Criar aplicativos de recomendação de visão única do cliente com o BigQuery Graph

1. Introdução

Neste codelab, você vai aprender a usar o BigQuery Graph para criar uma visualização do Cliente 360 e um mecanismo de recomendação para a Cymbal Pets, uma empresa de varejo fictícia. Você vai aproveitar o poder do SQL para criar, consultar e analisar dados de gráficos diretamente no BigQuery, combinando-os com a pesquisa de vetores para recomendações avançadas de produtos.

Com o BigQuery Graph, você pode modelar as relações entre suas entidades de dados (como clientes, produtos e pedidos) como um grafo, facilitando a resposta a perguntas complexas sobre o comportamento do cliente e as afinidades de produtos.

Atividades deste laboratório

• Criar um conjunto de dados e um esquema do BigQuery para o gráfico do Cymbal Pets
• Carregar dados de exemplo (clientes, produtos, pedidos, lojas) do Cloud Storage
• Crie um gráfico de propriedades no BigQuery conectando essas entidades
• Visualizar o histórico de compras dos clientes usando consultas de gráfico
• Crie um sistema de recomendação de produtos usando a pesquisa de vetores
• Melhorar as recomendações usando relações de grafo "Comprados juntos" e a similaridade de Jaccard

O que é necessário

• Um navegador da web, como o Chrome
• Tenha um projeto do Google Cloud com o faturamento ativado.

Este codelab é destinado a desenvolvedores de todos os níveis, incluindo iniciantes.

2. Antes de começar

Criar um projeto do Google Cloud

1. No Console do Google Cloud, selecione ou crie um projeto na nuvem do Google Cloud.
2. Verifique se o faturamento está ativado para seu projeto do Cloud.

Iniciar o Cloud Shell

1. Clique em Ativar o Cloud Shell na parte de cima do console do Google Cloud.
2. Verificar a autenticação:

gcloud auth list

3. Confirme seu projeto:

gcloud config get project

4. Defina, se necessário:

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

Ativar APIs

Execute este comando para ativar a API BigQuery necessária:

gcloud services enable bigquery.googleapis.com

3. Definir o esquema

Primeiro, crie um conjunto de dados para armazenar as tabelas relacionadas a grafos e defina o esquema dos nós e das arestas.

1. Neste codelab, vamos executar comandos SQL. É possível executar esses comandos no BigQuery Studio > Editor de SQL ou usar o comando bq query no Cloud Shell. Vamos presumir que você está usando o editor de SQL do BigQuery para ter uma experiência melhor com instruções de criação de várias linhas.
2. Crie o conjunto de dados cymbal_pets_demo:

CREATE SCHEMA IF NOT EXISTS cymbal_pets_demo;

3. Crie as tabelas para order_items, products, orders, stores, customers e co_related_products_for_angelica. Essas tabelas vão servir como dados de origem para nosso gráfico.

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
);

Agora você definiu a estrutura dos dados do gráfico.

4. Carregar os dados

Agora, preencha as tabelas com dados de amostra do Cloud Storage.

Execute as seguintes instruções LOAD DATA no editor de SQL do 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
);

Você vai receber uma confirmação de que as linhas foram carregadas em cada tabela.

5. Criar o gráfico de propriedades

Com os dados carregados, agora é possível definir o gráfico de propriedades. Isso informa ao BigQuery quais tabelas representam nós (entidades como clientes, produtos) e quais representam arestas (relações como "Visitou", "Fez", "Tem").

Execute a seguinte instrução DDL:

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
);

Isso cria o gráfico PetsOrderGraph, que permite fazer travessias usando o operador GRAPH_TABLE.

6. Visualizar o histórico de compras de todos os clientes

Abra Novo notebook no BigQuery Studio.

Para as partes de visualização e recomendação deste codelab, vamos usar um notebook do Google Colab no BigQuery Studio. Isso permite visualizar facilmente os resultados do gráfico.

Cole o seguinte em uma célula de código:

!pip install bigquery-magics==0.12.1

O notebook de gráficos do BigQuery é implementado como um IPython Magics. Ao adicionar o comando mágico %%bigquery com a função TO_JSON, é possível visualizar os resultados, conforme mostrado nas seções a seguir.

Digamos que a Cymbal Pets queira ter uma visualização de 360 graus de todos os clientes e das compras feitas em um período específico.

Execute o seguinte em uma nova célula:

%%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

Com o BigQuery Graph, é possível corresponder padrões em várias tabelas sem uma sintaxe JOIN complexa.

Você vai ver uma representação visual do resultado do gráfico.

7. Visualizar o histórico de compras de Angelica

Digamos que a Cymbal Pets queira analisar a fundo uma cliente chamada Angelica Russell. Ela quer analisar os produtos que Angelica comprou nos últimos três meses e as lojas que a cliente visitou.

Embora esse cenário específico possa ser alcançado usando uma junção relacional tradicional, usamos o BigQuery Graph aqui para demonstrar os conceitos e a sintaxe fundamentais do gráfico, que visualizam análises de relacionamento complexas.

