Diese Seite wurde von der Cloud Translation API übersetzt.

Google Merchant Center-Übertragungen

Mit BigQuery Data Transfer Service for Google Merchant Center können Sie wiederkehrende Ladejobs für Google Merchant Center-Berichtsdaten automatisch planen und verwalten.

Unterstützte Berichte

BigQuery Data Transfer Service for Google Merchant Center unterstützt die folgenden Daten:

Produkte und Produktprobleme

Der Bericht zu Produkten und Produktproblemen enthält Produktdaten, die über Feeds oder die Content API for Shopping für das Merchant Center bereitgestellt werden. Dieser Bericht enthält auch Probleme auf Artikelebene, die Google bei Ihren Produkten erkannt hat. Sie können Daten zu Produkt- und Produktproblemen im Google Merchant Center oder durch Abfragen der Content API for Shopping aufrufen. Informationen zum Laden dieser Daten in BigQuery finden Sie im Produkttabellenschema für das Google Merchant Center.

Regionale Inventare

Der Bericht „Regionale Inventare“ enthält zusätzliche Produktdaten zur regionalen Verfügbarkeit und zu Preisüberschreibungen für Ihre Produkte. Informationen zum Laden dieser Daten in BigQuery finden Sie im Google Merchant Center im Abschnitt Tabellenschema für regionale Inventare.

Lokale Inventare

Der Bericht „Lokale Inventare“ enthält zusätzliche Produktdaten zum lokalen Inventar Ihrer Produkte. Dieser Bericht enthält Daten zu lokalen Preisen, Verfügbarkeit, Menge, Abholung und Produktstandort im Geschäft. Informationen zum Laden dieser Daten in BigQuery finden Sie im Google Merchant Center im AbschnittTabellenschema für lokale Inventare.

Leistung

Der Leistungsbericht bietet eine detaillierte Segmentierung Ihrer Leistungsdaten über Google Ads und kostenlose Einträge hinweg. Informationen zum Laden dieser Daten in BigQuery finden Sie im Google Merchant Centerim Abschnitt Tabellenschema für Leistungsdaten für das .

Bestseller

Der Bestsellerbericht enthält dieselben Daten wie die Google Merchant Center-UI und ermöglicht es Ihnen, für die Daten bis zu zwei Jahre lang über Länder oder Kategorien hinweg Backfills auszuführen. Dazu gehören Daten zu den beliebtesten Produkten und Marken in Shopping-Anzeigen und unbezahlten Einträgen sowie Informationen dazu, ob die Produkte in Ihrem Inventar vorhanden sind oder nicht. Dieser Bericht basiert auf dem Bestseller-Bericht, der im Google Merchant Center verfügbar ist. Informationen zum Laden dieser Daten in BigQuery finden Sie im Google Merchant Center im Abschnitt Best Practices für Tabellenschemas.

Wettbewerbsfähigkeit von Preisen

Der früher als Preisvergleichsbericht bezeichnete Bericht zur Preiswettbewerbsfähigkeit enthält Attribute auf Produktebene und Preisvergleichsdaten und basiert auf denselben Definitionen wie der Bericht zur Wettbewerbsfähigkeit von Preisen im Google Merchant Center. Informationen zum Laden dieser Daten in BigQuery finden Sie im Google Merchant Center im Abschnitt Tabellenschema für Wettbewerbsfähigkeite von Preisen.

Preisstatistiken

Verwenden Sie den Bericht „Preisstatistiken“, um vorgeschlagene Verkaufspreise für Ihre Produkte sowie Vorhersagen für die Leistung anzuzeigen, die Sie erwarten können, wenn Sie die Preise Ihrer Produkte aktualisieren. Mit dem Bericht „Preisstatistiken“ können Sie Preise Ihrer Produkte effektiver gestalten. Weitere Informationen zur Verwendung der Daten in diesem Bericht finden Sie unter Produktpreise mit dem Bericht über Preisstatistiken verbessern. Informationen zum Laden dieser Daten in BigQuery finden Sie im Google Merchant Center im Abschnitt Tabellenschema für Preisstatistiken.

