跨媒体和产品关联数据分析

本页介绍了使用 Cortex Framework Data Foundation 的跨媒体和产品关联分析 (Cross Media) 加速器所需的配置。

借助这款跨媒体加速器，Cortex Framework Data Foundation 会添加一组初始 KPI，以便了解在 Google Ads、YouTube（搭配 DV360）、Meta 和 TikTok 等媒体平台上投放的营销广告系列对商品和商品类别销售效果的影响。

下图描述了如何通过 Cortex Framework Data Foundation 的营销工作负载获取跨媒体数据分析：

CM360 数据源

图 1。跨媒体架构。

配置文件

config.json 文件用于配置连接到数据源以从各种工作负载传输数据所需的设置。此文件包含以下跨媒体参数：

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

下表介绍了每个参数的值：

参数 含义 默认值
k9.deployCrossMedia 是否部署跨媒体功能。请注意，必须同时部署 Google Ads、YouTube（使用 DV360）、Meta 或 TikTok 中的至少一个，否则部署将失败。 False
k9.CrossMedia.productHierarchyType 要在“产品”维度中使用哪个产品层次结构。取决于实际数据。将此值设置为与商品层次结构维度的 productHierarchyType 值相同。 SAP
k9.CrossMedia.maxProductHierarchyMatchLevel 限制要匹配的商品层次结构的级别。SKU 数量较多的公司可能存在层次过深的问题，其中包含包装方面的具体信息（例如，玻璃瓶装或罐装可口可乐，单独包装或批量包装）。某些系统（例如 SAP）对您可以深入到什么程度有自己的限制。 9
k9.CrossMedia.targetCurrencies 用于报告和 BI 目的的目标币种。所有来源币种都将换算成这些币种。 ["USD"]
k9.CrossMedia.additionalPrompt 可选：向 LLM 模型传递其他提示。
k9.CrossMedia.lookbackWindowDays 进行增量刷新时要回溯的天数 7
VertexAI.region Vertex AI 区域（假设 Vertex AI API 的源项目）。它必须与 BigQuery 位于同一位置，并且不得是多区域。如果 BigQuery 位于多区域中，则可以使用同一多区域中的任何区域 us-central1（与默认 BigQuery 位置 us 匹配）
VertexAI.processingDataset Vertex AI 作业的 BigQuery 数据集必须位于 VertexAI.region 位置，而不是多区域位置。 CORTEX_VERTEX_AI_PROCESSING

数据模型

本部分使用实体关系图 (ERD) 介绍了跨媒体和产品关联数据分析数据模型。

跨媒体的实体关系图

图 2。跨媒体和产品关联数据分析：实体关系图。

部署跨媒体

  1. 在源项目中创建 BigQuery 数据集，以供 Vertex AI 进行处理。

  2. 按照各自的指南配置以下一个或多个营销数据源以进行部署：

    1. Google Ads
    2. 元
    3. YouTube（通过 DV360）
    4. TikTok

  3. 启用并配置所需的通用维度：

    1. 国家/地区维度
    2. 商品维度
    3. 货币换算

  4. 配置跨媒体设置：

    1. 将 k9.deployCrossMedia 设置为 True。
    2. 将 k9.CrossMedia.productHierarchyType 设置为与上一步中的 dataSourceType 相同的值。
    3. 在 VertexAI 部分，将数据集设置为您在第 1 步中创建的数据集，region 应与 Vertex AI 处理数据集所在的位置一致。

  5. 根据需要调整任何其他设置。然后，您就可以开始部署了。

运行 DAG

  1. 根据需要设置 Cloud Composer Airflow 环境。确保 k9_reporting 连接配置正确无误。
  2. 将数据加载到“货币换算”和“商品层次结构”表中。
  3. 运行 cross_media DAG。有两种变体：“完整刷新”或“增量刷新”。请使用适合您的用例的选项。

已知问题

如果未填充“货币换算”表，则最终输出表的所有行的 TotalCostInTargetCurrency 列都将为空。在这种情况下，您仍然可以使用 TotalCostInSourceCurrency 列以原始货币报告费用。

后续步骤