Transfer Google Merchant Center

BigQuery Data Transfer Service untuk Google Merchant Center memungkinkan Anda secara otomatis menjadwalkan dan mengelola tugas pemuatan berulang untuk pelaporan Google Merchant Center layanan otomatis dan data skalabel.

Laporan yang didukung

BigQuery Data Transfer Service untuk Google Merchant Center mendukung data berikut:

Produk dan masalah produk

Laporan masalah produk dan produk mencakup data produk yang diberikan ke Merchant Center melalui feed atau Content API for Shopping. Laporan ini juga mencakup masalah tingkat item yang terdeteksi oleh Google untuk produk Anda. Anda dapat melihat data masalah produk dan produk di Google Merchant Center atau dengan membuat kueri Content API for Shopping. Untuk informasi tentang bagaimana data ini dimuat ke BigQuery, lihat skema tabel produk Google Merchant Center.

Inventaris Regional

Laporan inventaris regional mencakup data produk tambahan tentang ketersediaan regional dan penggantian harga produk Anda.Untuk informasi tentang cara data ini dimuat ke BigQuery, lihat laporan Pusat tabel inventaris regional skema ini.

Inventaris Lokal

Laporan inventaris lokal menyertakan data produk tambahan tentang inventaris produk Anda. Laporan ini berisi data harga lokal, ketersediaan, jumlah, pengambilan, dan lokasi produk di toko. Untuk informasi tentang cara data ini dimuat ke BigQuery, lihat laporan Tabel inventaris lokal Pusat skema ini.

Performa

Laporan performa memberikan segmentasi terperinci dari data performa di Iklan dan Listingan Gratis. Untuk informasi tentang cara data ini dimuat tentang BigQuery, lihat tabel performa Google Merchant Center skema ini.

Terlaris

Laporan Terlaris menyediakan data yang sama dengan yang ada di Google Merchant Center UI Center dan memungkinkan Anda mengisi ulang data lintas negara atau kategori untuk hingga 2 tahun. Ini mencakup data tentang produk dan merek paling populer di Iklan Shopping dan listingan tidak berbayar, serta apakah Anda memilikinya di inventaris Anda. Laporan ini didasarkan pada terlaris laporan yang tersedia melalui Google Merchant Center. Untuk informasi tentang bagaimana data ini dimuat ke BigQuery, lihat laporan Google Merchant Center skema tabel penjual.

Daya Saing Harga

Sebelumnya dikenal sebagai laporan tolok ukur harga, laporan persaingan harga mencakup atribut tingkat produk dan data tolok ukur harga serta didasarkan definisi yang sama dengan daya saing harga laporan yang tersedia melalui Google Merchant Center. Untuk informasi tentang bagaimana data ini dimuat ke BigQuery, lihat skema tabel persaingan harga Google Merchant Center.

Info Harga

Gunakan laporan analisis harga untuk melihat harga promo yang disarankan untuk produk, dan prediksi kinerja yang dapat diharapkan jika Anda memperbarui produk Anda harga. Menggunakan laporan analisis harga dapat membantu Anda menentukan harga produk secara lebih efektif. Untuk informasi selengkapnya tentang cara menggunakan data dalam laporan, lihat Meningkatkan harga produk dengan analisis harga laporan untuk informasi selengkapnya informasi tentang cara menggunakan data dalam laporan ini. Untuk informasi tentang bagaimana hal ini data dimuat ke BigQuery, lihat situs Google Merchant Center. Tabel Analisis Harga skema ini.

Penargetan Produk

Aktifkan laporan Penargetan Produk saat Anda menyiapkan transfer untuk menampilkan Iklan informasi penargetan. Saat Anda memuat data dari Google Shopping ke menggunakan BigQuery. Untuk informasi tentang bagaimana data dimuat ke BigQuery, lihat Skema tabel Penargetan Produk Google Merchant Center.

Opsi pelaporan

BigQuery Data Transfer Service untuk Google Merchant Center mendukung hal berikut opsi pelaporan:

Opsi pelaporan Dukungan
Jadwal

Dapat dikonfigurasi ke harian, mingguan, bulanan, atau kustom. Secara default, opsi ini disetel ke harian saat transfer dibuat. Interval minimum antar-transfer adalah 6 jam.

