„Einzelhandel“ wird in „Vertex AI Search for Retail“ umbenannt. Wir aktualisieren derzeit unsere Inhalte gemäß dem neuen Branding.

Diese Seite wurde von der Cloud Translation API übersetzt.

Daten nach BigQuery exportieren

Auf dieser Seite wird beschrieben, wie Sie Daten zu Einzelhandelsprodukten und Nutzerereignissen in BigQuery hochladen. Sobald sich Ihre Daten in BigQuery befinden, können damit Umsatzprognosen mit Vertex AI erstellen und um die Daten in vordefinierten Looker-Dashboards anzuzeigen.

Wenn sich Ihre Einzelhandelsdaten bereits in Produkt- und Nutzerereignistabellen in BigQuery befinden, können Sie diese Seite überspringen und direkt zu Dashboards mit wichtigen Leistungskennzahlen abrufen und Umsatzprognosen aus Einzelhandelsdaten erstellen springen. Weitere Informationen zur erhalten Sie unter Product schema und Über Nutzerereignisse.

Hinweise

Bevor Sie Ihre Einzelhandelsdaten nach BigQuery exportieren können, müssen Sie Sie haben die Schritte unter Vorbereitung ausgeführt. Dazu gehören Kataloginformationen und Nutzerereignisse importieren.

Weitere Informationen zum Importieren finden Sie unter:

Dataset in BigQuery erstellen

Sie müssen ein oder zwei Datasets in BigQuery erstellen, Produkt- und Nutzerereignisdaten. Sie können einen Datensatz für beide Datentypen verwenden oder zwei Datensätze erstellen, einen für jeden Datentyp.

Sie müssen die Datasets in demselben Projekt erstellen, in dem Sie Vertex AI Search for Retail implementiert haben.

Wenn Sie BigQuery noch nicht in Ihrem aktiviert haben, aktivieren Sie die BigQuery API und achten Sie darauf, dass Sie die IAM-Rolle zum Erstellen von Datasets und Tabellen haben.

Siehe Vorbereitung und Zugriffssteuerung mit IAM in der BigQuery-Dokumentation.
Erstellen Sie ein Dataset in BigQuery in den USA (mehrere Regionen in USA) multiregional. Nennen Sie es beispielsweise retail_data. Wenn Sie das Dataset in einer anderen Region erstellen, schlägt der Export Ihrer Daten nach BigQuery fehl.

Informationen zum Erstellen eines Datasets finden Sie unter Datasets erstellen in der BigQuery-Dokumentation.

Dieses Dataset wird für die Datentabellen verwendet, die Sie exportieren. Die im Folgenden wird das Exportieren beschrieben.
Optional: Wenn Sie die Nutzerereignisdaten in einem separaten Dataset platzieren möchten, erstellen Sie ein zweites Dataset. Benennen Sie ihn beispielsweise retail_user_event_data.

Vertex AI Search for Retail-Katalog in eine BigQuery-Tabelle exportieren

Verwenden Sie die Methode ExportProducts, um Ihren Retail-Katalog in eine BigQuery-Tabelle zu exportieren.

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich in in die gcloud-Befehlszeile mit Ihrem Nutzerkonto ein, indem Sie Folgendes ausführen: gcloud init oder gcloud auth login, oder mithilfe von Cloud Shell Dadurch werden Sie automatisch in der gcloud-Befehlszeile angemeldet.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID: Die ID des Vertex AI Search for Retail API-Projekt, in dem Sie die BigQuery-Datei erstellt haben Dataset.
BRANCH_ID: Die ID des Katalogzweigs. Verwenden Sie default_branch, um Daten aus dem Standardzweig abzurufen. Weitere Informationen finden Sie unter Katalogzweige:
DATASET_ID: Der Name des Datasets, das Sie unter Dataset in BigQuery erstellen erstellt haben. Verwenden Sie beispielsweise retail_data oder retail_product_data. Das Dataset muss sich im selben Projekt befinden. Fügen Sie die Projekt-ID hier nicht in das Feld datasetId ein.
TABLE_ID_PREFIX: Präfix für die Tabellen-ID. Dieses Präfix darf kein leerer String sein. Um den Tabellennamen zu vervollständigen, wird das Suffix retail_products hinzugefügt. Wenn das Präfix beispielsweise test ist, heißt die Tabelle test_retail_products.

