Bisherige Nutzerereignisse importieren

Auf dieser Seite wird gezeigt, wie Sie Nutzerereignisdaten aus früheren Ereignissen im Bulk importieren. Vertex AI Search for Retail-Modelle benötigen Nutzerereignisdaten für das Training.

Nachdem Sie die Echtzeitereigniserfassung eingerichtet haben, kann es einige Zeit dauern, bis genügend Nutzerereignisdaten aufgezeichnet wurden, um Ihre Modelle zu trainieren. Sie können das erste Modelltraining beschleunigen, indem Sie Nutzerereignisdaten aus früheren Ereignissen im Bulk importieren. Informieren Sie sich dazu über die Best Practices zum Aufzeichnen von Nutzerereignissen und lesen Sie den Abschnitt Hinweis auf dieser Seite.

Die Importverfahren auf dieser Seite gelten für beide Empfehlungen und suchen. Nach dem Datenimport können beide Dienste diese Ereignisse verwenden. Sie müssen also nicht dieselben Daten zweimal, wenn Sie beide Dienste nutzen.

Sie haben folgende Möglichkeiten:

Anleitung zum Importieren von Ereignissen aus Cloud Storage

In dieser Anleitung erfahren Sie, wie Sie Nutzerereignisse aus Cloud Storage importieren.

Klicken Sie auf Anleitung, um eine detaillierte Anleitung für diese Aufgabe direkt im Cloud Shell-Editor zu erhalten:

Anleitung

Anleitung zum Importieren von Ereignissen aus BigQuery

In dieser Anleitung erfahren Sie, wie Sie Nutzerereignisse aus BigQuery importieren.

Klicken Sie auf Anleitung, um eine detaillierte Anleitung für diese Aufgabe direkt im Cloud Shell-Editor zu erhalten:

Anleitung

Anleitung zum Importieren von Ereignissen

In dieser Anleitung erfahren Sie, wie Sie Nutzerereignisdaten inline importieren.

Klicken Sie auf Anleitung, um eine detaillierte Anleitung für diese Aufgabe direkt im Cloud Shell-Editor zu erhalten:

Anleitung

Hinweise

Um Importfehler zu vermeiden und dafür zu sorgen, dass genügend Daten vorhanden sind überprüfen Sie die folgenden Informationen, bevor Sie Ihre Nutzerereignisse.

Überlegungen zum Ereignisimport

In diesem Abschnitt werden die Methoden, die für den Batch-Import Ihrer historischen Nutzerereignisse verwendet werden können, sowie einige der zugehörigen Methoden und Einschränkungen erläutert.

Cloud Storage Beschreibung Importieren Sie Daten im JSON-Format aus Dateien, die in einen Cloud Storage-Bucket geladen wurden. Jede Datei kann maximal 2 GB groß sein und es können bis zu 100 Dateien gleichzeitig importiert werden. Der Import kann mit der Google Cloud Console oder mit cURL erfolgen. Verwendet das JSON-Datenformat Product, das benutzerdefinierte Attribute zulässt.
Wann er genutzt wird Wenn Sie in einem einzigen Schritt größere Datenmengen laden müssen.
Beschränkungen Wenn sich Ihre Daten in Google Analytics oder Merchant Center befinden, können sie nur nach BigQuery exportiert werden und erfordern dann den zusätzlichen Schritt, sie dann in Cloud Storage zu importieren.
BigQuery Beschreibung Importieren Sie Daten aus einer zuvor geladenen BigQuery-Tabelle, die das Vertex AI Search for Retail-Schema verwendet. Kann ausgeführt werden mit Google Cloud Console oder cURL.
Wann er genutzt wird Wenn Sie auch Analysedaten verwenden oder Ereignisdaten vor dem Import vorverarbeiten.
Beschränkungen Erfordert den zusätzlichen Schritt, eine BigQuery-Tabelle zu erstellen, die dem Vertex AI Search for Retail-Schema zugeordnet ist. Beachten Sie auch, dass bei einer großen Anzahl an Nutzerereignissen BigQuery mehr Kosten verursacht als Cloud Storage.
BigQuery mit Analytics 360 Beschreibung Importieren Sie bereits vorhandene Daten aus Analytics 360 in Vertex AI Search für den Einzelhandel.
Wann er genutzt wird Wenn Sie Analytics 360 verwenden und Empfehlungen oder Suchanfragen. Es ist keine zusätzliche Schemazuordnung erforderlich.
Beschränkungen Es ist nur eine Teilmenge von Attributen verfügbar, sodass einige erweiterte Vertex AI Search for Retail-Features nicht verwendet werden können. Wenn Sie die Google Suche verwenden möchten, ist das Tracking von Impressionen in Google Analytics erforderlich.
BigQuery mit Google Analytics 4 Beschreibung Vorhandene Daten aus Google Analytics 4 in Vertex AI Search for Retail.
Wann er genutzt wird Wenn Sie Google Analytics 4 verwenden und Conversions für Empfehlungen oder Suchanfragen verfolgen. Es ist keine zusätzliche Schemazuordnung erforderlich.
Beschränkungen Es ist nur eine Teilmenge von Attributen verfügbar, sodass einige erweiterte Vertex AI Search for Retail-Features nicht verwendet werden können. Wenn Sie die Suche verwenden möchten, müssen Sie Schlüssel/Wert-Paare für Ereignisparameter zum Tracking einrichten. Der empfohlene Schlüssel ist search_query.
Inline-Import Beschreibung Importieren Sie mit einem Aufruf der Methode userEvents.import.
Wann er genutzt wird Wenn Sie den erhöhten Datenschutz durch eine durchgehende Authentifizierung auf dem Backend haben und in der Lage sein möchten, einen Backend-Import auszuführen.
Beschränkungen In der Regel ist dies komplizierter als ein Webimport.

