Créer des applications de recommandation Customer 360 avec BigQuery Graph

1. Introduction

Dans cet atelier de programmation, vous apprendrez à utiliser BigQuery Graph pour créer une vue client à 360 degrés et un moteur de recommandations pour Cymbal Pets, une entreprise fictive de vente au détail. Vous exploiterez la puissance de SQL pour créer, interroger et analyser des données de graphes directement dans BigQuery, en les combinant à la recherche vectorielle pour obtenir des recommandations de produits avancées.

BigQuery Graph vous permet de modéliser les relations entre vos entités de données (telles que les clients, les produits et les commandes) sous forme de graphe, ce qui facilite la réponse à des questions complexes sur le comportement des clients et les affinités avec les produits.

Objectifs de l'atelier

• Créer un ensemble de données et un schéma BigQuery pour le graphe Cymbal Pets
• Charger des exemples de données (clients, produits, commandes, magasins) à partir de Cloud Storage
• Créer un graphe de propriétés dans BigQuery en connectant ces entités
• Visualiser l'historique des achats des clients à l'aide de requêtes de graphes
• Créer un système de recommandation de produits à l'aide de la recherche vectorielle
• Améliorer les recommandations à l'aide des relations de graphes "Achetés ensemble" et de la similarité de Jaccard

Ce dont vous avez besoin

• Un navigateur Web (par exemple, Chrome)
• Un projet Google Cloud avec facturation activée

Cet atelier de programmation s'adresse aux développeurs de tous niveaux, y compris aux débutants.

2. Avant de commencer

Créer un projet Google Cloud

1. Dans console Google Cloud, sélectionnez ou créez un projet Google Cloud.
2. Assurez-vous que la facturation est activée pour votre projet Cloud.

Démarrer Cloud Shell

1. Cliquez sur Activer Cloud Shell en haut de la console Google Cloud.
2. Vérifiez l'authentification :

gcloud auth list

3. Confirmez votre projet :

gcloud config get project

4. Définissez-le si nécessaire :

export PROJECT_ID=<YOUR_PROJECT_ID>
gcloud config set project $PROJECT_ID

Activer les API

Exécutez cette commande pour activer l'API BigQuery requise :

gcloud services enable bigquery.googleapis.com

3. Définir le schéma

Vous devez d'abord créer un ensemble de données pour stocker vos tables associées au graphe et définir le schéma de vos nœuds et arêtes.

1. Pour cet atelier de programmation, nous allons exécuter des commandes SQL. Vous pouvez exécuter ces commandes dans le BigQuery Studio > Éditeur SQL ou utiliser la bq query commande dans Cloud Shell. Nous partons du principe que vous utilisez l'éditeur SQL BigQuery pour une meilleure expérience avec les instructions de création sur plusieurs lignes.
2. Créez l'ensemble de données cymbal_pets_demo :

CREATE SCHEMA IF NOT EXISTS cymbal_pets_demo;

3. Créez les tables pour order_items, products, orders, stores, customers, et co_related_products_for_angelica. Ces tables serviront de données sources pour notre graphe.

CREATE TABLE IF NOT EXISTS cymbal_pets_demo.order_items
(
  order_id INT64,
  product_id INT64,
  order_item_id INT64,
  quantity INT64,
  price FLOAT64,
  PRIMARY KEY (order_id, product_id, order_item_id) NOT ENFORCED
)
CLUSTER BY order_item_id;

CREATE TABLE IF NOT EXISTS cymbal_pets_demo.products
(
  product_id INT64,
  product_name STRING,
  brand STRING,
  category STRING,
  subcategory INT64,
  animal_type INT64,
  search_keywords INT64,
  price FLOAT64,
  description STRING,
  inventory_level INT64,
  supplier_id INT64,
  average_rating FLOAT64,
  uri STRING,
  embedding ARRAY<FLOAT64>,
  PRIMARY KEY (product_id) NOT ENFORCED
)
CLUSTER BY product_id;

CREATE TABLE IF NOT EXISTS cymbal_pets_demo.orders
(
  customer_id INT64,
  order_id INT64,
  shipping_address_city STRING,
  store_id INT64,
  order_date DATE,
  order_type STRING,
  payment_method STRING,
  PRIMARY KEY (order_id) NOT ENFORCED
)
PARTITION BY order_date
CLUSTER BY order_id;

