Cette page explique comment importer des données sur les produits et les événements utilisateur dans BigQuery. Une fois vos données dans BigQuery, vous pourrez les utiliser pour effectuer des prévisions de ventes avec Vertex AI et pour les afficher dans des tableaux de bord Looker prédéfinis.
Si vos données commerciales se trouvent déjà dans des tables d'événements produit et utilisateur au format Vertex AI Search for Commerce dans BigQuery, vous pouvez ignorer cette page et passer directement à Obtenir des tableaux de bord affichant les indicateurs clés de performance et Générer des prévisions de ventes à partir de données retail. Pour en savoir plus sur le format, consultez Schéma Product et À propos des événements utilisateur.
Avant de commencer
Avant de pouvoir exporter vos données e-commerce vers BigQuery, vous devez avoir suivi les procédures décrites dans Configuration initiale.
Par exemple :
- Importer des informations de catalogue
- Enregistrer des événements utilisateur en temps réel
- Importer des événements utilisateur historiques
Créer un ensemble de données dans BigQuery
Vous devez créer un ou deux ensembles de données dans BigQuery pour stocker vos données d'événements produit et utilisateur.
Vous pouvez utiliser un seul ensemble de données pour contenir les deux types de données ou créer deux ensembles de données, un pour chaque type de données.
Vous devez créer les ensembles de données dans le même projet que celui dans lequel vous avez implémenté Vertex AI Search pour le commerce.
Si vous n'avez jamais utilisé BigQuery dans votre projet, activez l'API BigQuery et assurez-vous de disposer du rôle IAM qui vous permet de créer des ensembles de données et des tables.
Consultez Avant de commencer et Contrôle des accès avec IAM dans la documentation BigQuery.
Créez un ensemble de données dans BigQuery dans la multirégion États-Unis. Par exemple, nommez-le
retail_data
.Facultatif : Pour placer vos données d'événements utilisateur dans un ensemble de données distinct de vos données produit, créez un deuxième ensemble de données. Par exemple, nommez-le
retail_user_event_data
.
Pour en savoir plus sur la création d'ensembles de données BigQuery, consultez la documentation BigQuery.
Cet ensemble de données servira à stocker les tables de données que vous exportez. Les procédures suivantes décrivent comment exporter des données.
Exporter votre catalogue Vertex AI Search pour le commerce vers une table BigQuery
Utilisez la méthode export
pour exporter votre catalogue Retail dans une table BigQuery.
Avant d'utiliser les données de requête, effectuez les remplacements suivants :
- PROJECT_ID : ID du projet d'API Vertex AI Search for Commerce dans lequel vous avez créé l'ensemble de données BigQuery.
-
BRANCH_ID : ID de la branche du catalogue. Utilisez
default_branch
pour obtenir des données à partir de la branche par défaut. Pour en savoir plus, consultez Branches du catalogue. -
DATASET_ID : nom de l'ensemble de données que vous avez créé dans
Créer un ensemble de données dans BigQuery. Par exemple, utilisez
retail_data
ouretail_product_data
. L'ensemble de données doit se trouver dans le même projet. N'ajoutez pas l'ID du projet dans le champdatasetId
. -
TABLE_ID_PREFIX : préfixe de l'ID de la table. Ce préfixe ne peut pas être une chaîne vide. Un suffixe
retail_products
est ajouté pour compléter le nom de la table. Par exemple, si le préfixe esttest
, la table est nomméetest_retail_products
.
Corps JSON de la requête :
{ "outputConfig": { "bigqueryDestination": { "datasetId": "DATASET_ID", "tableIdPrefix": "TABLE_ID_PREFIX", "tableType": "view" } } }
Pour envoyer votre requête, développez l'une des options suivantes :
Vous devriez recevoir une réponse JSON de ce type :
{ "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" } ] } } }
Exporter vos événements utilisateur vers une table BigQuery
Utilisez la méthode userEvents.export
pour exporter vos événements utilisateur Retail dans une table BigQuery :
Avant d'utiliser les données de requête, effectuez les remplacements suivants :
- PROJECT_ID : ID du projet d'API Vertex AI Search for Commerce dans lequel vous avez créé l'ensemble de données BigQuery.