Nutzerereignisse aus Cloud Storage importieren

Sie können Nutzerereignisse aus Cloud Storage mit der Google Cloud Console oder mit der Methode userEvents.import importieren.

Console

  1. Gehen Sie zu Daten > in der Search for Retail-Konsole.

    Zur Seite „Daten“
  2. Klicken Sie auf Importieren, um den Bereich Daten importieren zu öffnen.
  3. Wählen Sie Nutzerereignisse aus.
  4. Wählen Sie Google Cloud Storage als Datenquelle aus.
  5. Wählen Sie als Schema Schema für Nutzerereignisse im Einzelhandel aus.
  6. Geben Sie den Cloud Storage-Speicherort Ihrer Daten ein.
  7. Klicken Sie auf Importieren.

cURL

Mit der Methode userEvents.import können Sie Ihre Nutzerereignisse importieren.

  1. Erstellen Sie eine Datendatei für die Eingabeparameter für den Import. Verwenden Sie das Objekt GcsSource, um auf Ihren Cloud Storage-Bucket zu verweisen.

    Sie können mehrere Dateien oder nur eine bereitstellen.

    • INPUT_FILE: Eine oder mehrere Dateien in Cloud Storage, die Ihre Nutzerereignisdaten enthalten. Weitere Informationen finden Sie unter Nutzerereignisse für Beispiele für jedes Format von Nutzerereignistypen. Jedes Nutzerereignis muss sich in einer eigenen Zeile ohne Zeilenumbruch befinden.
    • ERROR_DIRECTORY: Ein Cloud Storage-Verzeichnis für Fehlerinformationen zum Import.

    Die Felder der Eingabedatei müssen das Format gs://<bucket>/<path-to-file>/ haben. Das Fehlerverzeichnis muss das Format gs://<bucket>/<folder>/ haben. Wenn das Fehlerverzeichnis nicht vorhanden ist, wird Vertex AI Search for Retail erstellt. Der Bucket muss bereits vorhanden sein.

    {
"inputConfig":{
 "gcsSource": {
   "inputUris": ["INPUT_FILE_1", "INPUT_FILE_2"],
  },
  "errorsConfig":{"gcsPrefix":"ERROR_DIRECTORY"}
}

  2. Kataloginformationen importieren durch POST-Anfrage an die REST userEvents:import stellen unter Angabe des Namens der Datendatei.

    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"
  }
}'

Nutzerereignisse aus BigQuery importieren

Sie können Nutzerereignisse aus BigQuery mit der Google Cloud Console oder mit der Methode userEvents.import importieren.

BigQuery-Zugriff einrichten

Folgen Sie der Anleitung unter Zugriff auf Ihr BigQuery-Dataset einrichten, um Ihrem Vertex AI Search for Retail-Dienstkonto die Rolle BigQuery-Dateninhaber für Ihr BigQuery-Dataset zuzuweisen.

Nutzerereignisse aus BigQuery importieren

Sie können 360-Ereignisse mithilfe der Suchen Sie nach der Retail-Konsole oder der Methode userEvents.import.

