Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Auf dieser Seite werden die Statistiken beschrieben, die Sie mit dem Cortex-Looker-Block für kanalübergreifende und produktbezogene Statistiken erhalten. Mit diesem Looker-Block erhalten Sie einen umfassenden Überblick über Ihre Kampagnenausgaben und -leistung. Dazu werden Ihre Kampagnendaten aus mehreren kostenpflichtigen Medienplattformen wie Google Ads, Meta, TikTok und YouTube (mit DV360) mit vorkonfigurierten Datenaufnahmepipelines und Berichtsansichten aus dem Google Cloud Cortex Framework für Marketing in BigQuery kombiniert.
Diese Pipeline bietet auch die Möglichkeit, ein Gemini-Modell zur Textgenerierung in Vertex AI zu verwenden, um Textdarstellungen von Mediakampagnen mit einem einzelnen Knoten der Produkthierarchie abzugleichen. Eine Kampagne mit dem Namen BMX – Reels – Reichweite entspricht beispielsweise dem Knoten ['Fitness & Sports', 'Bicycles', 'Special Bikes','BMX Bikes'] der Produkthierarchie.
Sie können sich eine allgemeine Aufschlüsselung des Impressions- und Klickvolumens für jede Plattform für Kampagnen ansehen, die sich auf eine bestimmte Produktkategorie und ein bestimmtes Produkt beziehen.
Verfügbare Statistiken
Der Looker-Block für kanalübergreifende und produktbezogene Statistiken im Cortex Framework bietet die folgenden Statistiken.
Übersicht über allgemeine Leistungs- und Engagement-Messwerte, darunter:
- Impressionen insgesamt
- Klicks insgesamt
- Klickrate (Click-through-Rate, CTR)
- Gesamtausgaben
- Cost-per-Mille (CPM)
- Cost-per-Click (CPC)
- Ausgaben nach Monat und Medienplattform
- Kumulative monatliche Ausgaben insgesamt und nach Mediaplattform
- Kampagnen in der chronologischen Ansicht
- Impressionen, Klicks, Klickrate und Kosten pro 1.000 Impressionen nach Werbeplattform, Kampagne und Land
- Detaillierte Leistung nach Kampagne und Land
Erforderliche Daten
Rufen Sie die erforderlichen BigQuery-Datasets für diesen Block ab. Folgen Sie dazu der Installationsanleitung für das Cortex Framework.
Repository
Den Cortex Looker Block für Cross-Media- und produktbezogene Statistiken finden Sie im offiziellen GitHub-Repository: block-cortex-cross-media.
Dieses Repository enthält wichtige Ansichten, Explores und Dashboards, mit denen Sie Daten nahtlos in Ihre Looker-Umgebung einbinden können.
Diese Ressourcen bieten eine solide Grundlage für die Erstellung benutzerdefinierter Berichte, Visualisierungen und Dashboards, die auf Ihre spezifischen Anforderungen zugeschnitten sind.
Bereitstellung
Eine Anleitung zum Bereitstellen des Cortex Looker-Blocks für medienübergreifende und produktbezogene Statistiken finden Sie unter Looker-Blöcke für das Cortex Framework bereitstellen.
Weitere Hinweise
So optimieren Sie die Leistung und Funktionalität Ihres Looker-Blocks für medienübergreifende und produktbezogene Statistiken:
- Liquid-Vorlagensprache: Für einige Konstanten, Ansichten, explorative Datenanalysen und Dashboards wird die Liquid-Vorlagensprache verwendet. Weitere Informationen finden Sie in der Referenz für Liquid-Variablen von Looker.
- Zusätzliche Dimensionen und Messwerte einblenden: Viele Dimensionen und Messwerte sind aus Gründen der Übersichtlichkeit ausgeblendet. Wenn Sie feststellen, dass wichtige Daten fehlen, legen Sie in den entsprechenden Ansichten den Parameterwert
hidden des Felds auf No fest.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-09-04 (UTC).
