En esta página, se proporcionan instrucciones y prácticas recomendadas generales para transferir eventos del usuario. Para comenzar, consulta los instructivos.
Antes de comenzar
- Verifica que los datos se importen por completo de Google Analytics 4 a BigQuery.
- Consulta el estado de la importación en la consola y consulta Configura una alerta para la reducción del registro de eventos de usuarios para solucionar problemas.
- Antes de importar datos históricos de eventos de usuario, revisa las Prácticas recomendadas para registrar eventos de usuarios y la sección Antes de comenzar de esta página.
- Importar datos históricos de catálogos puede mejorar aún más los eventos de usuario y la exactitud del modelo.
Instructivos
En estos instructivos, se muestra cómo importar eventos de usuario desde varias fuentes.
Importa eventos desde Cloud Storage
En este instructivo, se muestra cómo importar eventos de usuario desde Cloud Storage.
Para seguir la guía paso a paso sobre esta tarea directamente en el editor de Cloud Shell, haz clic en GUIARME:
Importa eventos desde BigQuery
En este instructivo, se muestra cómo importar eventos de usuario desde BigQuery.
Para seguir la guía paso a paso sobre esta tarea directamente en el editor de Cloud Shell, haz clic en GUIARME:
Importa eventos intercalados
En este instructivo, se muestra cómo importar datos de eventos de usuario intercalados.
Para seguir la guía paso a paso sobre esta tarea directamente en el editor de Cloud Shell, haz clic en GUIARME:
La canalización de transferencia de datos de AI Commerce Search abarca los datos del catálogo de productos y los datos de eventos de usuario. Este flujo de datos proporciona la base para el entrenamiento de modelos y la evaluación continua a través de mecanismos de comentarios. La transferencia de datos precisa y completa es un proceso continuo para mantener la adaptabilidad de los modelos subyacentes, lo que influye directamente en la calidad y la pertinencia de los resultados de la búsqueda.
Prácticas recomendadas generales para la transferencia de eventos del usuario
Ten en cuenta estas prácticas recomendadas de transferencia de datos cuando diseñes tu solución de búsqueda para maximizar la eficiencia y la eficacia.
Transfiere eventos de usuario en AI Commerce Search
Como reflejo del proceso de transferencia de catálogos, AI Commerce Search ofrece mecanismos duales para los datos de eventos de usuario. La importación masiva y la transmisión en tiempo real proporcionan flexibilidad para diversas arquitecturas de backend de clientes. Sin embargo, a diferencia del catálogo, en el que es factible un enfoque híbrido, una estrategia de transferencia dedicada es mejor para los eventos de usuario. De las dos opciones, la transmisión en tiempo real es estándar en las implementaciones prácticas.
Ambos producen resultados comparables en el entrenamiento de modelos, la medición de KPI y la optimización de ingresos, pero existen compensaciones sutiles. Por ejemplo, la importación masiva podría ser más eficiente para procesar volúmenes de datos históricos, mientras que la transmisión es más sensible a los usuarios.
La elección depende de los requisitos de tu entorno de venta minorista, como los siguientes:
- El objetivo de latencia para incorporar eventos de usuario en el entrenamiento de modelos
- El volumen de eventos que se generan
Ajusta la escala de la transferencia de eventos de usuario en AI Commerce Search
Prepárate para los aumentos repentinos de tráfico y garantiza la integridad de los datos planificando de forma proactiva los casos de ajuste de escala. Los eventos especiales con mucho tráfico, como las ventas de fin de semana, pueden activar un aumento de 10 a 20 veces en la actividad del usuario. Es fundamental que tengas cuotas suficientes y que tu sistema de transferencia sea escalable para manejar esos aumentos.
Estos eventos suelen manifestarse como ráfagas repentinas de tráfico, no como aumentos graduales. La falta de eventos durante estos períodos de máxima actividad puede dificultar el entrenamiento de modelos, degradar el rendimiento de la búsqueda y sesgar las mediciones de KPI. La depuración de problemas puede ser difícil, ya que los eventos forman la base del seguimiento de KPI y la solución de problemas generales. La implementación de alertas sólidas puede notificarte sobre el deterioro de la calidad de los datos, que suele ser una consecuencia de la falta de datos de eventos o de datos erróneos.
Si anticipas estos casos y tomas medidas, mantendrás la confiabilidad y la exactitud de los datos de eventos de usuario, incluso en condiciones de carga extremas. Los datos precisos sientan las bases para que tu sistema de AI Commerce Search ofrezca un rendimiento optimizado, estadísticas precisas y una experiencia centrada en el usuario durante el tráfico máximo.
