Medienübergreifende und produktbezogene Statistiken

Auf dieser Seite werden die erforderlichen Konfigurationen beschrieben, um den Cross Media-Accelerator der Cortex Framework Data Foundation zu verwenden.

Mit diesem Cross-Media-Accelerator wird die Cortex Framework Data Foundation um eine erste Reihe von KPIs ergänzt, um die Effektivität von Marketingkampagnen auf verschiedenen Medienplattformen wie Google Ads, YouTube (mit DV360), Meta und TikTok im Hinblick auf die Verkaufsleistung von Produkten und Produktkategorien zu analysieren.

Das folgende Diagramm zeigt, wie Cross-Media-Statistiken über die Marketing-Arbeitslasten der Cortex Framework Data Foundation verfügbar sind:

CM360-Datenquelle

Abbildung 1. Medienübergreifende Architektur.

Konfigurationsdatei

In der Datei config.json werden die Einstellungen konfiguriert, die für die Verbindung zu Datenquellen zur Übertragung von Daten aus verschiedenen Arbeitslasten erforderlich sind. Diese Datei enthält die folgenden Parameter für die kanalübergreifende Anzeigenbereitstellung:

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

In der folgenden Tabelle wird der Wert für jeden Parameter beschrieben:

Parameter Bedeutung Standardwert
k9.deployCrossMedia Ob Cross Media implementiert wird. Beachten Sie, dass mindestens eine der Plattformen Google Ads, YouTube (mit DV360), Meta oder TikTok bereitgestellt werden muss, da die Bereitstellung sonst fehlschlägt. False
k9.CrossMedia.productHierarchyType Welche der Produkthierarchien in der Produktdimension verwendet werden soll. Abhängig von den tatsächlichen Daten. Legen Sie diesen Wert auf den Wert für productHierarchyType für die Dimension „Produkthierarchie“ fest. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Hiermit wird die Ebene der Produkthierarchie für die Übereinstimmung begrenzt. Unternehmen mit vielen SKUs haben möglicherweise Hierarchien mit zu vielen Details zur Verpackung (z. B. Coca-Cola in Glas oder Dosen, einzeln oder in Chargen verpackt). Bei einigen Systemen wie SAP gibt es eigene Einschränkungen, wie weit Sie gehen können. 9
k9.CrossMedia.targetCurrencies Zielwährungen, die für die Berichterstellung und BI verwendet werden. Alle Quellwährungen werden in diese Währungen umgerechnet. ["USD"]
k9.CrossMedia.additionalPrompt Optional: Dem LLM-Modell zusätzliche Prompts übergeben.
k9.CrossMedia.lookbackWindowDays Anzahl der Tage für das Lookback-Window bei inkrementeller Aktualisierung 7
VertexAI.region Vertex AI-Region (vorausgesetzt, es handelt sich um das Quellprojekt für die Vertex AI API) Sie muss sich am selben Standort wie BigQuery befinden und darf nicht multiregional sein. Wenn sich BigQuery in einer Multiregion befindet, ist jede Region aus derselben Multiregion zulässig. us-central1 (entspricht dem Standardspeicherort us in BigQuery)
VertexAI.processingDataset Das BigQuery-Dataset für Vertex AI-Jobs muss sich an einem VertexAI.region-Speicherort und nicht in einer Multiregion befinden. CORTEX_VERTEX_AI_PROCESSING

Datenmodell

In diesem Abschnitt wird das Datenmodell für kanalübergreifende und produktbezogene Statistiken anhand eines Entity-Relationship-Diagramms (ERD) beschrieben.

Entitätsbeziehungsdiagramm für medienübergreifende Kampagnen

Abbildung 2 Cross Media & Product Connected Insights: Entity Relationship Diagram.

Cross-Media-Kampagnen bereitstellen

  1. Erstellen Sie im Quellprojekt ein BigQuery-Dataset für die Vertex AI-Verarbeitung.

  2. Konfigurieren Sie eine oder mehrere der folgenden Marketingdatenquellen für die Bereitstellung. Folgen Sie dazu der jeweiligen Anleitung:

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

  3. Aktivieren und konfigurieren Sie die erforderlichen Allgemeinen Dimensionen:

    1. Länderdimension
    2. Produktdimension
    3. Währungsumrechnung

  4. Konfigurieren Sie die Cross Media-Einstellungen:

    1. Setzen Sie k9.deployCrossMedia auf True.
    2. Setzen Sie k9.CrossMedia.productHierarchyType auf denselben Wert wie dataSourceType im vorherigen Schritt.
    3. Legen Sie im Abschnitt VertexAI den Datensatz fest, den Sie in Schritt 1 erstellt haben. region sollte mit dem Speicherort des Vertex AI-Verarbeitungsdatensatzes übereinstimmen.

  5. Passen Sie bei Bedarf weitere Einstellungen an. Dann können Sie mit der Bereitstellung beginnen.

DAGs ausführen

  1. Richten Sie die Cloud Composer Airflow-Umgebung nach Bedarf ein. Prüfen Sie, ob die k9_reporting-Verbindung richtig konfiguriert ist.
  2. Laden Sie Daten in die Tabellen „Währungsumrechnung“ und „Produkthierarchie“.
  3. Führen Sie die DAGs cross_media aus. Es gibt zwei Varianten: „Vollständige Aktualisierung“ oder „Inkrementelle Aktualisierung“. Verwenden Sie die Option, die zu Ihrem Anwendungsfall passt.

Bekannte Probleme

Wenn die Tabelle „Währungsumrechnung“ nicht ausgefüllt ist, ist die Spalte TotalCostInTargetCurrency der endgültigen Ausgabetabelle für alle Zeilen leer. In diesem Fall können Sie die Spalte TotalCostInSourceCurrency weiterhin verwenden, um Berichte zu Kosten in der Quellwährung zu erstellen.

Nächste Schritte