Penyerapan data dari transfer Google Merchant Center

Saat Anda mentransfer data dari Google Merchant Center ke BigQuery, data dimuat ke dalam tabel BigQuery yang dipartisi berdasarkan tanggal. Partisi tabel tempat data dimuat sesuai dengan tanggal dari sumber data. Jika Anda menjadwalkan beberapa transfer untuk tanggal yang sama, BigQuery Data Transfer Service akan menimpa partisi untuk tanggal tertentu tersebut dengan data terbaru. Beberapa transfer pada hari yang sama atau pengisian ulang yang berjalan tidak menghasilkan duplikasi data, dan partisi untuk tanggal lain tidak akan terpengaruh.

Batasan

Beberapa laporan mungkin memiliki batasannya sendiri, seperti periode dukungan untuk pengisian ulang historis. Bagian berikut menjelaskan batasan untuk setiap laporan.

Dukungan Pengisian Ulang Historis

Tidak semua laporan mendukung pengisian ulang historis dengan cara yang sama. Berikut ini adalah daftar laporan dan tingkat dukungan untuk pengisian ulang historis.

  • Produk dan masalah produk - 14 hari
  • Inventaris Lokal - 14 hari
  • Inventaris Regional - 14 hari
  • Performa - 2 tahun
  • Terlaris - 2 tahun
  • Daya saing harga - Tidak ada dukungan pengisian ulang
  • Analisis harga - Tidak ada dukungan pengisian ulang

Proses Transfer Pengisian Ulang Otomatis Berjalan

Laporan Performa dapat memiliki latensi di "hari ini" layanan otomatis dan data skalabel. Oleh karena itu, ketika ekspor data diminta, data mungkin diperbarui hingga 3 hari yang lalu ke akun untuk dikoreksi.

Untuk mendukung fungsi ini, setiap kali transfer dipicu di laporan apa pun, dua proses transfer lagi dibuat untuk today - 1 dan today - 2. Ini operasi transfer hanya memengaruhi tabel Performa; dan tabel lain tidak terpengaruh.

Pengisian ulang otomatis tidak dapat dinonaktifkan.

Produk dan masalah produk

  • Data produk dan masalah produk di BigQuery tidak mewakili tampilan real-time akun Penjual Anda. Untuk melihat linimasa data Anda, lihat kolom product_data_timestamp dalam skema.

Tolok ukur harga

  • Data tolok ukur harga tidak mewakili tampilan real time tolok ukur harga. Untuk melihat linimasa data Anda, lihat kolom price_benchmark_timestamp dalam skema Tolok Ukur Harga.
  • Tidak semua produk memiliki tolok ukur harga.

Terlaris

  • Tidak semua negara memiliki data peringkat. Negara yang disertakan dalam laporan (menggunakan ISO 3166-1 alpha-2): AT, AU, BE, BR, CA, CH, CZ, DE, DK, ES, FI, FR, GB, HU, IE, IN, IT, JP, MX, NL, NO, NZ, PL, PT, RO, RU, SE, SK, TR, UA, dan US.
  • Data terlaris tidak mewakili tampilan peringkat merek secara real-time. Untuk melihat linimasa data Anda, lihat kolom rank_timestamp dalam skema BestSellers_TopProducts_ dan BestSellers_TopBrands_.
  • Mungkin ada baris di Products_ tabel dengan google_brand_id yang tidak dipetakan ke merek apa pun di Tabel BestSellers_TopBrands_.
  • ID merek di kolom google_brand_id dapat berubah seiring waktu untuk mencerminkan sifat bisnis dan brand yang berubah-ubah. Oleh karena itu, pelacakan rangkaian merek dalam jangka waktu yang lama tidak dijamin.
  • Meskipun merek diberi peringkat di banyak kategori berbeda, semua produk dalam tabel Products_ termasuk dalam kategori leaf. Untuk menggabungkan merek dan produk pada kategori non-leaf, gunakan kolom google_product_category_ids, seperti ditunjukkan dalam Contoh kueri terlaris.

Dukungan Akun multiklien (MCA)

Pelanggan lama dengan beberapa ID Penjual disarankan untuk mengonfigurasi Akun Multiklien (MCA) induk. Dengan mengonfigurasi MCA, Anda dapat membuat satu transfer untuk semua akun Merchant Center pelanggan.

Menggunakan MCA Google Merchant Center memberikan beberapa manfaat dibandingkan menggunakan ID Penjual perorangan:

  • Anda tidak perlu lagi mengelola beberapa transfer guna mentransfer data pelaporan untuk beberapa ID Penjual.
  • Kueri yang melibatkan beberapa ID Penjual jauh lebih mudah ditulis karena semua data ID Penjual disimpan dalam tabel yang sama.
  • Menggunakan MCA akan mengurangi potensi masalah kuota tugas pemuatan BigQuery karena semua data ID Penjual Anda dimuat di tugas yang sama.

