“零售”已重命名为 Vertex AI Search 零售解决方案。我们正在更新内容，以反映新的品牌形象。

此页面由 Cloud Translation API 翻译。

导入历史用户事件

本页面介绍如何批量导入过往事件的用户事件数据。适用于零售的 Vertex AI Search 模型需要使用用户事件数据来进行训练。

设置实时事件记录后，可能需要相当长的时间记录足够的用户事件数据来训练模型。您可以通过从过去的事件中批量导入用户事件数据来加速初始模型训练。在此之前，请查看本页中记录用户事件的最佳做法和准备工作部分。

此页面上的导入步骤同时适用于这两种建议和搜索。导入数据后，这两项服务都可以使用这些事件，因此如果同时使用这两项服务，则无需两次导入相同的数据。

您可以：

从 Cloud Storage 导入事件。
从 BigQuery 导入事件。
从 BigQuery 导入 Google Analytics 360 事件。
从 BigQuery 导入 Google Analytics 4 事件。
使用 userEvents.import 方法以内嵌方式导入事件。

教程：从 Cloud Storage 导入事件

本教程介绍如何从 Cloud Storage 导入用户事件。

如需遵循有关此任务的分步指导，请直接在 Cloud Shell Editor 中点击操作演示：

操作演示

教程：从 BigQuery 导入事件

本教程介绍了如何从 BigQuery 导入用户事件。

如需遵循有关此任务的分步指导，请直接在 Cloud Shell Editor 中点击操作演示：

操作演示

教程：以内嵌方式导入事件

本教程介绍了如何以内嵌方式导入用户事件数据。

如需遵循有关此任务的分步指导，请直接在 Cloud Shell Editor 中点击操作演示：

操作演示

准备工作

为了避免导入错误，并确保有足够的数据要生成符合要求的结果，请在导入您的用户事件。

查看记录用户事件的最佳做法。
用户事件格式因用户事件类型而异。如需了解为每种事件类型创建表时要指定的格式，请参阅用户事件类型和示例架构。
推荐内容和搜索功能有所不同最低数据量要求确保您的用户事件符合您计划使用的服务的要求：
- 请参阅用户事件要求和最佳做法，了解搜索和推荐要求。
- 如果您使用推荐模型，另请参阅用户事件数据要求，其中列出了具体取决于推荐模型类型和优化以及计划使用的目标

事件导入注意事项

本部分介绍了可用于批量导入历史用户事件的方法、何时可以使用每种方法，以及这些方法的一些限制。

Cloud Storage	说明	从加载到 Cloud Storage 存储桶中的文件导入 JSON 格式的数据。每个文件不得超过 2 GB，一次最多可导入 100 个文件。可以使用 Google Cloud 控制台或 cURL 完成导入操作。使用 `Product` JSON 数据格式，该格式允许自定义属性。
	使用时间	您需要在单个步骤中加载大量数据时。
	限制	如果您的数据位于 Google Analytics 或 Merchant Center 中，则您只能将数据导出到 BigQuery，还需要额外执行将数据导入到 Cloud Storage 这一步骤。
BigQuery	说明	从先前加载的 BigQuery 表导入数据， Vertex AI Search for Retail 架构。可使用 Google Cloud 控制台或 c网址。
	使用时间	在您还使用分析或预处理事件数据，然后再将其导入时。
	局限性	您需要执行额外的步骤来创建映射到 Vertex AI Search for Retail 架构。如果您有大量用户事件，另请考虑 BigQuery 的费用高于 Cloud Storage。
BigQuery 与 Analytics 360	说明	将既有的数据从 Analytics 360 导入 Vertex AI Search for Retail。
	使用时间	您使用 Google Analytics 360，并跟踪推荐或搜索的转化情况时。无需其他架构映射。
	局限性	只有一部分属性可用，因此某些高级 Vertex AI Search for Retail 功能无法使用。如果您计划使用搜索广告系列，则需要在 Google Analytics 中跟踪展示次数。
BigQuery 和 Google Analytics 4	说明	将预先存在的数据从 Google Analytics 4 导入 Vertex AI Search 零售解决方案。
	使用时间	如果您在使用 Google Analytics 4，并且跟踪推荐或搜索。无需其他架构映射。
	局限性	只有部分属性可用无法使用适用于零售业的 Vertex AI Search 功能。如果您打算使用搜索功能，则需要设置事件参数键值对以进行跟踪；建议的键为 `search_query`。
内嵌导入	说明	通过调用 `userEvents.import` 方法导入。
	使用时间	当您希望加强在后端进行所有身份验证的隐私保护，并且能够执行后端导入时。
	限制	通常比 Web 导入复杂。

