Retail diganti namanya menjadi Vertex AI Search untuk retail. Kami sedang dalam proses memperbarui konten untuk mencerminkan branding baru ini.

Mengekspor data ke BigQuery

Halaman ini menjelaskan cara mengupload data peristiwa pengguna dan produk retail ke BigQuery. Setelah data Anda berada di BigQuery, Anda akan dapat menggunakannya untuk melakukan perkiraan penjualan dengan Vertex AI dan melihat data di dasbor Looker bawaan.

Jika data retail Anda sudah ada di tabel peristiwa pengguna dan produk di BigQuery, dalam Vertex AI Search untuk format retail, Anda dapat melewati halaman ini dan langsung membuka Mendapatkan dasbor yang menampilkan indikator performa utama dan Menghasilkan perkiraan penjualan dari data retail. Untuk mengetahui informasi selengkapnya tentang format ini, lihat Skema produk dan Tentang peristiwa pengguna.

Sebelum memulai

Agar dapat mengekspor data retail ke BigQuery, Anda harus menyelesaikan prosedur di bagian Sebelum memulai. Hal ini termasuk mengimpor informasi katalog dan peristiwa pengguna Anda.

Untuk informasi selengkapnya tentang pengimporan, lihat:

Membuat set data di BigQuery

Anda perlu membuat satu atau dua set data di BigQuery untuk menyimpan data produk dan peristiwa pengguna. Anda dapat menggunakan satu set data untuk menyimpan kedua jenis data atau membuat dua set data, satu untuk setiap jenis data.

Anda harus membuat set data dalam project yang sama tempat Anda mengimplementasikan Vertex AI Search untuk retail.

Jika Anda belum pernah menggunakan BigQuery di project, aktifkan BigQuery API dan pastikan Anda memiliki peran IAM yang memungkinkan Anda membuat set data dan tabel.

Lihat bagian Sebelum memulai dan Kontrol akses dengan IAM dalam dokumentasi BigQuery.
Buat set data di BigQuery di multi-region US (beberapa region di Amerika Serikat). Misalnya, beri nama retail_data. Jika Anda membuat set data di region lain, pengeksporan data ke BigQuery akan gagal.

Untuk mengetahui informasi tentang cara membuat set data, lihat Membuat set data dalam dokumentasi BigQuery.

Set data ini akan digunakan untuk menyimpan tabel data yang Anda ekspor. Prosedur berikut menjelaskan cara melakukan ekspor.
Opsional: Untuk menempatkan data peristiwa pengguna di set data terpisah dari data produk, buat set data kedua. Misalnya, beri nama retail_user_event_data.

Ekspor Vertex AI Search Anda untuk katalog retail ke tabel BigQuery

Gunakan metode products.export untuk mengekspor katalog retail ke tabel BigQuery.

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke CLI gcloud dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login, atau menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke CLI gcloud.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

PROJECT_ID: ID project Vertex AI Search untuk retail API tempat Anda membuat set data BigQuery.
BRANCH_ID: ID cabang katalog. Gunakan default_branch untuk mendapatkan data dari cabang default. Untuk informasi selengkapnya, lihat Cabang katalog.
DATASET_ID: Nama set data yang Anda buat di langkah Membuat set data di BigQuery. Misalnya, gunakan retail_data atau retail_product_data. Set data harus berada dalam project yang sama. Jangan tambahkan project ID ke kolom datasetId di sini.
TABLE_ID_PREFIX: Awalan untuk ID tabel. Awalan ini tidak boleh berupa string kosong. Akhiran retail_products ditambahkan untuk melengkapi nama tabel. Misalnya, jika awalan adalah test, tabel akan diberi nama test_retail_products.