CREATE TABLE IF NOT EXISTS cymbal_pets_demo.stores
(
  store_id INT64,
  store_name STRING,
  address_state STRING,
  address_city STRING,
  latitude FLOAT64,
  longitude FLOAT64,
  opening_hours STRUCT<Monday STRING, Tuesday STRING, Wednesday STRING, Thursday STRING, Friday STRING, Saturday STRING, Sunday STRING>,
  manager_id INT64,
  PRIMARY KEY (store_id) NOT ENFORCED
)
CLUSTER BY store_id;

CREATE TABLE IF NOT EXISTS cymbal_pets_demo.customers
(
  customer_id INT64,
  first_name STRING,
  last_name STRING,
  email STRING,
  gender STRING,
  address_city STRING,
  address_state STRING,
  loyalty_member BOOL,
  PRIMARY KEY (customer_id) NOT ENFORCED
)
CLUSTER BY customer_id;

CREATE TABLE IF NOT EXISTS cymbal_pets_demo.co_related_products_for_angelica
(
  angelica_product_id INT64,
  other_product_id INT64,
  co_purchase_count INT64,
  jaccard_similarity FLOAT64
);

Vous avez maintenant défini la structure de vos données de graphes.

4. Charger les données

Maintenant, remplissez les tables avec des exemples de données provenant de Cloud Storage.

Exécutez les instructions LOAD DATA suivantes dans l'éditeur SQL BigQuery :

LOAD DATA INTO `cymbal_pets_demo.customers`
FROM FILES (
    format = 'AVRO',
    uris = ['gs://sample-data-and-media/cymbal-pets/tables/customers/*.avro'],
    enable_logical_types = true
);

LOAD DATA INTO `cymbal_pets_demo.order_items`
FROM FILES (
    format = 'AVRO',
    uris = ['gs://sample-data-and-media/cymbal-pets/tables/order_items/*.avro'],
    enable_logical_types = true
);

LOAD DATA INTO `cymbal_pets_demo.orders`
FROM FILES (
    format = 'AVRO',
    uris = ['gs://sample-data-and-media/cymbal-pets/tables/orders/*.avro'],
    enable_logical_types = true
);

LOAD DATA INTO `cymbal_pets_demo.products`
FROM FILES (
    format = 'AVRO',
    uris = ['gs://sample-data-and-media/cymbal-pets/tables/products/*.avro'],
    enable_logical_types = true
);

LOAD DATA INTO `cymbal_pets_demo.stores`
FROM FILES (
    format = 'AVRO',
    uris = ['gs://sample-data-and-media/cymbal-pets/tables/stores/*.avro'],
    enable_logical_types = true
);

Vous devriez voir une confirmation indiquant que des lignes ont été chargées dans chaque table.

5. Créer le graphe de propriétés

Une fois les données chargées, vous pouvez définir le graphe de propriétés. Cela indique à BigQuery quelles tables représentent des nœuds (entités telles que les clients et les produits) et quelles tables représentent des arêtes (relations telles que "Visité", "Passé" et "A").

Exécutez l'instruction LDD suivante :

CREATE OR REPLACE PROPERTY GRAPH cymbal_pets_demo.PetsOrderGraph
NODE TABLES (
  cymbal_pets_demo.customers KEY(customer_id) LABEL Customer,
  cymbal_pets_demo.products KEY(product_id) LABEL Products,
  cymbal_pets_demo.stores KEY(store_id) LABEL Stores,
  cymbal_pets_demo.orders KEY(order_id) LABEL Orders
)
EDGE TABLES (
  cymbal_pets_demo.orders as customer_to_store_edge
    KEY (order_id)
    SOURCE KEY (customer_id) references customers(customer_id)
    DESTINATION KEY (store_id) references stores(store_id)
    LABEL Visited
    PROPERTIES ALL COLUMNS,

  cymbal_pets_demo.order_items
    KEY (order_item_id)
    SOURCE KEY (order_id) references orders(order_id)
    DESTINATION KEY (product_id) references products(product_id)
    LABEL Has
    PROPERTIES ALL COLUMNS,

  cymbal_pets_demo.orders as customer_to_orders_edge
    KEY (order_id)
    SOURCE KEY (customer_id) references customers(customer_id)
    DESTINATION KEY (order_id) references orders(order_id)
    LABEL Placed
    PROPERTIES ALL COLUMNS,

  cymbal_pets_demo.co_related_products_for_angelica
    KEY (angelica_product_id)
    SOURCE KEY (angelica_product_id) references products(product_id)
    DESTINATION KEY (other_product_id) references products(product_id)
    LABEL BoughtTogether
    PROPERTIES ALL COLUMNS
);

Cela crée le graphe PetsOrderGraph, qui nous permet d'effectuer des traversées de graphes à l'aide de l'opérateur GRAPH_TABLE.