从 Cloud Storage 导入用户事件

使用 Google Cloud 控制台从 Cloud Storage 导入用户事件或使用 userEvents.import 方法。

控制台

在 Search for Retail 控制台中，前往 Data（数据）> 页面。

转到“数据”页面
点击导入以打开导入数据面板。
选择用户事件。
选择 Google Cloud Storage 作为数据源。
选择 Retail User Events Schema 作为架构。
输入数据的 Cloud Storage 位置。
点击导入。

cURL

使用 userEvents.import 方法导入用户事件。

为导入作业的输入参数创建一个数据文件。您可以使用 GcsSource 对象指向您的 Cloud Storage 存储桶。

您可以提供多个文件，也可以只提供一个。
- INPUT_FILE：Cloud Storage 中包含您的用户事件数据的文件。请参阅用户事件简介，了解每种用户事件类型格式的示例。确保每个用户事件都位于单独的一行，没有换行符。
- ERROR_DIRECTORY：存放与导入有关的错误信息的 Cloud Storage 目录。
输入文件字段必须采用 gs://<bucket>/<path-to-file>/ 格式。错误目录必须采用 gs://<bucket>/<folder>/ 格式。如果错误目录不存在，Vertex AI Search for Retail 创建它。存储桶必须已存在。
```
{
"inputConfig":{
 "gcsSource": {
   "inputUris": ["INPUT_FILE_1", "INPUT_FILE_2"],
  },
  "errorsConfig":{"gcsPrefix":"ERROR_DIRECTORY"}
}
```

通过以下方式导入您的目录信息：向 userEvents:import REST 发出 POST 请求方法，从而提供数据文件的名称。

export GOOGLE_APPLICATION_CREDENTIALS=/tmp/my-key.json

curl -X POST \
     -v \
     -H "Content-Type: application/json; charset=utf-8" \
     -H "Authorization: Bearer "$(gcloud auth application-default print-access-token)"" \
     --data @./DATA_FILE.json \
  "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:import"
  }
}'

从 BigQuery 导入用户事件

使用 Google Cloud 控制台从 BigQuery 导入用户事件或使用 userEvents.import 方法。

设置 BigQuery 访问权限

按照设置对 BigQuery 数据集的访问权限中的说明，为您的 Vertex AI Search for retail 服务账号授予 BigQuery 数据集的 BigQuery Data Owner 角色。

从 BigQuery 导入用户事件

您可以使用 Search for Retail 控制台或 userEvents.import 方法。

控制台

转到 Data>（数据）>页面。

前往“数据”页面
点击导入以打开导入数据面板。
选择用户事件。
选择 BigQuery 作为数据源。
选择数据架构。
- Google Analytics 4：用于 Google Analytics 4 事件。
- Google Analytics 360：适用于 Google Analytics 360 事件，除非您是从 Google Analytics 360 仅导入首页浏览事件（在这种情况下，请使用 Retail User Events Schema）。
- Retail 用户事件架构：用于从其他来源导入事件 Google Analytics 从 Google Analytics 360 仅导入首页浏览事件。
输入数据所在的 BigQuery 表格。
可选：输入 Cloud Storage 存储桶的位置作为数据的临时位置。
如果未指定，则默认位置为。如果指定，则 BigQuery 和 Cloud Storage 存储桶同一区域
可选：在显示高级选项下方，输入项目中的 Cloud Storage 存储桶，作为数据的临时位置。

如果未指定，则使用默认位置。如果已指定，BigQuery 和 Cloud Storage 存储桶必须位于同一区域。
点击导入。

curl

在通话中添加事件数据，以导入用户事件传递给 userEvents.import 方法。请参阅 userEvents.import API 参考文档。

您为 dataSchema 指定的值取决于您要导入的内容：

user_event_ga4：适用于 Google Analytics 4 事件。
user_event_ga360：用于 Google Analytics 360 事件。除非你是 Google Analytics 360 （在这种情况下，请使用 user_event）。
user_event：用于从 Google Analytics 以外的来源导入事件，以及从 Google Analytics 360 导入仅限首页浏览的事件。

export GOOGLE_APPLICATION_CREDENTIALS=/tmp/my-key.json

curl \
-v \
-X POST \
-H "Content-Type: application/json; charset=utf-8" \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token)"" \
"https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:import" \
--data '{
  "inputConfig": {
    "bigQuerySource": {
      "datasetId": "DATASET_ID",
      "tableId": "TABLE_ID",
      "dataSchema": "SCHEMA_TYPE"
  }
}
}'

