이 페이지에서는 Cortex Framework Data Foundation의 교차 미디어 및 제품 연결 통계 (교차 미디어) 가속기를 활용하는 데 필요한 구성을 설명합니다.
이 교차 미디어 가속기를 통해 Cortex Framework Data Foundation은 Google Ads, YouTube (DV360 포함), Meta, TikTok과 같은 미디어 플랫폼에서 제품 및 제품 카테고리 판매 실적을 위해 실행되는 마케팅 캠페인의 효과를 파악하기 위한 초기 KPI 세트로 보강됩니다.
다음 다이어그램은 Cortex Framework Data Foundation의 마케팅 워크로드를 통해 크로스 미디어 통계를 사용하는 방법을 설명합니다.
그림 1 교차 미디어 아키텍처
구성 파일
config.json 파일은 다양한 워크로드에서 데이터를 전송하기 위해 데이터 소스에 연결하는 데 필요한 설정을 구성합니다. 이 파일에는 교차 미디어의 다음 매개변수가 포함되어 있습니다.
교차 미디어를 배포할지 여부입니다. Google Ads, YouTube (DV360 포함), Meta 또는 TikTok 중 하나 이상을 함께 배포해야 하며, 그러지 않으면 배포가 실패합니다.
False
k9.CrossMedia.productHierarchyType
제품 측정기준 내에서 사용할 제품 계층 중 하나입니다. 실제 데이터에 따라 다름 이 값을 제품 계층 구조 측정의 productHierarchyType 값과 동일한 값으로 설정합니다.
SAP
k9.CrossMedia.maxProductHierarchyMatchLevel
일치에 사용할 제품 계층 구조의 수준을 제한합니다. SKU가 많은 회사의 경우 포장의 세부정보에 관해 너무 심층적인 계층 구조가 있을 수 있습니다 (예: 개별적으로 또는 일괄적으로 포장된 유리 또는 캔에 담긴 코카콜라). SAP와 같은 일부 시스템에는 탐색할 수 있는 깊이에 대한 자체 제한이 있습니다.
9
k9.CrossMedia.targetCurrencies
보고 및 BI 목적으로 사용되는 타겟 통화입니다. 모든 소스 통화가 이러한 통화로 변환됩니다.
["USD"]
k9.CrossMedia.additionalPrompt
선택사항: LLM 모델에 추가 프롬프트를 전달합니다.
k9.CrossMedia.lookbackWindowDays
증분 새로고침 시 확인할 과거 기간(일)
7
VertexAI.region
Vertex AI 리전 (Vertex AI API의 소스 프로젝트 가정) BigQuery와 동일한 위치에 배치되어야 하며 멀티 리전이 아니어야 합니다. BigQuery가 멀티 리전에 있는 경우 동일한 멀티 리전의 모든 리전을 사용할 수 있습니다.
us-central1 (기본 BigQuery 위치 us와 일치)
VertexAI.processingDataset
Vertex AI 작업의 BigQuery 데이터 세트는 멀티 리전이 아닌 VertexAI.region 위치에 있어야 합니다.
CORTEX_VERTEX_AI_PROCESSING
데이터 모델
이 섹션에서는 항목 관계 다이어그램 (ERD)을 사용하여 교차 미디어 및 제품 연결된 통계 데이터 모델을 설명합니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-09-10(UTC)"],[[["\u003cp\u003eThis page outlines the configuration process for the Cross Media & Product Connected Insights accelerator within the Cortex Framework Data Foundation.\u003c/p\u003e\n"],["\u003cp\u003eThe Cross Media accelerator provides KPIs for analyzing marketing campaign effectiveness across platforms like Google Ads, YouTube (DV360), Meta, and TikTok, relating them to product sales.\u003c/p\u003e\n"],["\u003cp\u003eConfiguration involves setting parameters in the \u003ccode\u003econfig.json\u003c/code\u003e file, including product hierarchy, target currencies, and lookback window, as well as ensuring that the region and processing dataset for Vertex AI are correct.\u003c/p\u003e\n"],["\u003cp\u003eDeployment requires configuring at least one marketing data source (Google Ads, YouTube, Meta, or TikTok), enabling Common Dimensions (Country, Product, Currency Conversion), and running the \u003ccode\u003ecross_media\u003c/code\u003e DAGs.\u003c/p\u003e\n"],["\u003cp\u003eIf the Currency Conversion table is not populated, reporting on cost in target currencies will not be possible, but reporting on cost in source currencies is still possible.\u003c/p\u003e\n"]]],[],null,["# Cross Media & Product Connected Insights\n\nCross Media \\& Product Connected Insights\n=========================================\n\nThis page describes the required configurations to utilize Cross Media \\&\nProduct Connected Insights (Cross Media) accelerator of\nCortex Framework Data Foundation.\n\nWith this Cross Media accelerator, Cortex Framework Data\nFoundation is enriched with an initial set of KPIs to understand the\neffectiveness of marketing campaigns running across media platforms such as\nGoogle Ads, YouTube (with DV360), Meta, and TikTok for product\nand product category sales performance.