Questa pagina fornisce indicazioni e best practice generali per l'importazione di eventi utente. Per iniziare, consulta i tutorial.
Prima di iniziare
- Verifica che i dati siano stati importati completamente da Google Analytics 4 a BigQuery.
- Controlla lo stato dell'importazione nella console e consulta Configurare un avviso per la riduzione della registrazione degli eventi utente per la risoluzione dei problemi.
- Prima di importare i dati degli eventi utente storici, consulta Best practice per la registrazione degli eventi utente e la Prima di iniziare sezione in questa pagina.
- L'importazione dei dati storici del catalogo può migliorare ulteriormente gli eventi utente e l'accuratezza del modello.
Tutorial
Questi tutorial mostrano come importare eventi utente da varie origini.
Importa eventi da Cloud Storage
Questo tutorial mostra come importare eventi utente da Cloud Storage.
Per seguire le indicazioni dettagliate per questa attività direttamente nell' editor di Cloud Shell, fai clic su Procedura guidata:
Importa eventi da BigQuery
Questo tutorial mostra come importare eventi utente da BigQuery.
Per seguire le indicazioni dettagliate per questa attività direttamente nell' editor di Cloud Shell, fai clic su Procedura guidata:
Importa eventi in linea
Questo tutorial mostra come importare i dati degli eventi utente in linea.
Per seguire le indicazioni dettagliate per questa attività direttamente nell' editor di Cloud Shell, fai clic su Procedura guidata:
La pipeline di importazione dati di AI Commerce Search comprende sia i dati del catalogo prodotti sia i dati degli eventi utente. Questo stream di dati fornisce le basi per l'addestramento del modello e la valutazione continua tramite meccanismi di feedback. L'importazione dati accurati e completi è un processo continuo per mantenere l'adattabilità dei modelli sottostanti, influenzando direttamente la qualità e la pertinenza dei risultati di ricerca.
Best practice generali per l'importazione di eventi utente
Tieni presente queste best practice per importazione dati quando progetti la tua soluzione di ricerca per massimizzare l'efficienza e l'efficacia.
Importa eventi utente in AI Commerce Search
Come per il processo di importazione del catalogo, AI Commerce Search offre due meccanismi per i dati degli eventi utente. L'importazione collettiva e lo streaming in tempo reale offrono flessibilità per le diverse architetture di backend dei clienti. A differenza del catalogo, però, in cui è fattibile un approccio ibrido, una strategia di importazione dedicata è migliore per gli eventi utente. Delle due opzioni, lo streaming in tempo reale è standard nelle implementazioni pratiche.
Entrambe producono risultati comparabili nell'addestramento del modello, nella misurazione dei KPI e nell'ottimizzazione delle entrate, ma esistono compromessi sottili. L'importazione collettiva, ad esempio, potrebbe essere più efficiente per l'elaborazione di volumi di dati storici, mentre lo streaming è più reattivo agli utenti.
La scelta dipende dai requisiti del tuo ambiente di vendita al dettaglio, ad esempio:
- Il target di latenza per l'incorporamento degli eventi utente nell'addestramento del modello.
- Il volume di eventi generati.
Scalare l'importazione di eventi utente in AI Commerce Search
Preparati per i picchi di traffico e garantisci l'integrità dei dati pianificando in modo proattivo gli scenari di scalabilità. Eventi speciali con traffico elevato, come le vendite del fine settimana, possono causare un aumento di 10-20 volte dell'attività utente. È fondamentale disporre di quote sufficienti e della scalabilità del sistema di importazione per gestire questi picchi.
Questi eventi si manifestano spesso come picchi improvvisi di traffico, non come aumenti graduali. La perdita di eventi durante questi periodi di picco può ostacolare l'addestramento del modello, peggiorare il rendimento della ricerca e distorcere le misurazioni dei KPI. Il debug dei problemi può essere difficile, perché gli eventi costituiscono la base per il monitoraggio dei KPI e la risoluzione dei problemi generali. L'implementazione di avvisi robusti può informarti del deterioramento della qualità dei dati, che è spesso una conseguenza di dati degli eventi mancanti o errati.
Anticipando questi scenari e intervenendo, mantieni l'affidabilità e l'accuratezza dei dati degli eventi utente, anche in condizioni di carico estreme. Dati accurati gettano le basi per il sistema AI Commerce Search per offrire prestazioni ottimizzate, analisi accurate e un'esperienza incentrata sull'utente durante i picchi di traffico.
Architettura di riferimento per l'importazione di eventi in batch
L'importazione in batch richiede un'architettura scalabile progettata per l'importazione efficiente di eventi utente in AI Commerce Search. L'architettura è composta da Google Cloud servizi, tra cui Pub/Sub, Dataflow, BigQuery, Workflows e Cloud Storage, per gestire il processo di importazione in modo graduale e controllato.