使用 BigQuery 导入 Analytics 360 用户事件

如果您已将 Google Analytics 360 与 BigQuery 集成并使用增强型电子商务功能，则可以导入 Google Analytics 360 用户事件。

以下过程假设您熟悉 BigQuery 和 Google Analytics 360 的使用。

准备工作

在开始后续步骤之前，请确保：

您使用的是增强型电子商务。
您已将 BigQuery 关联到 Analytics 360。

查看数据源

确保您要导入的用户事件数据在您有权访问的 BigQuery 表中已正确设置了格式。

确保表名为 project_id:ga360_export_dataset.ga_sessions_YYYYMMDD。

如需详细了解表格格式和命名方式，请参阅 Google Analytics 文档。
在 BigQuery Google Cloud 控制台，从“分层图表”面板中选择表格以预览表格。

请检查：
1. clientId 列具有有效值，例如 123456789.123456789。
  
  请注意，该值与完整的 _ga Cookie 值（格式类似于 GA1.3.123456789.123456789）不同。
2. hits.transaction.currencyCode 列具有有效的货币代码。
  
  注意：零售行业专用 Vertex AI Search purchase-complete 事件类型需要货币代码。如果您要导入购买事件一些适用于零售业的 Vertex AI Search 模型需要，更新增强型电子商务报告，添加货币代码。
3. 如果您打算导入 search 事件，请检查 hits.page.searchKeyword 或 hits.customVariable.searchQuery 列是否存在。
  
  支持导入 search 事件，但这些事件从 Analytics 360 映射的方式与其他事件类型不同，因为 Analytics 360 本身不支持 search 事件类型。导入期间，系统会构建 search 事件将来自 Analytics 360 中的信息合并到一起，以及产品展示（如果有）。
  
  搜索查询来源于 hits.page.searchKeyword，或从如果 hits.customVariables.customVarName 是 searchQuery，则来源于 hits.customVariables.customVarValue。如果 hits.product.isImpressions 为 TRUE，则产品展示取自 hits.product。

检查上传的目录与 Analytics 360 用户事件表之间的项 ID 一致性。

使用 BigQuery 表预览的 hits.product.productSKU 列中的任意产品 ID 和 product.get 方法，确保您上传的目录中有相同的产品。

export GOOGLE_APPLICATION_CREDENTIALS=/tmp/my-key.json

   curl \
     -v \
     -X GET \
     -H "Content-Type: application/json; charset=utf-8" \
     -H "Authorization: Bearer "$(gcloud auth application-default print-access-token)"" \
     "https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/default_branch/products/PRODUCT_ID"

导入 Analytics 360 事件

您可以使用 Search for Retail 控制台或 userEvents.import 方法。

控制台

在 Search for Retail 控制台中，前往 Data（数据）> 页面。

转到“数据”页面
点击导入，打开导入数据面板。
选择用户事件。
选择 BigQuery 作为数据源。
选择数据架构。
- Google Analytics 4：用于 Google Analytics 4 事件。
- Google Analytics 360：适用于 Google Analytics 360 事件，除非您仅从 Google Analytics 360 导入“首页浏览”事件（在这种情况下，请使用零售用户事件架构）。
- Retail 用户事件架构：用于从其他来源导入事件 Google Analytics 从 Google Analytics 360 仅导入首页浏览事件。
输入数据所在的 BigQuery 表格。
可选：输入 Cloud Storage 存储桶的位置作为数据的临时位置。
如果未指定，则默认位置为。如果指定，则 BigQuery 和 Cloud Storage 存储桶同一区域
可选：在显示高级选项下方，输入项目中的 Cloud Storage 存储桶，作为数据的临时位置。

