La funzionalità Retail verrà rinominata in Vertex AI Search for Retail. Stiamo aggiornando i contenuti in base al nuovo branding.

Questa pagina è stata tradotta dall'API Cloud Translation.

Esportare i dati in BigQuery

In questa pagina viene descritto come caricare i dati sui prodotti di vendita al dettaglio e sugli eventi utente in in BigQuery. Una volta che i dati sono in BigQuery, utilizzarlo per eseguire previsioni di vendita con Vertex AI e per visualizzare i dati nelle dashboard predefinite di Looker.

Se i tuoi dati di vendita al dettaglio si trovano già nelle tabelle dei prodotti e degli eventi utente in BigQuery, nel formato Vertex AI Search for Retail, puoi saltare questo e vai direttamente a Ottieni dashboard che mostrano il rendimento chiave indicatori e Generare previsioni di vendita dalla vendita al dettaglio dei dati. Per ulteriori informazioni sul formato, consulta Schema del prodotto e Informazioni sugli eventi utente.

Prima di iniziare

Prima di poter esportare i dati retail in BigQuery, devi aver completato le procedure descritte in Prima di iniziare. Sono inclusi importando le informazioni del catalogo e gli eventi utente.

Per ulteriori informazioni sull'importazione, vedi:

crea un set di dati in BigQuery

Devi creare uno o due set di dati in BigQuery per sui prodotti e sugli eventi utente. Puoi utilizzare un set di dati per contenere entrambi i tipi di dati oppure creare due set di dati, uno per ogni tipo di dati.

Devi creare i set di dati nello stesso progetto in cui hai implementato i set di dati Vertex AI Search for Retail.

Se non hai utilizzato BigQuery nel progetto precedente, abilita l'API BigQuery e assicurati di dispongono del ruolo IAM che consente di creare set di dati e tabelle.

Vedi 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 in Stati Uniti) multiregionale. Ad esempio, chiamalo retail_data. Se crei il set di dati in una regione diversa, esportando l'archiviazione dei dati in BigQuery non funziona.

Per informazioni sulla creazione di un set di dati, consulta Creare set di dati nella documentazione di BigQuery.

Questo set di dati verrà utilizzato per contenere le tabelle di dati che esporti. La le seguenti procedure descrivono come eseguire l'esportazione.
(Facoltativo) Per inserire i dati sugli eventi utente in un set di dati separato da quello di prodotto, creare un secondo set di dati. Ad esempio, assegnagli il nome retail_user_event_data.

Esportare il catalogo Vertex AI Search per il retail in una tabella BigQuery

Utilizza il metodo ExportProducts per esportare il catalogo di vendita al dettaglio in un Tabella BigQuery.

Nota: il comando seguente presuppone che tu abbia eseguito l'accesso all'interfaccia a riga di comando gcloud con il tuo account utente eseguendo gcloud init o gcloud auth login oppure utilizzando Cloud Shell, che ti consente di accedere automaticamente all'interfaccia a riga di comando gcloud.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

PROJECT_ID: l'ID del Progetto API Vertex AI Search for Retail in cui hai creato BigQuery del set di dati.
BRANCH_ID: l'ID del catalogo ramo. Utilizza default_branch per recuperare i dati dal ramo predefinito. Per ulteriori informazioni, vedi Ramo del catalogo.
DATASET_ID: il nome del set di dati che hai creato in Crea un set di dati in BigQuery. Ad esempio, utilizza retail_data o retail_product_data. Il set di dati deve trovarsi nello stesso progetto. Non aggiungere l'ID progetto al campo datasetId qui.
TABLE_ID_PREFIX: un prefisso per l'ID tabella. Questo prefisso non può essere una stringa vuota. Il suffisso di retail_products è stato aggiunto per completare il nome della tabella. Ad esempio, se il prefisso è test, la tabella si chiama test_retail_products.