\n\nThe following diagram describes how Cross Media insights are available through\nthe marketing workloads of Cortex Framework Data Foundation:\n\n**Figure 1**. Cross media architecture.\n\n### Configuration file\n\nThe [config.json](https://github.com/GoogleCloudPlatform/cortex-data-foundation/blob/main/config/config.json) file configures the settings required to connect to data sources for\ntransferring data from various workloads. This file contains the following\nparameters for Cross Media: \n\n \"k9\": {\n \"datasets\": {... },\n \"crossMedia\": {\n \"productHierarchyType\": \"\",\n \"maxProductHierarchyMatchLevel\": 9,\n \"targetCurrencies\": [\"USD\"],\n \"additionalPrompt\": \"\",\n \"lookbackWindowDays\": 7\n }\n },\n \"VertexAI\": {\n \"region\": \"us-central1\",\n \"processingDataset\": \"CORTEX_VERTEX_AI_PROCESSING\"\n },\n ...\n\nThe following table describes the value for each parameter:\n\n### Data Model\n\nThis section describes the Cross Media \\& Product Connected Insights Data Model\nusing the Entity Relationship Diagram (ERD).\n\n[](/static/cortex/docs/images/erd_cross_media.png)\n**Figure 2**. Cross Media \\& Product Connected Insights: Entity Relationship Diagram.\n\n### Deploying Cross Media\n\n1. Create a BigQuery dataset in the source project for\n Vertex AI processing.\n\n | **Note:** The location of this dataset should be in the same general region as your datasets, but it can't be in a multi-region. For example, if your other datasets are in `us` then this dataset can be in `us-central1`, but not `us`.\n2. Configure one or more of the following Marketing data sources for deployment,\n following their own guides:\n\n 1. [Google Ads](/cortex/docs/marketing-googleads)\n 2. [Meta](/cortex/docs/meta)\n 3. [Youtube (with DV360)](/cortex/docs/marketing-gdv360)\n 4. [TikTok](/cortex/docs/marketing-tiktok)\n3. Enable and configure required [Common Dimensions](/cortex/optional-step-common-dimensions):\n\n 1. Country Dimension\n 2. Product Dimension\n 3. Currency Conversion\n4. Configure Cross Media settings:\n\n 1. Set `k9.deployCrossMedia` to `True`.\n 2. Set `k9.CrossMedia.productHierarchyType` to the same value as `dataSourceType` in the previous step.\n 3. In `VertexAI` section, set the dataset to the one you created in step 1, and `region` should match where the Vertex AI processing dataset is.\n5. Adjust any other settings as necessary. Then you are ready to start the\n deployment.\n\n### Running the DAGs\n\n1. Set up [Cloud Composer Airflow environment](/composer/docs/composer-3/composer-overview) as required. Make sure the `k9_reporting` connection is [configured](/cortex/docs/gathering-settings) correctly.\n2. [Load data](/cortex/optional-step-common-dimensions) into Currency Conversion and Product Hierarchy tables.\n3. Run the `cross_media` DAGs. There are two flavors: \"Full refresh\" or \" Incremental refresh\". Use whichever that fits your use case.\n\n### Known issues\n\nIf the Currency Conversion table is not populated, `TotalCostInTargetCurrency`\ncolumn of the final output table will be empty for all rows. In this case you\ncan still use `TotalCostInSourceCurrency` column to report on costs in\nsource currency.\n\nWhat's next?\n------------\n\n- For more information about other data sources and workloads, see [Data sources and workloads](/cortex/docs/data-sources-and-workloads).\n- For more information about the steps for deployment in production environments, see [Cortex Framework Data Foundation deployment prerequisites](/cortex/docs/deployment-prerequisites)."]]