如果未指定，则使用默认位置。如果已指定，BigQuery 和 Cloud Storage 存储桶必须位于同一区域。
点击导入。

REST

通过在调用 userEvents.import 方法时添加事件数据，导入用户事件。

对于 dataSchema，请使用值 user_event_ga360。

export GOOGLE_APPLICATION_CREDENTIALS=/tmp/my-key.json
curl \\
  -v \\
  -X POST \\
  -H "Content-Type: application/json; charset=utf-8" \\
  -H "Authorization: Bearer "$(gcloud auth application-default print-access-token)"" \\
  "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:import" \\
  --data '{
    "inputConfig": {
      "bigQuerySource": {
        "datasetId": "some_ga360_export_dataset",
        "tableId": "ga_sessions_YYYYMMDD",
        "dataSchema": "user_event_ga360"
    }
  }
}'

Java

public static String importUserEventsFromBigQuerySource()
    throws IOException, InterruptedException, ExecutionException {
  UserEventServiceClient userEventsClient = getUserEventServiceClient();

  BigQuerySource bigQuerySource = BigQuerySource.newBuilder()
      .setProjectId(PROJECT_ID)
      .setDatasetId(DATASET_ID)
      .setTableId(TABLE_ID)
      .setDataSchema("user_event")
      .build();

  UserEventInputConfig inputConfig = UserEventInputConfig.newBuilder()
      .setBigQuerySource(bigQuerySource)
      .build();

  ImportUserEventsRequest importRequest = ImportUserEventsRequest.newBuilder()
      .setParent(DEFAULT_CATALOG_NAME)
      .setInputConfig(inputConfig)
      .build();

  String operationName = userEventsClient
      .importUserEventsAsync(importRequest).getName();

  userEventsClient.shutdownNow();
  userEventsClient.awaitTermination(2, TimeUnit.SECONDS);

  return operationName;
}

使用 BigQuery 导入 Analytics 360 首页视图

在 Analytics 360 中，首页浏览事件与其他网页浏览事件区分开来这意味着，在导入 Google Analytics 360 事件中，首页浏览事件不会与其他事件类型（例如详情页面浏览）一起作为事件导入。

以下步骤介绍了如何从 Google Analytics 360 数据中提取首页浏览事件，并将其导入到 Vertex AI Search for Retail。简而言之，这项操作是通过将用户对首页的浏览次数（通过首页路径标识）提取到新的 BigQuery 表中，然后将该新表中的数据导入 Vertex AI Search for Retail 来实现的。

如需将首页浏览事件从 Google Analytics 360 导入 Vertex AI Search for Retail，请执行以下操作：

请创建一个 BigQuery 数据集，或确保您拥有可供您添加表的 BigQuery 数据集。

此数据集可能位于 Vertex AI Search for Retail 项目中或您可以拥有自己的 Analytics 360 数据这是您将复制 Analytics 360 首页浏览事件的目标数据集。
在数据集中创建 BigQuery 表，如下所示：
1. 替换以下 SQL 代码中的变量，如下所示。
  - target_project_id：第 1 步中的数据集所在的项目。
  - target_dataset：第 1 步中的数据集名称。
```
CREATE TABLE TARGET_PROJECT_ID.TARGET_DATASET.ga_homepage (
 eventType STRING NOT NULL,
 visitorId STRING NOT NULL,
 userId STRING,
 eventTime STRING NOT NULL
);
```
2. 复制 SQL 代码示例。
3. 在 Google Cloud 控制台中打开 BigQuery 页面。
  
  转到 BigQuery 页面
4. 如果尚未选择目标项目，请选择目标项目。
5. 在编辑器窗格中，粘贴 SQL 代码示例。
6. 点击 Run（运行），然后等待查询运行完毕。
运行此代码可创建一个采用 target_project_id:target_dataset.ga_homepage_YYYYMMDD - 例如， my-project:view_events.ga_homepage_20230115。
将 Analytics 360 数据表中的 Analytics 360 首页浏览事件复制到上一步骤 2 中创建的表格中。
1. 将以下 SQL 示例代码中的变量替换为以下内容：
  - source_project_id:：包含 BigQuery 中的 Analytics 360 数据表格。
  - source_dataset：源项目中的数据集，其中包含 BigQuery 表中的 Google Analytics 360 数据。
  - source_table:：源项目中包含 Analytics 360 数据。
  - target_project_id：与上一步骤 2 中的目标项目 ID 相同。
  - target_dataset：与上一步 2 中的目标数据集相同。
  - path：这是首页的路径。通常，此值为 /；例如，如果首页是 example.com/。不过，如果首页类似于 examplepetstore.com/index.html，则路径为 /index.html。
```
INSERT INTO `TARGET_PROJECT_ID.TARGET_DATASET.ga_homepage(eventType,visitorId,userID,eventTime)`

SELECT
  "home-page-view" as eventType,
  clientId as visitorId,
  userId,
  CAST(FORMAT_TIMESTAMP("%Y-%m-%dT%H:%M:%SZ",TIMESTAMP_SECONDS(visitStartTime)) as STRING) AS eventTime

FROM
  `SOURCE_PROJECT_ID.SOURCE_DATASET.SOURCE_TABLE`, UNNEST(hits) as hits

WHERE hits.page.pagePath = "PATH" AND visitorId is NOT NULL;
```
2. 复制 SQL 代码示例。
3. 在 Google Cloud 控制台中打开 BigQuery 页面。
  