Console

  1. Gehen Sie zu Daten > in der Search for Retail-Konsole.

    Zur Seite „Daten“
  2. Klicken Sie auf Importieren, um das Feld Daten importieren zu öffnen.
  3. Wählen Sie Nutzerereignisse aus.
  4. Wählen Sie BigQuery als Datenquelle aus.

  5. Wählen Sie das Datenschema aus.

  6. Geben Sie die BigQuery-Tabelle an, wo sich die Daten befinden.
  7. Optional: Geben Sie den Speicherort eines Cloud Storage-Bucket in das Feld Ihr Projekt als temporären Speicherort für Ihre Daten an.
    Wenn Sie nichts angeben, wird als Standardspeicherort verwendet. Wenn angegeben, müssen BigQuery und Cloud Storage-Bucket in derselben Region.
  8. Optional: Geben Sie unter Erweiterte Optionen anzeigen den Speicherort eines Cloud Storage-Buckets in Ihrem Projekt als temporären Speicherort für Ihre Daten ein.

    Wenn keine Angabe erfolgt, wird ein Standardspeicherort verwendet. Wenn Sie einen Speicherort angeben, müssen sich BigQuery und der Cloud Storage-Bucket in derselben Region befinden.
  9. Klicken Sie auf Importieren.

curl

Nutzerereignisse importieren, indem Sie die Daten für die Ereignisse in den Anruf einbeziehen mit der Methode userEvents.import verknüpfen. Weitere Informationen finden Sie in der userEvents.import API-Referenz.

Welchen Wert Sie für dataSchema angeben, hängt davon ab, was Sie importieren:

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"
  }
}
}'

Analytics 360-Nutzerereignisse mit BigQuery importieren

Analytics 360-Nutzerereignisse können importiert werden, Analytics 360 in BigQuery integriert erweiterte E-Commerce-Berichte.

Bei den folgenden Verfahren wird davon ausgegangen, dass Sie mit der Verwendung von BigQuery und Analytics 360

Hinweise

Bevor Sie mit den nächsten Schritten beginnen, müssen Sie Folgendes tun:

Datenquelle prüfen

  1. Achten Sie darauf, dass die zu importierenden Nutzerereignisdaten in einer BigQuery-Tabelle, auf die Sie Zugriff haben, korrekt formatiert sind.

    Achten Sie darauf, dass die Tabelle den Namen project_id:ga360_export_dataset.ga_sessions_YYYYMMDD hat.

    Weitere Informationen finden Sie in der Google Analytics-Dokumentation. das Format und die Benennung der Tabelle.

  2. Wählen Sie in der Google Cloud Console von BigQuery im Bereich Explorer die Tabelle aus, um deren Vorschau aufzurufen.

    Prüfen Sie, ob:

    1. Die Spalte clientId enthält einen gültigen Wert, z. B. 123456789.123456789.

      Beachten Sie, dass sich dieser Wert vom vollständigen _ga-Cookiewert unterscheidet, der ein Format wie GA1.3.123456789.123456789 hat.

    2. die Spalte hits.transaction.currencyCode einen gültigen Währungscode hat.

    3. Wenn Sie search-Ereignisse importieren möchten, prüfen Sie, ob eine Spalte hits.page.searchKeyword oder hits.customVariable.searchQuery vorhanden ist.

      Der Import von search-Ereignissen wird unterstützt, aber sie werden von Analytics 360 nicht auf dieselbe Weise zugeordnet wie andere Ereignistypen, da Analytics 360 den Ereignistyp search nicht von Haus aus unterstützt. Während des Imports werden search-Ereignisse aus Analytics 360 erstellt, indem Informationen aus der Suchanfrage und, falls vorhanden, aus Produktimpressionen kombiniert werden.

      Die Suchanfrage wird entweder von hits.page.searchKeyword oder von hits.customVariables.customVarValue abgeleitet, wenn für hits.customVariables.customVarName der Wert searchQuery gilt. Die Produktimpression wird aus hits.product übernommen, wenn für hits.product.isImpressions der Wert TRUE gilt.

  3. Prüfen Sie die Konsistenz der Artikel-IDs zwischen dem hochgeladenen Katalog und der Analytics 360-Nutzerereignistabelle.

    Verwenden Sie die Produkt-ID aus der Spalte hits.product.productSKU in der BigQuery-Tabellenvorschau und verwenden Sie die Methode product.get, um sicherzustellen, dass sich das gleiche Produkt in Ihrem hochgeladenen Katalog befindet.

