Estadísticas de productos y medios conectados

En esta página, se describen las configuraciones necesarias para usar el acelerador de Cross Media & Product Connected Insights (Cross Media) de Cortex Framework Data Foundation.

Con este acelerador de medios cruzados, la base de datos de Cortex Framework se enriquece con un conjunto inicial de KPIs para comprender la eficacia de las campañas de marketing que se publican en plataformas de medios como Google Ads, YouTube (con DV360), Meta y TikTok para el rendimiento de las ventas de productos y categorías de productos.

En el siguiente diagrama, se describe cómo las estadísticas de Cross Media están disponibles a través de las cargas de trabajo de marketing de Cortex Framework Data Foundation:

Fuente de datos de CM360

Figura 1. Arquitectura multimedia.

Archivo de configuración

El archivo config.json configura los parámetros necesarios para conectarse a fuentes de datos y transferir datos desde varias cargas de trabajo. Este archivo contiene los siguientes parámetros para la publicidad multicanal:

  "k9": {
    "datasets": {... },
    "crossMedia": {
      "productHierarchyType": "",
      "maxProductHierarchyMatchLevel": 9,
      "targetCurrencies": ["USD"],
      "additionalPrompt": "",
      "lookbackWindowDays": 7
    }
  },
  "VertexAI": {
    "region": "us-central1",
    "processingDataset": "CORTEX_VERTEX_AI_PROCESSING"
  },
...

En la siguiente tabla, se describe el valor de cada parámetro:

Parámetro Significado Valor predeterminado
k9.deployCrossMedia Si se implementará Cross Media. Ten en cuenta que se requiere que se implemente al menos uno de Google Ads, YouTube (con DV360), Meta o TikTok junto con la implementación, o esta fallará. False
k9.CrossMedia.productHierarchyType Indica cuál de las jerarquías de productos se debe usar dentro de la dimensión de producto. Dependen de los datos reales. Establece este valor en el mismo valor que el valor de productHierarchyType para la dimensión de jerarquía de productos. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita el nivel de la jerarquía de productos para la coincidencia. Es posible que las empresas con muchos SKUs tengan jerarquías demasiado detalladas con especificaciones de empaque (por ejemplo, Coca Cola en vidrio o latas, empaquetadas de forma individual o en lotes). Algunos sistemas, como SAP, tienen su propio límite de profundidad. 9
k9.CrossMedia.targetCurrencies Son las monedas de segmentación que se usan para generar informes y realizar análisis de BI. Todas las monedas de origen se convertirán a estas monedas. ["USD"]
k9.CrossMedia.additionalPrompt Opcional: Pasa instrucciones adicionales al modelo de LLM.
k9.CrossMedia.lookbackWindowDays Cantidad de días para consultar cuando se realiza una actualización incremental 7
VertexAI.region Región de Vertex AI (se supone que el proyecto de origen es para la API de Vertex AI) Debe estar ubicado en la misma ubicación que BigQuery y no debe ser multirregional. Si BigQuery está en una multirregión, se acepta cualquier región de la misma multirregión. us-central1 (que coincide con la ubicación predeterminada de BigQuery us)
VertexAI.processingDataset El conjunto de datos de BigQuery para los trabajos de Vertex AI debe estar en la ubicación VertexAI.region y no en una multirregión. CORTEX_VERTEX_AI_PROCESSING

Modelo de datos

En esta sección, se describe el modelo de datos de estadísticas de productos y medios cruzados con el diagrama de entidad y relación (ERD).

Diagrama de relaciones de entidades para varios medios

Figura 2: Estadísticas de productos y medios de comunicación cruzados: diagrama de relaciones de entidades.

Implementa Cross Media

  1. Crea un conjunto de datos de BigQuery en el proyecto de origen para el procesamiento de Vertex AI.

  2. Configura una o más de las siguientes fuentes de datos de marketing para la implementación, según sus propias guías:

    1. Google Ads
    2. Meta
    3. YouTube (con DV360)
    4. TikTok

  3. Habilita y configura las dimensiones comunes obligatorias:

    1. Dimensión País
    2. Dimensión del producto
    3. Conversión de monedas

  4. Establece la configuración de Cross Media:

    1. Establece k9.deployCrossMedia en True.
    2. Establece k9.CrossMedia.productHierarchyType con el mismo valor que dataSourceType en el paso anterior.
    3. En la sección VertexAI, establece el conjunto de datos en el que creaste en el paso 1 y region debe coincidir con la ubicación del conjunto de datos de procesamiento de Vertex AI.

  5. Ajusta cualquier otro parámetro de configuración según sea necesario. Luego, estará todo listo para comenzar la implementación.

Ejecuta los DAG

  1. Configura el entorno de Airflow de Cloud Composer según sea necesario. Asegúrate de que la conexión k9_reporting esté configurada correctamente.
  2. Carga datos en las tablas Conversión de monedas y jerarquía de productos.
  3. Ejecuta los DAG de cross_media. Existen dos tipos: "Actualización completa" o "Actualización incremental". Usa el que se adapte a tu caso de uso.

Problemas conocidos

Si no se propaga la tabla de conversión de monedas, la columna TotalCostInTargetCurrency de la tabla de resultados final estará vacía para todas las filas. En este caso, puedes usar la columna TotalCostInSourceCurrency para informar los costos en la moneda de origen.

Próximos pasos