Estatísticas associadas de produtos e em vários meios

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

Com este acelerador de vários meios, a base de dados do Cortex Framework é enriquecida com um conjunto inicial de IEDs para compreender a eficácia das campanhas de marketing apresentadas em plataformas de meios, como o Google Ads, o YouTube (com o DV360), o Meta e o TikTok, para o desempenho das vendas de produtos e categorias de produtos.

O diagrama seguinte descreve como as estatísticas em vários meios estão disponíveis através dos fluxos de trabalho de marketing da base de dados do Cortex Framework:

Origem de dados do CM360

Figura 1. Arquitetura multimédia.

Ficheiro de configuração

O ficheiro config.json configura as definições necessárias para estabelecer ligação a origens de dados para transferir dados de várias cargas de trabalho. Este ficheiro contém os seguintes parâmetros para a solução Cross Media:

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

A tabela seguinte descreve o valor de cada parâmetro:

Parâmetro Significado Valor predefinido
k9.deployCrossMedia Se a solução Cross Media vai ser implementada. Tenha em atenção que requer, pelo menos, uma das seguintes plataformas para implementação em conjunto: Google Ads, YouTube (com o DV360), Meta ou TikTok. Caso contrário, a implementação falha. False
k9.CrossMedia.productHierarchyType Qual das hierarquias de produtos usar na dimensão do produto. Consoante os dados reais. Defina este valor como o mesmo valor do seu valor productHierarchyType para a dimensão da hierarquia do produto. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita o nível da hierarquia de produtos para a correspondência. As empresas com muitos SKUs podem ter hierarquias demasiado detalhadas 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 o seu próprio limite de profundidade. 9
k9.CrossMedia.targetCurrencies Moedas de destino usadas para fins de relatórios e BI. Todas as moedas de origem vão ser convertidas nestas moedas. ["USD"]
k9.CrossMedia.additionalPrompt Opcional: transmita comandos adicionais ao modelo de MDG.
k9.CrossMedia.lookbackWindowDays Número de dias a considerar ao fazer a atualização incremental 7
VertexAI.region Região do Vertex AI (partindo do princípio de que é o projeto de origem da API Vertex AI). Tem de estar localizada juntamente com o BigQuery e não pode ser uma multirregião. Se o BigQuery estiver numa multirregião, qualquer região da mesma multirregião é aceitável us-central1 (que corresponde à localização predefinida do BigQueryus)
VertexAI.processingDataset O conjunto de dados do BigQuery para tarefas do Vertex AI tem de estar na localização VertexAI.region e não numa multirregião. CORTEX_VERTEX_AI_PROCESSING

Modelo de dados

Esta secção descreve o modelo de dados de estatísticas associadas de produtos e multimédia cruzados através do diagrama de relação entre entidades (ERD).

Diagrama de relação entre entidades para multimédia

Figura 2. Estatísticas de produtos associados e multimédia: diagrama de relação entre entidades.

Implementação de campanhas em vários meios

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

  2. Configure uma ou mais das seguintes origens de dados de marketing para implementação, seguindo os respetivos guias:

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

  3. Ative e configure as Dimensões comuns necessárias:

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

  4. Configure as definições de Cross Media:

    1. Defina k9.deployCrossMedia como True.
    2. Defina k9.CrossMedia.productHierarchyType para o mesmo valor que dataSourceType no passo anterior.
    3. Na secção VertexAI, defina o conjunto de dados como o que criou no passo 1 e region deve corresponder ao local onde se encontra o conjunto de dados de processamento da Vertex AI.

  5. Ajuste outras definições conforme necessário. Depois, tem tudo pronto para iniciar a implementação.

Executar os DAGs

  1. Configure o ambiente do Airflow do Cloud Composer conforme necessário. Certifique-se de que a associação do k9_reporting está configurada corretamente.
  2. Carregue dados nas tabelas de conversão de moeda e hierarquia de produtos.
  3. Execute os cross_media DAGs. Existem duas opções: "Atualização completa" ou "Atualização incremental". Use a opção que se adequa ao seu exemplo de utilização.

Problemas conhecidos

Se a tabela de conversão de moeda não estiver preenchida, a coluna TotalCostInTargetCurrency da tabela de saída final estará vazia para todas as linhas. Neste caso, ainda pode usar a coluna TotalCostInSourceCurrency para criar relatórios sobre os custos na moeda de origem.

O que se segue?