Transferts Google Merchant Center

Le Service de transfert de données BigQuery pour Google Merchant Center vous permet de programmer et de gérer automatiquement des jobs de chargement récurrents pour les données de rapport Google Merchant Center.

Rapports acceptés

Le service de transfert de données BigQuery pour Google Merchant Center accepte les données suivantes:

Produits et problèmes de produits

Le rapport sur les produits et les problèmes liés aux produits inclut les données produit fournies à Merchant Center via des flux ou à l'aide de l'API Content pour Shopping. Ce rapport inclut également les problèmes détectés par Google au niveau des articles pour vos produits. Vous pouvez afficher les données sur les produits et les problèmes liés aux produits dans Google Merchant Center ou en interrogeant Content API pour Shopping. Pour plus d'informations sur le chargement de ces données dans BigQuery, consultez le schéma de la table des produits de Google Merchant Center.

Inventaires régionaux

Le rapport sur les inventaires régionaux inclut des données produit supplémentaires sur la disponibilité régionale et les règles de tarification de vos produits. Pour savoir comment ces données sont chargées dans BigQuery, consultez le schéma de la table des inventaires régionaux de Google Merchant Center.

Inventaires locaux

Le rapport sur les inventaires locaux comprend des données produit supplémentaires concernant l'inventaire local de vos produits. Ce rapport contient des données sur la tarification locale, la disponibilité, la quantité, le retrait et l'emplacement des produits en magasin. Pour plus d'informations sur le chargement de ces données dans BigQuery, reportez-vous au schéma des tables des inventaires locaux de Google Merchant Center.

Performances

Le rapport sur les performances fournit une segmentation précise de vos données de performances pour les annonces et les fiches gratuites. Pour plus d'informations sur le chargement de ces données dans BigQuery, consultez le schéma de la table de performances de Google Merchant Center.

Meilleures ventes

Le rapport "Meilleures ventes" fournit les mêmes données que l'interface utilisateur de Google Merchant Center et vous permet de renseigner les données dans les pays ou les catégories pendant une période pouvant aller jusqu'à deux ans. Cela inclut les données sur les produits et marques les plus populaires dans les annonces Shopping et les fiches gratuites, et indique si vous avez ou non ces rticles dans votre inventaire. Ce rapport est basé sur le rapport sur les meilleures ventes disponible via Google Merchant Center. Pour savoir comment ces données sont chargées dans BigQuery, consultez les schémas des tables des meilleures ventes de Google Merchant Center.

Compétitivité tarifaire

Anciennement appelé "rapport sur les benchmarks de prix", le rapport sur la compétitivité tarifaire inclut les attributs au niveau des produits et les données de benchmark de prix. Il est basé sur les mêmes définitions que le rapport sur la compétitivité tarifaire disponible dans Google Merchant Center. Pour plus d'informations sur le chargement de ces données dans BigQuery, consultez le schéma de la table de compétitivité tarifaire Google Merchant Center.

Tendances des prix

Utilisez le rapport sur les tendances des prix pour afficher des suggestions de prix soldés pour vos produits et des prévisions des performances que vous pouvez potentiellement atteindre en modifiant les prix de vos articles. Ce rapport peut vous aider à fixer le prix de vos produits plus efficacement. Pour savoir comment utiliser les données de ce rapport, consultez Améliorer la tarification de vos produits à l'aide du rapport "Tendances des prix". Pour plus d'informations sur le chargement de ces données dans BigQuery, consultez le schéma de la table de tendance des prix Google Merchant Center.

Ciblage par produits

Activez le rapport sur le ciblage par produits lorsque vous configurez un transfert pour exposer les informations de ciblage d'annonces lorsque vous chargez des données depuis Google Shopping dans BigQuery. Pour en savoir plus sur le chargement des données dans BigQuery, consultez le schéma de la table de ciblage par produits Google Merchant Center.

Options de rapports

Le service de transfert de données BigQuery pour Google Merchant Center est compatible avec les options de création de rapports suivantes :

Option de création de rapports Compatibilité
Planification

Peut être configurée sur tous les jours, toutes les semaines, tous les mois ou une autre option personnalisable. Par défaut, cette option est définie sur "Tous les jours" lors de la création du transfert. L'intervalle minimal entre les transferts est de 6 heures.

