Approfondimenti cross-media e sui prodotti collegati

Questa pagina descrive le configurazioni necessarie per utilizzare l'acceleratore Cross Media e Product Connected Insights (Cross Media) di Cortex Framework Data Foundation.

Con questo acceleratore cross media, Cortex Framework Data Foundation viene arricchito con un insieme iniziale di KPI per comprendere l'efficacia delle campagne di marketing pubblicate su piattaforme multimediali come Google Ads, YouTube (con DV360), Meta e TikTok per il rendimento delle vendite di prodotti e categorie di prodotti.

Il seguente diagramma descrive come gli approfondimenti cross-media sono disponibili tramite i workload di marketing di Cortex Framework Data Foundation:

Origine dati CM360

Figura 1. Architettura cross media.

File di configurazione

Il file config.json configura le impostazioni necessarie per connettersi alle origini dati per il trasferimento dei dati da vari workload. Questo file contiene i seguenti parametri per Cross Media:

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

La tabella seguente descrive il valore di ciascun parametro:

Parametro Significato Valore predefinito
k9.deployCrossMedia Indica se Cross Media verrà implementato. Tieni presente che è necessario eseguire il deployment di almeno uno tra Google Ads, YouTube (con DV360), Meta o TikTok, altrimenti il deployment non andrà a buon fine. False
k9.CrossMedia.productHierarchyType Quale delle gerarchie di prodotto utilizzare all'interno della dimensione prodotto. Dipende dai dati effettivi. Imposta questo valore sullo stesso valore del valore productHierarchyType per la dimensione Gerarchia dei prodotti. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita il livello della gerarchia dei prodotti per la corrispondenza. Le aziende con molti SKU potrebbero avere gerarchie troppo approfondite con specifiche del confezionamento (ad esempio Coca Cola in vetro o lattine, confezionata singolarmente o in batch). Alcuni sistemi, come SAP, hanno un limite di profondità. 9
k9.CrossMedia.targetCurrencies Valute target utilizzate per i report e la BI. Tutte le valute di origine verranno convertite in queste valute. ["USD"]
k9.CrossMedia.additionalPrompt (Facoltativo) Passa ulteriori prompt al modello LLM.
k9.CrossMedia.lookbackWindowDays Numero di giorni da prendere in considerazione per l'aggiornamento incrementale 7
VertexAI.region Regione Vertex AI (si presume che il progetto di origine sia per l'API Vertex AI). Deve essere co-allocato con BigQuery e non deve essere multi-regione. Se BigQuery si trova in una località multiregionale, è accettabile qualsiasi regione della stessa località multiregionale us-central1 (che corrisponde alla località predefinita di BigQueryus)
VertexAI.processingDataset Il set di dati BigQuery per i job Vertex AI deve essere nella località VertexAI.region e non in una multiregione. CORTEX_VERTEX_AI_PROCESSING

Modello dati

Questa sezione descrive il modello di dati di Cross Media & Product Connected Insights utilizzando il diagramma entità-relazione (ERD).

Diagramma delle relazioni tra entità per i cross media

Figura 2. Approfondimenti cross media e collegati ai prodotti: diagramma delle relazioni tra entità.

Implementazione di Cross Media

  1. Crea un set di dati BigQuery nel progetto di origine per l'elaborazione di Vertex AI.

  2. Configura una o più delle seguenti origini dati di marketing per il deployment, seguendo le relative guide:

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

  3. Attiva e configura le dimensioni comuni richieste:

    1. Dimensione Paese
    2. Dimensione prodotto
    3. Conversione di valute

  4. Configura le impostazioni di Cross Media:

    1. Imposta k9.deployCrossMedia su True.
    2. Imposta k9.CrossMedia.productHierarchyType sullo stesso valore di dataSourceType nel passaggio precedente.
    3. Nella sezione VertexAI, imposta il set di dati su quello che hai creato nel passaggio 1.region deve corrispondere alla posizione del set di dati di elaborazione Vertex AI.

  5. Modifica le altre impostazioni in base alle esigenze. A questo punto puoi iniziare il deployment.

Esecuzione dei DAG

  1. Configura l'ambiente Airflow di Cloud Composer come richiesto. Assicurati che la connessione k9_reporting sia configurata correttamente.
  2. Carica i dati nelle tabelle Conversione valuta e Gerarchia prodotti.
  3. Esegui i DAG cross_media. Esistono due versioni: "Aggiornamento completo" o " Aggiornamento incrementale". Utilizza quello più adatto al tuo caso d'uso.

Problemi noti

Se la tabella Conversione valuta non è compilata, la colonna TotalCostInTargetCurrency della tabella di output finale sarà vuota per tutte le righe. In questo caso, puoi comunque utilizzare la colonna TotalCostInSourceCurrency per generare report sui costi in valuta di origine.

Passaggi successivi