FAQ du connecteur d'ingestion Meta Ads
Bêta
Cette fonctionnalité est en Bêta. Les administrateurs du Workspace peuvent contrôler l'accès à cette fonctionnalité à partir de la page Previews . Consultez Gérer les aperçus Databricks.
Cette page répond aux questions fréquemment posées concernant le connecteur d'ingestion Meta Ads dans Databricks Lakeflow Connect.
FAQ générale sur les connecteurs gérés
Les réponses dans les FAQ sur les connecteurs gérés s'appliquent à tous les connecteurs gérés dans Lakeflow Connect. Poursuivez votre lecture pour consulter les FAQ spécifiques à Meta Ads.
Quelle Meta API le connecteur d'ingestion utilise-t-il ?
Le connecteur Meta Ads utilise deux API Meta : l' API insight pour les métriques de performance (ad_insights) et l' API Marketing pour les données d'objets (ads, ad_sets, campaigns, ad_images, ad_creatives, ad_videos, custom_audiences, custom_conversions).
Comment Databricks se connecte-t-il à Meta Ads ?
Databricks se connecte aux APIs Meta Ads via HTTPS. Les identifiants sont stockés en toute sécurité dans Unity Catalog et ne peuvent être récupérés que si l'utilisateur qui exécute le flux d'ingestion dispose des autorisations appropriées.
Comment le connecteur extrait-il les mises à jour de manière incrémentielle ?
Le connecteur utilise l'ingestion incrémentale basée sur un curseur. Pour la plupart des objets, le connecteur utilise le champ updated_time comme curseur pour détecter les modifications. À chaque exécution de pipeline, le connecteur n'ingère que les enregistrements qui ont été créés ou modifiés depuis la dernière exécution.
Pour les objets sans champ updated_time, le connecteur utilise l'ingestion par refresh complète.
Combien d'objets peuvent être ingérés dans un pipeline ?
Databricks recommande de limiter un pipeline à 250 objets. Si vous devez ingérer plus d'objets, créez plusieurs pipelines.
Que se passe-t-il si j'atteins les limites de débit de l'API Meta ?
Si le connecteur rencontre des erreurs de limitation du débit de l'API Meta Marketing, il lit la valeur estimated_time_to_regain_access fournie par le serveur dans les en-têtes de réponse de limitation du débit de Meta et attend cet intervalle (limité à deux minutes) avant de réessayer, jusqu'à trois nouvelles tentatives. Si les limites de débit persistent, le pipeline échoue, et vous pouvez réessayer lors de la prochaine exécution planifiée.
Pour éviter les problèmes de limites de débit, considérez :
- Réduction de la fréquence de votre calendrier de pipeline
- Réduire le nombre d'objets ingérés dans un seul pipeline
- Répartition de l’ingestion sur plusieurs pipelines
Puis-je configurer des fenêtres d'attribution personnalisées ?
Oui. Définissez action_attribution_windows dans meta_ads_options pour l'objet ad_insights (par exemple, ["7d_click", "1d_view"]). Si non défini, le connecteur utilise les paramètres d'attribution « default » de votre compte Meta Ads. Pour les valeurs prises en charge, consultez Fenêtres d'attribution.
Le connecteur prend-il en charge les publicités Instagram ?
Non. Le connecteur ne prend en charge que les publicités Facebook pendant la version bêta. Les publicités Instagram ne sont pas prises en charge.
Le connecteur prend-il en charge l'ingestion en temps réel ?
Non. Le connecteur utilise l’ingestion de batch planifiée. L'ingestion en temps réel n'est pas prise en charge. Vous pouvez planifier votre pipeline pour qu'il s'exécute aussi fréquemment que toutes les heures, mais Databricks recommande des planifications moins fréquentes pour éviter les problèmes de limite de débit.
Comment le connecteur gère-t-il les suppressions ?
Le connecteur ne détecte ni ne gère les suppressions. Si un enregistrement est supprimé de Meta Ads, il reste dans la table de destination. Pour supprimer les enregistrements supprimés, vous devez effectuer un refresh complet de la table.
Pourquoi mes données ad_insights sont-elles incomplètes pour les dates récentes ?
L'objet ad_insights utilise une fenêtre d'attribution pour tenir compte des événements de conversion différés. Les données des dates récentes peuvent être incomplètes jusqu'à la fermeture de la fenêtre d'attribution configurée. Le connecteur réingère automatiquement ces données lors des exécutions de pipeline ultérieures. Pour configurer la fenêtre d'attribution, voir Puis-je configurer des fenêtres d'attribution personnalisées ?
Quelles combinaisons de répartition sont prises en charge pour ad_insights ?
Le connecteur prend en charge toutes les combinaisons de répartition et de répartition d'actions autorisées par l'API Insights. Certaines combinaisons peuvent ne pas être valides. Consultez la documentation de l'API Insights pour plus de détails sur les combinaisons de décomposition valides.
Quand la création de pipeline basée sur l'interface utilisateur sera-t-elle disponible ?
La création de pipeline basée sur l'interface utilisateur n'est pas disponible pendant la version bêta. Utilisez les Databricks CLI, APIs, SDKs ou Declarative Automation Bundles pour créer des pipelines. La prise en charge de l'interface utilisateur pourrait être ajoutée dans une prochaine version.
En quoi le connecteur Meta Ads est-il différent de l'API Meta Conversions dans la Marketplace ?
Le connecteur Meta Ads et l'API Meta Conversions servent des directions opposées de flux de données :
- Le connecteur Meta Ads dans Lakeflow Connect est un connecteur d'ingestion. Il extrait les données de performance des publicités Meta, telles que les campagnes, les ensembles de publicités et les rapports, dans Databricks pour l'analytique et le reporting.
- L'**API Meta Conversions (Marketplace)** est une solution d'activation. Il envoie les données propriétaires de Databricks à Meta pour améliorer le ciblage publicitaire et la mesure. Consultez Activer les données propriétaires avec l'API de conversion Meta et Databricks.
Quels rapports préintégrés sont disponibles ?
Le connecteur comprend 21 variantes ad_insights prédéfinies dans quatre familles : de base, de livraison, de démographie et d'action. Pour ingérer un rapport préétabli, définissez source_table sur le nom du rapport. Aucune configuration supplémentaire n'est requise. Voir les Rapports préétablis.
En quoi custom_report est-il différent de ad_insights?
Les deux produisent des données d'insights avec les mêmes options configurables. ad_insights est une seule table, tandis que custom_report vous permet de définir plusieurs rapports configurés indépendamment, chacun étant ingéré dans son propre destination_table.
Comment puis-je définir un rapport personnalisé ?
Définissez source_table sur custom_report, choisissez un destination_table, et spécifiez la configuration du rapport sous connector_options.meta_ads_options.custom_report_options. Voir les options de configuration decustom_report.