JSON-Text anfordern:

{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl (Linux, macOS oder Cloud Shell)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

cat > request.json << 'EOF'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
EOF

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/branches/BRANCH_ID/products:export"

PowerShell (Windows)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

@'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
'@  | Out-File -FilePath request.json -Encoding utf8

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/branches/BRANCH_ID/products:export" | Select-Object -Expand Content

Sie sollten in etwa folgende JSON-Antwort erhalten:

{
  "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/operations/17986570020347019923",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2alpha.ExportProductsResponse",
    "outputResult": {
      "bigqueryResult": [
        {
          "datasetId": "DATASET_ID",
          "tableId": "TABLE_ID_PREFIX_retail_products"
        }
      ]
    }
  }
}

Nutzerereignisse in eine BigQuery-Tabelle exportieren

Mit der Methode userEvents.export können Sie Ereignisse von Einzelhandelsnutzern in ein BigQuery-Tabelle:

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto in der gcloud-Befehlszeile angemeldet haben. Dazu haben Sie gcloud init oder gcloud auth login ausgeführt oder die Cloud Shell genutzt, die Sie automatisch in der gcloud-Befehlszeile anmeldet.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

PROJECT_ID: Die ID des Vertex AI Search for Retail API-Projekts, in dem Sie das BigQuery-Dataset erstellt haben.
DATASET_ID: Der Name des Dataset, das Sie unter Dataset erstellen in BigQuery. Verwenden Sie beispielsweise retail_data oder retail_product_data.
TABLE_ID_PREFIX: Präfix für die Tabellen-ID. Dieses Präfix darf kein leerer String sein. Um den Tabellennamen zu vervollständigen, wird das Suffix retail_products hinzugefügt. Wenn das Präfix beispielsweise test ist, heißt die Tabelle test_retail_products.

JSON-Text anfordern:

{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl (Linux, macOS oder Cloud Shell)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

cat > request.json << 'EOF'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
EOF

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:export"

PowerShell (Windows)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json. Führen Sie folgenden Befehl im Terminal aus, um diese Datei im aktuellen Verzeichnis zu erstellen oder zu überschreiben:

@'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
'@  | Out-File -FilePath request.json -Encoding utf8

Führen Sie dann folgenden Befehl aus, um Ihre REST-Anfrage zu senden:

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:export" | Select-Object -Expand Content

Sie sollten in etwa folgende JSON-Antwort erhalten:

{
  "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/operations/17203443067109586170",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2alpha.ExportUserEventsResponse",
    "outputResult": {
      "bigqueryResult": [
        {
          "datasetId": "DATASET_ID",
          "tableId": "TABLE_ID_PREFIX_retail_user_events"
        }
      ]
    }
  }
}

Exportierte Daten

Hier finden Sie wichtige Informationen zu den Einzelhandelsdaten, in die Sie exportieren BigQuery-Tabellen:

Die Daten, die in BigQuery-Tabellen in Ihrem Projekt exportiert werden, sind autorisierte Ansichten, keine materialisierten Ansichten.
Sie können die Daten in diesen Tabellen nicht ändern oder aktualisieren.
Die Produkte werden stündlich aktualisiert.
Nutzerereignisse werden nahezu in Echtzeit aktualisiert.

Exportierte Nutzerereignisdaten

Im Folgenden finden Sie wichtige Informationen zu den Produktinformationen in der exportierten Nutzerereignisdaten.

Informationen zum Produktpreis

Wie Produktpreisinformationen von der userEvents.export-Methode zurückgegeben werden, hängt von Folgendem ab:

Sie haben in Ihren Nutzerereignisdaten Preisinformationen angegeben, Datenaufnahme. Wenn du die userEvents.export aufrufst ist der mit einem Nutzerereignis zurückgegebene Preis der Preis des Produkts zu zum Zeitpunkt des Ereignisses.
Sie haben keine Preisinformationen in Ihren Nutzerereignisdaten angegeben, aber bei der Datenaufnahme Preisinformationen in Ihre Produktdaten aufgenommen. Wenn du die userEvents.export aufrufst -Methode handelt, entspricht der mit einem Nutzerereignis zurückgegebene Preis nicht unbedingt dem Preis des Produkts zum Zeitpunkt des Ereignisses. Es ist der Preis, der in Ihrem Produktdaten zum Zeitpunkt der Aufnahme.
Sie haben in Ihren Nutzerereignisdaten keine Preisinformationen angegeben und In Ihren Produktdaten sind keine Preisinformationen verfügbar. Wenn Sie die Methode userEvents.export aufrufen, wird mit Nutzerereignissen kein Preis zurückgegeben.

Weitere Produktinformationen

Alle Produktinformationen (außer Preis) werden zum Zeitpunkt des Aufrufs der Methode userEvents.export mit den Informationen zu Nutzerereignissen zusammengeführt. Produktwerte können sich zwischen dem Zeitpunkt des Nutzerereignisses und dem Zeitpunkt ändern, zu dem du userEvents.export aufrufst. In diesem Fall können die in der Nutzerereignistabelle zurückgegebenen Nicht-Preis-Produktwerte von den Produktwerten zum Zeitpunkt des Nutzerereignisses abweichen.

Optional: Prüfen, ob sich die neuen Tabellen in BigQuery befinden

Nachdem Sie Ihre Produktdaten und Nutzerereignisdaten exportiert haben, BigQuery, machen Sie ob neue Tabellen vorhanden sind.

Rufen Sie in BigQuery das oder die Datasets auf, die Sie unter Dataset in BigQuery erstellen erstellt haben.
Öffnen Sie die Datasets und prüfen Sie, ob die beiden exportierten Tabellen angezeigt werden. Suchen Sie z. B. nach Tabellen, deren Namen auf retail_products enden und retail_user_events.