Panoramica dell'architettura
L'architettura di importazione di eventi in batch utilizza un approccio a più fasi per garantire il trasferimento affidabile e accurato dei dati degli eventi utente in AI Commerce Search.
I componenti chiave sono:
- Pub/Sub: funge da punto di ingresso iniziale per gli eventi utente, fornendo un sistema di messaggistica scalabile e duraturo.
- Dataflow (eventi di streaming): legge continuamente gli eventi utente non elaborati da Pub/Sub e li scrive nelle tabelle degli eventi non elaborati di BigQuery, acquisendo anche gli eventi non riusciti per il debug.
- BigQuery: funge da soluzione di data warehousing principale, archiviando eventi non elaborati, eventi trasformati e vari metadati relativi al processo di importazione.
- Workflows: orchestra l'elaborazione batch oraria degli eventi non elaborati, garantendo l'integrità dei dati e facilitando la gestione degli errori.
- Cloud Storage: fornisce spazio di archiviazione temporaneo per Dataflow durante l'elaborazione e per l'archiviazione dei log degli eventi non riusciti.
- AI Commerce Search: la destinazione finale per i dati degli eventi utente, che consente funzionalità avanzate di ricerca e suggerimenti.
Flusso di dati passo passo
Di seguito è riportato il flusso di dati passo passo per l'importazione collettiva di eventi.
Streaming di eventi e persistenza dei dati non elaborati:
- Gli eventi utente vengono pubblicati negli argomenti Pub/Sub dal sistema di origine del cliente.
- Una pipeline di streaming Dataflow (eventi di streaming) legge continuamente gli eventi da Pub/Sub.
- Gli eventi non elaborati riusciti vengono scritti nelle tabelle degli eventi non elaborati di BigQuery.
- Eventuali errori durante l'importazione iniziale vengono acquisiti e archiviati in tabelle degli eventi non elaborati non riusciti di BigQuery separate per l'analisi e la risoluzione dei problemi.
Elaborazione batch e trasformazione oraria:
- Workflows attiva una pipeline Dataflow pianificata oraria (Incr Batch Events).
- Questa pipeline legge gli eventi non elaborati dalle tabelle BigQuery.
- Gli eventi vengono trasformati nel formato AI Commerce Search richiesto.
- Gli eventi trasformati vengono scritti nelle tabelle degli eventi curati di BigQuery.
- Eventuali errori di trasformazione vengono acquisiti nelle tabelle degli eventi curati non riusciti di BigQuery.
Convalida e preparazione dei dati:
- Workflows esegue una procedura memorizzata di BigQuery per creare o aggiornare una visualizzazione (Incr Update Event View) che riflette i dati degli eventi trasformati più recenti dell'ultima ora.
- Il flusso di lavoro esegue quindi un controllo di convalida su questa visualizzazione, assicurandosi che il numero di eventi trasformati rientri nelle soglie predefinite.
Importazione di AI Commerce Search:
- Se la convalida ha esito positivo, Workflows richiama l'API di importazione degli eventi di AI Commerce Search, indirizzandola alla visualizzazione BigQuery contenente gli eventi trasformati.
- AI Commerce Search importa quindi questi eventi per l'ulteriore elaborazione e indicizzazione.
Considerazioni aggiuntive per l'importazione di eventi in batch
Altri aspetti da considerare quando importi eventi in batch sono:
- Sicurezza: è necessario implementare misure di sicurezza appropriate, come controlli dell'accesso e crittografia, per proteggere i dati sugli eventi utente sensibili.
- Monitoraggio e logging: è necessario configurare un monitoraggio e una registrazione completi per monitorare il rendimento del sistema e identificare in modo proattivo potenziali problemi.
- Ottimizzazione dei costi: l'utilizzo delle risorse deve essere monitorato per ottimizzare i costi e garantire un utilizzo efficiente dei Google Cloud servizi.
Questa architettura fornisce una base per l'importazione di eventi utente in AI Commerce Search. Utilizzando vari Google Cloud servizi e incorporando le best practice per l'elaborazione dei dati e la gestione degli errori, consente alle organizzazioni di creare soluzioni scalabili e gestibili per esperienze avanzate di ricerca e suggerimenti.
Passaggi successivi
Per capire come funzionano in generale gli eventi utente, consulta Informazioni sugli eventi utente.
Per istruzioni più dettagliate per ogni metodo di importazione, consulta le pagine sull'importazione collettiva e sullo streaming di eventi in tempo reale.