Exporter vos données vers BigQuery

Cette page explique comment importer des données sur les produits de vente au détail et les événements utilisateur dans BigQuery. Une fois vos données dans BigQuery, vous pourrez les utiliser pour effectuer des prévisions de ventes avec Vertex AI et les afficher dans des tableaux de bord Looker prédéfinis.

Si vos données commerciales se trouvent déjà dans des tables de produits et d'événements utilisateur au format AI Commerce Search dans BigQuery, vous pouvez ignorer cette page et passer directement à Obtenir des tableaux de bord affichant les indicateurs clés de performance et générer des prévisions de ventes à partir de données Retail. Pour en savoir plus sur le format, consultez Schéma de produit et À propos des événements utilisateur.

Avant de commencer

Avant de pouvoir exporter vos données commerciales vers BigQuery, vous devez avoir suivi les procédures décrites dans Configuration initiale.

Par exemple :

Créer un ensemble de données dans BigQuery

Vous devez créer un ou deux ensembles de données dans BigQuery pour stocker vos données sur les produits et les données d'événement utilisateur.

Vous pouvez utiliser un seul ensemble de données pour stocker les deux types de données ou en créer deux, un pour chaque type de données.

Vous devez créer les ensembles de données dans le même projet que celui dans lequel vous avez implémenté AI Commerce Search.

  1. Si vous n'avez jamais utilisé BigQuery dans votre projet, activez l'API BigQuery et assurez-vous de disposer du rôle IAM qui vous permet de créer des ensembles de données et des tables.

    Consultez Avant de commencer et Contrôle des accès avec IAM dans la documentation BigQuery.

  2. Créez un ensemble de données dans BigQuery dans la zone multirégionale US. Par exemple, nommez-le retail_data.

  3. Facultatif : Pour placer vos données d'événements utilisateur dans un ensemble de données distinct de vos données produit, créez un deuxième ensemble de données. Par exemple, nommez-le retail_user_event_data.

Pour en savoir plus sur la création d'ensembles de données BigQuery, consultez la documentation BigQuery.

Cet ensemble de données servira à stocker les tables de données que vous exportez. Les procédures suivantes décrivent comment exporter.

Exporter votre catalogue AI Commerce Search vers une table BigQuery

Utilisez la méthode export pour exporter votre catalogue Retail dans une table BigQuery.

Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :

  • PROJECT_ID : ID du projet d'API AI Commerce Search dans lequel vous avez créé l'ensemble de données BigQuery.
  • BRANCH_ID : ID de la branche du catalogue. Utilisez default_branch pour obtenir des données de la branche par défaut. Pour en savoir plus, consultez Branches de catalogue.
  • DATASET_ID : nom de l'ensemble de données que vous avez créé dans Créer un ensemble de données dans BigQuery. Par exemple, utilisez retail_data ou retail_product_data. L'ensemble de données doit se trouver dans le même projet. N'ajoutez pas l'ID de projet au champ datasetId ici.
  • TABLE_ID_PREFIX : préfixe de l'ID de table. Ce préfixe ne peut pas être une chaîne vide. Un suffixe _retail_products_BRANCH_ID est ajouté pour compléter le nom de la table. Par exemple, si le préfixe est test, la table est nommée _test_retail_products_BRANCH_ID.

Corps JSON de la requête : 

{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}

Pour envoyer votre requête, développez l'une des options suivantes :

Vous devriez recevoir une réponse JSON de ce type :

{
  "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/BRANCH_ID/operations/17986570020347019923",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2alpha.ExportProductsResponse",
    "outputResult": {
      "bigqueryResult": [
        {
          "datasetId": "DATASET_ID",
          "tableId": "TABLE_ID_PREFIX_retail_products_BRANCH_ID"
        }
      ]
    }
  }
}

Exporter vos événements utilisateur vers une table BigQuery

Utilisez la méthode userEvents.export pour exporter vos événements utilisateur Retail dans une table BigQuery :

Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :

  • PROJECT_ID : ID du projet d'API AI Commerce Search dans lequel vous avez créé l'ensemble de données BigQuery.
  • DATASET_ID : nom de l'ensemble de données que vous avez créé dans Créer un ensemble de données dans BigQuery. Par exemple, utilisez retail_data ou retail_product_data.
  • TABLE_ID_PREFIX : préfixe de l'ID de table. Ce préfixe ne peut pas être une chaîne vide. Un suffixe retail_products est ajouté pour compléter le nom de la table. Par exemple, si le préfixe est test, la table est nomméetest_retail_products.