  转到 BigQuery 页面
4. 如果尚未选择目标项目，请选择该项目。
5. 在编辑器窗格中，粘贴 SQL 代码示例。
6. 点击 Run（运行），然后等待查询运行完毕。
按照从 BigQuery 导入用户事件中的说明进行导入来自目标表的 home-page-view 事件。在选择架构时，如果您使用控制台进行导入，请选择零售用户事件架构；如果您使用 userEvents.import 进行导入，请为 dataSchema 值指定 user_event。
删除您在第 1 步和第 2 步中创建的表和数据集。

使用 BigQuery 导入 Google Analytics 4 用户事件

如果您已将 Google Analytics 4 与 BigQuery 集成并使用 Google Analytics 电子商务功能，则可以导入 Google Analytics 4 用户事件。

以下过程假定您熟悉如何使用 BigQuery 和 Google Analytics 4。

准备工作

在开始后续步骤之前，请确保：

您使用的是 Google Analytics 电子商务。
您已将 BigQuery 关联到 Google Analytics 4。

查看数据源

为确保您的用户事件数据已做好导入准备，请遵循以下做法步骤。

如需查看 Vertex AI Search 零售解决方案使用的 Google Analytics 4 字段及其对应的 Vertex AI Search 零售解决方案字段的表格，请参阅 Google Analytics 4 用户事件字段。

如需了解所有 Google Analytics 事件参数，请参阅 Google Analytics 事件参考文档。

确保您要导入的用户事件数据在您有权访问的 BigQuery 表中已正确设置了格式。
- 数据集应命名为 analytics_PROPERTY_ID。
- 该表应命名为 events_YYYYMMDD。
如需了解表名称和格式，请参阅 Google Analytics 文档。
在 BigQuery Google Cloud 控制台中，从浏览器面板中选择数据集，然后找到您计划导入的用户事件表。

请检查：
1. event_params.key 列具有 currency 键，并且其关联的字符串值为有效的货币代码。
  
  注意：Vertex AI Search 零售解决方案 purchase-complete 事件类型需要货币代码。如果您要导入某些 Vertex AI Search for Retail 模型所需的购买事件，请更新事件报告以包含货币代码。
2. 如果您打算导入 search 事件，请检查 event.event_params.key 列有一个 search_term 键和一个关联的值。
  
  支持导入 search 事件，但 search 事件从 Google Analytics 4 映射的方式与其他事件类型不同，因为 Google Analytics 4 本身不支持零售专用 Vertex AI Search search 事件类型。导入期间 search 事件构建自 Google Analytics 4，将 view_item_list 和 search_term 参数。
  
  如需了解 Google Analytics 4 中的 search，请参阅 Google Analytics 文档中的 search。

检查上传的目录与 Google Analytics 4 用户事件表之间的项 ID 一致性。

如需确保 Google Analytics 4 用户表中的产品也存在于您上传的目录中，请从 BigQuery 表预览的 event.items.item_id 列中复制一个产品 ID，然后使用 product.get 方法检查该产品 ID 是否存在于您上传的目录中。

export GOOGLE_APPLICATION_CREDENTIALS=/tmp/my-key.json

   curl \
     -v \
     -X GET \
     -H "Content-Type: application/json; charset=utf-8" \
     -H "Authorization: Bearer "$(gcloud auth application-default print-access-token)"" \
     "https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/default_branch/products/PRODUCT_ID"