Produkt-Targeting

Aktivieren Sie den Bericht zum Produkt-Targeting, wenn Sie eine Übertragung einrichten, um Informationen zur Anzeigenausrichtung verfügbar zu machen, wenn Sie Daten aus Google Shopping in BigQuery laden. Informationen zum Laden der Daten in BigQuery finden Sie im Tabellenschema für das Product Targeting im Google Merchant Center.

Berichtsoptionen

BigQuery Data Transfer Service for Google Merchant Center unterstützt die folgenden Berichtsoptionen:

Berichtsoption	Support
Planen	Konfigurierbar als „Täglich“, „Wöchentlich“, „Monatlich“ oder „Benutzerdefiniert“. Standardmäßig ist dies auf „Täglich“ gesetzt, wenn die Übertragung erstellt wird. Das Mindestintervall zwischen Übertragungen beträgt 6 Stunden.

Datenaufnahme aus Google Merchant Center-Übertragungen

Wenn Sie Daten aus Google Merchant Center in BigQuery übertragen, werden die Daten in BigQuery-Tabellen geladen, die nach Datum partitioniert sind. Die Tabellenpartition, in die die Daten geladen werden, entspricht dem Datum aus der Datenquelle. Wenn Sie mehrere Übertragungen für dasselbe Datum planen, überschreibt BigQuery Data Transfer Service die Partition für dieses Datum mit den neuesten Daten. Mehrere Übertragungen am selben Tag oder laufende Backfills führen nicht zu doppelten Daten; Partitionen für andere Daten sind nicht betroffen.

Beschränkungen

Für einige Berichte gelten möglicherweise eigene Einschränkungen, z. B. unterschiedliche Unterstützungsfenster für historische Backfills. In den folgenden Abschnitten werden die Einschränkungen für die einzelnen Berichte beschrieben.

Bisherige Backfill-Unterstützung

Nicht alle Berichte unterstützen alte Backfills auf die gleiche Weise. Im Folgenden finden Sie eine Liste von Berichten und die Unterstützungsstufe für historische Backfills.

Produkte und Produktprobleme – 14 Tage
Lokales Inventare – 14 Tage
Regionale Inventare – 14 Tage
Leistung – 2 Jahre
Bestseller – 2 Jahre
Wettbewerbsfähigkeit von Preisen – keine Backfill-Unterstützung
Preisstatistiken – keine Backfill-Unterstützung

Automatische Backfill-Übertragungsausführungen

Der Leistungsbericht kann Latenzen in den aktuellen Daten enthalten. Wenn also ein Datenexport angefordert wird, können Daten bis zu drei Tage in der Vergangenheit aktualisiert werden, um Korrekturen zu berücksichtigen.

Um diese Funktion zu unterstützen, werden immer dann, wenn eine Übertragung für einen Bericht ausgelöst wird, zwei weitere Übertragungsausführungen für today - 1 und today - 2 erstellt. Diese Übertragungsausführungen wirken sich nur auf die Tabelle "Leistung" aus. andere Tabellen sind nicht betroffen.

Die automatischen Backfills können nicht deaktiviert werden.

Produkte und Produktprobleme

Daten zu Produkten und Produktproblemen in BigQuery geben nicht die Echtzeitansicht Ihres Händlerkontos wieder. Informationen zur Zeitachse Ihrer Daten finden Sie im Feld product_data_timestamp des Schemas.

Preisvergleiche

Preisvergleichsdaten stellen keine Echtzeitansicht von Preisvergleichen dar. Die Zeitachse Ihrer Daten finden Sie im Feld price_benchmark_timestamp des Preisvergleichschemas.
Nicht alle Produkte haben einen Preisvergleich.