Corps JSON de la requête : 

{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}

Pour envoyer votre requête, développez l'une des options suivantes :

Vous devriez recevoir une réponse JSON de ce type :

{
  "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/operations/17203443067109586170",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2alpha.ExportUserEventsResponse",
    "outputResult": {
      "bigqueryResult": [
        {
          "datasetId": "DATASET_ID",
          "tableId": "TABLE_ID_PREFIX_retail_user_events"
        }
      ]
    }
  }
}

À propos des données exportées

Voici quelques informations à connaître sur les données commerciales que vous exportez vers des tables BigQuery :

  • Les données exportées vers les tables BigQuery de votre projet sont des vues autorisées, et non des vues matérialisées.

  • Vous ne pouvez pas modifier ni mettre à jour les données de ces tables.

  • Les produits sont actualisés toutes les heures.

  • Les événements utilisateur sont actualisés en temps quasi réel.

À propos des données d'événements utilisateur exportées

Voici quelques informations à connaître sur les informations produit incluses dans les données d'événements utilisateur exportées.

Informations sur le prix du produit

La façon dont les informations sur le prix du produit sont renvoyées par la méthode userEvents.export dépend des éléments suivants :

  • Vous avez inclus des informations sur le prix dans vos données d'événements utilisateur au moment de l'ingestion. Lorsque vous appelez la méthode userEvents.export, le prix renvoyé avec un événement utilisateur correspond au prix du produit au moment de l'événement.

  • Vous n'avez pas inclus d'informations sur le prix dans vos données d'événements utilisateur, mais vous en avez inclus dans vos données produit au moment de l'ingestion. Lorsque vous appelez la méthode userEvents.export, le prix renvoyé avec un événement utilisateur n'est pas nécessairement le prix du produit au moment de l'événement. Il s'agit du prix trouvé dans vos données produit au moment de l'ingestion.

  • Vous n'avez pas inclus d'informations sur le prix dans vos données d'événements utilisateur et aucune information sur le prix n'est disponible dans vos données produit. Lorsque vous appelez la méthode userEvents.export, aucun prix n'est renvoyé avec les événements utilisateur.

Autres informations produit

Toutes les informations produit (à l'exception du prix) sont associées aux informations sur les événements utilisateur lorsque vous appelez la méthode userEvents.export. Les valeurs des produits peuvent changer entre le moment de l'événement utilisateur et le moment où vous appelez userEvents.export. Pour cette raison, les valeurs de produit autres que le prix renvoyées dans la table des événements utilisateur peuvent être différentes des valeurs de produit au moment de l'événement utilisateur.

Facultatif : Vérifier que les nouvelles tables se trouvent dans BigQuery

Une fois que vous avez exporté vos données produit et vos données d'événements utilisateur vers BigQuery, assurez-vous que de nouvelles tables sont présentes.

  1. Dans BigQuery, accédez au ou aux ensembles de données que vous avez créés dans Créer un ensemble de données dans BigQuery.

  2. Ouvrez le ou les ensembles de données et assurez-vous que les deux tables que vous avez exportées s'affichent. Par exemple, recherchez des tables dont le nom se termine par _retail_products_BRANCH_ID et retail_user_events.

Pour en savoir plus sur l'utilisation des tables BigQuery, consultez Interroger et afficher des données.

Consultez la page Gouvernance des données pour en savoir plus sur la façon dont AI Commerce Search gère les données client.