Salah satu kemungkinan kerugian menggunakan MCA adalah biaya kueri Anda berikutnya kemungkinan akan lebih tinggi. Karena semua data Anda disimpan dalam tabel yang sama, kueri yang mengambil data untuk setiap ID Penjual masih harus memindai seluruh tabel.

Jika Anda menggunakan MCA, ID MCA tercantum di bawah aggregator_id dan setiap sub-akun tercantum di bagian merchant_id. Untuk akun yang tidak menggunakan MCA, aggregator_id ditetapkan ke null.

Tidak semua laporan mendukung MCA. MCA didukung oleh laporan berikut:

  • Produk dan masalah produk
  • Inventaris Lokal
  • Inventaris Regional
  • Performa Produk
  • Daya Saing Harga
  • Info Harga
  • Penargetan Produk

Membuat kueri data Anda

Saat data Anda ditransfer ke BigQuery, data tersebut akan ditulis ke tabel berpartisi berdasarkan waktu penyerapan. Untuk informasi selengkapnya, lihat Pengantar tabel berpartisi.

Saat Anda melakukan kueri tabel Google Merchant Center Anda, Anda harus menggunakan pseudocolumn _PARTITIONTIME atau _PARTITIONDATE dalam kueri Anda. Untuk mengetahui informasi selengkapnya, lihat Membuat kueri tabel berpartisi.

Tabel Products_ berisi kolom bertingkat dan berulang. Untuk informasi tentang cara menangani data bertingkat dan berulang, lihat Perbedaan dalam penanganan kolom berulang dalam dokumentasi GoogleSQL.

Contoh kueri Google Merchant Center

Anda dapat menggunakan contoh kueri Google Merchant Center berikut untuk menganalisis data yang ditransfer. Anda juga dapat menggunakan kueri dalam alat visualisasi seperti Looker Studio.

Di setiap kueri berikut, ganti dataset dengan nama set data Anda. Ganti merchant_id dengan ID Penjual Anda. Jika Anda menggunakan MCA, ganti merchant_id dengan ID MCA Anda.

Contoh kueri produk dan masalah produk

Statistik produk dan masalah produk

Contoh kueri SQL berikut memberikan jumlah produk, produk yang memiliki masalah, dan masalah menurut hari.

SELECT
  _PARTITIONDATE AS date,
  COUNT(*) AS num_products,
  COUNTIF(ARRAY_LENGTH(issues) > 0) AS num_products_with_issues,
  SUM(ARRAY_LENGTH(issues)) AS num_issues
FROM
  dataset.Products_merchant_id
WHERE
  _PARTITIONDATE >= 'YYYY-MM-DD'
GROUP BY
  date
ORDER BY
  date DESC

Produk tidak disetujui untuk Iklan Shopping

Contoh kueri SQL berikut memberikan jumlah produk yang tidak disetujui untuk ditampilkan di Iklan Shopping, dipisahkan berdasarkan negara. Penolakan dapat terjadi karena tujuan dikecualikan atau karena ada masalah dengan produk.

SELECT
  _PARTITIONDATE AS date,
  disapproved_country,
  COUNT(*) AS num_products
FROM
  dataset.Products_merchant_id,
  UNNEST(destinations) AS destination,
  UNNEST(disapproved_countries) AS disapproved_country
WHERE
  _PARTITIONDATE >= 'YYYY-MM-DD'
GROUP BY
  date, disapproved_country
ORDER BY
  date DESC

Produk dengan masalah tidak disetujui

Contoh kueri SQL berikut mengambil jumlah produk dengan masalah tidak disetujui, dipisahkan berdasarkan negara.

SELECT
  _PARTITIONDATE AS date,
  applicable_country,
  COUNT(DISTINCT CONCAT(CAST(merchant_id AS STRING), ':', product_id))
      AS num_distinct_products
FROM
  dataset.Products_merchant_id,
  UNNEST(issues) AS issue,
  UNNEST(issue.applicable_countries) as applicable_country
WHERE
  _PARTITIONDATE >= 'YYYY-MM-DD' AND
  issue.servability = 'disapproved'
GROUP BY
  date, applicable_country
ORDER BY
  date DESC

Contoh kueri tolok ukur harga

Membandingkan harga produk dengan tolok ukur

Kueri SQL berikut menggabungkan data Products dan Price Benchmarks untuk menampilkan daftar produk dan tolok ukur terkait.

