Transfer Google Merchant Center
BigQuery Data Transfer Service untuk Google Merchant Center memungkinkan Anda secara otomatis menjadwalkan dan mengelola tugas pemuatan berulang untuk pelaporan Google Merchant Center layanan otomatis dan data skalabel.
Laporan yang didukung
BigQuery Data Transfer Service untuk Google Merchant Center mendukung data berikut:
Produk dan masalah produk
Laporan masalah produk dan produk mencakup data produk yang diberikan ke Merchant Center melalui feed atau Content API for Shopping. Laporan ini juga mencakup masalah tingkat item yang terdeteksi oleh Google untuk produk Anda. Anda dapat melihat data masalah produk dan produk di Google Merchant Center atau dengan membuat kueri Content API for Shopping. Untuk informasi tentang bagaimana data ini dimuat ke BigQuery, lihat skema tabel produk Google Merchant Center.
Inventaris Regional
Laporan inventaris regional mencakup data produk tambahan tentang ketersediaan regional dan penggantian harga produk Anda.Untuk informasi tentang cara data ini dimuat ke BigQuery, lihat laporan Pusat tabel inventaris regional skema ini.
Inventaris Lokal
Laporan inventaris lokal menyertakan data produk tambahan tentang inventaris produk Anda. Laporan ini berisi data harga lokal, ketersediaan, jumlah, pengambilan, dan lokasi produk di toko. Untuk informasi tentang cara data ini dimuat ke BigQuery, lihat laporan Tabel inventaris lokal Pusat skema ini.
Performa
Laporan performa memberikan segmentasi terperinci dari data performa di Iklan dan Listingan Gratis. Untuk informasi tentang cara data ini dimuat tentang BigQuery, lihat tabel performa Google Merchant Center skema ini.
Terlaris
Laporan Terlaris menyediakan data yang sama dengan yang ada di Google Merchant Center UI Center dan memungkinkan Anda mengisi ulang data lintas negara atau kategori untuk hingga 2 tahun. Ini mencakup data tentang produk dan merek paling populer di Iklan Shopping dan listingan tidak berbayar, serta apakah Anda memilikinya di inventaris Anda. Laporan ini didasarkan pada terlaris laporan yang tersedia melalui Google Merchant Center. Untuk informasi tentang bagaimana data ini dimuat ke BigQuery, lihat laporan Google Merchant Center skema tabel penjual.
Daya Saing Harga
Sebelumnya dikenal sebagai laporan tolok ukur harga, laporan persaingan harga mencakup atribut tingkat produk dan data tolok ukur harga serta didasarkan definisi yang sama dengan daya saing harga laporan yang tersedia melalui Google Merchant Center. Untuk informasi tentang bagaimana data ini dimuat ke BigQuery, lihat skema tabel persaingan harga Google Merchant Center.
Info Harga
Gunakan laporan analisis harga untuk melihat harga promo yang disarankan untuk produk, dan prediksi kinerja yang dapat diharapkan jika Anda memperbarui produk Anda harga. Menggunakan laporan analisis harga dapat membantu Anda menentukan harga produk secara lebih efektif. Untuk informasi selengkapnya tentang cara menggunakan data dalam laporan, lihat Meningkatkan harga produk dengan analisis harga laporan untuk informasi selengkapnya informasi tentang cara menggunakan data dalam laporan ini. Untuk informasi tentang bagaimana hal ini data dimuat ke BigQuery, lihat situs Google Merchant Center. Tabel Analisis Harga skema ini.
Penargetan Produk
Aktifkan laporan Penargetan Produk saat Anda menyiapkan transfer untuk menampilkan Iklan informasi penargetan. Saat Anda memuat data dari Google Shopping ke menggunakan BigQuery. Untuk informasi tentang bagaimana data dimuat ke BigQuery, lihat Skema tabel Penargetan Produk Google Merchant Center.
