Utilizzare BigQuery ML per dare suggerimenti in base ai dati di Google Analytics

Questo tutorial introduce gli analisti di dati al modello di fattorizzazione matriciale in BigQuery ML. BigQuery ML consente agli utenti di creare ed eseguire modelli di machine learning in BigQuery. L'obiettivo è democratizzare il machine learning consentendo ai professionisti SQL di creare modelli utilizzando i loro strumenti esistenti e di aumentare la velocità di sviluppo eliminando la necessità di spostare i dati.

In questo tutorial imparerai a creare un modello di fattorizzazione matriciale a partire dal feedback implicito utilizzando la tabella di esempio GA360_test.ga_sessions_sample per dare suggerimenti in base a un ID visitatore e a un Content ID.

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

Obiettivi

In questo tutorial, utilizzerai:

  • BigQuery ML: per creare un modello di suggerimenti impliciti utilizzando l'istruzione CREATE MODEL.
  • La funzione ML.EVALUATE: per valutare i modelli ML.
  • Funzione ML.WEIGHTS: per ispezionare i pesi dei fattori latenti generati durante l'addestramento.
  • La funzione ML.RECOMMEND: per produrre suggerimenti per un utente.

Costi

Questo tutorial utilizza i 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 relativa ai 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 di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

  4. Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  5. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

  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

Crea un set di dati BigQuery per archiviare il tuo modello ML:

  1. Nella console Google Cloud, vai alla pagina BigQuery.

    Vai alla pagina BigQuery

  2. Nel riquadro Explorer, fai clic sul nome del progetto.

  3. Fai clic su Visualizza azioni > Crea set di dati.

    Crea set di dati.

  4. Nella pagina Crea set di dati:

    • In ID set di dati, inserisci bqml_tutorial.

    • Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).

      I set di dati pubblici sono archiviati in US più regioni. Per semplicità, memorizza il set di dati nella stessa posizione.

    • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.

      Pagina Crea set di dati.

Passaggio 2: carica i dati di Analytics 360 in BigQuery

La maggior parte delle volte, le valutazioni nei tuoi dati non riflettono un valore impostato esplicitamente da un utente. In questi scenari, possiamo creare un proxy per questi valori come valutazione implicita e utilizzare un algoritmo diverso per calcolare i suggerimenti. In questo esempio, mostreremo un set di dati di esempio di 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 in base alla durata della sessione che un visitatore ha avuto su una pagina dal 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 di elementi e una colonna di valutazione.

  1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query GoogleSQL 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 il luogo di elaborazione, fai clic su Altro > Impostazioni query. Per Località di elaborazione, scegli US. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla località del set di dati.

    Impostazioni delle query.

  4. Fai clic su Esegui.

    Al termine della query, nel pannello di navigazione verrà visualizzato (bqml_tutorial.analytics_session_data). Poiché la query utilizza un'istruzione CREATE TABLE per creare una tabella, non vedi i risultati della query.

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

    Risultati della query.

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

Passaggio tre: crea il modello di suggerimenti impliciti

Successivamente, creerai un modello di suggerimenti impliciti utilizzando la tabella di Google Analytics caricata nel passaggio precedente. La seguente query GoogleSQL 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 la durata mediana della sessione e filtrando i record in cui la durata della sessione è superiore a 3, 33 volte la mediana come valori anomali.

#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 scomposizione matriciale. Poiché è specificato feedback_type='IMPLICIT', verrà addestrato un modello di fattorizzazione matriciale implicita. Un esempio di come creare un modello di fattorizzazione matriciale esplicito è spiegato nella sezione Creazione di un modello di fattorizzazione matriciale esplicito.

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

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

La clausola FROMbqml_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 si trova nel progetto BigQuery se sono state seguite le istruzioni dei passaggi 2 e 8.

Esegui la query CREATE MODEL

Per eseguire la query CREATE MODEL al fine di creare e addestrare il modello:

  1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query GoogleSQL 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.

    Il completamento della query richiede circa 12 minuti. Trascorso questo periodo, il modello (my_implicit_mf_model) viene visualizzato nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE MODEL per creare un modello, non vedi i risultati della query.

Passaggio 4 (facoltativo): ricevi le statistiche di addestramento

Per visualizzare i risultati dell'addestramento del modello, puoi utilizzare la funzione ML.TRAINING_INFO oppure visualizzare le statistiche nella console Google Cloud. In questo tutorial utilizzerai la console Google Cloud.

Un algoritmo di machine learning crea un modello esaminando molti esempi e provando a 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 pannello di navigazione della console Google Cloud, nella sezione Risorse, espandi [PROJECT_ID] > bqml_tutorial, quindi fai clic su my_implicit_mf_model.

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

    Output ML.TRAINING_INFO.