Ingestion de données à partir de transferts Google Merchant Center

Lorsque vous transférez des données de Google Merchant Center vers BigQuery, elles sont chargées dans des tables BigQuery partitionnées par date. La partition de la table dans laquelle les données sont chargées correspond à la date de la source de données. Si vous planifiez plusieurs transferts pour la même date, le service de transfert de données BigQuery remplace la partition de cette date spécifique par les données les plus récentes. Plusieurs transferts le même jour ou l'exécution de remplissages n'entraînent pas de données en double, et les partitions des autres dates ne sont pas affectées.

Limites

Certains rapports peuvent avoir leurs propres contraintes, telles que différentes périodes de compatibilité pour les remplissages d'historique. Les sections suivantes décrivent les limites de chaque rapport.

Prise en charge des remplissages historiques

Les rapports ne sont pas tous compatibles avec les remplissages d'historique de la même manière. Vous trouverez ci-dessous la liste des rapports et le niveau de compatibilité des remplissages d'historique.

  • Produits et problèmes de produits - 14 jours
  • Inventaires locaux : 14 jours
  • Inventaires régionaux : 14 jours
  • Performances : 2 ans
  • Meilleures ventes – 2 ans
  • Compétitivité tarifaire : aucune assistance concernant les annonces de remplissage
  • Tendances des prix : aucune assistance concernant les annonces de remplissage

Exécutions automatiques de transferts de remplissage

Le rapport sur les performances peut présenter des latences dans les données du jour. Par conséquent, lorsqu'une exportation de données est demandée, les données peuvent être mises à jour jusqu'à trois jours en arrière pour tenir compte des corrections apportées.

Pour prendre en charge cette fonctionnalité, chaque fois qu'un transfert est déclenché sur un rapport, deux exécutions de transfert supplémentaires sont créées pour today - 1 et today - 2. Ces exécutions de transfert n'affectent que la table Performance. Les autres tables ne sont pas affectées.

Les remplissages automatiques ne peuvent pas être désactivés.

Produits et problèmes sur les produits

  • Les données sur les produits et les problèmes qui y sont associés dans BigQuery ne fournissent pas une représentation en temps réel de votre compte marchand. Pour afficher la chronologie de vos données, reportez-vous au champ product_data_timestamp du schéma.

Comparatif des prix

  • Les données du comparatif des prix ne représentent pas une vue en temps réel des comparatifs des prix. Pour afficher la chronologie de vos données, reportez-vous au champ price_benchmark_timestamp dans le schéma "Comparatif de prix".
  • Tous les produits ne disposent pas d'un comparatif des prix.

Meilleures ventes

  • Tous les pays ne contiendront pas de données de classement. Pays inclus dans le rapport (au format 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 et US.
  • Les données des meilleures ventes ne représentent pas une vue en temps réel des classements de marques. Pour afficher la chronologie de vos données, reportez-vous au champ rank_timestamp des schémas BestSellers_TopProducts_ et BestSellers_TopBrands_.
  • Il peut y avoir des lignes dans la table Products_ avec un google_brand_id qui ne correspond à aucune marque de la table BestSellers_TopBrands_.
  • Les ID de marque dans le champ google_brand_id peuvent changer au fil du temps pour refléter la nature changeante des entreprises et des marques. Par conséquent, le suivi d'un ensemble de marques sur une longue période n'est pas garanti.
  • Bien que les marques soient classées dans de nombreuses catégories différentes, tous les produits de la table Products_ se trouvent dans les catégories détaillées. Pour ajouter des marques et des produits à des catégories générales, utilisez le champ google_product_category_ids, comme indiqué dans les exemples de requêtes de meilleures ventes.

Compatibilité avec les multicomptes (MC)

Les clients existants détenant plusieurs ID de marchand sont invités à configurer un multicompte (MC) parent. La configuration d'un MC vous permet de créer un seul transfert pour tous vos ID de marchand.