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[[["\u003cp\u003eThis Looker Block provides a unified view of campaign performance and spend across multiple paid media platforms like Google Ads, Meta, TikTok, and YouTube (with DV360), using data consolidated in BigQuery.\u003c/p\u003e\n"],["\u003cp\u003eIt offers insights into overall campaign performance, including total impressions, clicks, CTR, spend, CPM, and CPC.\u003c/p\u003e\n"],["\u003cp\u003eYou can analyze media platform performance and monthly spend trends, with a detailed breakdown by platform and country.\u003c/p\u003e\n"],["\u003cp\u003eThe Looker Block allows campaigns to be matched to specific product hierarchies using a Gemini text generation model on Vertex AI.\u003c/p\u003e\n"],["\u003cp\u003eThe block's resources, including views, Explores, and dashboards, are available on the block-cortex-cross-media GitHub repository, enabling users to customize reports and visualizations.\u003c/p\u003e\n"]]],[],null,["# Looker Block for Cross Media & Product Connected Insights\n\nLooker Block for Cross Media \\& Product Connected Insights\n==========================================================\n\nThis page describes the insights you can get from the Cortex Looker Block\nfor Cross Media \\& Product Connected Insights. With this Looker Block\nyou can get a comprehensive view of your campaign spend and performance by\ncombining your campaign data from multiple paid media platforms\nincluding Google Ads, Meta, TikTok and YouTube (with DV360) into\nBigQuery with pre-packaged ingestion pipelines and reporting views\nprovided by [Google Cloud Cortex Framework for Marketing](/cortex/docs/overview).\n\nThis pipeline also includes an option to use a Gemini text generation\nmodel on Vertex AI to match textual representations of media campaigns\nwith a single product hierarchy node. For example, a campaign named\n*\"BMX - Reels - Reach\"* matches the product hierarchy node\n`['Fitness & Sports', 'Bicycles', 'Special Bikes','BMX Bikes']`.\n\nSee a\nhigh level breakdown of volume of impressions and clicks from each platform for\ncampaigns relating to specific product category and product.\n\nAvailable insights\n------------------\n\nThe Looker Block for Cross Media \\& Product Connected Insights in\nCortex Framework offers the following insights.\n\nOverall campaign performance\n----------------------------\n\nOverview of high-level performance and engagement metrics including:\n\n- Total impressions\n- Total clicks\n- Click through rate (CTR)\n- Total Spend\n- Cost per Mille (CPM)\n- Cost per click (CPC)\n\n### Media platform performance and spend by month\n\n- Spend by month and media platform\n- Cumulative monthly spend in total and by media platform\n\n### Campaign performance\n\n- Campaigns in chronological view\n- Impressions, clicks, click through rate and cost per mille by media platform, campaign, and country\n- Detailed performance by campaign and country\n\nRequired Data\n-------------\n\nGet the required BigQuery datasets for this block by\nfollowing the installation instructions for\n[Cortex Framework](https://github.com/GoogleCloudPlatform/cortex-data-foundation).\n\nRepository\n----------\n\nTo access the Cortex Looker Block for Cross Media \\& Product Connected\nInsights, visit its official GitHub repository: [**block-cortex-cross-media**](https://github.com/looker-open-source/block-cortex-cross-media).\nThis repository contains essential views, Explores and dashboards that enable\nyou to seamlessly integrate data into your Looker environment.\nThese resources provide a solid foundation for creating custom reports,\nvisualizations, and dashboards tailored to your specific needs.\n\nDeployment\n----------\n\nFor instructions about how to deploy the Cortex Looker Block for\nCross Media \\& Product Connected Insights, see\n[Deploy Looker Blocks for Cortex Framework](/cortex/docs/looker-block-deployment).\n\n### Other Considerations\n\nFor optimizing the performance and functionality of your\nLooker Block for Cross Media \\& Product Connected Insights\nconsider the following:\n\n- **Liquid Templating Language** : Some constants, views, Explores and dashboards use liquid templating language. For more information, see Looker's [Liquid Variable Reference](/looker/docs/liquid-variable-reference) documentation.\n- **Unhide additional dimensions and measures** : Many dimensions and measures are hidden for simplicity. If you find anything valuable missing, set field's `hidden` parameter value to `No` in the relevant views."]]