Opsi pelaporan
BigQuery Data Transfer Service untuk Google Merchant Center mendukung hal berikut opsi pelaporan:
Opsi pelaporan | Dukungan |
---|---|
Jadwal | Dapat dikonfigurasi ke harian, mingguan, bulanan, atau kustom. Secara default, opsi ini disetel ke harian saat transfer dibuat. Interval minimum antar-transfer adalah 6 jam. |
Penyerapan data dari transfer Google Merchant Center
Saat Anda mentransfer data dari Google Merchant Center ke BigQuery, data dimuat ke dalam tabel BigQuery yang dipartisi berdasarkan tanggal. Partisi tabel tempat data dimuat sesuai dengan tanggal dari sumber data. Jika Anda menjadwalkan beberapa transfer untuk tanggal yang sama, BigQuery Data Transfer Service akan menimpa partisi untuk tanggal tertentu tersebut dengan data terbaru. Beberapa transfer pada hari yang sama atau pengisian ulang yang berjalan tidak menghasilkan duplikasi data, dan partisi untuk tanggal lain tidak akan terpengaruh.Batasan
Beberapa laporan mungkin memiliki batasannya sendiri, seperti periode dukungan untuk pengisian ulang historis. Bagian berikut menjelaskan batasan untuk setiap laporan.
Dukungan Pengisian Ulang Historis
Tidak semua laporan mendukung pengisian ulang historis dengan cara yang sama. Berikut ini adalah daftar laporan dan tingkat dukungan untuk pengisian ulang historis.
- Produk dan masalah produk - 14 hari
- Inventaris Lokal - 14 hari
- Inventaris Regional - 14 hari
- Performa - 2 tahun
- Terlaris - 2 tahun
- Daya saing harga - Tidak ada dukungan pengisian ulang
- Analisis harga - Tidak ada dukungan pengisian ulang
Proses Transfer Pengisian Ulang Otomatis Berjalan
Laporan Performa dapat memiliki latensi di "hari ini" layanan otomatis dan data skalabel. Oleh karena itu, ketika ekspor data diminta, data mungkin diperbarui hingga 3 hari yang lalu ke akun untuk dikoreksi.
Untuk mendukung fungsi ini, setiap kali transfer dipicu di laporan apa pun,
dua proses transfer lagi dibuat untuk today - 1
dan today - 2
. Ini
operasi transfer hanya
memengaruhi tabel Performa; tabel lain
tidak terpengaruh.
Pengisian ulang otomatis tidak dapat dinonaktifkan.
Produk dan masalah produk
- Data produk dan masalah produk di BigQuery tidak mewakili
tampilan real-time akun Penjual Anda. Untuk melihat linimasa data
Anda, lihat kolom
product_data_timestamp
dalam skema.
Tolok ukur harga
- Data tolok ukur harga tidak mewakili tampilan real time tolok ukur
harga. Untuk melihat linimasa data Anda, lihat
kolom
price_benchmark_timestamp
dalam skema Tolok Ukur Harga. - Tidak semua produk memiliki tolok ukur harga.
Terlaris
- Tidak semua negara memiliki data peringkat. Negara yang disertakan dalam laporan (menggunakan 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, dan US.
- Data terlaris tidak mewakili tampilan peringkat merek secara real-time.
Untuk melihat linimasa data Anda, lihat kolom
rank_timestamp
dalam skemaBestSellers_TopProducts_
danBestSellers_TopBrands_
. - Mungkin ada baris di
Products_
tabel dengangoogle_brand_id
yang tidak dipetakan ke merek apa pun di TabelBestSellers_TopBrands_
. - ID merek di kolom
google_brand_id
dapat berubah seiring waktu untuk mencerminkan sifat bisnis dan brand yang berubah-ubah. Oleh karena itu, pelacakan rangkaian merek dalam jangka waktu yang lama tidak dijamin. - Meskipun merek diberi peringkat di banyak kategori berbeda, semua produk dalam
tabel
Products_
termasuk dalam kategori leaf. Untuk menggabungkan merek dan produk pada kategori non-leaf, gunakan kolomgoogle_product_category_ids
, seperti ditunjukkan dalam Contoh kueri terlaris.
Dukungan Akun multiklien (MCA)
Pelanggan lama dengan beberapa ID Penjual disarankan untuk mengonfigurasi Akun Multiklien (MCA) induk. Dengan mengonfigurasi MCA, Anda dapat membuat satu transfer untuk semua akun Merchant Center pelanggan.
Menggunakan MCA Google Merchant Center memberikan beberapa manfaat dibandingkan menggunakan ID Penjual perorangan:
- Anda tidak perlu lagi mengelola beberapa transfer guna mentransfer data pelaporan untuk beberapa ID Penjual.