设置 BigQuery 访问权限

请按照设置对 BigQuery 数据集的访问权限，面向零售业服务账号的 Vertex AI Search，拥有适用于您的 Google Cloud 控制台的 BigQuery Data Owner 角色 BigQuery 数据集。

导入 Google Analytics 4 事件

您可以使用 Search for Retail 控制台或 userEvents.import 方法。

使用控制台导入 Google Analytics 4 事件

转到 Data>（数据）>页面。

转到“数据”页面
点击导入以打开导入数据面板。
选择用户事件。
选择 BigQuery 作为数据源。
选择数据架构。
- Google Analytics 4：用于 Google Analytics 4 事件。
- Google Analytics 360：适用于 Google Analytics 360 事件，除非您是从 Google Analytics 360 仅导入首页浏览事件（在这种情况下，请使用 Retail User Events Schema）。
- 零售业用户事件架构：用于从 Google Analytics 以外的来源导入事件，以及从 Google Analytics 360 导入仅包含网页浏览的事件。
输入数据所在的 BigQuery 表格。
可选：输入 Cloud Storage 存储桶的位置作为数据的临时位置。
如果未指定，则默认位置为。如果指定，则 BigQuery 和 Cloud Storage 存储桶同一区域
可选：在显示高级选项下方，输入项目中的 Cloud Storage 存储桶，作为数据的临时位置。

如果未指定，则使用默认位置。如果已指定，BigQuery 和 Cloud Storage 存储桶必须位于同一区域。
点击导入。

使用 API 导入 Google Analytics 4 事件

在通话中添加事件数据，以导入用户事件传递给 userEvents.import 方法。请参阅 userEvents.import API 参考文档。

对于 dataSchema，请使用值 user_event_ga4。

export GOOGLE_APPLICATION_CREDENTIALS=/tmp/my-key.json
curl \\
  -v \\
  -X POST \\
  -H "Content-Type: application/json; charset=utf-8" \\
  -H "Authorization: Bearer "$(gcloud auth application-default print-access-token)"" \\
  "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:import" \\
  --data '{
    "inputConfig": {
      "bigQuerySource": {
        "projectId": "PROJECT_ID",
        "datasetId": "DATASET_ID",
        "tableId": "TABLE_ID",
        "dataSchema": "user_event_ga4"
    }
  }
}'

以内嵌方式导入用户事件

您可以将事件数据以内嵌方式导入对 userEvents.import 方法的调用。

最简单的方法是将用户事件数据放入 JSON 文件并将该文件提供给 cURL。

如需了解用户事件类型的格式，请参阅用户事件简介。

curl

创建 JSON 文件：

{
  "inputConfig": {
    "userEventInlineSource": {
      "userEvents": [
        {
          <userEvent1>>
        },
        {
          <userEvent2>
        },
        ....
      ]
    }
  }
}

调用 POST 方法：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     --data @./data.json \
  "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:import"

Java

public static String importUserEventsFromInlineSource(
    List<UserEvent> userEventsToImport)
    throws IOException, InterruptedException, ExecutionException {
  UserEventServiceClient userEventsClient = getUserEventServiceClient();

  UserEventInlineSource inlineSource = UserEventInlineSource.newBuilder()
      .addAllUserEvents(userEventsToImport)
      .build();

  UserEventInputConfig inputConfig = UserEventInputConfig.newBuilder()
      .setUserEventInlineSource(inlineSource)
      .build();

  ImportUserEventsRequest importRequest = ImportUserEventsRequest.newBuilder()
      .setParent(DEFAULT_CATALOG_NAME)
      .setInputConfig(inputConfig)
      .build();

  String operationName = userEventsClient
      .importUserEventsAsync(importRequest).getName();

  userEventsClient.shutdownNow();
  userEventsClient.awaitTermination(2, TimeUnit.SECONDS);

  return operationName;
}

历史目录数据

此外，您还可以导入历史用户事件中显示的历史目录数据。此历史目录数据非常有用，因为过去的产品信息可用于丰富用户事件，从而提高模型准确率。

如需了解详情，请参阅导入历史目录数据。

查看导入的事件

在 Search for Retail 控制台的事件标签页中查看事件集成指标数据页面。此页面会显示去年写入或导入的所有事件。指标可能会占用将在成功数据注入后显示。

前往“数据”页面

后续步骤

开始记录用户事件。
管理用户事件。