%%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. Recomendação de produto usando a pesquisa de vetores

A Cymbal Pets quer recomendar produtos para Angelica com base nas compras recentes dela. Podemos usar a pesquisa vetorial para encontrar produtos com embeddings semelhantes às compras anteriores dela.

Execute o script SQL a seguir em uma nova célula do Colab. Este script:

1. Identifica os produtos que a Angelica comprou recentemente.
2. Usa VECTOR_SEARCH para encontrar os quatro principais produtos semelhantes na tabela products.

Observação: esta etapa pressupõe que você já executou AI.GENERATE_EMBEDDINGS para criar uma coluna de embeddings na tabela de produtos.

%%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;

Você vai ver uma lista de produtos recomendados que são semanticamente semelhantes ao que Angelica comprou.

9. Recomendação usando "Comprados juntos" e similaridade de Jaccard

Outra técnica de recomendação eficiente é a "filtragem colaborativa", que recomenda produtos comprados com frequência por outros usuários.

Para encontrar esses produtos, percorremos o gráfico de um cliente até os produtos comprados, depois até outros clientes que compraram esses produtos e, por fim, até os outros produtos que esses clientes compraram.

Como superar o viés de popularidade com a similaridade de Jaccard

Embora as contagens brutas de compra conjunta sejam úteis, elas podem ser tendenciosas em relação a produtos populares. Um produto muito procurado pode ser comprado com muitas coisas por acaso.

A similaridade de Jaccard vai além das recomendações ao normalizar a contagem de compras conjuntas. Ela mede a semelhança entre dois conjuntos (neste caso, os conjuntos de pedidos que contêm cada produto).

A fórmula da similaridade de Jaccard é:

Onde:

• A intersect B é o número de pedidos que contêm os produtos A e B (contagem de compras conjuntas).
• A é o número total de pedidos que contêm o produto A.
• B é o número total de pedidos que contêm o produto B.

Geração e reclassificação de candidatos

Em sistemas de recomendação reais que operam em conjuntos de dados enormes, geralmente é impraticável calcular pontuações de similaridade complexas (como Jaccard) para todos os pares possíveis de produtos. Em vez disso, um padrão comum é usar uma abordagem de duas etapas:

1. Geração de candidatos: use uma métrica simples e rápida (como a contagem bruta de compras conjuntas) para filtrar o espaço de pesquisa e encontrar um número gerenciável de candidatos (por exemplo, os 10 principais).
2. Reclassificação: aplique uma métrica mais precisa, mas computacionalmente mais pesada (como a similaridade de Jaccard) para classificar esse pequeno conjunto de candidatos e selecionar as principais recomendações finais.

Neste codelab, vamos seguir este padrão:

• Etapa 1: execute uma consulta para encontrar os 10 principais produtos comprados em conjunto para cada produto, com base na contagem bruta de compras conjuntas, e armazene-os em uma tabela.
• Etapa 2: use uma consulta de gráfico para recuperar esses candidatos, classifique-os por similaridade de Jaccard e retorne os três principais.

[!WARNING] Desvantagem: ao filtrar a contagem bruta na Etapa 1, podemos perder o "recall" de compras conjuntas altamente específicas, mas de baixa frequência. Se um produto for muito parecido com outro, mas ambos forem raramente comprados, talvez ele não entre nos 10 principais candidatos e seja perdido.

Execute a consulta a seguir para calcular a contagem bruta de compra conjunta e a similaridade de Jaccard e armazene os 10 principais candidatos por contagem bruta:

%%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;

Execute esta consulta para recomendar os três principais produtos de cada compra de Angelica, conectados diretamente pela aresta BoughtTogether, mostrando a contagem de compras conjuntas e a similaridade 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;

Essa consulta passa por Cliente -> Pedido -> Produto -> (CompradosJuntos) -> Produto recomendado, mostrando recomendações com base no comportamento de compra coletivo e recuperando as pontuações de similaridade.

10. Limpar

Para evitar cobranças contínuas na sua conta do Google Cloud, exclua os recursos criados durante este codelab.

Exclua o conjunto de dados e todas as tabelas:

DROP SCHEMA IF EXISTS cymbal_pets_demo CASCADE;

Se você criou um novo projeto para este codelab, também é possível excluí-lo:

gcloud projects delete $PROJECT_ID

11. Parabéns

Parabéns! Você criou uma visualização do Cliente 360 e um mecanismo de recomendação usando o BigQuery Graph.

O que você aprendeu

• Como criar um gráfico de propriedades no BigQuery.
• Como carregar dados em nós e arestas de gráficos.
• Como consultar padrões de gráficos usando GRAPH_TABLE e MATCH.
• Como combinar consultas de gráficos com pesquisa vetorial para recomendações híbridas.

Próximas etapas

• Confira a documentação do BigQuery Graph.
• Saiba mais sobre a Pesquisa vetorial no BigQuery.