Bestseller

Nicht alle Länder enthalten Ranking-Daten. Der Bericht enthält die folgenden Länder (mit ISO ISO 3166-1 alpha-2): AT, AU, BE, BR, CA, CH, CZ, DE, DK, ES, FI, FR, GB, HU, IE, IN, IT, JP, MX, NL, NO, NZ, PL, PT, RO, RU, SE, SK, TR, UA und US.
Die Daten der Bestseller umfassen keine Echtzeitansicht von Marken-Rankings. Informationen zum Aufrufen der Zeitachse erhalten Sie im Feld rank_timestamp der Schemas BestSellers_TopProducts_ und BestSellers_TopBrands_.
Möglicherweise enthält die Tabelle Products_ Zeilen mit einer google_brand_id, die keiner der Marken in der Tabelle BestSellers_TopBrands_ zugeordnet ist.
Marken-IDs im Feld google_brand_id können sich im Laufe der Zeit ändern, um die sich ändernde Art von Unternehmen und Marken zu berücksichtigen. Aus diesem Grund ist die Erfassung von Marken über einen längeren Zeitraum nicht garantiert.
Während Marken in vielen verschiedenen Kategorien eingestuft werden, befinden sich alle Produkte in der Tabelle Products_ in Blattkategorien. Verwenden Sie das Feld google_product_category_ids, wie in Beispielabfragen für Bestseller dargestellt, um Marken und Produkte in Nicht-Blattkategorien zusammenzuführen.

Unterstützung von Mehrfachkundenkonten

Bestandskunden mit mehreren Händler-IDs sollten möglichst ein übergeordnetes Mehrfachkundenkonto (Multi-Client Account, MCA) konfigurieren. Durch das Konfigurieren eines MCA haben Sie die Möglichkeit, eine einzige Übertragung für all Ihre Händler-IDs zu erstellen.

Wenn Sie Google Merchant Center-MCAs anstelle von einzelnen Händler-IDs verwenden, bieten sich Ihnen verschiedene Vorteile:

Sie müssen nicht mehr mehrere Übertragungen verwalten, um Berichtsdaten für mehrere Händler-IDs zu übertragen.
Abfragen für mehrere Händler-IDs sind viel einfacher zu schreiben, da alle Händler-ID-Daten in derselben Tabelle gespeichert sind.
Die Verwendung von MCAs verringert potenzielle Probleme mit BigQuery-Kontingenten für Ladejobs, da Ihre gesamten Händler-ID-Daten im selben Job geladen werden.

Ein möglicher Nachteil der MCA-Verwendung besteht darin, dass Ihre nachfolgenden Abfragekosten wahrscheinlich höher sind. Da all Ihre Daten in derselben Tabelle gespeichert sind, müssen Abfragen, die Daten für eine einzelne Händler-ID abrufen, trotzdem die gesamte Tabelle scannen.

Wenn Sie ein MCA verwenden, wird die MCA-ID unter aggregator_id und die einzelnen Unterkonten unter merchant_id aufgeführt. Bei Konten ohne MCA ist aggregator_id auf null eingestellt.

Nicht alle Berichte unterstützen MCAs. MCAs werden von den folgenden Berichten unterstützt:

Produkte und Produktprobleme
Lokale Inventare
Regionale Inventare
Produktleistung
Wettbewerbsfähigkeit von Preisen
Preisstatistiken
Produkt-Targeting

Daten abfragen

Bei der Übertragung Ihrer Daten in BigQuery werden die Daten in zeitpartitionierte Tabellen geschrieben. Weitere Informationen finden Sie unter Einführung in partitionierte Tabellen.

Beim Abfragen Ihrer Google Merchant Center-Tabelle müssen Sie die Pseudospalte _PARTITIONTIME oder _PARTITIONDATE in der Abfrage verwenden. Weitere Informationen finden Sie unter Partitionierte Tabellen abfragen.

