Estadísticas conectadas de productos y medios

En esta página, se describen las configuraciones necesarias para utilizar el acelerador de estadísticas conectadas de productos y medios múltiples (Cross Media) de la base de datos de Cortex Framework.

Con este acelerador de medios múltiples, la base de datos de Cortex Framework se enriquece con un conjunto inicial de KPI para comprender la eficacia de las campañas de marketing que se publican en plataformas de medios como Google Ads, YouTube (con DV360), Meta y TikTok para el rendimiento de las ventas de productos y categorías de productos.

En el siguiente diagrama, se describe cómo las estadísticas de Cross Media están disponibles a través de las cargas de trabajo de marketing de Cortex Framework Data Foundation:

Fuente de datos de CM360

Figura 1. Arquitectura de medios múltiples.

Archivo de configuración

El archivo config.json configura los parámetros necesarios para conectarse a las fuentes de datos y transferir datos de diversas cargas de trabajo. Este archivo contiene los siguientes parámetros para Cross Media:

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

En la siguiente tabla, se describe el valor de cada parámetro:

Parámetro Significado Valor predeterminado
k9.deployCrossMedia Indica si se implementará el alcance en varios medios. Ten en cuenta que se requiere que, al menos, una de las plataformas de Google Ads, YouTube (con DV360), Meta o TikTok se implemente junto con la campaña, o la implementación fallará. False
k9.CrossMedia.productHierarchyType Qué jerarquías de productos se usarán dentro de la dimensión del producto. Depende de los datos reales. Establece este valor en el mismo valor que tu valor de productHierarchyType para la dimensión de jerarquía de productos. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita el nivel de la jerarquía de productos para la coincidencia. Las empresas con muchos SKUs pueden tener jerarquías demasiado profundas con detalles específicos del empaque (por ejemplo, Coca-Cola en vidrio o latas, empaquetada individualmente o en lotes). Algunos sistemas, como SAP, tienen su propio límite de profundidad. 9
k9.CrossMedia.targetCurrencies Son las monedas objetivo que se utilizan para los informes y la IE. Todas las monedas de origen se convertirán a estas monedas. ["USD"]
k9.CrossMedia.additionalPrompt Opcional: Pasa instrucciones adicionales al modelo de LLM.
k9.CrossMedia.lookbackWindowDays Cantidad de días que se deben tener en cuenta al realizar la actualización incremental 7
VertexAI.region Región de Vertex AI (se supone que es el proyecto fuente de la API de Vertex AI). Debe estar ubicada en la misma región que BigQuery y no debe ser una multirregión. Si BigQuery se encuentra en una multirregión, se acepta cualquier región de la misma multirregión. us-central1 (que coincide con la ubicación predeterminada de BigQuery us)
VertexAI.processingDataset Conjunto de datos de BigQuery para los trabajos de Vertex AI. Debe estar en la ubicación VertexAI.region y no en una multirregión. CORTEX_VERTEX_AI_PROCESSING

Modelo de datos

En esta sección, se describe el modelo de datos de estadísticas conectadas de productos y medios múltiples con el diagrama de relación de entidades (ERD).

Diagrama de relación entre entidades para medios múltiples

Figura 2: Estadísticas conectadas de productos y medios en múltiples canales: Diagrama de relación entre entidades.

Implementación de la función de varios medios

  1. Crea un conjunto de datos de BigQuery en el proyecto de origen para el procesamiento de Vertex AI.

  2. Configura una o más de las siguientes fuentes de datos de Marketing para la implementación siguiendo sus propias guías:

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

  3. Habilita y configura las dimensiones comunes obligatorias:

    1. Dimensión de país
    2. Dimensión del producto
    3. Conversión de monedas

  4. Establece la configuración de Cross Media:

    1. Establece k9.deployCrossMedia en True.
    2. Establece k9.CrossMedia.productHierarchyType con el mismo valor que dataSourceType en el paso anterior.
    3. En la sección VertexAI, configura el conjunto de datos como el que creaste en el paso 1, y region debe coincidir con la ubicación del conjunto de datos de procesamiento de Vertex AI.

  5. Ajusta cualquier otro parámetro de configuración según sea necesario. Luego, podrás comenzar la implementación.

Ejecuta los DAG

  1. Configura el entorno de Managed Service para Apache Airflow según sea necesario. Asegúrate de que la conexión k9_reporting esté configurada correctamente.
  2. Carga datos en las tablas de Conversión de moneda y Jerarquía de productos.
  3. Ejecuta los DAG de cross_media. Existen dos opciones: "Actualización completa" o "Actualización incremental". Usa el que se adapte a tu caso de uso.

Problemas conocidos

Si la tabla de conversión de moneda no se completa, la columna TotalCostInTargetCurrency de la tabla de salida final estará vacía para todas las filas. En este caso, puedes seguir usando la columna TotalCostInSourceCurrency para informar los costos en la moneda de origen.

Próximos pasos