Richten Sie ein Google Cloud -Projekt ein, aktivieren Sie KI-Anwendungen und richten Sie die Zugriffssteuerung für Ihr Projekt ein. Sie können ein vorhandenes Google Cloud Projekt verwenden, falls Sie bereits eines haben.
Bereiten Sie Ihre Daten für den Import in Vertex AI Search vor.
Für Anwendungen für Medienempfehlungen sind zwei Arten von Daten erforderlich:
Strukturierte Mediendaten Lade Metadaten zu deinen Medieninhalten wie Titel, Beschreibungen und URIs an den Speicherort deiner Medien hoch.
Vertex AI Search bietet ein vordefiniertes Schema für Medien.
Alternativ können Sie auch Ihr eigenes Schema verwenden.
Nutzerereignisse Für Medienempfehlungen müssen Nutzerereignisse aufgezeichnet werden.
Nutzerereignisse sind erforderlich, um Ihre App zu trainieren und Empfehlungen zu generieren.
Erstellen Sie eine App und einen Datenspeicher und importieren Sie dann Ihre Mediendaten und Nutzerereignisse.
Wie Sie Mediendaten importieren, hängt davon ab, woher Sie sie importieren. Wenn sich Ihre Daten beispielsweise in Cloud Storage befinden, können Sie sie über die Console oder die API importieren, indem Sie den Speicherort des Buckets angeben.
Sie können die Feldeinstellungen aktualisieren, damit sie filterbar sind, und Ihre Empfehlungsergebnisse mithilfe dieser Felder filtern.
Aktionen
Wenn Sie möchten, dass Vertex AI Search ein bestimmtes Feld zum Filtern von Empfehlungen verwendet, müssen Sie es als filterbar festlegen. Feldeinstellungen konfigurieren
Inhalte herabstufen, wenn sich ein Nutzer sie vor Kurzem angesehen hat oder sie alt sind Weitere Informationen finden Sie unter Medienempfehlungen herabstufen.
Sie können sich eine Vorschau Ihrer Empfehlungen ansehen, um zu prüfen, ob sie wie erwartet angezeigt werden.
Aktionen
Verwenden Sie die Console für KI-Anwendungen oder die API, um eine Vorschau Ihrer Empfehlungen aufzurufen.
Console. Auf der Seite Vorschau der Console können Sie sich eine Vorschau Ihrer Empfehlungen ansehen. In der Console finden Sie eine Anleitung dazu, welche Daten in der Anwendung verwendet werden.
API: Wenn Sie API-Aufrufe in Ihre Anwendung einbinden, können Sie API-Aufrufe ausführen, um eine Vorschau Ihrer Empfehlungen zu erhalten. Weitere Informationen zu den Daten, die Ihre App unter Empfehlungen abrufen verwendet, finden Sie in der REST-Anleitung.
Wenn Sie mit der Vorabversion Ihrer App für Medienempfehlungen zufrieden sind, können Sie sie auf Ihrer Website bereitstellen und so für Ihre Nutzer freigeben.
Aktionen
Wenn Sie Ihre Empfehlungs-App bereitstellen möchten, müssen Sie API-Aufrufe in Ihren Server oder Ihre Anwendungen einbinden. Weitere Informationen zu API-Aufrufen finden Sie in der REST-Anleitung für die Art der Daten, die in Ihrer App verwendet werden, unter Empfehlungen abrufen.
Sie können Ihre App so verwalten, dass die neuesten und erforderlichen Daten in Ihrem Datenspeicher verfügbar sind.