6. Visualiser l'historique des achats de tous les clients

Ouvrez Nouveau notebook dans BigQuery Studio.

Pour les parties de cet atelier de programmation consacrées à la visualisation et aux recommandations, nous allons utiliser un notebook Google Colab dans BigQuery Studio. Cela nous permet de visualiser facilement les résultats du graphe.

Collez le code suivant dans une cellule de code :

!pip install bigquery-magics==0.12.1

Le notebook BigQuery Graph est implémenté en tant que commandes magiques IPython. En ajoutant la commande magique %%bigquery avec la fonction TO_JSON, vous pouvez visualiser les résultats comme indiqué dans les sections suivantes.

Supposons que Cymbal Pets souhaite obtenir une visualisation à 360 degrés de tous les clients et des achats qu'ils ont effectués au cours d'une période spécifique.

Exécutez le code suivant dans une nouvelle cellule :

%%bigquery --graph

GRAPH cymbal_pets_demo.PetsOrderGraph
  # finds the customer node and then finds all
  # the Orders nodes that are connected to that customer through the
  # Placed relationship
  MATCH (customer:Customer)-[placed:Placed]->(ordr:Orders)-[has:Has]->(product:Products)
  # filters the Orders nodes to only include those where the
  # order_date is within the last 3 months.
  WHERE ordr.order_date >= date('2024-11-27')
  # # This line finds all the Products nodes that are connected to the
  # # filtered Orders nodes through the Has relationship.
  MATCH p=(customer:Customer)-[placed:Placed]->(ordr:Orders)-[has:Has]->(product:Products)
  LIMIT 40
  RETURN 
    TO_JSON(p) as paths

BigQuery Graph vous permet de faire correspondre des modèles dans plusieurs tables sans syntaxe JOIN complexe.

Vous devriez voir une représentation visuelle du résultat du graphe.

7. Visualiser l'historique des achats d'Angelica

Supposons que Cymbal Pets souhaite examiner en détail une cliente nommée Angelica Russell. L'entreprise souhaite analyser les produits qu'Angelica a achetés au cours des trois derniers mois et les magasins qu'elle a visités.

Bien que ce scénario spécifique puisse être réalisé à l'aide d'une jointure relationnelle traditionnelle, nous utilisons ici BigQuery Graph pour illustrer les concepts et la syntaxe fondamentaux des graphes, qui visualisent des analyses de relations complexes.

%%bigquery --graph

GRAPH cymbal_pets_demo.PetsOrderGraph
  # finds the customer node with the name "Angelica Russell" and then finds all
  # the Orders nodes that are connected to that customer through the
  # Placed relationship and all the Products nodes that are connected to the
  # filtered Orders nodes through the Has relationship.
   MATCH p=(customer:Customer {first_name: 'Angelica', last_name: 'Russell'})-[placed:Placed]->(ordr:Orders)-[has:Has]->(product:Products)
  # filters the Orders nodes to only include those where the
  # order_date is within the last 3 months.
  WHERE ordr.order_date >= date('2024-11-27')
  # finds the Stores nodes where Angelica placed order from
  MATCH p2=(customer)-[visited:Visited]->(store:Stores)
  RETURN
    TO_JSON(p) as path, TO_JSON(p2) as path2

8. Recommandation de produits à l'aide de la recherche vectorielle

Cymbal Pets souhaite recommander des produits à Angelica en fonction de ses achats récents. Nous pouvons utiliser la recherche vectorielle pour trouver des produits dont les embeddings sont similaires à ses achats précédents.

Exécutez le script SQL suivant dans une nouvelle cellule Colab. Ce script :

1. Identifie les produits qu'Angelica a achetés récemment.
2. Utilise VECTOR_SEARCH pour trouver les quatre principaux produits similaires dans la table products.

Remarque : Cette étape suppose que vous avez déjà exécuté AI.GENERATE_EMBEDDINGS pour créer une colonne d'embeddings dans la table des produits.

