Esportare i dati in BigQuery

Questa pagina descrive come caricare i dati sugli eventi utente e i dati dei prodotti retail in BigQuery. Una volta che i dati sono in BigQuery, potrai utilizzarli per eseguire la previsione delle vendite con Vertex AI e per visualizzarli nelle dashboard di Looker predefinite.

Se i tuoi dati commerciali sono già in tabelle di eventi utente e di prodotto in BigQuery, nel formato di ricerca AI Commerce, puoi saltare questa pagina e andare direttamente a Ottenere dashboard che mostrano gli indicatori chiave di rendimento e Generare previsioni di vendita dai dati di vendita al dettaglio. Per ulteriori informazioni sul formato, consulta Schema prodotto e Informazioni sugli eventi utente.

Prima di iniziare

Prima di poter esportare i dati commerciali in BigQuery, devi aver completato le procedure descritte in Configurazione iniziale.

È incluso quanto segue:

Crea un set di dati in BigQuery

Devi creare uno o due set di dati in BigQuery per archiviare i dati degli eventi utente e di prodotto.

Puoi utilizzare un set di dati per contenere entrambi i tipi di dati oppure puoi creare due set di dati, uno per ogni tipo di dati.

Devi creare i set di dati nello stesso progetto in cui hai implementato AI Commerce Search.

  1. Se non hai mai utilizzato BigQuery nel tuo progetto, abilita l'API BigQuery e assicurati di disporre del ruolo IAM che ti consente di creare set di dati e tabelle.

    Consulta le sezioni Prima di iniziare e Controllo dell'accesso con IAM nella documentazione di BigQuery.

  2. Crea un set di dati in BigQuery nella multiregione US. Ad esempio, chiamalo retail_data.

  3. (Facoltativo) Per inserire i dati sugli eventi utente in un set di dati separato dai dati di prodotto, crea un secondo set di dati. Ad esempio, chiamalo retail_user_event_data.

Per ulteriori informazioni sulla creazione di set di dati BigQuery, consulta la documentazione di BigQuery.

Questo set di dati verrà utilizzato per contenere le tabelle di dati che esporti. Le seguenti procedure descrivono come esportare.

Esportare il catalogo della ricerca AI Commerce in una tabella BigQuery

Utilizza il metodo export per esportare il catalogo Retail in una tabella BigQuery.

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: l'ID del progetto dell'API AI Commerce Search in cui hai creato il set di dati BigQuery.
  • BRANCH_ID: L'ID del ramo del catalogo. Utilizza default_branch per ottenere i dati dal branch predefinito. Per saperne di più, consulta Rami del catalogo.
  • DATASET_ID: il nome del set di dati che hai creato in Crea un set di dati in BigQuery. Ad esempio, utilizza retail_data o retail_product_data. Il set di dati deve trovarsi nello stesso progetto. Non aggiungere l'ID progetto al campo datasetId qui.
  • TABLE_ID_PREFIX: Un prefisso per l'ID tabella. Questo prefisso non può essere una stringa vuota. Viene aggiunto un suffisso _retail_products_BRANCH_ID per completare il nome della tabella. Ad esempio, se il prefisso è test, la tabella si chiama _test_retail_products_BRANCH_ID.

Corpo JSON della richiesta: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "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"
        }
      ]
    }
  }
}

Esportare gli eventi utente in una tabella BigQuery

Utilizza il metodo userEvents.export per esportare gli eventi utente retail in una tabella BigQuery:

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: l'ID del progetto dell'API AI Commerce Search in cui hai creato il set di dati BigQuery.
  • DATASET_ID: il nome del set di dati che hai creato in Crea un set di dati in BigQuery. Ad esempio, utilizza retail_data o retail_product_data.
  • TABLE_ID_PREFIX: Un prefisso per l'ID tabella. Questo prefisso non può essere una stringa vuota. Viene aggiunto un suffisso retail_products per completare il nome della tabella. Ad esempio, se il prefisso è test, la tabella viene denominata test_retail_products.

Corpo JSON della richiesta: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "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"
        }
      ]
    }
  }
}

Informazioni sui dati esportati

Ecco alcune informazioni sui dati commerciali che esporti nelle tabelle BigQuery:

  • I dati esportati nelle tabelle BigQuery del tuo progetto sono viste autorizzate, non viste materializzate.

  • Non puoi modificare o aggiornare i dati in queste tabelle.

  • I prodotti vengono aggiornati ogni ora.

  • Gli eventi utente vengono aggiornati in tempo quasi reale.

Informazioni sui dati sugli eventi utente esportati

Di seguito sono riportate alcune informazioni sui dati di prodotto inclusi nei dati degli eventi utente esportati.

Informazioni sul prezzo del prodotto

Il modo in cui le informazioni sul prezzo del prodotto vengono restituite dal metodo userEvents.export dipende da quanto segue:

  • Hai incluso informazioni sui prezzi nei dati degli eventi utente al momento dell'importazione. Quando chiami il metodo userEvents.export, il prezzo restituito con un evento utente è il prezzo del prodotto al momento dell'evento.

  • Non hai incluso informazioni sui prezzi nei dati degli eventi utente, ma le hai incluse nei dati di prodotto al momento dell'importazione. Quando chiami il metodo userEvents.export, il prezzo restituito con un evento utente non è necessariamente il prezzo del prodotto al momento dell'evento. È il prezzo trovato nei tuoi dati di prodotto al momento dell'importazione.

  • Non hai incluso informazioni sui prezzi nei dati degli eventi utente e non sono disponibili informazioni sui prezzi nei dati di prodotto. Quando chiami il metodo userEvents.export, non viene restituito alcun prezzo con gli eventi utente.

Altre informazioni sul prodotto

Tutte le informazioni sul prodotto (tranne il prezzo) vengono unite alle informazioni sugli eventi utente al momento della chiamata al metodo userEvents.export. I valori del prodotto possono cambiare dal momento dell'evento utente al momento in cui chiami userEvents.export. Per questo motivo, i valori dei prodotti non correlati al prezzo restituiti nella tabella degli eventi utente potrebbero essere diversi da quelli dei prodotti al momento dell'evento utente.

(Facoltativo) Verifica che le nuove tabelle si trovino in BigQuery

Dopo aver esportato i dati di prodotto e gli eventi utente in BigQuery, assicurati che siano presenti nuove tabelle.

  1. In BigQuery, vai al set di dati o ai set di dati che hai creato in Crea set di dati in BigQuery.

  2. Apri i set di dati e assicurati di visualizzare le due tabelle che hai esportato. Ad esempio, cerca le tabelle con nomi che terminano con _retail_products_BRANCH_ID e retail_user_events.

Per saperne di più su come lavorare con le tabelle BigQuery, consulta Eseguire query e visualizzare i dati.

Per saperne di più su come AI Commerce Search gestisce i dati dei clienti, consulta la pagina Governance dei dati.