Die Tabelle Products_ enthält verschachtelte und wiederkehrende Felder. Informationen zum Umgang mit verschachtelten und wiederkehrenden Daten finden Sie in der GoogleSQL-Dokumentation unter Unterschiede bei der Verarbeitung wiederkehrender Felder.

Google Merchant Center-Beispielabfragen

Mithilfe der folgenden Google Merchant Center-Beispielabfragen lassen sich die übertragenen Daten analysieren. Sie können die Abfragen auch in einem Visualisierungstool wie Looker Studio aufrufen.

Ersetzen Sie in jeder der folgenden Abfragen dataset durch den Namen Ihres Datasets. Ersetzen Sie merchant_id durch Ihre Merchant Center-ID. Wenn Sie ein MCA verwenden, ersetzen Sie merchant_id durch Ihre MCA-ID.

Beispielabfragen für Produkte und Produktprobleme

Statistiken zu Produkten und Produktproblemen

Die folgende SQL-Beispielabfrage gibt die Anzahl der Produkte, der Produkte mit Problemen und der Probleme nach Tag zurück.

SELECT
  _PARTITIONDATE AS date,
  COUNT(*) AS num_products,
  COUNTIF(ARRAY_LENGTH(issues) > 0) AS num_products_with_issues,
  SUM(ARRAY_LENGTH(issues)) AS num_issues
FROM
  dataset.Products_merchant_id
WHERE
  _PARTITIONDATE >= 'YYYY-MM-DD'
GROUP BY
  date
ORDER BY
  date DESC

Für Shopping-Anzeigen abgelehnte Produkte

Folgende SQL-Beispielabfrage gibt die Anzahl der Produkte, die für Shopping-Anzeigen abgelehnt wurden, getrennt nach Land zurück. Die Ablehnung kann darauf zurückzuführen sein, dass das Ziel ausgeschlossen wurde. Eventuell liegt auch ein Problem mit dem Produkt vor.

SELECT
  _PARTITIONDATE AS date,
  disapproved_country,
  COUNT(*) AS num_products
FROM
  dataset.Products_merchant_id,
  UNNEST(destinations) AS destination,
  UNNEST(disapproved_countries) AS disapproved_country
WHERE
  _PARTITIONDATE >= 'YYYY-MM-DD'
GROUP BY
  date, disapproved_country
ORDER BY
  date DESC

Produkte mit Problemen aufgrund von Ablehnungen

Die folgende SQL-Beispielabfrage ruft die Anzahl der Produkte mit Ablehnungen getrennt nach Land ab.

SELECT
  _PARTITIONDATE AS date,
  applicable_country,
  COUNT(DISTINCT CONCAT(CAST(merchant_id AS STRING), ':', product_id))
      AS num_distinct_products
FROM
  dataset.Products_merchant_id,
  UNNEST(issues) AS issue,
  UNNEST(issue.applicable_countries) as applicable_country
WHERE
  _PARTITIONDATE >= 'YYYY-MM-DD' AND
  issue.servability = 'disapproved'
GROUP BY
  date, applicable_country
ORDER BY
  date DESC

Beispielabfragen für Preisvergleiche

Produktpreise mit Preisvergleichen vergleichen

Die folgende SQL-Abfrage verknüpft Products- und Price Benchmarks-Daten, um die Liste der Produkte und der zugehörigen Preisvergleiche zurückzugeben.

WITH products AS
(
  SELECT
    _PARTITIONDATE AS date,
    *
  FROM
    dataset.Products_merchant_id
  WHERE
   _PARTITIONDATE >= 'YYYY-MM-DD'
),
benchmarks AS
(
  SELECT
    _PARTITIONDATE AS date,
    *
  FROM
    dataset.Products_PriceBenchmarks_merchant_id
  WHERE
    _PARTITIONDATE >= 'YYYY-MM-DD'
)
SELECT
  products.date,
  products.product_id,
  products.merchant_id,
  products.aggregator_id,
  products.price,
  products.sale_price,
  benchmarks.price_benchmark_value,
  benchmarks.price_benchmark_currency,
  benchmarks.country_of_sale
FROM
  products
INNER JOIN
  benchmarks
ON products.product_id = benchmarks.product_id AND
   products.merchant_id = benchmarks.merchant_id AND
   products.date = benchmarks.date

Beispielabfragen für Bestseller

Top-Produkte für eine bestimmte Kategorie und ein bestimmtes Land

Die folgende SQL-Abfrage gibt die Top-Produkte für die Kategorie „Smartphone“ in den USA zurück.

