Exporte os seus dados para o BigQuery

Esta página descreve como carregar dados de eventos de utilizadores e produtos de retalho para o BigQuery. Depois de os seus dados estarem no BigQuery, pode usá-los para fazer previsões de vendas com o Vertex AI e ver os dados em painéis de controlo do Looker pré-criados.

Se os seus dados de comércio já estiverem em tabelas de eventos de produtos e utilizadores no BigQuery, no formato de pesquisa do Vertex AI para comércio, pode ignorar esta página e aceder diretamente a Obter painéis de controlo que mostram os principais indicadores de desempenho e Gerar previsões de vendas a partir de dados de retalho. Para mais informações sobre o formato, consulte o esquema de produtos e o artigo Acerca dos eventos de utilizador.

Antes de começar

Antes de poder exportar os seus dados de comércio eletrónico para o BigQuery, tem de ter concluído os procedimentos em Configuração inicial.

Isto inclui:

Crie um conjunto de dados no BigQuery

Tem de criar um ou dois conjuntos de dados no BigQuery para armazenar os dados de eventos de produtos e utilizadores.

Pode usar um conjunto de dados para conter ambos os tipos de dados ou pode criar dois conjuntos de dados, um para cada tipo de dados.

Tem de criar os conjuntos de dados no mesmo projeto onde implementou o Vertex AI Search for commerce.

  1. Se nunca usou o BigQuery no seu projeto, ative a API BigQuery e certifique-se de que tem a função de IAM que lhe permite criar conjuntos de dados e tabelas.

    Consulte as secções Antes de começar e Controlo de acesso com a IAM na documentação do BigQuery.

  2. Crie um conjunto de dados no BigQuery na multirregião dos EUA. Por exemplo, atribua-lhe o nome retail_data.

  3. Opcional: para colocar os dados de eventos do utilizador num conjunto de dados separado dos dados dos produtos, crie um segundo conjunto de dados. Por exemplo, atribua-lhe o nome retail_user_event_data.

Para mais informações sobre a criação de conjuntos de dados do BigQuery, consulte a documentação do BigQuery.

Este conjunto de dados vai ser usado para armazenar as tabelas de dados que exporta. Os procedimentos seguintes descrevem como exportar.

Exporte o seu catálogo do Vertex AI Search para comércio para uma tabela do BigQuery

Use o método export para exportar o seu catálogo de retalho para uma tabela do BigQuery.

Antes de usar qualquer um dos dados do pedido, faça as seguintes substituições:

  • PROJECT_ID: O ID do projeto da API Vertex AI Search for commerce onde criou o conjunto de dados do BigQuery.
  • BRANCH_ID: o ID da ramificação do catálogo. Use default_branch para obter dados da ramificação predefinida. Para mais informações, consulte o artigo Filiais do catálogo.
  • DATASET_ID: o nome do conjunto de dados que criou em Crie um conjunto de dados no BigQuery. Por exemplo, use retail_data ou retail_product_data. O conjunto de dados tem de estar no mesmo projeto. Não adicione o ID do projeto ao campo datasetId aqui.
  • TABLE_ID_PREFIX: um prefixo para o ID da tabela. Este prefixo não pode ser uma string vazia. É adicionado um sufixo de retail_products para completar o nome da tabela. Por exemplo, se o prefixo for test, a tabela tem o nome test_retail_products.

Corpo JSON do pedido: 

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

Para enviar o seu pedido, expanda uma destas opções:

Deve receber uma resposta JSON semelhante à seguinte:

{
  "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"
        }
      ]
    }
  }
}

Exporte os seus eventos do utilizador para uma tabela do BigQuery

Use o método userEvents.export para exportar os eventos de utilizadores de retalho para uma tabela do BigQuery:

Antes de usar qualquer um dos dados do pedido, faça as seguintes substituições:

  • PROJECT_ID: O ID do projeto da API Vertex AI Search for commerce onde criou o conjunto de dados do BigQuery.
  • DATASET_ID: o nome do conjunto de dados que criou em Crie um conjunto de dados no BigQuery. Por exemplo, use retail_data ou retail_product_data.
  • TABLE_ID_PREFIX: um prefixo para o ID da tabela. Este prefixo não pode ser uma string vazia. É adicionado um sufixo de retail_products para completar o nome da tabela. Por exemplo, se o prefixo for test, a tabela tem o nometest_retail_products.

Corpo JSON do pedido: 

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

Para enviar o seu pedido, expanda uma destas opções:

Deve receber uma resposta JSON semelhante à seguinte:

{
  "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"
        }
      ]
    }
  }
}

Acerca dos dados exportados

Seguem-se as informações que deve saber sobre os dados de comércio eletrónico que exporta para as tabelas do BigQuery:

  • Os dados exportados para tabelas do BigQuery no seu projeto são vistas autorizadas e não vistas materializadas.

  • Não pode alterar nem atualizar os dados nestas tabelas.

  • Os produtos são atualizados de hora em hora.

  • Os eventos do utilizador são atualizados quase em tempo real.

Acerca dos dados de eventos de utilizadores exportados

Seguem-se as informações a saber sobre as informações do produto incluídas nos dados de eventos do utilizador exportados.

Informações sobre o preço do produto

A forma como as informações sobre o preço do produto são devolvidas pelo método userEvents.export depende do seguinte:

  • Incluiu informações de preços nos dados de eventos do utilizador no momento do carregamento. Quando chama o método userEvents.export, o preço devolvido com um evento de utilizador é o preço do produto no momento do evento.

  • Não incluiu informações de preços nos dados de eventos do utilizador, mas incluiu informações de preços nos dados dos produtos no momento do carregamento. Quando chama o método userEvents.export, o preço devolvido com um evento de utilizador não é necessariamente o preço do produto no momento do evento. É o preço encontrado nos dados dos produtos no momento do carregamento.

  • Não incluiu informações de preços nos dados de eventos do utilizador e não existem informações de preços disponíveis nos dados dos produtos. Quando chama o método userEvents.export, não é devolvido nenhum preço com os eventos do utilizador.

Outras informações sobre o produto

Todas as informações dos produtos (exceto o preço) são associadas às informações dos eventos do utilizador no momento em que chama o método userEvents.export. Os valores dos produtos podem mudar desde o momento do evento do utilizador até ao momento em que chama userEvents.export. Por este motivo, os valores dos produtos sem preço devolvidos na tabela de eventos do utilizador podem ser diferentes dos valores dos produtos no momento do evento do utilizador.

Opcional: confirme que as novas tabelas estão no BigQuery

Depois de exportar os dados dos produtos e os dados de eventos do utilizador para o BigQuery, certifique-se de que as novas tabelas estão presentes.

  1. No BigQuery, navegue para o conjunto de dados ou os conjuntos de dados que criou em Crie um conjunto de dados no BigQuery.

  2. Abra os conjuntos de dados e certifique-se de que vê as duas tabelas que exportou. Por exemplo, procure tabelas com nomes que terminem em retail_products e retail_user_events.

Para mais informações sobre como trabalhar com tabelas do BigQuery, consulte o artigo Consultar e ver dados.

Reveja a página Administração de dados para mais informações sobre como o Vertex AI Search para comércio processa os dados dos clientes.