Die Einstellungen für Medienempfehlungen werden alle drei Monate automatisch angepasst. Wenn sich Ihr Datenspeicher jedoch erheblich ändert oder Sie Nutzerereignisse im Bulk-Verfahren importieren, sollten Sie Ihre App manuell neu trainieren.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-03 (UTC)."],[[["\u003cp\u003eThis page outlines the steps to implement a media recommendations app using Vertex AI Search, from initial setup to deployment and maintenance.\u003c/p\u003e\n"],["\u003cp\u003ePreparing your data involves providing structured media data and recording user events, which are both crucial for app training and generating recommendations.\u003c/p\u003e\n"],["\u003cp\u003eCreating the app requires making a data store, importing your media content, setting up historical data, and setting up live tracking for user interactions.\u003c/p\u003e\n"],["\u003cp\u003eCustomization of recommendations is achieved by configuring field settings for filtering, boosting, burying, diversifying, and demoting content.\u003c/p\u003e\n"],["\u003cp\u003eOnce implemented, you can preview, deploy, and maintain the recommendations app, including retraining it after significant data changes or bulk imports of user events.\u003c/p\u003e\n"]]],[],null,["# Media recommendations checklist\n\nThis page provides a checklist of the steps required to implement a media recommendations app.\n\n\u003cbr /\u003e\n\nIf you're new to Vertex AI Search, consider following the [Get started\nwith media recommendations](/generative-ai-app-builder/docs/try-media-recommendations) quickstart\ntutorial to create a sample app.\n\n\n### [Set up a Google Cloud\nproject](#set-up-project)\n\nSet up a Google Cloud project, turn on AI Applications, and set up access\ncontrol for your project. You can use an existing Google Cloud project if you\nhave one already.\n\n### Actions\n\n1. Complete the steps in [Before you begin](/generative-ai-app-builder/docs/before-you-begin). \n\n### [Prepare your data](#prepare-data)\n\nPrepare your data for importing to Vertex AI Search.\n\nMedia recommendations apps require two types of data:\n\n- **Structured media data.** Upload metadata information about your media\n content, such as titles, descriptions, and URIs to the location of your media.\n Vertex AI Search provides a predefined schema for media.\n Alternatively, you can use your own schema.\n\n- **User events.** Recording user events is required for media recommendations.\n User events are required to train your app and to generate recommendations.\n\n### Actions\n\n1. Review information about media data and data stores and prepare your data\n according to the required schemas and fields in [About media documents and\n data stores](/generative-ai-app-builder/docs/media-documents). If you are\n using your own schema, also see [Example schema as a JSON\n object](/generative-ai-app-builder/docs/provide-schema#example-schema) and\n [structured data](/generative-ai-app-builder/docs/prepare-data#structured).\n\n2. Review media user event requirements in [About user\n events](/generative-ai-app-builder/docs/media-user-events).\n\n### [Create your app and import\nyour data](#import-data)\n\nCreate an app and data store and then import your media data and user events.\n\nHow you import media data depends on where you're importing it from. For\nexample, if your data is in Cloud Storage, you can import it using the\nconsole or the API by providing the bucket location of your data.\n\n### Actions\n\n1. [Create a media data store](/generative-ai-app-builder/docs/create-data-store-media).\n\n2. [Create a media recommendations\n app](/generative-ai-app-builder/docs/create-app-media#recs).\n\n3. [Bulk import historical user events](/generative-ai-app-builder/docs/import-user-events) so that\n your app can start training.\n\n4. [Set up real-time user event recording](/generative-ai-app-builder/docs/record-user-events).\n\n### [Configure your\nrecommendations](#configure-settings)\n\nYou can update field settings to make them filterable and filter your\nrecommendations results using those fields.\n\n### Actions\n\n1. To let Vertex AI Search use a certain field for filtering\n recommendations, set that field as filterable. See [Configure field\n settings](/generative-ai-app-builder/docs/configure-field-settings).\n\n2. [Filter recommendations](/generative-ai-app-builder/docs/filter-recommendations).\n\n3. [Boost and bury recommendations](/generative-ai-app-builder/docs/media-recommendations-boost-bury).\n\n4. [Diversify media recommendations](/generative-ai-app-builder/docs/diversify-recommendations).\n\n5. Demote content if a user has recently viewed it or if the content is old. See\n [Demote media recommendations](/generative-ai-app-builder/docs/demote-recommendations).\n\n### [Preview\nrecommendations](#preview-results)\n\nYou can preview your recommendations to check if your recommendations are\nappearing as expected.\n\n### Actions\n\n1. To preview your recommendations, use the AI Applications console or\n the API.\n\n - **Console.** Use the console **Preview** page to preview your\n recommendations. See the **Console** instructions for the kind of data that\n your app uses in [Get\n recommendations](/generative-ai-app-builder/docs/preview-recommendations).\n\n - **API** . If you're integrating API calls into your application, make API\n calls to preview your recommendations. See the **REST**\n instructions for the kind of data that your app uses in [Get\n recommendations](/generative-ai-app-builder/docs/preview-recommendations).\n\n### [Deploy your\nrecommendations app](#preview-results)\n\nWhen you're happy with the preview version of your media recommendations app,\nshare it with your users by deploying it to your website.\n\n### Actions\n\n1. To deploy your recommendations app, integrate API calls into your server or\n applications. For more information about making API calls, see the **REST**\n instructions for the kind of data that your app uses in [Get\n recommendations](/generative-ai-app-builder/docs/preview-recommendations).\n\n For client library resources, see [AI Applications client\nlibraries](/generative-ai-app-builder/docs/libraries). \n\n### [Maintain your app](#maintain-data)\n\nYou can maintain your app to ensure that latest and necessary data is available\nin your data store.\n\nMedia recommendations apps are automatically tuned every 3 months. However, if\nyour data store undergoes significant change or if you do a bulk import of user\nevents, you should manually retrain your app.\n\n### Actions\n\n1. [Check the quality of your media data](/generative-ai-app-builder/docs/check-media-data-quality).\n\n2. [Refresh your structured data](/generative-ai-app-builder/docs/refresh-data#refresh-structured).\n\n3. [Train and tune media apps](/generative-ai-app-builder/docs/train-tune-media)."]]