SELECT
  rank,
  previous_rank,
  relative_demand.bucket,
  (SELECT name FROM top_products.product_title WHERE locale = 'en-US') AS product_title,
  brand,
  price_range
FROM
  dataset.BestSellers_TopProducts_merchant_id AS top_products
WHERE
  _PARTITIONDATE = 'YYYY-MM-DD' AND
  ranking_category = 267 /*Smartphones*/ AND
  ranking_country = 'US'
ORDER BY
  rank

Top-Produkte in Ihrem Inventar

Die folgende SQL-Abfrage verknüpft BestSellers_TopProducts_Inventory_- und BestSellers_TopProducts_-Daten, um eine Liste der Top-Produkte zurückzugeben, die Sie derzeit in Ihrem Inventar haben.

WITH latest_top_products AS
(
  SELECT
    *
  FROM
    dataset.BestSellers_TopProducts_merchant_id
  WHERE
    _PARTITIONDATE = 'YYYY-MM-DD'
),
latest_top_products_inventory AS
(
  SELECT
    *
  FROM
    dataset.BestSellers_TopProducts_Inventory_merchant_id
  WHERE
    _PARTITIONDATE = 'YYYY-MM-DD'
)
SELECT
  top_products.rank,
  inventory.product_id,
  (SELECT ANY_VALUE(name) FROM top_products.product_title) AS product_title,
  top_products.brand,
  top_products.gtins
FROM
  latest_top_products AS top_products
INNER JOIN
  latest_top_products_inventory AS inventory
USING (rank_id)

Top-Marken für eine bestimmte Kategorie und ein bestimmtes Land

Die folgende SQL-Abfrage gibt Top-Marken für die Kategorie "Smartphone" in den USA zurück.

SELECT
  rank,
  previous_rank,
  brand
FROM
  dataset.BestSellers_TopBrands_merchant_id
WHERE
  _PARTITIONDATE = 'YYYY-MM-DD' AND
  ranking_category = 267 /*Smartphones*/ AND
  ranking_country = 'US'
ORDER BY
  rank

Produkte der Top-Marken in Ihrem Inventar

Die folgende SQL-Abfrage gibt eine Liste der Produkte in Ihrem Inventar von Top-Marken zurück, die nach Kategorie und Land aufgeführt sind.

  WITH latest_top_brands AS
  (
    SELECT
      *
    FROM
      dataset.BestSellers_TopBrands_merchant_id
    WHERE
      _PARTITIONDATE = 'YYYY-MM-DD'
  ),
  latest_products AS
  (
    SELECT
      product.*,
      product_category_id
    FROM
      dataset.Products_merchant_id AS product,
      UNNEST(product.google_product_category_ids) AS product_category_id,
      UNNEST(destinations) AS destination,
      UNNEST(destination.approved_countries) AS approved_country
    WHERE
      _PARTITIONDATE = 'YYYY-MM-DD'
  )
  SELECT
    top_brands.brand,
    (SELECT name FROM top_brands.ranking_category_path
    WHERE locale = 'en-US') AS ranking_category,
    top_brands.ranking_country,
    top_brands.rank,
    products.product_id,
    products.title
  FROM
    latest_top_brands AS top_brands
  INNER JOIN
    latest_products AS products
  ON top_brands.google_brand_id = products.google_brand_id AND
     top_brands.ranking_category = product_category_id AND
     top_brands.ranking_country = products.approved_country