Meminta isi JSON:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Simpan isi permintaan dalam file bernama request.json. Jalankan perintah berikut di terminal untuk membuat atau menimpa file ini di direktori saat ini:

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

Kemudian jalankan perintah berikut untuk mengirim permintaan REST Anda:

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)

Simpan isi permintaan dalam file bernama request.json. Jalankan perintah berikut di terminal untuk membuat atau menimpa file ini di direktori saat ini:

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

Kemudian jalankan perintah berikut untuk mengirim permintaan REST Anda:

$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

Anda akan melihat respons JSON seperti berikut:

{
  "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"
        }
      ]
    }
  }
}

Mengekspor peristiwa pengguna ke tabel BigQuery

Gunakan metode userEvents.export untuk mengekspor peristiwa pengguna retail Anda ke tabel BigQuery:

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

PROJECT_ID: ID project Vertex AI Search untuk retail API tempat Anda membuat set data BigQuery.
DATASET_ID: Nama set data yang Anda buat di langkah Membuat set data di BigQuery. Misalnya, gunakan retail_data atau retail_product_data.
TABLE_ID_PREFIX: Awalan untuk ID tabel. Awalan ini tidak boleh berupa string kosong. Akhiran retail_products ditambahkan untuk melengkapi nama tabel. Misalnya, jika awalan adalah test, tabel akan diberi nama test_retail_products.

Meminta isi JSON:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Simpan isi permintaan dalam file bernama request.json. Jalankan perintah berikut di terminal untuk membuat atau menimpa file ini di direktori saat ini:

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

Kemudian jalankan perintah berikut untuk mengirim permintaan REST Anda:

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)

Simpan isi permintaan dalam file bernama request.json. Jalankan perintah berikut di terminal untuk membuat atau menimpa file ini di direktori saat ini:

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

Kemudian jalankan perintah berikut untuk mengirim permintaan REST Anda:

$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

Anda akan melihat respons JSON seperti berikut:

{
  "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"
        }
      ]
    }
  }
}

Tentang data yang diekspor

Berikut adalah hal-hal yang perlu diketahui tentang data retail yang Anda ekspor ke tabel BigQuery:

Data yang diekspor ke tabel BigQuery di project Anda adalah tampilan resmi, bukan tampilan terwujud.
Anda tidak dapat mengubah atau memperbarui data dalam tabel ini.
Produk diperbarui setiap jam.
Peristiwa pengguna diperbarui hampir secara real time.

Tentang data peristiwa pengguna yang diekspor

Berikut adalah hal-hal yang perlu diketahui tentang informasi produk yang disertakan dengan data peristiwa pengguna yang diekspor.

Informasi harga produk

Cara informasi harga produk ditampilkan oleh metode userEvents.export bergantung pada hal berikut:

Anda menyertakan informasi harga dalam data peristiwa pengguna pada saat penyerapan. Saat Anda memanggil metode userEvents.export, harga yang ditampilkan dengan peristiwa pengguna adalah harga produk pada saat peristiwa tersebut.
Anda tidak menyertakan informasi harga pada data peristiwa pengguna, tetapi telah menyertakan informasi harga di data produk pada saat penyerapan. Saat Anda memanggil metode userEvents.export, harga yang ditampilkan dengan peristiwa pengguna belum tentu harga produk pada saat peristiwa tersebut. Ini adalah harga yang ada di data produk pada saat penyerapan.
Anda tidak menyertakan informasi harga bersama data peristiwa pengguna dan tidak ada informasi harga yang tersedia di data produk Anda. Saat Anda memanggil metode userEvents.export, tidak ada harga yang ditampilkan dengan peristiwa pengguna.

Informasi produk lainnya

Semua informasi produk (kecuali harga) digabungkan ke informasi peristiwa pengguna pada saat Anda memanggil metode userEvents.export. Nilai produk dapat berubah dari waktu peristiwa pengguna hingga saat Anda memanggil userEvents.export. Oleh karena itu, nilai produk non-harga yang ditampilkan dalam tabel peristiwa pengguna dapat berbeda dengan nilai produk pada saat peristiwa pengguna.

Opsional: Pastikan bahwa tabel baru berada di BigQuery

Setelah mengekspor data produk dan data peristiwa pengguna ke BigQuery, pastikan bahwa ada tabel baru.

Di BigQuery, buka set data atau set data yang Anda buat di bagian Membuat set data di BigQuery.
Buka {i>dataset<i} dan pastikan Anda melihat dua tabel yang telah diekspor. Misalnya, cari tabel dengan nama yang diakhiri dengan retail_products dan retail_user_events.