La création d'un multicompte Google Merchant Center offre plusieurs avantages par rapport à l'utilisation de plusieurs ID de marchand :

  • Vous n'avez plus besoin de gérer plusieurs transferts pour transférer les données de rapport de plusieurs ID de marchand.
  • Les requêtes impliquant plusieurs ID de marchand sont beaucoup plus simples à écrire car toutes les données d'ID de marchand sont stockées dans la même table.
  • L'utilisation d'un multicompte atténue les problèmes potentiels de quota de tâche de chargement BigQuery, car toutes vos données d'ID de marchand sont chargées dans la même tâche.

Un inconvénient possible de l'utilisation d'un MC est le risque d'augmentation des coûts de requête ultérieurs. Étant donné que toutes vos données sont stockées dans la même table, les requêtes qui extraient les données pour un ID de marchand individuel doivent toujours analyser la table entière.

Si vous utilisez un MC, l'ID de ce multicompte apparaît sous aggregator_id et les sous-comptes individuels sont répertoriés sous merchant_id. Pour les comptes qui n'utilisent pas de MC, aggregator_id est défini sur null.

Tous les rapports ne sont pas compatibles avec les MC. Les MC sont compatibles avec les rapports suivants:

  • Produits et problèmes de produits
  • Inventaires locaux
  • Inventaires régionaux
  • Performances des produits
  • Compétitivité tarifaire
  • Tendances des prix
  • Ciblage par produits

Interroger les données

Lorsque les données sont transférées vers BigQuery, elles sont écrites dans des tables partitionnées avec date d'ingestion. Pour plus d'informations, consultez la page Présentation des tables partitionnées.

Lorsque vous interrogez votre table Google Merchant Center, vous devez utiliser la pseudo-colonne _PARTITIONTIME ou _PARTITIONDATE dans votre requête. Pour en savoir plus, consultez la page Interroger des tables partitionnées.

La table Products_ contient des champs imbriqués et répétés. Pour en savoir plus sur la gestion des données imbriquées et répétées, consultez la section Différences dans la gestion des champs répétés dans la documentation GoogleSQL.

Exemples de requêtes Google Merchant Center

Vous pouvez utiliser les exemples de requêtes Google Merchant Center suivants pour analyser les données transférées. Vous pouvez également interroger les données dans un outil de visualisation tel que Looker Studio.

Dans chacune des requêtes suivantes, remplacez dataset par le nom de votre ensemble de données. Remplacez merchant_id par votre ID de marchand. Si vous utilisez un MC, remplacez merchant_id par votre ID de MC.

Exemples de requêtes sur les produits et les problèmes de produits

Statistiques sur les produits et les problèmes de produits

L'exemple de requête SQL suivant fournit le nombre de produits, de produits présentant des problèmes et de problèmes par jour.

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

Produits refusés pour les annonces Shopping

L'exemple de requête SQL suivant fournit le nombre de produits dont l'affichage n'est pas approuvé dans les annonces Shopping pour chaque pays. Le refus de ces produits peut résulter de l'exclusion de la destination ou d'un problème lié au produit.

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

Produits présentant des problèmes de refus

L'exemple de requête SQL suivant récupère le nombre de produits présentant des problèmes de refus pour chaque pays.

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

Exemples de requêtes de comparatif de prix

Comparer les prix des produits par rapport aux comparatifs

La requête SQL suivante joint les données Products et Price Benchmarks pour renvoyer la liste des produits et des comparatifs associés.

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

Exemples de requêtes de meilleures ventes

Produits populaires pour une catégorie et un pays donnés

La requête SQL suivante renvoie les produits populaires de la catégorie "Smartphones" aux États-Unis.

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

Produits populaires de votre inventaire

La requête SQL suivante joint les données BestSellers_TopProducts_Inventory_ et BestSellers_TopProducts_ pour renvoyer une liste des produits populaires que vous avez dans votre inventaire.

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)

Marques populaires pour une catégorie et un pays donnés

La requête SQL suivante renvoie les marques populaires de la catégorie "Smartphones" aux États-Unis.

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

Produits de marques populaires dans votre inventaire

La requête SQL suivante renvoie la liste des produits de marques populaires dans votre inventaire, répertoriées par catégorie et par pays.

  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