Corpo JSON della richiesta:

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

Per inviare la richiesta, espandi una delle seguenti opzioni:

curl (Linux, macOS o Cloud Shell)

Salva il corpo della richiesta in un file denominato request.json. Esegui questo comando nel terminale per creare o sovrascrivere questo file nella directory corrente:

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

Quindi, esegui questo comando per inviare la richiesta REST:

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)

Salva il corpo della richiesta in un file denominato request.json. Esegui questo comando nel terminale per creare o sovrascrivere questo file nella directory corrente:

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

Quindi, esegui questo comando per inviare la richiesta REST:

$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

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 gli eventi utente retail in un 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 che hai creato in Creare un set di dati in BigQuery. Ad esempio, utilizza retail_data o retail_product_data.
TABLE_ID_PREFIX: un prefisso per l'ID tabella. Questo prefisso non può essere una stringa vuota. Il suffisso di retail_products è stato aggiunto per completare il nome della tabella. Ad esempio, se il prefisso è test, la tabella è denominata test_retail_products.

Corpo JSON della richiesta:

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

Per inviare la richiesta, espandi una delle seguenti opzioni:

curl (Linux, macOS o Cloud Shell)

Salva il corpo della richiesta in un file denominato request.json. Esegui questo comando nel terminale per creare o sovrascrivere questo file nella directory corrente:

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

Quindi, esegui questo comando per inviare la richiesta REST:

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)

Salva il corpo della richiesta in un file denominato request.json. Esegui questo comando nel terminale per creare o sovrascrivere questo file nella directory corrente:

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

Quindi, esegui questo comando per inviare la richiesta REST:

$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

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 utili sui dati di vendita al dettaglio in cui esporti Tabelle BigQuery:

I dati esportati nelle tabelle BigQuery del progetto sono visualizzazioni autorizzate, non visualizzazioni materializzate.
Non puoi modificare o aggiornare i dati di queste tabelle.
I prodotti vengono aggiornati ogni ora.
Gli eventi utente vengono aggiornati in tempo quasi reale.

Informazioni sui dati sugli eventi utente esportati

Di seguito sono riportate alcune informazioni sulle informazioni sul prodotto incluse nei dati sugli eventi utente esportati.

Informazioni sul prezzo del prodotto

Il modo in cui le informazioni sul prezzo del prodotto vengono restituite dal metodo userEvents.export dipende da quanto segue:

Hai incluso le informazioni sui prezzi nei dati sugli eventi utente al momento della per l'importazione. Quando chiami il userEvents.export , il prezzo restituito con un evento utente è il prezzo del prodotto a l'ora dell'evento.
Non hai incluso informazioni sui prezzi nei dati sugli eventi utente, ma hai incluso le informazioni sui prezzi nei dati di prodotto al momento della per l'importazione. Quando chiami il metodo userEvents.export, il prezzo restituito con un evento utente non è necessariamente il prezzo del prodotto al momento dell'evento. È il prezzo che si trova dei dati di prodotto al momento dell'importazione.
Non hai incluso informazioni sui prezzi nei dati sugli eventi utente e non sono disponibili informazioni sui prezzi nei dati di prodotto. Quando chiamate il metodo userEvents.export, non viene restituito alcun prezzo con gli eventi utente.

Altre informazioni sul prodotto

Tutte le informazioni sui prodotti (ad eccezione del prezzo) vengono unite alle informazioni sugli eventi utente all'indirizzo l'ora in cui chiami il metodo userEvents.export. I valori dei prodotti possono cambiare dal momento dell'evento utente al momento in cui chiami userEvents.export. Per questo motivo, i valori dei prodotti diversi dal prezzo restituiti nella tabella degli eventi utente potrebbero essere diversi dai valori del prodotto al momento dell'evento utente.

(Facoltativo) Verifica che le nuove tabelle siano in BigQuery

Dopo aver esportato i dati di prodotto e quelli sugli eventi utente in BigQuery, rendi per verificare che siano presenti nuove tabelle.

In BigQuery, vai al set di dati o a quelli che vuoi creato in Crea set di dati in BigQuery.
Apri i set di dati e assicurati di vedere le due tabelle che hai esportato. Ad esempio, cerca le tabelle i cui nomi terminano con retail_products e retail_user_events.