Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Medienübergreifende und produktbezogene Statistiken
Auf dieser Seite werden die erforderlichen Konfigurationen beschrieben, um den Cross Media-Accelerator der Cortex Framework Data Foundation zu verwenden.
Mit diesem Cross-Media-Accelerator wird die Cortex Framework Data Foundation um eine erste Reihe von KPIs ergänzt, um die Effektivität von Marketingkampagnen auf verschiedenen Medienplattformen wie Google Ads, YouTube (mit DV360), Meta und TikTok im Hinblick auf die Verkaufsleistung von Produkten und Produktkategorien zu analysieren.
Das folgende Diagramm zeigt, wie Cross-Media-Statistiken über die Marketing-Arbeitslasten der Cortex Framework Data Foundation verfügbar sind:
Abbildung 1. Medienübergreifende Architektur.
Konfigurationsdatei
In der Datei config.json werden die Einstellungen konfiguriert, die für die Verbindung zu Datenquellen zur Übertragung von Daten aus verschiedenen Arbeitslasten erforderlich sind. Diese Datei enthält die folgenden Parameter für die kanalübergreifende Anzeigenbereitstellung:
In der folgenden Tabelle wird der Wert für jeden Parameter beschrieben:
Parameter
Bedeutung
Standardwert
k9.deployCrossMedia
Ob Cross Media implementiert wird. Beachten Sie, dass mindestens eine der Plattformen Google Ads, YouTube (mit DV360), Meta oder TikTok bereitgestellt werden muss, da die Bereitstellung sonst fehlschlägt.
False
k9.CrossMedia.productHierarchyType
Welche der Produkthierarchien in der Produktdimension verwendet werden soll. Abhängig von den tatsächlichen Daten. Legen Sie diesen Wert auf den Wert für productHierarchyType für die Dimension „Produkthierarchie“ fest.
SAP
k9.CrossMedia.maxProductHierarchyMatchLevel
Hiermit wird die Ebene der Produkthierarchie für die Übereinstimmung begrenzt. Unternehmen mit vielen SKUs haben möglicherweise Hierarchien mit zu vielen Details zur Verpackung (z. B. Coca-Cola in Glas oder Dosen, einzeln oder in Chargen verpackt). Bei einigen Systemen wie SAP gibt es eigene Einschränkungen, wie weit Sie gehen können.
9
k9.CrossMedia.targetCurrencies
Zielwährungen, die für die Berichterstellung und BI verwendet werden. Alle Quellwährungen werden in diese Währungen umgerechnet.
["USD"]
k9.CrossMedia.additionalPrompt
Optional: Dem LLM-Modell zusätzliche Prompts übergeben.
k9.CrossMedia.lookbackWindowDays
Anzahl der Tage für das Lookback-Window bei inkrementeller Aktualisierung
7
VertexAI.region
Vertex AI-Region (vorausgesetzt, es handelt sich um das Quellprojekt für die Vertex AI API) Sie muss sich am selben Standort wie BigQuery befinden und darf nicht multiregional sein. Wenn sich BigQuery in einer Multiregion befindet, ist jede Region aus derselben Multiregion zulässig.
us-central1 (entspricht dem Standardspeicherort us in BigQuery)
VertexAI.processingDataset
Das BigQuery-Dataset für Vertex AI-Jobs muss sich an einem VertexAI.region-Speicherort und nicht in einer Multiregion befinden.
CORTEX_VERTEX_AI_PROCESSING
Datenmodell
In diesem Abschnitt wird das Datenmodell für kanalübergreifende und produktbezogene Statistiken anhand eines Entity-Relationship-Diagramms (ERD) beschrieben.
Setzen Sie k9.CrossMedia.productHierarchyType auf denselben Wert wie dataSourceType im vorherigen Schritt.
Legen Sie im Abschnitt VertexAI den Datensatz fest, den Sie in Schritt 1 erstellt haben. region sollte mit dem Speicherort des Vertex AI-Verarbeitungsdatensatzes übereinstimmen.
Passen Sie bei Bedarf weitere Einstellungen an. Dann können Sie mit der Bereitstellung beginnen.
Laden Sie Daten in die Tabellen „Währungsumrechnung“ und „Produkthierarchie“.
Führen Sie die DAGs cross_media aus. Es gibt zwei Varianten: „Vollständige Aktualisierung“ oder „Inkrementelle Aktualisierung“. Verwenden Sie die Option, die zu Ihrem Anwendungsfall passt.
Bekannte Probleme
Wenn die Tabelle „Währungsumrechnung“ nicht ausgefüllt ist, ist die Spalte TotalCostInTargetCurrency der endgültigen Ausgabetabelle für alle Zeilen leer. In diesem Fall können Sie die Spalte TotalCostInSourceCurrency weiterhin verwenden, um Berichte zu Kosten in der Quellwährung zu erstellen.