    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"

Analytics 360-Ereignisse importieren

Sie können Google Analytics 360-Ereignisse mit der Suchen Sie nach der Retail-Konsole oder der Methode userEvents.import.

Console

  1. Gehen Sie zu Daten > in der Search for Retail-Konsole.

    Zur Seite „Daten“
  2. Klicken Sie auf Importieren, um das Feld Daten importieren zu öffnen.
  3. Wählen Sie Nutzerereignisse aus.
  4. Wählen Sie BigQuery als Datenquelle aus.

  5. Wählen Sie das Datenschema aus.

  6. Geben Sie die BigQuery-Tabelle an, wo sich die Daten befinden.
  7. Optional: Geben Sie den Speicherort eines Cloud Storage-Bucket in das Feld Ihr Projekt als temporären Speicherort für Ihre Daten an.
    Wenn Sie nichts angeben, wird als Standardspeicherort verwendet. Wenn angegeben, müssen BigQuery und Cloud Storage-Bucket in derselben Region.
  8. Optional: Geben Sie unter Erweiterte Optionen anzeigen den Speicherort eines Cloud Storage-Buckets in Ihrem Projekt als temporären Speicherort für Ihre Daten ein.

    Wenn keine Angabe erfolgt, wird ein Standardspeicherort verwendet. Wenn Sie einen Speicherort angeben, müssen sich BigQuery und der Cloud Storage-Bucket in derselben Region befinden.
  9. Klicken Sie auf Importieren.

REST

Importieren Sie die Nutzerereignisse, indem Sie die Daten für die Ereignisse in den Aufruf der Methode userEvents.import aufnehmen.

Verwenden Sie für dataSchema den Wert 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;
}

Analytics 360-Startseitenaufrufe mit BigQuery importieren

Ereignisse vom Typ „Startseitenaufruf“ sind in Analytics 360 von anderen Seitenaufrufereignissen unterschieden werden. Das bedeutet, dass Ereignisse vom Typ „startseitenaufruf“ nicht wie die anderen Ereignistypen (z. B. „detailseitenaufruf“) unter Google Analytics 360-Ereignisse importieren importiert werden.

Im Folgenden wird erläutert, wie Sie Startseitenaufruf-Ereignisse aus Analytics 360-Daten in Analytics 360-Daten Vertex AI Search for Retail. Kurz gesagt: Hierzu werden die Blick auf das Zuhause (durch den Startseitenpfad gekennzeichnet) in eine neue BigQuery-Tabelle und dann Daten aus dieser neuen Tabelle in Vertex AI Search for Retail zu importieren.

Wenn Sie Ereignisse vom Typ „Startseitenaufrufe“ aus Analytics 360 in Vertex AI Search für den Einzelhandel:

  1. Erstellen Sie ein BigQuery-Dataset oder stellen Sie sicher, dass Sie eine BigQuery-Dataset, dem Sie eine Tabelle hinzufügen können.

    Dieses Dataset kann sich in Ihrem Vertex AI Search for Retail-Projekt oder in dem Projekt befinden, haben Sie Ihre Analytics 360-Daten. Dies ist der Zieldatensatz, in den Sie die Analytics 360-Ereignisse vom Typ „Startseitenaufruf“ kopieren.

  2. Erstellen Sie eine BigQuery-Tabelle im Dataset wie folgt:

    1. Ersetzen Sie die Variablen im folgenden SQL-Code so:

      • target_project_id::Das Projekt, zu dem das Dataset aus Schritt 1 gehört. befindet.

      • target_dataset: Der Name des Datasets aus Schritt 1.

      CREATE TABLE TARGET_PROJECT_ID.TARGET_DATASET.ga_homepage (
 eventType STRING NOT NULL,
 visitorId STRING NOT NULL,
 userId STRING,
 eventTime STRING NOT NULL
);

    2. Kopieren Sie das SQL-Codebeispiel.

    3. Öffnen Sie in der Google Cloud Console die Seite "BigQuery".

      Zur Seite "BigQuery"

    4. Wählen Sie das Zielprojekt aus, falls es noch nicht ausgewählt ist.

    5. Fügen Sie das SQL-Codebeispiel in den Bereich Editor ein.

    6. Klicken Sie auf  Ausführen und warten Sie, bis die Abfrage abgeschlossen ist.

    Wenn Sie diesen Code ausführen, wird eine Tabelle im Format target_project_id:target_dataset.ga_homepage_YYYYMMDD erstellt, z. B. my-project:view_events.ga_homepage_20230115.