%%bigquery
DECLARE products_bought_by_angelica ARRAY<INT64>;

-- 1. Get IDs of products bought by Angelica
SET products_bought_by_angelica = (
  SELECT ARRAY_AGG(product_id) FROM
   GRAPH_TABLE(
    cymbal_pets_demo.PetsOrderGraph
      MATCH (c:Customer {first_name: 'Angelica', last_name: 'Russell'})-[placed:Placed]->(o:Orders)
      WHERE o.order_date >= date('2024-11-27')
      MATCH (o)-[has_edge:Has]->(p:Products)
      RETURN DISTINCT p.product_id as product_id
  ));

-- 2. Find similar products using vector search
SELECT 
  query.product_name as AngelicaBought, 
  base.product_name as RecommendedProducts, 
  base.category
FROM
  VECTOR_SEARCH(
    TABLE cymbal_pets_demo.products,
    'embedding',
    (SELECT * FROM cymbal_pets_demo.products
     WHERE product_id IN UNNEST(products_bought_by_angelica)),
    'embedding',
    top_k => 4)
WHERE query.product_name <> base.product_name;

Vous devriez voir une liste de produits recommandés qui sont sémantiquement similaires à ce qu'Angelica a acheté.

9. Recommandation à l'aide de "Achetés ensemble" et de la similarité de Jaccard

Une autre technique de recommandation puissante est le "filtrage collaboratif", qui consiste à recommander des produits fréquemment achetés ensemble par d'autres utilisateurs.

Nous pouvons trouver ces produits en parcourant le graphe d'un client à ses produits achetés, puis à d'autres clients qui ont acheté ces produits, et enfin aux autres produits que ces clients ont achetés.

Surmonter le biais de popularité avec la similarité de Jaccard

Bien que les nombres bruts d'achats conjoints soient utiles, ils peuvent être biaisés en faveur des produits populaires. Un produit très populaire peut être acheté avec de nombreux articles par hasard.

La similarité de Jaccard va plus loin en normalisant le nombre d'achats conjoints. Elle mesure la similarité entre deux ensembles (dans ce cas, les ensembles de commandes contenant chaque produit).

La formule de la similarité de Jaccard est la suivante :

Où :

• A intersect B correspond au nombre de commandes contenant à la fois le produit A et le produit B (nombre d'achats conjoints).
• A correspond au nombre total de commandes contenant le produit A.
• B correspond au nombre total de commandes contenant le produit B.

Génération et re-classement des candidats

Dans les systèmes de recommandation réels fonctionnant sur des ensembles de données volumineux, il est souvent impossible de calculer des scores de similarité complexes (comme Jaccard) pour toutes les paires de produits possibles. Au lieu de cela, un modèle courant consiste à utiliser une approche en deux étapes :

1. Génération de candidats : utilisez une métrique simple et rapide (comme le nombre brut d'achats conjoints) pour filtrer l'espace de recherche et trouver un nombre gérable de candidats (par exemple, les 10 premiers).
2. Re-classement : appliquez une métrique plus précise, mais plus coûteuse en termes de calcul (comme la similarité de Jaccard), pour classer ce petit ensemble de candidats et sélectionner les meilleures recommandations finales.

Dans cet atelier de programmation, nous allons suivre ce modèle :

• Étape 1 : exécutez une requête pour trouver les 10 principaux produits achetés conjointement pour chaque produit, en fonction du nombre brut d'achats conjoints, et stockez-les dans une table.
• Étape 2 : utilisez une requête de graphe pour récupérer ces candidats, les classer par similarité de Jaccard et renvoyer les trois premiers.

[!WARNING] Inconvénient : en filtrant sur le nombre brut à l'étape 1, nous risquons de perdre le "rappel" des achats conjoints très spécifiques, mais peu fréquents. Si un produit est très similaire à un autre, mais que les deux sont rarement achetés, il est possible qu'il ne figure pas parmi les 10 premiers candidats et qu'il soit manqué.

