Configure um Google Cloud projeto, ative os aplicativos de IA e configure o controle de acesso para o projeto. É possível usar um projeto do Google Cloud atual se você já tiver um.
Prepare seus dados para importação na Vertex AI para Pesquisa.
Os apps de recomendações de mídia exigem dois tipos de dados:
Dados de mídia estruturados. Faça upload de informações de metadados sobre o conteúdo
de mídia, como títulos, descrições e URIs para o local da mídia.
A Vertex AI para Pesquisa oferece um esquema predefinido para mídia.
Você também pode usar seu próprio esquema.
Eventos do usuário. A gravação de eventos do usuário é necessária para recomendações de mídia.
Os eventos do usuário são necessários para treinar seu app e gerar recomendações.
Crie um app e um repositório de dados e importe seus dados de mídia e eventos do usuário.
A forma de importar dados de mídia depende de onde você está fazendo a importação. Por exemplo, se os dados estiverem no Cloud Storage, você poderá importá-los usando o console ou a API, fornecendo o local do bucket dos dados.
Você pode atualizar as configurações de campo para que elas possam ser filtradas e filtrar os resultados das recomendações usando esses campos.
Ações
Para permitir que a Vertex AI para Pesquisa use um determinado campo para filtrar
recomendações, defina esse campo como filtrável. Consulte Configurar as configurações de campo.
Você pode conferir uma prévia das recomendações para verificar se elas estão
aparecendo como esperado.
Ações
Para visualizar suas recomendações, use o console de aplicativos de IA ou
a API.
Console. Use a página Visualização do console para conferir suas
recomendações. Consulte as instruções do console para saber o tipo de dados que
seu app usa em Receber
recomendações.
API. Se você estiver integrando chamadas de API ao seu aplicativo, faça chamadas
de API para visualizar as recomendações. Consulte as instruções do REST
para saber o tipo de dados que o app usa em Receber
recomendações.
Quando estiver satisfeito com a versão de pré-lançamento do app de recomendações de mídia,
implante-a no seu site para compartilhar com os usuários.
Ações
Para implantar o app de recomendações, integre as chamadas de API ao servidor ou
aos aplicativos. Para mais informações sobre como fazer chamadas de API, consulte as instruções do REST
para o tipo de dados que o app usa em Receber
recomendações.
Você pode manter seu app para garantir que os dados mais recentes e necessários estejam disponíveis
no armazenamento de dados.
Os apps de recomendações de mídia são ajustados automaticamente a cada três meses. No entanto, se
seu repositório de dados sofrer uma mudança significativa ou se você fizer uma importação em massa de eventos
do usuário, treine novamente o app manualmente.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 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)."]]
