Estadísticas conectadas de productos y multicanal

En esta página se describen las configuraciones necesarias para utilizar el acelerador Cross Media & Product Connected Insights (Cross Media) de Cortex Framework Data Foundation.

Con este acelerador Cross Media, Cortex Framework Data Foundation se enriquece con un conjunto inicial de KPIs para comprender la eficacia de las campañas de marketing que se ejecutan en plataformas de medios como Google Ads, YouTube (con DV360), Meta y TikTok para el rendimiento de las ventas de productos y categorías de productos.

En el siguiente diagrama se describe cómo se pueden obtener las estadísticas cross-media a través de las cargas de trabajo de marketing de Cortex Framework Data Foundation:

Fuente de datos de CM360

Imagen 1. Arquitectura cross-media.

Archivo de configuración

El archivo config.json configura los ajustes necesarios para conectarse a fuentes de datos y transferir datos de varias cargas de trabajo. Este archivo contiene los siguientes parámetros de Cross Media:

  "k9": {
    "datasets": {... },
    "crossMedia": {
      "productHierarchyType": "",
      "maxProductHierarchyMatchLevel": 9,
      "targetCurrencies": ["USD"],
      "additionalPrompt": "",
      "lookbackWindowDays": 7
    }
  },
  "VertexAI": {
    "region": "us-central1",
    "processingDataset": "CORTEX_VERTEX_AI_PROCESSING"
  },
...

En la siguiente tabla se describe el valor de cada parámetro:

Parámetro Significado Valor predeterminado
k9.deployCrossMedia Indica si se implementará Cross Media. Ten en cuenta que se debe implementar al menos una de las siguientes plataformas: Google Ads, YouTube (con DV360), Meta o TikTok. De lo contrario, la implementación fallará. False
k9.CrossMedia.productHierarchyType Qué jerarquías de producto se deben usar en la dimensión de producto. Depende de los datos reales. Asigne a este campo el mismo valor que el campo productHierarchyType de la dimensión Jerarquía de producto. SAP
k9.CrossMedia.maxProductHierarchyMatchLevel Limita el nivel de la jerarquía de productos para la coincidencia. Las empresas con muchos SKUs pueden tener jerarquías demasiado profundas con detalles específicos del embalaje (por ejemplo, Coca-Cola en vidrio o latas, empaquetada individualmente o en lotes). Algunos sistemas, como SAP, tienen su propio límite de profundidad. 9
k9.CrossMedia.targetCurrencies Monedas de destino usadas con fines de informes y de inteligencia empresarial. Todas las monedas de origen se convertirán a estas monedas. ["USD"]
k9.CrossMedia.additionalPrompt Opcional: Envía peticiones adicionales al modelo de LLM.
k9.CrossMedia.lookbackWindowDays Número de días que se deben tener en cuenta al hacer una actualización incremental. 7
VertexAI.region Región de Vertex AI (suponiendo que el proyecto de origen sea la API de Vertex AI). Debe estar en la misma ubicación que BigQuery y no ser una multirregión. Si BigQuery está en una multirregión, se puede usar cualquier región de esa multirregión. us-central1 (que coincide con la ubicación predeterminada de BigQuery us)
VertexAI.processingDataset Conjunto de datos de BigQuery para tareas de Vertex AI. Debe estar en la VertexAI.regionubicación y no en una multirregión. CORTEX_VERTEX_AI_PROCESSING

Modelo de datos

En esta sección se describe el modelo de datos de estadísticas conectadas de productos y medios cruzados mediante el diagrama de relaciones entre entidades (DER).

Diagrama de relaciones de entidades para Cross Media

Imagen 2. Estadísticas de Cross-Media y de productos conectados: diagrama de relaciones entre entidades.

Implementar Cross-Media

  1. Crea un conjunto de datos de BigQuery en el proyecto de origen para el procesamiento de Vertex AI.

  2. Configure una o varias de las siguientes fuentes de datos de marketing para la implementación siguiendo sus propias guías:

    1. Google Ads
    2. Meta
    3. YouTube (con DV360)
    4. TikTok

  3. Habilita y configura las dimensiones comunes necesarias:

    1. Dimensión de país
    2. Dimensión del producto
    3. Conversión de moneda

  4. Configura los ajustes de Cross Media:

    1. Asigna el valor True a k9.deployCrossMedia.
    2. Asigna a k9.CrossMedia.productHierarchyType el mismo valor que a dataSourceType en el paso anterior.
    3. En la sección VertexAI, selecciona el conjunto de datos que has creado en el paso 1 y region debe coincidir con la ubicación del conjunto de datos de procesamiento de Vertex AI.

  5. Ajuste el resto de los ajustes según sea necesario. Cuando lo tengas todo listo, podrás empezar la implementación.

Ejecutar los DAGs

  1. Configura el entorno de Airflow de Cloud Composer según sea necesario. Asegúrate de que la conexión k9_reporting esté configurada correctamente.
  2. Carga datos en las tablas Conversión de moneda y Jerarquía de productos.
  3. Ejecuta los cross_media DAGs. Hay dos tipos: "Actualización completa" o "Actualización incremental". Usa la que mejor se adapte a tu caso práctico.

Problemas conocidos

Si la tabla de conversión de moneda no se rellena, la columna TotalCostInTargetCurrency de la tabla de resultados final estará vacía en todas las filas. En este caso, puede seguir usando la columna TotalCostInSourceCurrency para generar informes sobre los costes en la moneda de origen.

Siguientes pasos