Exécutez la requête suivante pour calculer à la fois le nombre brut d'achats conjoints et la similarité de Jaccard, et stocker les 10 premiers candidats par nombre brut :

%%bigquery
CREATE OR REPLACE TABLE cymbal_pets_demo.co_related_products_for_angelica AS
WITH ProductOrderCounts AS (
    SELECT product_id, COUNT(DISTINCT order_id) as total_count
    FROM cymbal_pets_demo.order_items
    GROUP BY product_id
),
CoPurchases AS (
    SELECT
        angelicaProduct.product_id AS angelica_product_id,
        otherProduct.product_id AS other_product_id,
        count(DISTINCT otherOrder.order_id) AS co_purchase_count
    FROM
        GRAPH_TABLE (cymbal_pets_demo.PetsOrderGraph
          MATCH (angelica:Customer {first_name: 'Angelica', last_name: 'Russell'})-[:Placed]->(o:Orders)-[:Has]->(angelicaProduct:Products)
          WHERE o.order_date >= date('2024-11-27')
          WITH angelica, angelicaProduct
          MATCH (otherCustomer:Customer)-[:Placed]->(otherOrder:Orders)-[:Has]->(angelicaProduct)
          WHERE otherCustomer <> angelica
          WITH angelicaProduct, otherOrder
          MATCH (otherOrder)-[:HAS]->(otherProduct:Products)
          WHERE angelicaProduct <> otherProduct
          RETURN angelicaProduct, otherProduct, otherOrder
        )
    GROUP BY
        angelicaProduct.product_id, otherProduct.product_id
)
SELECT * FROM (
    SELECT
        cp.angelica_product_id,
        cp.other_product_id,
        cp.co_purchase_count,
        SAFE_DIVIDE(cp.co_purchase_count, (poc1.total_count + poc2.total_count - cp.co_purchase_count)) AS jaccard_similarity,
        ROW_NUMBER() OVER (PARTITION BY cp.angelica_product_id ORDER BY cp.co_purchase_count DESC) AS rn
    FROM CoPurchases cp
    JOIN ProductOrderCounts poc1 ON cp.angelica_product_id = poc1.product_id
    JOIN ProductOrderCounts poc2 ON cp.other_product_id = poc2.product_id
)
WHERE rn <= 10;

Exécutez cette requête pour recommander les trois principaux produits pour chacun des achats d'Angelica, directement connectés via l'arête BoughtTogether, en affichant à la fois le nombre d'achats conjoints et la similarité de Jaccard :

%%bigquery
SELECT * FROM GRAPH_TABLE(
  cymbal_pets_demo.PetsOrderGraph
  MATCH (customer:Customer {first_name: 'Angelica', last_name: 'Russell'})-[placed:Placed]->(ordr:Orders)
  WHERE ordr.order_date >= date('2024-11-27')
  MATCH (ordr)-[has:Has]->(product:Products)
  MATCH (product)-[bought_together:BoughtTogether]->(recommended_product:Products)
  RETURN 
    product.product_name AS OriginalProduct,
    recommended_product.product_name AS Recommended,
    bought_together.co_purchase_count AS Strength,
    bought_together.jaccard_similarity AS JaccardSimilarity
)
QUALIFY ROW_NUMBER() OVER (PARTITION BY OriginalProduct ORDER BY JaccardSimilarity DESC) <= 3
ORDER BY OriginalProduct;

Cette requête passe de Client -> Commande -> Produit -> (Achetés ensemble) -> Produit recommandé, en vous montrant des recommandations basées sur le comportement d'achat collectif et en récupérant leurs scores de similarité.

10. Libérer de l'espace

Pour éviter que votre compte Google Cloud ne soit facturé en permanence, supprimez les ressources créées lors de cet atelier de programmation.

Supprimez l'ensemble de données et toutes les tables :

DROP SCHEMA IF EXISTS cymbal_pets_demo CASCADE;

Si vous avez créé un projet pour cet atelier de programmation, vous pouvez également le supprimer :

gcloud projects delete $PROJECT_ID

11. Félicitations

Félicitations ! Vous venez de créer une vue client à 360 degrés et un moteur de recommandations à l'aide de BigQuery Graph.

Connaissances acquises

• Comment créer un graphe de propriétés dans BigQuery
• Comment charger des données dans des nœuds et des arêtes de graphes
• Comment interroger des modèles de graphes à l'aide de GRAPH_TABLE et MATCH
• Comment combiner des requêtes de graphes avec la recherche vectorielle pour obtenir des recommandations hybrides

Étapes suivantes

• Explorez la documentation de BigQuery Graph.
• En savoir plus sur la recherche vectorielle dans BigQuery.