Il nome del retail verrà rinominato Vertex AI Search per il retail. Stiamo aggiornando i contenuti per riflettere il nuovo branding.

Esporta i dati in BigQuery

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:

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.

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, 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 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. Viene aggiunto un suffisso retail_products 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 di queste 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 attuale:

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 attuale:

@'
{
  "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 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 o retail_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 è test, 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:

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 attuale:

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 attuale:

@'
{
  "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 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 e retail_user_events.