Insights conectados de produtos e mídias cruzadas

Esta página descreve as configurações necessárias para usar o acelerador Cross Media & Product Connected Insights (Cross Media) do Cortex Framework Data Foundation.

Com esse acelerador de mídia cruzada, a Cortex Framework Data Foundation é enriquecida com um conjunto inicial de KPIs para entender a eficácia das campanhas de marketing veiculadas em plataformas de mídia, como o Google Ads, o YouTube (com o DV360), o Meta e o TikTok, para a performance de vendas de produtos e categorias.

O diagrama a seguir descreve como os insights de mídia cruzada estão disponíveis nas cargas de trabalho de marketing do Cortex Framework Data Foundation:

Origem de dados do CM360

Figura 1. Arquitetura cross media.

Arquivo de configuração

O arquivo config.json configura as configurações necessárias para se conectar a fontes de dados para transferir dados de várias cargas de trabalho. Esse arquivo contém os seguintes parâmetros para Cross Media:

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

A tabela a seguir descreve o valor de cada parâmetro:

Parâmetro Significado Valor padrão
k9.deployCrossMedia Se a mídia cruzada será implantada. É necessário implantar pelo menos um dos serviços do Google Ads, do YouTube (com o DV360), do Meta ou do TikTok. Caso contrário, a implantação vai falhar. False
k9.CrossMedia.productHierarchyType Quais das hierarquias de produtos usar na dimensão do produto. Depende dos dados reais. Defina esse valor como o mesmo valor de productHierarchyType para a dimensão "Hierarquia de produtos". SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita o nível da hierarquia de produtos para correspondência. Empresas com muitos SKUs podem ter hierarquias muito profundas com especificações de embalagens (por exemplo, Coca-Cola em garrafas de vidro ou latas, embaladas individualmente ou em lotes). Alguns sistemas, como o SAP, têm um limite de profundidade que você pode alcançar. 9
k9.CrossMedia.targetCurrencies Moedas de destino usadas para relatórios e BI. Todas as moedas de origem serão convertidas para essas moedas. ["USD"]
k9.CrossMedia.additionalPrompt Opcional: transmita outras instruções ao modelo de LLM.
k9.CrossMedia.lookbackWindowDays Quantidade de dias de lookback ao fazer a atualização incremental 7
VertexAI.region Região da Vertex AI (considerando o projeto de origem para a API Vertex AI). Ele precisa estar em colocalização com o BigQuery e não pode ser uma multirregião. Se o BigQuery estiver em uma multirregião, qualquer região da mesma multirregião será aceita us-central1 (que corresponde ao local padrão do BigQuery, us)
VertexAI.processingDataset O conjunto de dados do BigQuery para jobs da Vertex AI precisa estar no local VertexAI.region e não em uma multirregião. CORTEX_VERTEX_AI_PROCESSING

Modelo de dados

Esta seção descreve o modelo de dados de insights conectados de produtos e mídias cruzadas usando o diagrama de relacionamento de entidades (ERD, na sigla em inglês).

Diagrama de relacionamento de entidades para cross media

Figura 2. Insights de cross media e produto conectados: diagrama de relacionamento de entidades.

Implantação de cross media

  1. Crie um conjunto de dados do BigQuery no projeto de origem para processamento da Vertex AI.

  2. Configure uma ou mais das seguintes fontes de dados de marketing para implantação, seguindo os próprios guias:

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

  3. Ative e configure as Dimensões comuns necessárias:

    1. Dimensão de país
    2. Dimensão do produto
    3. Conversão de moeda

  4. Defina as configurações de mídia cruzada:

    1. Defina k9.deployCrossMedia como True.
    2. Defina k9.CrossMedia.productHierarchyType como o mesmo valor de dataSourceType na etapa anterior.
    3. Na seção VertexAI, defina o conjunto de dados como o que você criou na etapa 1. region precisa corresponder ao local do conjunto de dados de processamento da Vertex AI.

  5. Ajuste outras configurações conforme necessário. Em seguida, está tudo pronto para iniciar a implantação.

Como executar os DAGs

  1. Configure o ambiente do Airflow do Cloud Composer conforme necessário. Verifique se a conexão k9_reporting está configurada corretamente.
  2. Carregue dados nas tabelas de conversão de moeda e hierarquia de produtos.
  3. Execute os DAGs cross_media. Há duas variações: "Atualização completa" ou " Atualização incremental". Use a que for mais adequada ao seu caso de uso.

Problemas conhecidos

Se a tabela "Conversão de moeda" não for preenchida, a coluna TotalCostInTargetCurrency da tabela de saída final vai ficar vazia para todas as linhas. Nesse caso, ainda é possível usar a coluna TotalCostInSourceCurrency para informar os custos na moeda de origem.

A seguir