implicit_mf_model,
    (
    SELECT
      visitorId
    FROM
      bqml_tutorial.analytics_session_data
    LIMIT 5))

Dettagli query

L'istruzione SELECT più in alto recupera le colonne visitorId, contentId e predicted_rating_confidence. Questa ultima colonna è generata dalla funzione ML.RECOMMEND. Quando utilizzi la funzione ML.RECOMMEND, il nome della colonna di output per i modelli di fattorizzazione implicita è predicted_rating-column-name_confidence. Per i modelli di fattorizzazione implicita, predicted_rating_confidence è l'affidabilità stimata per la coppia user/item. Questo valore di affidabilità è approssimativamente compreso tra 0 e 1 dove la confidenza più alta indica che user preferisce item rispetto a un item con un valore di affidabilità più basso.

La funzione ML.RECOMMEND viene utilizzata per prevedere le valutazioni utilizzando il tuo modello: bqml_tutorial.my_implicit_mf_model.

L'istruzione SELECT nidificata di questa query seleziona solo la colonna visitorId dalla tabella originale utilizzata per l'addestramento.

La clausola LIMIT (LIMIT 5) filtra in modo casuale 5 visitorId da inviare a ML.RECOMMEND.

Trova le valutazioni per tutte le coppie contentId visitatore

Ora che hai valutato il tuo modello, il passaggio successivo è utilizzarlo per ottenere una confidenza di valutazione. Il modello viene utilizzato per prevedere l'affidabilità di ogni combinazione utente-elemento nella seguente query:

#standardSQL
SELECT
  *
FROM
  ML.RECOMMEND(MODEL bqml_tutorial.my_implicit_mf_model)

Dettagli query

L'istruzione SELECT più in alto recupera le colonne visitorId, contentId e predicted_rating_confidence. Questa ultima colonna è generata dalla funzione ML.RECOMMEND. Quando utilizzi la funzione ML.RECOMMEND, il nome della colonna di output per i modelli di fattorizzazione implicita è predicted_rating-column-name_confidence. Per i modelli di fattorizzazione implicita, predicted_rating_confidence è l'affidabilità stimata per la coppia user/item. Questo valore di affidabilità è approssimativamente compreso tra 0 e 1, dove la confidenza maggiore indica che user preferisce item in più rispetto a un item con un valore di affidabilità più basso.

La funzione ML.RECOMMEND viene utilizzata per prevedere le valutazioni utilizzando il tuo modello: bqml_tutorial.my_implicit_mf_model.

Nota: questa query genera una valutazione prevista per ogni coppia. Di conseguenza, l'output potrebbe essere piuttosto elevato. Si consiglia di salvare l'output in una tabella, che verrà poi utilizzata in altre query per l'analisi.

Un modo per salvare il risultato nella tabella è:

#standardSQL
CREATE OR REPLACE TABLE bqml_tutorial.recommend_content
OPTIONS() AS
SELECT
  *
FROM
  ML.RECOMMEND(MODEL bqml_tutorial.my_implicit_mf_model)

Se si verifica un errore Query Exceeded Resource Limits per ML.RECOMMEND, riprova con un livello di fatturazione superiore. Nello strumento a riga di comando di BigQuery, questo valore può essere impostato --maximum_billing_tier.

Genera consigli

La query seguente utilizza ML.RECOMMEND per generare i primi 5 contentId consigliati per visitorId.

#standardSQL
SELECT
  visitorId,
  ARRAY_AGG(STRUCT(contentId, predicted_rating_confidence)
    ORDER BY predicted_rating_confidence DESC LIMIT 5) AS rec
FROM
  bqml_tutorial.recommend_content
GROUP BY
  visitorId

Dettagli query

L'istruzione SELECT aggrega i risultati della query ML.RECOMMEND utilizzando GROUP BY visitorId per aggregare contentId e predicted_rating_confidence in ordine decrescente e mantenendo solo i primi 5 ID contenuti.

Utilizzando la query di consigli precedente, possiamo ordinare in base alla valutazione prevista e generare gli elementi previsti migliori per ciascun utente. La seguente query si unisce a item_ids con movie_ids nella tabella movielens.movie_titles caricata in precedenza e genera i primi 5 film consigliati per utente.

Esegui la query ML.RECOMMEND

Per eseguire la query ML.RECOMMEND che genera i primi 5 ID contenuti consigliati per ID visitatore:

1. In Cloud Console, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query SQL standard nell'area di testo Editor query.

   #standardSQL
   CREATE OR REPLACE TABLE bqml_tutorial.recommend_content
   OPTIONS() AS
   SELECT
    *
   FROM
    ML.RECOMMEND(MODEL bqml_tutorial.my_implicit_mf_model)
   

3. Fai clic su Esegui.

   Quando la query termina l'esecuzione, (bqml_tutorial.recommend_content) comparirà nel pannello di navigazione di Cloud Console. Poiché la query utilizza un'istruzione CREATE TABLE per creare una tabella, non vedi i risultati della query.

4. Scrivi un'altra nuova query. Inserisci la seguente query SQL standard nell'area di testo Editor query al termine della query precedente.

   #standardSQL
   SELECT
    visitorId,
    ARRAY_AGG(STRUCT(contentId, predicted_rating_confidence)
      ORDER BY predicted_rating_confidence DESC LIMIT 5) AS rec
   FROM
    `bqml_tutorial.recommend_content`
   GROUP BY
    visitorId
   

5. (Facoltativo) Per impostare la località di elaborazione, fai clic su Altro &Impostazioni impostazioni di query. In Località di elaborazione, scegli US. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla posizione del set di dati.

   

6. Fai clic su Esegui.

7. Una volta completata la query, fai clic sulla scheda Risultati sotto l'area di testo della query. Il risultato dovrebbe essere simile all'esempio seguente:

   

Esegui la pulizia

Per evitare che al tuo Account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

• Puoi eliminare il progetto creato.
• In alternativa, puoi mantenere il progetto ed eliminare il set di dati.

Eliminazione del set di dati

L'eliminazione del progetto comporta la rimozione di tutti i set di dati e di tutte le tabelle al suo interno. Se preferisci riutilizzare il progetto, puoi eliminare il set di dati che hai creato in questo tutorial:

1. Se necessario, apri la pagina BigQuery in Cloud Console.

   Vai alla pagina BigQuery

2. Nella navigazione, fai clic sul set di dati bqml_tutorial che hai creato.

3. Fai clic su Elimina set di dati sul lato destro della finestra. Questa azione elimina il set di dati, la tabella e tutti i dati.

4. Nella finestra di dialogo Elimina set di dati, conferma il comando Elimina digitando il nome del tuo set di dati (bqml_tutorial) e fai clic su Elimina.

Eliminazione del progetto

Per eliminare il progetto:

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per questo tutorial, quando lo elimini elimini anche qualsiasi altro lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se prevedi di esplorare più tutorial e guide rapide, il riutilizzo dei progetti può aiutarti a evitare di superare i limiti di quota del progetto.

1. In Cloud Console, vai alla pagina Gestisci risorse.

   Vai a Gestisci risorse

2. Nell'elenco dei progetti, seleziona il progetto da eliminare, quindi fai clic su Elimina.
3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Passaggi successivi

• Per scoprire di più sul machine learning, consulta il corso di arresto anomalo del machine learning.
• Per una panoramica di BigQuery ML, vedi Introduzione a BigQuery ML.
• Per saperne di più su Cloud Console, consulta Utilizzo di Cloud Console.