Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Halaman ini menjelaskan insight yang dapat Anda dapatkan dari Blok Looker Cortex
untuk Insight yang Terhubung dengan Produk & Media Lintas. Dengan Blok Looker ini,
Anda bisa mendapatkan gambaran menyeluruh tentang pembelanjaan dan performa kampanye dengan
menggabungkan data kampanye dari beberapa platform media berbayar
termasuk Google Ads, Meta, TikTok, dan YouTube (dengan DV360) ke dalam
BigQuery dengan pipeline penyerapan yang dikemas sebelumnya dan tampilan pelaporan
yang disediakan oleh Google Cloud Cortex Framework for Marketing.
Pipeline ini juga menyertakan opsi untuk menggunakan model pembuatan teks Gemini
di Vertex AI untuk mencocokkan representasi tekstual kampanye media
dengan satu node hierarki produk. Misalnya, kampanye bernama
"BMX - Reels - Jangkauan" cocok dengan node hierarki produk
['Fitness & Sports', 'Bicycles', 'Special Bikes','BMX Bikes'].
Lihat
perincian tingkat tinggi volume tayangan dan klik dari setiap platform untuk
kampanye yang terkait dengan kategori dan produk tertentu.
Insight yang tersedia
Blok Looker untuk Insight Terhubung Produk & Media Lintas di
Cortex Framework menawarkan insight berikut.
Ringkasan metrik performa dan engagement tingkat tinggi, termasuk:
- Total tayangan
- Klik total
- Rasio klik-tayang (CTR)
- Total Pengeluaran
- Biaya Per Seribu (CPM)
- Biaya per klik (CPC)
- Pembelanjaan menurut bulan dan platform media
- Pembelanjaan kumulatif bulanan secara total dan menurut platform media
- Kampanye dalam tampilan kronologis
- Tayangan iklan, klik, rasio klik-tayang, dan biaya per mille menurut platform media,
kampanye, dan negara
- Performa mendetail menurut kampanye dan negara
Data yang Diperlukan
Dapatkan set data BigQuery yang diperlukan untuk blok ini dengan mengikuti petunjuk penginstalan untuk Cortex Framework.
Repositori
Untuk mengakses Blok Looker Cortex untuk Insight yang Terhubung dengan Media & Produk, buka repositori GitHub resminya: block-cortex-cross-media.
Repositori ini berisi tampilan, Jelajah, dan dasbor penting yang memungkinkan
Anda mengintegrasikan data ke dalam lingkungan Looker dengan lancar.
Referensi ini memberikan dasar yang kuat untuk membuat laporan, visualisasi, dan dasbor kustom yang disesuaikan dengan kebutuhan spesifik Anda.
Deployment
Untuk mengetahui petunjuk tentang cara men-deploy Blok Looker Cortex untuk Insight yang Terhubung dengan Produk & Media Lintas, lihat Men-deploy Blok Looker untuk Cortex Framework.
Pertimbangan Lainnya
Untuk mengoptimalkan performa dan fungsi
Looker Block untuk Insight yang Terhubung dengan Produk & Media Lintas
pertimbangkan hal berikut:
- Liquid Templating Language: Beberapa konstanta, tampilan, Jelajah, dan
dasbor menggunakan liquid templating language. Untuk informasi selengkapnya, lihat dokumentasi Referensi Variabel Liquid Looker.
- Menampilkan dimensi dan ukuran tambahan: Banyak dimensi dan ukuran disembunyikan untuk memudahkan. Jika Anda menemukan sesuatu yang berharga tidak ada,
tetapkan nilai parameter
hidden kolom ke No di tampilan yang relevan.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-09-04 UTC.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 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."]]
