Questa pagina descrive come caricare i dati sugli eventi utente e sui prodotti per la vendita al dettaglio in BigQuery. Una volta che i dati sono in BigQuery, puoi utilizzarli per eseguire previsioni sulle vendite con Vertex AI e per visualizzare i dati nelle dashboard predefinite di Looker.
Se i dati relativi alla vendita al dettaglio sono già presenti nelle tabelle di eventi utente e di prodotto in BigQuery, nel formato di Vertex AI Search per la vendita al dettaglio, puoi saltare questa pagina e andare direttamente a Ottenere dashboard che mostrano gli indicatori chiave di prestazione e Generare previsioni di vendita dai dati di vendita al dettaglio. Per saperne di più sul formato, consulta Schema del prodotto e Informazioni sugli eventi utente.
Prima di iniziare
Prima di poter esportare i dati di vendita al dettaglio in BigQuery, devi aver completato le procedure descritte in Prima di iniziare. Ciò include l'importazione delle informazioni del catalogo e degli eventi utente.
Per ulteriori informazioni sull'importazione, consulta:
- Importare le informazioni del catalogo
- Registrare eventi utente in tempo reale
- Importare gli eventi utente storici
Creare un set di dati in BigQuery
Devi creare uno o due set di dati in BigQuery per contenere i dati sui prodotti e sugli eventi utente. Puoi utilizzare un unico set di dati per contenere entrambi i tipi di dati oppure creare due set di dati, uno per ogni tipo.
Devi creare i set di dati nello stesso progetto in cui hai implementato Vertex AI Search per il retail.
Se non hai mai utilizzato BigQuery nel progetto, abilita l'API BigQuery e assicurati di disporre del ruolo IAM che ti consente di creare set di dati e tabelle.
Consulta Prima di iniziare e Controllo dell'accesso con IAM nella documentazione di BigQuery.
Crea un set di dati in BigQuery negli Stati Uniti (più regioni negli Stati Uniti). Ad esempio, assegnale il nome
retail_data
. Se crei il set di dati in un'altra regione, l'esportazione dei dati in BigQuery non va a buon fine.Per informazioni sulla creazione di un set di dati, consulta Creazione di set di dati nella documentazione di BigQuery.
Questo set di dati verrà utilizzato per contenere le tabelle di dati che esporti. Le seguenti procedure descrivono come eseguire l'esportazione.
(Facoltativo) Per inserire i dati sugli eventi utente in un set di dati separato dai dati di prodotto, crea un secondo set di dati. Ad esempio, assegnale il nome
retail_user_event_data
.
Esporta il catalogo Vertex AI Search per la vendita al dettaglio in una tabella BigQuery
Utilizza il metodo products.export
per esportare il tuo catalogo di vendita al dettaglio in una tabella BigQuery.
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- PROJECT_ID: l'ID del progetto dell'API Vertex AI Search for Retail in cui hai creato il set di dati BigQuery.
-
BRANCH_ID: l'ID del ramo del catalogo. Utilizza
default_branch
per ottenere i dati dal ramo predefinito. Per maggiori informazioni, consulta Fili del catalogo. -
DATASET_ID: il nome del
set di dati creato in
Creare un set di dati in BigQuery. Ad esempio, utilizza
retail_data
oretail_product_data
. Il set di dati deve trovarsi nello stesso progetto. Non aggiungere l'ID progetto al campodatasetId
qui. -
TABLE_ID_PREFIX: un prefisso per l'ID tabella. Questo prefisso non può essere una stringa vuota. Viene aggiunto un suffisso
retail_products
per completare il nome della tabella. Ad esempio, se il prefisso ètest
, la tabella è denominatatest_retail_products
.
Corpo JSON della richiesta:
{ "outputConfig": { "bigqueryDestination": { "datasetId": "DATASET_ID", "tableIdPrefix": "TABLE_ID_PREFIX", "tableType": "view" } } }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "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" } ] } } }
Esporta gli eventi utente in una tabella BigQuery
Utilizza il metodo userEvents.export
per esportare i tuoi eventi utente di vendita al dettaglio in una tabella BigQuery:
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- PROJECT_ID: l'ID del progetto dell'API Vertex AI Search for Retail in cui hai creato il set di dati BigQuery.
-
DATASET_ID: il nome del set di dati creato in Creare un set di dati in BigQuery. Ad esempio, utilizza
retail_data
oretail_product_data
. -
TABLE_ID_PREFIX: un prefisso per l'ID tabella. Questo prefisso non può essere una stringa vuota. Viene aggiunto un suffisso
retail_products
per completare il nome della tabella. Ad esempio, se il prefisso ètest
, la tabella è denominatatest_retail_products
.
Corpo JSON della richiesta:
{ "outputConfig": { "bigqueryDestination": { "datasetId": "DATASET_ID", "tableIdPrefix": "TABLE_ID_PREFIX", "tableType": "view" } } }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "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" } ] } } }
Informazioni sui dati esportati
Ecco alcune informazioni importanti sui dati di vendita al dettaglio che esporti nelle tabelle BigQuery:
I dati esportati nelle tabelle BigQuery nel tuo progetto sono visualizzazioni autorizzate, non viste materializzate.
Non puoi modificare o aggiornare i dati in queste tabelle.
I prodotti vengono aggiornati ogni ora.
Gli eventi utente vengono aggiornati quasi in tempo reale.
Informazioni sui dati degli eventi utente esportati
Di seguito sono riportate le informazioni da conoscere sulle informazioni sul prodotto incluse nei dati sugli eventi utente esportati.
Informazioni sui prezzi dei prodotti
Il modo in cui le informazioni sui prezzi dei prodotti vengono restituite dal metodo userEvents.export
dipende da quanto segue:
Hai incluso le informazioni sui prezzi nei dati sugli eventi utente al momento dell'importazione. Quando chiami il metodo
userEvents.export
, il prezzo restituito con un evento utente è il prezzo del prodotto al momento dell'evento.Non hai incluso informazioni sui prezzi nei dati sugli eventi utente, ma hai incluso informazioni sui prezzi nei dati di prodotto al momento dell'importazione. Quando chiami il metodo
userEvents.export
, il prezzo restituito con un evento utente non corrisponde necessariamente al prezzo del prodotto al momento dell'evento. È il prezzo che trovi nei dati di prodotto al momento dell'importazione.Non hai incluso informazioni sui prezzi nei tuoi dati sugli eventi utente e non sono disponibili informazioni sui prezzi nei dati di prodotto. Quando chiami il metodo
userEvents.export
, non viene restituito alcun prezzo con gli eventi utente.
Altre informazioni sul prodotto
Tutte le informazioni sul prodotto (tranne il prezzo) vengono unite alle informazioni sugli eventi utente nel
momento in cui chiami il metodo userEvents.export
. I valori del prodotto possono cambiare dal momento dell'evento utente al momento della chiamata a userEvents.export
. Per questo motivo, i valori dei prodotti non correlati al prezzo restituiti nella tabella degli eventi utente potrebbero essere diversi dai valori del prodotto al momento dell'evento utente.
(Facoltativo) Conferma che le nuove tabelle siano in BigQuery
Dopo aver esportato i dati di prodotto e quelli sugli eventi utente in BigQuery, assicurati che siano presenti nuove tabelle.
In BigQuery, vai al set di dati o a quelli che hai creato in Crea un set di dati in BigQuery.
Apri i set di dati e assicurati di visualizzare le due tabelle che hai esportato. Ad esempio, cerca le tabelle i cui nomi terminano con
retail_products
eretail_user_events
.