-
DATASET_ID : nom de l'ensemble de données que vous avez créé dans Créer un ensemble de données dans BigQuery. Par exemple, utilisez
retail_data
ouretail_product_data
. -
TABLE_ID_PREFIX : préfixe de l'ID de la table. Ce préfixe ne peut pas être une chaîne vide. Un suffixe
retail_products
est ajouté pour compléter le nom de la table. Par exemple, si le préfixe esttest
, la table est nomméetest_retail_products
.
Corps JSON de la requête :
{ "outputConfig": { "bigqueryDestination": { "datasetId": "DATASET_ID", "tableIdPrefix": "TABLE_ID_PREFIX", "tableType": "view" } } }
Pour envoyer votre requête, développez l'une des options suivantes :
Vous devriez recevoir une réponse JSON de ce type :
{ "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" } ] } } }
À propos des données exportées
Voici ce que vous devez savoir sur les données commerciales que vous exportez vers les tables BigQuery :
Les données exportées vers les tables BigQuery de votre projet sont des vues autorisées, et non des vues matérialisées.
Vous ne pouvez pas modifier ni mettre à jour les données de ces tables.
Les produits sont actualisés toutes les heures.
Les événements utilisateur sont actualisés quasiment en temps réel.
À propos des données d'événements utilisateur exportées
Voici ce que vous devez savoir sur les informations produit incluses dans les données d'événements utilisateur exportées.
Informations sur le prix des produits
La façon dont les informations sur le prix des produits sont renvoyées par la méthode userEvents.export
dépend des éléments suivants :
Vous avez inclus des informations sur le prix dans vos données d'événement utilisateur au moment de l'ingestion. Lorsque vous appelez la méthode
userEvents.export
, le prix renvoyé avec un événement utilisateur correspond au prix du produit au moment de l'événement.Vous n'avez pas inclus d'informations sur les prix dans vos données d'événements utilisateur, mais vous en avez inclus dans vos données produit au moment de l'ingestion. Lorsque vous appelez la méthode
userEvents.export
, le prix renvoyé avec un événement utilisateur n'est pas nécessairement le prix du produit au moment de l'événement. Il s'agit du prix indiqué dans vos données produit au moment de l'ingestion.Vous n'avez pas inclus d'informations sur les prix dans vos données d'événements utilisateur et aucune information sur les prix n'est disponible dans vos données produit. Lorsque vous appelez la méthode
userEvents.export
, aucun prix n'est renvoyé avec les événements utilisateur.
Autres informations sur le produit
Toutes les informations sur les produits (sauf le prix) sont associées aux informations sur les événements utilisateur au moment où vous appelez la méthode userEvents.export
. Les valeurs des produits peuvent changer entre le moment où l'événement utilisateur se produit et le moment où vous appelez userEvents.export
. C'est pourquoi les valeurs des produits sans prix renvoyées dans le tableau des événements utilisateur peuvent être différentes de celles des produits au moment de l'événement utilisateur.
Facultatif : Vérifiez que les nouvelles tables se trouvent dans BigQuery.
Après avoir exporté vos données produit et vos données d'événements utilisateur vers BigQuery, assurez-vous que de nouvelles tables sont présentes.
Dans BigQuery, accédez au ou aux ensembles de données que vous avez créés dans Créer un ensemble de données dans BigQuery.
Ouvrez le ou les ensembles de données et assurez-vous que les deux tables que vous avez exportées s'affichent. Par exemple, recherchez les tables dont le nom se termine par
retail_products
etretail_user_events
.
Pour en savoir plus sur l'utilisation des tables BigQuery, consultez Interroger et afficher des données.
Consultez la page Gouvernance des données pour en savoir plus sur la façon dont Vertex AI Search pour le commerce gère les données client.