- Kueri yang melibatkan beberapa ID Penjual jauh lebih mudah ditulis karena semua data ID Penjual disimpan dalam tabel yang sama.
- Menggunakan MCA akan mengurangi potensi masalah kuota tugas pemuatan BigQuery karena semua data ID Penjual Anda dimuat di tugas yang sama.
Salah satu kemungkinan kerugian menggunakan MCA adalah biaya kueri Anda berikutnya kemungkinan akan lebih tinggi. Karena semua data Anda disimpan dalam tabel yang sama, kueri yang mengambil data untuk setiap ID Penjual masih harus memindai seluruh tabel.
Jika Anda menggunakan MCA, ID MCA tercantum di bawah aggregator_id
dan
setiap sub-akun tercantum di bagian merchant_id
. Untuk akun yang
tidak menggunakan MCA, aggregator_id
ditetapkan ke null
.
Tidak semua laporan mendukung MCA. MCA didukung oleh laporan berikut:
- Produk dan masalah produk
- Inventaris Lokal
- Inventaris Regional
- Performa Produk
- Daya Saing Harga
- Info Harga
- Penargetan Produk
Membuat kueri data Anda
Saat data Anda ditransfer ke BigQuery, data tersebut akan ditulis ke tabel berpartisi berdasarkan waktu penyerapan. Untuk informasi selengkapnya, lihat Pengantar tabel berpartisi.
Saat Anda melakukan kueri tabel
Google Merchant Center Anda, Anda
harus menggunakan pseudocolumn _PARTITIONTIME
atau _PARTITIONDATE
dalam kueri Anda.
Untuk mengetahui informasi selengkapnya, lihat Membuat kueri tabel berpartisi.
Tabel Products_
berisi kolom bertingkat dan berulang. Untuk informasi tentang
cara menangani data bertingkat dan berulang, lihat
Perbedaan dalam penanganan kolom berulang
dalam dokumentasi GoogleSQL.
Contoh kueri Google Merchant Center
Anda dapat menggunakan contoh kueri Google Merchant Center berikut untuk menganalisis data yang ditransfer. Anda juga dapat menggunakan kueri dalam alat visualisasi seperti Looker Studio.
Di setiap kueri berikut, ganti dataset dengan nama set data Anda. Ganti merchant_id dengan ID Penjual Anda. Jika Anda menggunakan MCA, ganti merchant_id dengan ID MCA Anda.
Contoh kueri produk dan masalah produk
Statistik produk dan masalah produk
Contoh kueri SQL berikut memberikan jumlah produk, produk yang memiliki masalah, dan masalah menurut hari.
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
Produk tidak disetujui untuk Iklan Shopping
Contoh kueri SQL berikut memberikan jumlah produk yang tidak disetujui untuk ditampilkan di Iklan Shopping, dipisahkan berdasarkan negara. Penolakan dapat terjadi karena tujuan dikecualikan atau karena ada masalah dengan produk.
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
Produk dengan masalah tidak disetujui
Contoh kueri SQL berikut mengambil jumlah produk dengan masalah tidak disetujui, dipisahkan berdasarkan negara.
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
Contoh kueri tolok ukur harga
Membandingkan harga produk dengan tolok ukur
Kueri SQL berikut menggabungkan data Products
dan Price Benchmarks
untuk menampilkan
daftar produk dan tolok ukur terkait.
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
Contoh kueri terlaris
Produk teratas untuk kategori dan negara tertentu
Kueri SQL berikut mengembalikan produk teratas untuk "{i>Smartphone<i}" kategori di Amerika Serikat.
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
Produk teratas dalam inventaris Anda
Kueri SQL berikut menggabungkan BestSellers_TopProducts_Inventory_
dan
BestSellers_TopProducts_
data untuk menampilkan daftar produk teratas yang
dalam inventaris Anda.
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)
Merek teratas untuk kategori dan negara tertentu
Kueri SQL berikut mengembalikan merek teratas untuk "{i>Smartphone<i}" kategori di Amerika Serikat.
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
Produk dari merek-merek teratas dalam inventaris Anda
Kueri SQL berikut menampilkan daftar produk dalam inventaris Anda dari merek-merek teratas, yang dicantumkan berdasarkan kategori dan negara.
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