  3. Kopieren Sie die Analytics 360-Ereignisse vom Typ „Startseitenaufruf“ aus der Analytics 360-Datentabelle in die Tabelle ein, die im vorherigen Schritt 2.

    1. Ersetzen Sie die Variablen im folgenden SQL-Beispielcode so:

      • source_project_id::Die ID des Projekts, das den Analytics 360-Daten in BigQuery .

      • source_dataset: Das Dataset im Quellprojekt, das die Analytics 360-Daten in einer BigQuery-Tabelle enthält.

      • source_table::Die Tabelle im Quellprojekt, die die Datei die Analytics 360-Daten.

      • target_project_id::Dieselbe Zielprojekt-ID wie im vorherigen Schritt 2.

      • target_dataset::dasselbe Ziel-Dataset wie im vorherigen Schritt 2.

      • path:Pfad zur Startseite. Normalerweise ist dies / – für Beispiel: example.com/ ist die Startseite. Wenn die Startseite jedoch entspricht examplepetstore.com/index.html, der Pfad ist /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. Kopieren Sie das SQL-Codebeispiel.

    3. Öffnen Sie in der Google Cloud Console die Seite "BigQuery".

      Zur Seite "BigQuery"

    4. Wählen Sie das Zielprojekt aus, falls es noch nicht ausgewählt ist.

    5. Fügen Sie das SQL-Codebeispiel in den Bereich Editor ein.

    6. Klicken Sie auf  Ausführen und warten Sie, bis die Abfrage abgeschlossen ist.

  4. Folgen Sie der Anleitung unter Nutzerereignisse aus BigQuery importieren, um Ereignisse zu importieren. Homepage-view-Ereignisse aus der Zieltabelle. Wenn Sie die Konsole zum Importieren verwenden, wählen Sie bei der Schemaauswahl Schema für Nutzerereignisse in Retail aus. Wenn Sie userEvents.import zum Importieren verwenden, geben Sie user_event für den dataSchema-Wert an.

  5. Löschen Sie die Tabelle und das Dataset, die Sie in den Schritten 1 und 2 erstellt haben.

Google Analytics 4-Nutzerereignisse mit BigQuery importieren

Sie können Google Analytics 4-Nutzerereignisse importieren, wenn Sie Google Analytics 4 in BigQuery integriert haben und Google Analytics-E-Commerce-Berichte verwenden.

In den folgenden Verfahren wird davon ausgegangen, dass Sie mit der Verwendung von BigQuery und Google Analytics 4 vertraut sind.

Hinweise

Bevor Sie mit den nächsten Schritten beginnen, müssen Sie Folgendes tun:

Datenquelle prüfen

Führen Sie die folgenden Schritte aus, um Ihre Nutzerereignisdaten für den Import vorzubereiten.

Eine Tabelle mit Google Analytics 4-Feldern, die in Vertex AI Search for Retail verwendet werden, und den zugehörigen Vertex AI Search for Retail-Feldern, finden Sie unter Google Analytics 4-Felder für Nutzerereignisse.

Eine Liste aller Google Analytics-Ereignisparameter finden Sie in der Referenzdokumentation zu Google Analytics-Ereignissen.

  1. Achten Sie darauf, dass die zu importierenden Nutzerereignisdaten in einer BigQuery-Tabelle, auf die Sie Zugriff haben, korrekt formatiert sind.

    • Das Dataset sollte den Namen analytics_PROPERTY_ID haben.
    • Die Tabelle sollte den Namen events_YYYYMMDD haben.

    Informationen zu Tabellennamen und -format finden Sie in der Google Analytics-Dokumentation.

  2. Im BigQuery Google Cloud Console Wählen Sie das Dataset im Bereich Explorer aus und suchen Sie die Tabelle „Nutzer“ die Sie importieren möchten.

    Prüfen Sie, ob:

    1. die Spalte event_params.key einen Schlüssel currency hat und der zugehörige Stringwert ein gültiger Währungscode ist.

    2. Wenn Sie search-Ereignisse importieren möchten, prüfen Sie, ob die Spalte event.event_params.key einen search_term-Schlüssel und einen zugehörigen Wert hat.