[[["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 page outlines the configuration process for the Cross Media & Product Connected Insights accelerator within the Cortex Framework Data Foundation.\u003c/p\u003e\n"],["\u003cp\u003eThe Cross Media accelerator provides KPIs for analyzing marketing campaign effectiveness across platforms like Google Ads, YouTube (DV360), Meta, and TikTok, relating them to product sales.\u003c/p\u003e\n"],["\u003cp\u003eConfiguration involves setting parameters in the \u003ccode\u003econfig.json\u003c/code\u003e file, including product hierarchy, target currencies, and lookback window, as well as ensuring that the region and processing dataset for Vertex AI are correct.\u003c/p\u003e\n"],["\u003cp\u003eDeployment requires configuring at least one marketing data source (Google Ads, YouTube, Meta, or TikTok), enabling Common Dimensions (Country, Product, Currency Conversion), and running the \u003ccode\u003ecross_media\u003c/code\u003e DAGs.\u003c/p\u003e\n"],["\u003cp\u003eIf the Currency Conversion table is not populated, reporting on cost in target currencies will not be possible, but reporting on cost in source currencies is still possible.\u003c/p\u003e\n"]]],[],null,["# Cross Media & Product Connected Insights\n\nCross Media \\& Product Connected Insights\n=========================================\n\nThis page describes the required configurations to utilize Cross Media \\&\nProduct Connected Insights (Cross Media) accelerator of\nCortex Framework Data Foundation.\n\nWith this Cross Media accelerator, Cortex Framework Data\nFoundation is enriched with an initial set of KPIs to understand the\neffectiveness of marketing campaigns running across media platforms such as\nGoogle Ads, YouTube (with DV360), Meta, and TikTok for product\nand product category sales performance.\n\nThe following diagram describes how Cross Media insights are available through\nthe marketing workloads of Cortex Framework Data Foundation:\n\n**Figure 1**. Cross media architecture.\n\n### Configuration file\n\nThe [config.json](https://github.com/GoogleCloudPlatform/cortex-data-foundation/blob/main/config/config.json) file configures the settings required to connect to data sources for\ntransferring data from various workloads. This file contains the following\nparameters for Cross Media: \n\n \"k9\": {\n \"datasets\": {... },\n \"crossMedia\": {\n \"productHierarchyType\": \"\",\n \"maxProductHierarchyMatchLevel\": 9,\n \"targetCurrencies\": [\"USD\"],\n \"additionalPrompt\": \"\",\n \"lookbackWindowDays\": 7\n }\n },\n \"VertexAI\": {\n \"region\": \"us-central1\",\n \"processingDataset\": \"CORTEX_VERTEX_AI_PROCESSING\"\n },\n ...\n\nThe following table describes the value for each parameter:\n\n### Data Model\n\nThis section describes the Cross Media \\& Product Connected Insights Data Model\nusing the Entity Relationship Diagram (ERD).\n\n[](/static/cortex/docs/images/erd_cross_media.png)\n**Figure 2**. Cross Media \\& Product Connected Insights: Entity Relationship Diagram.\n\n### Deploying Cross Media\n\n1. Create a BigQuery dataset in the source project for\n Vertex AI processing.\n\n | **Note:** The location of this dataset should be in the same general region as your datasets, but it can't be in a multi-region. For example, if your other datasets are in `us` then this dataset can be in `us-central1`, but not `us`.\n2. Configure one or more of the following Marketing data sources for deployment,\n following their own guides:\n\n 1. [Google Ads](/cortex/docs/marketing-googleads)\n 2. [Meta](/cortex/docs/meta)\n 3. [Youtube (with DV360)](/cortex/docs/marketing-gdv360)\n 4. [TikTok](/cortex/docs/marketing-tiktok)\n3. Enable and configure required [Common Dimensions](/cortex/optional-step-common-dimensions):\n\n 1. Country Dimension\n 2. Product Dimension\n 3. Currency Conversion\n4. Configure Cross Media settings:\n\n 1. Set `k9.deployCrossMedia` to `True`.\n 2. Set `k9.CrossMedia.productHierarchyType` to the same value as `dataSourceType` in the previous step.\n 3. In `VertexAI` section, set the dataset to the one you created in step 1, and `region` should match where the Vertex AI processing dataset is.\n5. Adjust any other settings as necessary. Then you are ready to start the\n deployment.\n\n### Running the DAGs\n\n1. Set up [Cloud Composer Airflow environment](/composer/docs/composer-3/composer-overview) as required. Make sure the `k9_reporting` connection is [configured](/cortex/docs/gathering-settings) correctly.\n2. [Load data](/cortex/optional-step-common-dimensions) into Currency Conversion and Product Hierarchy tables.\n3. Run the `cross_media` DAGs. There are two flavors: \"Full refresh\" or \" Incremental refresh\". Use whichever that fits your use case.\n\n### Known issues\n\nIf the Currency Conversion table is not populated, `TotalCostInTargetCurrency`\ncolumn of the final output table will be empty for all rows. In this case you\ncan still use `TotalCostInSourceCurrency` column to report on costs in\nsource currency.\n\nWhat's next?\n------------\n\n- For more information about other data sources and workloads, see [Data sources and workloads](/cortex/docs/data-sources-and-workloads).\n- For more information about the steps for deployment in production environments, see [Cortex Framework Data Foundation deployment prerequisites](/cortex/docs/deployment-prerequisites)."]]
