Insights conectados de mídia cruzada e produtos

Esta página descreve as configurações necessárias para usar o acelerador de insights conectados de mídia cruzada e produtos (mídia cruzada) da Data Foundation do Cortex Framework.

Com esse acelerador de mídia cruzada, a Data Foundation do Cortex Framework é enriquecida com um conjunto inicial de KPIs para entender a eficácia das campanhas de marketing veiculadas em plataformas de mídia, como Google Ads, YouTube (com o DV360), Meta e TikTok, para o desempenho de vendas de produtos e categorias de produtos.

O diagrama a seguir descreve como os insights de mídia cruzada estão disponíveis nas cargas de trabalho de marketing da Data Foundation do Cortex Framework:

Fonte de dados do CM360

Figura 1. Arquitetura de mídia cruzada.

Arquivo de configuração

O arquivo config.json configura as definições necessárias para se conectar a fontes de dados e transferir dados de várias cargas de trabalho. Esse arquivo contém os seguintes parâmetros para mídia cruzada:

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

A tabela a seguir descreve o valor de cada parâmetro:

Parâmetro Significado Valor padrão
k9.deployCrossMedia Indica se a mídia cruzada será implantada. Observação: é necessário que pelo menos um dos seguintes itens seja implantado: Google Ads, YouTube (com o DV360), Meta ou TikTok. Caso contrário, a implantação vai falhar. False
k9.CrossMedia.productHierarchyType Qual das hierarquias de produtos usar na dimensão do produto. Depende dos dados reais. Defina esse valor como o mesmo valor de productHierarchyType para a dimensão da hierarquia de produtos. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita o nível da hierarquia de produtos para correspondência. Empresas com muitos SKUs podem ter hierarquias muito profundas com detalhes de embalagem (por exemplo, Coca-Cola em vidro ou latas, embaladas individualmente ou em lotes). Alguns sistemas, como o SAP, têm um limite próprio de profundidade 9
k9.CrossMedia.targetCurrencies Moedas de destino usadas para fins de relatórios e BI. Todas as moedas de origem serão convertidas para essas moedas. ["USD"]
k9.CrossMedia.additionalPrompt Opcional: transmita prompts adicionais para o modelo LLM.
k9.CrossMedia.lookbackWindowDays Número de dias a serem considerados ao fazer a atualização incremental 7
VertexAI.region Região da Vertex AI (considerando o projeto de origem para API Vertex AI). Ela precisa estar no mesmo local que o BigQuery e não pode ser uma multirregião. Se o BigQuery estiver em uma multirregião, qualquer região da mesma multirregião será aceitável. us-central1 (que corresponde ao local padrão do BigQuery location us)
VertexAI.processingDataset O conjunto de dados do BigQuery para jobs da Vertex AI precisa estar em VertexAI.region local e não em uma multirregião. CORTEX_VERTEX_AI_PROCESSING

Modelo de dados

Esta seção descreve o modelo de dados de insights conectados de mídia cruzada e produtos usando o diagrama de entidade-relacionamento (DER).

Diagrama de relacionamento de entidades para crossmedia

Figura 2. Insights conectados de mídia cruzada e produtos: diagrama de entidade-relacionamento.

Como implantar a mídia cruzada

  1. Crie um conjunto de dados do BigQuery no projeto de origem para o processamento da Vertex AI.

  2. Configure uma ou mais das seguintes fontes de dados de marketing para implantação, seguindo os próprios guias:

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

  3. Ative e configure as dimensões comuns necessárias :

    1. Dimensão do país
    2. Dimensão do produto
    3. Conversão de moeda

  4. Configure as definições de mídia cruzada:

    1. Defina k9.deployCrossMedia como True.
    2. Defina k9.CrossMedia.productHierarchyType com o mesmo valor de dataSourceType na etapa anterior.
    3. Na seção VertexAI, defina o conjunto de dados como o que você criou na etapa 1 e region precisa corresponder ao local do conjunto de dados de processamento de IA da Vertex AI.

  5. Ajuste outras configurações conforme necessário. Em seguida, você estará pronto para iniciar a implantação.

Como executar os DAGs

  1. Configure o ambiente do Serviço Gerenciado para Apache Airflow conforme necessário. Verifique se a conexão k9_reporting está configurada corretamente.
  2. Carregue dados nas tabelas de conversão de moeda e hierarquia de produtos.
  3. Execute os DAGs cross_media. Há duas opções: "Atualização completa" ou "Atualização incremental". Use a que melhor se adapta ao seu caso de uso.

Problemas conhecidos

Se a tabela de conversão de moeda não for preenchida, a coluna TotalCostInTargetCurrency da tabela de saída final ficará vazia para todas as linhas. Nesse caso, ainda é possível usar a coluna TotalCostInSourceCurrency para gerar relatórios sobre os custos na moeda de origem.

A seguir