Arquitectura de referencia para la transferencia de eventos por lotes
La transferencia por lotes requiere una arquitectura escalable diseñada para la transferencia eficiente de eventos de usuario a AI Commerce Search. La arquitectura se compone de Google Cloud servicios, incluidos Pub/Sub, Dataflow, BigQuery, Workflows y Cloud Storage, para administrar el proceso de transferencia de forma organizada y controlada.
Descripción general de la arquitectura
La arquitectura de transferencia de eventos por lotes emplea un enfoque de varias etapas para garantizar la transferencia confiable y precisa de los datos de eventos de usuario a AI Commerce Search.
Entre los componentes clave, se incluyen los siguientes:
- Pub/Sub: Actúa como el punto de entrada inicial para los eventos de usuario y proporciona un sistema de mensajería escalable y duradero.
- Dataflow (eventos de transmisión): Lee continuamente los eventos de usuario sin procesar de Pub/Sub y los escribe en las tablas de eventos sin procesar de BigQuery, y también captura los eventos fallidos para la depuración.
- BigQuery: Sirve como la solución principal de almacenamiento de datos, ya que almacena eventos sin procesar, eventos transformados y varios metadatos relacionados con el proceso de transferencia.
- Flujos de trabajo: Organiza el procesamiento por lotes por hora de los eventos sin procesar, lo que garantiza la integridad de los datos y facilita el manejo de errores.
- Cloud Storage: Proporciona almacenamiento temporal para Dataflow durante el procesamiento y para archivar registros de eventos fallidos.
- AI Commerce Search: Es el destino final de los datos de eventos de usuario, lo que permite capacidades avanzadas de búsqueda y recomendación.
Flujo de datos paso a paso
Este es el flujo de datos paso a paso para la transferencia de eventos masivos.
Transmisión de eventos y persistencia de datos sin procesar:
- Los eventos de usuario se publican en temas de Pub/Sub desde el sistema fuente del cliente.
- Una canalización de transmisión de Dataflow (eventos de transmisión) lee continuamente eventos de Pub/Sub.
- Los eventos sin procesar exitosos se escriben en las tablas de eventos sin procesar de BigQuery.
- Cualquier falla durante esta transferencia inicial se captura y almacena en tablas de eventos fallidos sin procesar de BigQuery separadas para el análisis y la solución de problemas.
Procesamiento y transformación por lotes por hora:
- Workflows activa una canalización de Dataflow programada por hora (Incr Batch Events).
- Esta canalización lee eventos sin procesar de las tablas de BigQuery.
- Los eventos se transforman en el formato requerido de AI Commerce Search.
- Los eventos transformados se escriben en las tablas de eventos seleccionados de BigQuery.
- Cualquier falla de transformación se captura en las tablas de eventos fallidos seleccionados de BigQuery.
Validación y preparación de datos:
- Workflows ejecuta un procedimiento almacenado de BigQuery para crear o actualizar una vista (Incr Update Event View) que refleje los datos de eventos transformados más recientes de la última hora.
- Luego, el flujo de trabajo realiza una verificación de validación en esta vista, lo que garantiza que la cantidad de eventos transformados se encuentre dentro de los umbrales predefinidos.
Importación de AI Commerce Search:
- Si la validación se realiza correctamente, Workflows invoca la API de eventos de importación de AI Commerce Search y la dirige a la vista de BigQuery que contiene los eventos transformados.
- Luego, AI Commerce Search importa estos eventos para su posterior procesamiento e indexación.
Consideraciones adicionales para la transferencia de eventos por lotes
Estos son aspectos adicionales que debes tener en cuenta cuando transfieres eventos por lotes:
- Seguridad: Se deben implementar medidas de seguridad adecuadas, como controles de acceso y encriptación, para proteger los datos de eventos de usuario sensibles.
- Supervisión y registro: Se deben configurar la supervisión y el registro integrales para hacer un seguimiento del rendimiento del sistema y, de forma proactiva, identificar posibles problemas.
- Optimización de costos: Se debe supervisar el uso de recursos para optimizar los costos y garantizar el uso eficiente de los Google Cloud servicios.
Esta arquitectura proporciona una base para transferir eventos de usuario a AI Commerce Search. Con varios Google Cloud servicios y la incorporación de prácticas recomendadas para el procesamiento de datos y el manejo de errores, permite a las organizaciones crear soluciones escalables y fáciles de mantener para experiencias avanzadas de búsqueda y recomendación.
¿Qué sigue?
Para comprender cómo funcionan los eventos de usuario en general, consulta Acerca de los eventos de usuario.
Para obtener instrucciones más detalladas sobre cada método de transferencia, consulta las páginas sobre la importación masiva y la transmisión de eventos en tiempo real.