      Das Importieren von search-Ereignissen wird unterstützt, aber search-Ereignisse können nicht zugeordnet werden Google Analytics 4 genau wie andere Ereignistypen da Google Analytics 4 die Vertex AI Search for Retail search-Ereignistyp. Während des Imports search-Ereignisse bestehen aus in Google Analytics 4, indem Informationen aus der view_item_list und den Parameter search_term.

      Informationen zu search in Google Analytics 4 finden Sie unter search.

  3. Prüfen Sie die Konsistenz der Artikel-IDs zwischen dem hochgeladenen Katalog und dem Google Analytics 4-Nutzerereignistabelle.

    Um sicherzugehen, dass ein Produkt in der Google Analytics 4-Nutzertabelle kopieren Sie eine Produkt-ID aus dem Spalte event.items.item_id in der BigQuery-Tabellenvorschau und prüfen Sie mit der Methode product.get, ob diese Produkt-ID in Ihrem hochgeladenen Katalog.

    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"

BigQuery-Zugriff einrichten

Folgen Sie der Anleitung unter Zugriff auf Ihr BigQuery-Dataset einrichten, um Ihrem Vertex AI Search for Retail-Dienstkonto die Rolle BigQuery-Dateninhaber für Ihr BigQuery-Dataset zuzuweisen.

Google Analytics 4-Ereignisse importieren

Sie können Google Analytics 4-Ereignisse über die Search Console für Einzelhandel oder die Methode userEvents.import importieren.

Google Analytics 4-Ereignisse über die Console importieren

  1. Gehen Sie zu Daten > in der Search for Retail-Konsole.

    Zur Seite „Daten“
  2. Klicken Sie auf Importieren, um das Feld Daten importieren zu öffnen.
  3. Wählen Sie Nutzerereignisse aus.
  4. Wählen Sie BigQuery als Datenquelle aus.

  5. Wählen Sie das Datenschema aus.

  6. Geben Sie die BigQuery-Tabelle an, wo sich die Daten befinden.
  7. Optional: Geben Sie den Speicherort eines Cloud Storage-Bucket in das Feld Ihr Projekt als temporären Speicherort für Ihre Daten an.
    Wenn Sie nichts angeben, wird als Standardspeicherort verwendet. Wenn angegeben, müssen BigQuery und Cloud Storage-Bucket in derselben Region.
  8. Optional: Geben Sie unter Erweiterte Optionen anzeigen den Speicherort eines Cloud Storage-Buckets in Ihrem Projekt als temporären Speicherort für Ihre Daten ein.

    Wenn keine Angabe erfolgt, wird ein Standardspeicherort verwendet. Wenn Sie einen Speicherort angeben, müssen sich BigQuery und der Cloud Storage-Bucket in derselben Region befinden.
  9. Klicken Sie auf Importieren.

Google Analytics 4-Ereignisse über die API importieren

Importieren Sie die Nutzerereignisse, indem Sie die Daten für die Ereignisse in den Aufruf der Methode userEvents.import aufnehmen. Weitere Informationen finden Sie in der userEvents.import API-Referenz

Verwenden Sie für dataSchema den Wert 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"
    }
  }
}'

Nutzerereignisse inline importieren

Sie importieren Nutzerereignisse inline, indem Sie die Daten für die Ereignisse in Ihren Aufruf der Methode userEvents.import aufnehmen.

Der einfachste Weg dafür ist, Ihre Nutzerereignisdaten in eine JSON-Datei einzufügen und diese in cURL bereitzustellen.

Informationen zu den Formaten der Nutzerereignistypen finden Sie unter Nutzerereignisse.

curl

  1. Erstellen Sie die JSON-Datei:

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

  2. Rufen Sie die Methode POST auf:

    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;
}

Historische Katalogdaten

Sie können auch die Verlaufskatalogdaten importieren, die in Ihren Verlaufsnutzerereignissen angezeigt werden. Diese vergangenen Katalogdaten können hilfreich sein, da frühere Produktinformationen zur Anreicherung der Nutzerereignisse verwendet werden können, was die Modellgenauigkeit möglicherweise noch verbessert.

Weitere Informationen finden Sie unter Historische Katalogdaten importieren.

Importierte Ereignisse ansehen

Messwerte zur Ereignisintegration finden Sie in der Retail-Konsole auf der Seite Daten auf dem Tab Ereignisse. Auf dieser Seite werden alle Ereignisse angezeigt, die im letzten Jahr geschrieben oder importiert wurden. Messwerte können bis zu bis 24 Stunden nach erfolgreicher Datenaufnahme angezeigt werden.

Zur Seite "Daten"

Nächste Schritte