WITH products AS
(
  SELECT
    _PARTITIONDATE AS date,
    *
  FROM
    dataset.Products_merchant_id
  WHERE
   _PARTITIONDATE >= 'YYYY-MM-DD'
),
benchmarks AS
(
  SELECT
    _PARTITIONDATE AS date,
    *
  FROM
    dataset.Products_PriceBenchmarks_merchant_id
  WHERE
    _PARTITIONDATE >= 'YYYY-MM-DD'
)
SELECT
  products.date,
  products.product_id,
  products.merchant_id,
  products.aggregator_id,
  products.price,
  products.sale_price,
  benchmarks.price_benchmark_value,
  benchmarks.price_benchmark_currency,
  benchmarks.country_of_sale
FROM
  products
INNER JOIN
  benchmarks
ON products.product_id = benchmarks.product_id AND
   products.merchant_id = benchmarks.merchant_id AND
   products.date = benchmarks.date

Contoh kueri terlaris

Produk teratas untuk kategori dan negara tertentu

Kueri SQL berikut mengembalikan produk teratas untuk "{i>Smartphone<i}" kategori di Amerika Serikat.

SELECT
  rank,
  previous_rank,
  relative_demand.bucket,
  (SELECT name FROM top_products.product_title WHERE locale = 'en-US') AS product_title,
  brand,
  price_range
FROM
  dataset.BestSellers_TopProducts_merchant_id AS top_products
WHERE
  _PARTITIONDATE = 'YYYY-MM-DD' AND
  ranking_category = 267 /*Smartphones*/ AND
  ranking_country = 'US'
ORDER BY
  rank

Produk teratas dalam inventaris Anda

Kueri SQL berikut menggabungkan BestSellers_TopProducts_Inventory_ dan BestSellers_TopProducts_ data untuk menampilkan daftar produk teratas yang dalam inventaris Anda.

WITH latest_top_products AS
(
  SELECT
    *
  FROM
    dataset.BestSellers_TopProducts_merchant_id
  WHERE
    _PARTITIONDATE = 'YYYY-MM-DD'
),
latest_top_products_inventory AS
(
  SELECT
    *
  FROM
    dataset.BestSellers_TopProducts_Inventory_merchant_id
  WHERE
    _PARTITIONDATE = 'YYYY-MM-DD'
)
SELECT
  top_products.rank,
  inventory.product_id,
  (SELECT ANY_VALUE(name) FROM top_products.product_title) AS product_title,
  top_products.brand,
  top_products.gtins
FROM
  latest_top_products AS top_products
INNER JOIN
  latest_top_products_inventory AS inventory
USING (rank_id)

Merek teratas untuk kategori dan negara tertentu

Kueri SQL berikut mengembalikan merek teratas untuk "{i>Smartphone<i}" kategori di Amerika Serikat.

SELECT
  rank,
  previous_rank,
  brand
FROM
  dataset.BestSellers_TopBrands_merchant_id
WHERE
  _PARTITIONDATE = 'YYYY-MM-DD' AND
  ranking_category = 267 /*Smartphones*/ AND
  ranking_country = 'US'
ORDER BY
  rank

Produk dari merek-merek teratas dalam inventaris Anda

Kueri SQL berikut menampilkan daftar produk dalam inventaris Anda dari merek-merek teratas, yang dicantumkan berdasarkan kategori dan negara.

  WITH latest_top_brands AS
  (
    SELECT
      *
    FROM
      dataset.BestSellers_TopBrands_merchant_id
    WHERE
      _PARTITIONDATE = 'YYYY-MM-DD'
  ),
  latest_products AS
  (
    SELECT
      product.*,
      product_category_id
    FROM
      dataset.Products_merchant_id AS product,
      UNNEST(product.google_product_category_ids) AS product_category_id,
      UNNEST(destinations) AS destination,
      UNNEST(destination.approved_countries) AS approved_country
    WHERE
      _PARTITIONDATE = 'YYYY-MM-DD'
  )
  SELECT
    top_brands.brand,
    (SELECT name FROM top_brands.ranking_category_path
    WHERE locale = 'en-US') AS ranking_category,
    top_brands.ranking_country,
    top_brands.rank,
    products.product_id,
    products.title
  FROM
    latest_top_brands AS top_brands
  INNER JOIN
    latest_products AS products
  ON top_brands.google_brand_id = products.google_brand_id AND
     top_brands.ranking_category = product_category_id AND
     top_brands.ranking_country = products.approved_country