Insights connectés cross-média et produit

Cette page décrit les configurations requises pour utiliser l'accélérateur Cross Media &Product Connected Insights (Cross Media) de Cortex Framework Data Foundation.

Avec cet accélérateur Cross Media, Cortex Framework Data Foundation est enrichi d'un ensemble initial de KPI permettant de comprendre l'efficacité des campagnes marketing diffusées sur des plates-formes média telles que Google Ads, YouTube (avec DV360), Meta et TikTok pour les performances des ventes de produits et de catégories de produits.

Le schéma suivant décrit comment les insights Cross Media sont disponibles via les charges de travail marketing de Cortex Framework Data Foundation :

Source de données CM360

Figure 1. Architecture cross-média.

Fichier de configuration

Le fichier config.json configure les paramètres requis pour se connecter aux sources de données afin de transférer des données à partir de différentes charges de travail. Ce fichier contient les paramètres suivants pour Cross Media :

  "k9": {
    "datasets": {... },
    "crossMedia": {
      "productHierarchyType": "",
      "maxProductHierarchyMatchLevel": 9,
      "targetCurrencies": ["USD"],
      "additionalPrompt": "",
      "lookbackWindowDays": 7
    }
  },
  "VertexAI": {
    "region": "us-central1",
    "processingDataset": "CORTEX_VERTEX_AI_PROCESSING"
  },
...

Le tableau suivant décrit la valeur de chaque paramètre :

Paramètre Signification Valeur par défaut
k9.deployCrossMedia Indique si Cross Media sera déployé. Notez qu'au moins l'un des éléments suivants doit être déployé en même temps : Google Ads, YouTube (avec DV360), Meta ou TikTok. Sinon, le déploiement échouera. False
k9.CrossMedia.productHierarchyType Indique la hiérarchie de produits à utiliser dans la dimension du produit. Dépend des données réelles. Définissez cette valeur sur la même valeur que celle de votre productHierarchyType valeur pour la dimension de la hiérarchie de produits. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limite le niveau de la hiérarchie de produits pour la correspondance. Les entreprises qui possèdent de nombreuses références peuvent avoir des hiérarchies trop profondes avec des spécificités d' emballage (par exemple, Coca-Cola en verre ou en canette, emballé individuellement ou par lots). Certains systèmes, tels que SAP, ont leur propre limite de profondeur. 9
k9.CrossMedia.targetCurrencies Devises cibles utilisées à des fins de reporting et de BI. Toutes les devises sources seront converties dans ces devises. ["USD"]
k9.CrossMedia.additionalPrompt Facultatif : transmettez des invites supplémentaires au modèle LLM.
k9.CrossMedia.lookbackWindowDays Nombre de jours à prendre en compte lors de l'actualisation incrémentielle 7
VertexAI.region Région Vertex AI (en supposant le projet source pour l'API Vertex AI). Elle doit être colocalisée avec BigQuery et ne doit pas être multirégionale. Si BigQuery se trouve dans une région multirégionale, n'importe quelle région de la même région multirégionale est acceptable. us-central1 (qui correspond à l'emplacement BigQuery par défaut location us)
VertexAI.processingDataset Ensemble de données BigQuery pour les jobs Vertex AI. Il doit se trouver dans VertexAI.region emplacement et ne pas être multirégional. CORTEX_VERTEX_AI_PROCESSING

Modèle de données

Cette section décrit le modèle de données Cross Media &Product Connected Insights à l'aide du diagramme entité-association.

Diagramme de relations entre entités pour le cross-média

Figure 2. Cross Media &Product Connected Insights : diagramme entité-association.

Déployer Cross Media

  1. Créez un ensemble de données BigQuery dans le projet source pour le traitement Vertex AI.

  2. Configurez une ou plusieurs des sources de données marketing suivantes pour le déploiement, en suivant leurs propres guides :

    1. Google Ads
    2. Meta
    3. YouTube (avec DV360)
    4. TikTok

  3. Activez et configurez les dimensions communes requises :

    1. Dimension "Pays"
    2. Dimension "Produit"
    3. Conversion de devise

  4. Configurez les paramètres Cross Media :

    1. Définissez k9.deployCrossMedia sur True.
    2. Définissez k9.CrossMedia.productHierarchyType sur la même valeur que dataSourceType à l'étape précédente.
    3. Dans la section VertexAI, définissez l'ensemble de données sur celui que vous avez créé à l'étape 1, et region doit correspondre à l'emplacement de l'ensemble de données de traitement Vertex AI.

  5. Ajustez les autres paramètres si nécessaire. Vous pouvez ensuite lancer le déploiement.

Exécuter les DAG

  1. Configurez l'environnement Managed Service pour Apache Airflow Airflow si nécessaire. Assurez-vous que la connexion k9_reporting est correctement configurée.
  2. Chargez les données dans les tables "Conversion de devise" et "Hiérarchie de produits".
  3. Exécutez les DAG cross_media. Il existe deux types d'actualisation : "Actualisation complète" ou "Actualisation incrémentielle". Utilisez celui qui correspond à votre cas d'utilisation.

Problèmes connus

Si la table "Conversion de devise" n'est pas renseignée, la colonne TotalCostInTargetCurrency de la table de sortie finale sera vide pour toutes les lignes. Dans ce cas, vous pouvez toujours utiliser la colonne TotalCostInSourceCurrency pour générer des rapports sur les coûts dans la devise source.

Étape suivante