Insights cross-média et connectés aux produits

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-média, 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 commerciales des produits et des catégories de produits.

Le schéma suivant décrit comment les insights cross-média 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 le cross-média :

  "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 la couverture cross-média sera déployée. Notez qu'au moins l'une des plates-formes Google Ads, YouTube (avec DV360), Meta ou TikTok doit être déployée en même temps, sinon le déploiement échouera. False
k9.CrossMedia.productHierarchyType Hiérarchie de produits à utiliser dans la dimension produit. Dépend des données réelles. Définissez cette valeur sur la même valeur que celle de votre productHierarchyType pour la dimension "Hiérarchie des produits". SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limite le niveau de la hiérarchie des produits pour la correspondance. Les entreprises disposant de nombreux SKU peuvent avoir des hiérarchies trop détaillées concernant les spécificités des emballages (par exemple, Coca-Cola en bouteille ou en canette, emballé individuellement ou par lots). Certains systèmes, comme SAP, ont leur propre limite de profondeur. 9
k9.CrossMedia.targetCurrencies Devises cibles utilisées à des fins de reporting et de business intelligence. Toutes les devises sources seront converties dans ces devises. ["USD"]
k9.CrossMedia.additionalPrompt Facultatif : transmettez des requêtes supplémentaires au modèle LLM.
k9.CrossMedia.lookbackWindowDays Nombre de jours à analyser lors de l'actualisation incrémentielle 7
VertexAI.region Région Vertex AI (en supposant que le projet source soit destiné à l'API Vertex AI). Il doit être colocalisé avec BigQuery et ne doit pas être multirégional. 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 us)
VertexAI.processingDataset L'ensemble de données BigQuery pour les jobs Vertex AI doit se trouver dans la région VertexAI.region et non dans une région multirégionale. CORTEX_VERTEX_AI_PROCESSING

Modèle de données

Cette section décrit le modèle de données Cross Media & Product Connected Insights à l'aide du diagramme de relations d'entités (ERD).

Diagramme de relation entre entités pour le cross-média

Figure 2. Insights cross-média et sur les produits connectés : diagramme de relations entre entités.

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 du produit
    3. Conversion de devises

  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. region doit correspondre à l'emplacement de l'ensemble de données de traitement par IA Vertex AI.

  5. Ajustez les autres paramètres si nécessaire. Vous êtes alors prêt à commencer le déploiement.

Exécuter les DAG

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

Problèmes connus

Si la table de conversion des devises 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 indiquer les coûts dans la devise source.

Étape suivante