Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

跨媒體和產品連結洞察

本頁面說明使用 Cortex Framework Data Foundation 的 Cross Media & Product Connected Insights (Cross Media) 加速器時，必須進行的設定。

透過這項跨媒體加速器，Cortex Framework 資料基礎會加入一組初始 KPI，協助您瞭解在 Google Ads、YouTube (搭配 DV360)、Meta 和 TikTok 等媒體平台放送的行銷廣告活動成效，以及產品和產品類別的銷售業績。

下圖說明如何透過 Cortex Framework Data Foundation 的行銷工作負載，取得跨媒體洞察資料：

CM360 資料來源

圖 1：跨媒體架構。

設定檔

config.json 檔案會設定連線至資料來源所需的設定，以便從各種工作負載移轉資料。這個檔案包含下列跨媒體參數：

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

下表說明每個參數的值：

參數	意義	預設值
`k9.deployCrossMedia`	是否要部署跨媒體。請注意，您必須一併部署至少一個 Google Ads、YouTube (搭配 DV360)、Meta 或 TikTok，否則部署作業會失敗。	`False`
`k9.CrossMedia.productHierarchyType`	要在產品維度中使用哪個產品階層。取決於實際資料。將這個值設為與產品階層維度的 `productHierarchyType` 值相同。	`SAP`
`k9.CrossMedia.maxProductHierarchyMatchLevel`	限制用於比對的產品階層層級。如果公司有大量 SKU，階層可能會過於深入，包含包裝的詳細資訊 (例如瓶裝或罐裝可口可樂、個別包裝或成批包裝)。部分系統 (例如 SAP) 會限制可深入的層級。	9
`k9.CrossMedia.targetCurrencies`	用於報表和 BI 的目標幣別。系統會將所有來源貨幣換算成這些貨幣。	`["USD"]`
`k9.CrossMedia.additionalPrompt`	選用：將其他提示傳遞至 LLM 模型。
`k9.CrossMedia.lookbackWindowDays`	執行增量重新整理時要回溯的天數	7
`VertexAI.region`	Vertex AI 區域 (假設為 Vertex AI API 的來源專案)。必須與 BigQuery 共置於同一位置，且不得為多區域。如果 BigQuery 位於多區域，則可接受來自相同多區域的任何區域	`us-central1` (與預設 BigQuery 位置相符 `us`)
`VertexAI.processingDataset`	Vertex AI 作業的 BigQuery 資料集，必須位於 `VertexAI.region` 位置，且不得為多區域。	`CORTEX_VERTEX_AI_PROCESSING`

資料模型

本節將使用實體關係圖 (ERD)，說明跨媒體和產品連結洞察資料模型。

圖 2：跨媒體和產品連結洞察：實體關係圖。

部署 Cross Media

在來源專案中建立 BigQuery 資料集，以供 Vertex AI 處理。

注意： 這個資料集的位置應與您的資料集位於相同的一般區域，但不能位於多區域。舉例來說，如果其他資料集位於 us，則這個資料集可以位於 us-central1，但不能位於 us。
請按照下列指南，設定一或多個用於部署的行銷資料來源：
啟用並設定必要的通用維度：
1. 國家/地區維度
2. 產品尺寸
3. 貨幣換算
設定跨媒體：
1. 將 k9.deployCrossMedia 設為 True。
2. 將 k9.CrossMedia.productHierarchyType 設為與上一步中的 dataSourceType 相同的值。
3. 在 VertexAI 區段中，將資料集設為您在步驟 1 中建立的資料集，且 region 應與 Vertex AI AI 處理中資料集所在位置相符。
視需要調整其他設定。接著即可開始部署。

執行DAG

視需要設定 Managed Service for Apache Airflow Airflow 環境。確認 k9_reporting 連線設定正確無誤。
將資料載入「幣別轉換」和「產品階層」資料表。
執行 cross_media DAG。有兩種模式：「完整重新整理」或「增量重新整理」。請視用途選擇合適的選項。

已知問題

如果「貨幣轉換」資料表未填入資料，最終輸出資料表的 TotalCostInTargetCurrency 欄就會是空白。在這種情況下，您仍可使用 TotalCostInSourceCurrency 欄，以來源貨幣回報費用。

後續步驟

如要進一步瞭解其他資料來源和工作負載，請參閱「資料來源和工作負載」一文。
如要進一步瞭解在正式環境中部署的步驟，請參閱「Cortex Framework Data Foundation 部署作業的必要條件」。