    La colonna Addestramento Data Loss rappresenta la metrica di perdita calcolata dopo che il modello è stato addestrato sul set di dati di addestramento. Poiché hai eseguito la fattorizzazione matriciale, questa colonna è l'errore quadratico medio. Per impostazione predefinita, i modelli di fattorizzazione matriciale non suddividono i dati, quindi la colonna Valutazione perdita dati non sarà presente a meno che non venga specificato un set di dati di holdout, perché la suddivisione dei dati può comportare la perdita di tutte le valutazioni per un utente o un articolo. Di conseguenza, il modello non avrà informazioni sui fattori latenti sugli utenti o sugli elementi mancanti.

    Per ulteriori dettagli sulla funzione ML.TRAINING_INFO, consulta il riferimento sulla 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 nel tuo modello: bqml_tutorial.my_implicit_mf_model.

Esegui la query ML.EVALUATE

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

  1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

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

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

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

    Impostazioni delle query.

  4. Fai clic su Esegui.

  5. Quando la query è completa, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero avere il seguente aspetto:

    l'output ML.EVALUATE.

    Poiché hai eseguito una fattorizzazione matriciale implicita, 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 di fattorizzazione matriciale implicita

Passaggio 6: prevedi le valutazioni e fornisci consigli

Utilizza il modello per prevedere le valutazioni e dare consigli

Trova tutte le confidenza della valutazione di contentId per un insieme di visitorIds

ML.RECOMMEND non deve accettare argomenti aggiuntivi oltre al modello, ma può includere una tabella facoltativa. Se la tabella di input ha una sola colonna che corrisponde al nome della colonna di input user o di input item, verranno visualizzate tutte le valutazioni degli elementi previste per ogni user e viceversa. Tieni presente che se tutti gli elementi users o items sono nella tabella di input, produrrà gli stessi risultati del passaggio di nessun argomento facoltativo a ML.RECOMMEND.

Di seguito è riportato un esempio di query per recuperare tutte le affidabilità delle valutazioni previste per 5 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. Quest'ultima colonna viene generata dalla funzione ML.RECOMMEND. Quando utilizzi la funzione ML.RECOMMEND, il nome della colonna di output per i modelli di fattorizzazione matriciale implicita è predicted_rating-column-name_confidence. Per i modelli di fattorizzazione matriciale implicita, predicted_rating_confidence è l'affidabilità stimata per la coppia user/item. Questo valore di confidenza è compreso approssimativamente tra 0 e 1, dove l'affidabilità più alta indica che user preferisce item più rispetto a 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.

Trovare le valutazioni per tutte le coppie ID contenuto ID visitatore

Ora che hai valutato il modello, il passaggio successivo consiste nell'utilizzarlo per ottenere un'affidabilità della valutazione. Puoi utilizzare il modello per prevedere le affidabilità di ogni combinazione di elementi utente 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. Quest'ultima colonna viene generata dalla funzione ML.RECOMMEND. Quando utilizzi la funzione ML.RECOMMEND, il nome della colonna di output per i modelli di fattorizzazione matriciale implicita è predicted_rating-column-name_confidence. Per i modelli di fattorizzazione matriciale implicita, predicted_rating_confidence è l'affidabilità stimata per la coppia user/item. Questo valore di affidabilità è compreso approssimativamente tra 0 e 1, dove la affidabilità maggiore indica che user preferisce item più rispetto a 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.

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 può essere impostato utilizzando --maximum_billing_tier.

Genera suggerimenti

La seguente query 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, mantenendo solo i primi 5 ID contenuti.

Utilizzando la precedente query sui suggerimenti, possiamo ordinare i dati in base alla valutazione prevista e restituire gli elementi previsti principali per ciascun utente. La seguente query unisce item_ids con il movie_ids trovato nella tabella movielens.movie_titles caricata in precedenza e restituisce i primi 5 film consigliati per utente.

Esegui la query ML.RECOMMEND

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

  1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

  2. Inserisci la seguente query GoogleSQL 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.

    Al termine della query, (bqml_tutorial.recommend_content) viene visualizzato nel pannello di navigazione della console Google Cloud. Poiché la query utilizza un'istruzione CREATE TABLE per creare una tabella, non vedi i risultati della query.

  4. Crea un'altra nuova query. Inserisci la seguente query GoogleSQL nell'area di testo Editor query una volta terminata l'esecuzione 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 il luogo di elaborazione, fai clic su Altro > Impostazioni query. Per Località di elaborazione, scegli US. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla località del set di dati.

    Impostazioni delle query.

  6. Fai clic su Esegui.

  7. Quando la query è completa, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero avere il seguente aspetto:

    Output ML.RECOMMEND.

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

Elimina il set di dati

L'eliminazione del progetto rimuove tutti i set di dati e tutte le tabelle nel progetto. Se preferisci riutilizzare il progetto, puoi eliminare il set di dati che hai creato in questo tutorial:

  1. Se necessario, apri la pagina BigQuery nella console Google Cloud.

    Vai alla pagina BigQuery

  2. Nella barra di 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 di eliminazione digitando il nome del set di dati (bqml_tutorial), quindi fai clic su Elimina.

Elimina il progetto

Per eliminare il progetto:

  1. Nella console Google Cloud, vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona il progetto che vuoi 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