Auf dieser Seite wird beschrieben, wie Sie Empfehlungen mit der Google Cloud -Konsole in der Vorschau ansehen und Empfehlungsergebnisse über die API abrufen. Auf dem Tab „REST“ finden Sie Beispiele für API-Aufrufe, mit denen Sie Empfehlungen in Ihre App einbinden können.
Welche Vorgehensweise Sie verwenden, hängt davon ab, ob Sie Media- oder benutzerdefinierte Daten haben:
- Empfehlungen für Medien erhalten
- Benutzerdefinierte Empfehlungen für eine App mit strukturierten Daten erhalten
Medienempfehlungen erhalten
Console
So verwenden Sie die Google Cloud Konsole, um Media-Empfehlungen in der Vorschau anzusehen:
Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.
Klicken Sie auf den Namen der Anwendung, für die Sie Empfehlungen in der Vorschau ansehen möchten.
Klicken Sie auf Konfigurationen > Training. Wenn Bereit zum Abfragen des Modells auf „Ja“ gesetzt ist, kann die App in der Vorschau angesehen werden.
Klicken Sie auf Vorschau.
Klicken Sie auf das Feld Dokument-ID. Eine Liste der Dokument-IDs wird angezeigt.
Klicken Sie auf die ID des Dokuments, für das Sie Empfehlungen erhalten möchten. Alternativ können Sie eine Dokument-ID in das Feld Dokument-ID eingeben.
Klicken Sie auf Bereitstellungskonfiguration auswählen und wählen Sie die Bereitstellungskonfiguration aus, die Sie als Vorschau ansehen möchten.
Optional: Geben Sie die Besucher-ID (auch Pseudo-User-ID genannt) eines Nutzers ein, für den Sie Nutzerereignisse erfasst haben. Wenn Sie dieses Feld leer lassen oder eine nicht vorhandene Besucher-ID eingeben, wird eine Vorschau der Empfehlungen als neuer Nutzer angezeigt.
Klicken Sie auf Empfehlungen erhalten. Eine Liste mit empfohlenen Dokumenten wird angezeigt.
Klicken Sie auf ein Dokument, um Details dazu abzurufen.
REST
Wenn Sie die API verwenden möchten, um Media-Empfehlungen zu erhalten, verwenden Sie die Methode servingConfigs.recommend
:
Suchen Sie die Engine-ID und die Bereitstellungskonfigurations-ID. Wenn Sie bereits Ihre Engine-ID und die IDs der Bereitstellungskonfiguration haben, fahren Sie mit Schritt 2 fort.
Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.
Klicken Sie auf den Namen der App.
Klicken Sie im Navigationsbereich auf Konfigurationen.
Wenn Sie nur eine Bereitstellungskonfiguration haben, rufen Sie die ID der Bereitstellungskonfiguration ab, die auf dem Tab Bereitstellung angezeigt wird.
Wenn auf dem Tab Bereitstellung mehrere Bereitstellungskonfigurationen aufgeführt sind, suchen Sie die Bereitstellungskonfiguration, für die Sie Empfehlungen erhalten möchten. Die ID der Bereitstellungskonfiguration ist der Wert in der Spalte ID.
Klicken Sie auf den Tab Training. Die Engine-ID ist der Wert in der Zeile App-ID.
Prüfen Sie, ob die App für die Vorschau bereit ist:
Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.
Klicken Sie auf den Namen der App.
Klicken Sie auf Konfigurationen > Training. Wenn Bereit zum Abfragen des Modells auf „Ja“ gesetzt ist, kann die App in der Vorschau angesehen werden.
Empfehlungen erhalten
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" \ -d '{ "validateOnly": false, "userEvent": { "eventType": "view-item", "userPseudoId": "USER_PSEUDO_ID", "documents": [{ "id": "DOCUMENT_ID" }], "filter": "FILTER_STRING" } }' \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/servingConfigs/SERVING_CONFIG_ID:recommend"
Ersetzen Sie Folgendes:
PROJECT_ID
: die Projekt-ID.DATA_STORE_ID
: die ID Ihres Datenspeichers.DOCUMENT_ID
: die ID des Dokuments, für das Sie eine Vorschau der Empfehlungen aufrufen möchten. Verwenden Sie die ID, die Sie für dieses Dokument beim Erfassen Ihrer Daten verwendet haben.USER_PSEUDO_ID
: Ein UTF-8-codierter String, der als eindeutige pseudonymisierte Kennung zur Nachverfolgung der Nutzer dient. Er darf maximal 128 Zeichen lang sein. Google empfiehlt dringend, dieses Feld zu verwenden, da es die Modellleistung und die Qualität der Personalisierung verbessert. Sie können für dieses Feld ein HTTP-Cookie verwenden, mit dem ein Besucher auf einem einzelnen Gerät eindeutig identifiziert wird. Einige wichtige Überlegungen:- Diese Kennung ändert sich nicht, wenn sich der Besucher auf einer Website an- oder abmeldet.
- Dieses Feld darf nicht für mehrere Nutzer auf dieselbe Kennung festgelegt werden. Andernfalls können mit derselben User-ID Ereignisverläufe verschiedener Nutzer kombiniert werden, was die Modellqualität beeinträchtigen kann.
- Dieses Feld darf keine personenidentifizierbaren Informationen enthalten.
Weitere Informationen finden Sie unter
userPseudoId
.SERVING_CONFIG_ID
: die ID Ihrer Serving-Konfiguration.FILTER
: Optional. Ein Textfeld, in dem Sie mithilfe der Filterausdruckssyntax nach einer bestimmten Gruppe von Feldern filtern können. Der Standardwert ist ein leerer String. Das bedeutet, dass kein Filter angewendet wird. Weitere Informationen finden Sie unter Empfehlungen filtern.
Die Ergebnisse sollten in etwa so aussehen:
{ "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}], "attributionToken": "abc123" }
Google empfiehlt, Attributionstokens, die wir in jede Suchantwort und Empfehlung aufnehmen, mit Aktionen zu verknüpfen, die ein Nutzer als Reaktion auf diese Suchantworten und Empfehlungen ausführt. So können die Qualität Ihrer Suchantworten und Empfehlungen im Laufe der Zeit verbessert werden. Hängen Sie dazu attributionToken
-Werte an die URLs für jeden der Links an, die Sie auf Ihrer Website für Suchantworten oder Empfehlungen anzeigen, z. B. https://www.example.com/54321/?rtoken=abc123
. Wenn ein Nutzer auf einen dieser Links klickt, fügen Sie den attributionToken
-Wert in das Nutzerereignis ein, das Sie aufzeichnen.
Empfehlungen für eine App mit benutzerdefinierten strukturierten Daten erhalten
Console
So verwenden Sie die Google Cloud Konsole, um eine Vorschau von benutzerdefinierten Empfehlungen für Ihre strukturierte App aufzurufen:
Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.
Klicken Sie auf den Namen der Anwendung, für die Sie Empfehlungen in der Vorschau ansehen möchten.
Klicken Sie auf Vorschau.
Klicken Sie auf das Feld Dokument-ID. Eine Liste der Dokument-IDs wird angezeigt.
Klicken Sie auf die ID des Dokuments, für das Sie Empfehlungen erhalten möchten. Alternativ können Sie eine Dokument-ID in das Feld Dokument-ID eingeben.
Klicken Sie auf Empfehlungen erhalten. Eine Liste mit empfohlenen Dokumenten wird angezeigt.
Klicken Sie auf ein Dokument, um Details dazu abzurufen.
REST
Wenn Sie die API verwenden möchten, um benutzerdefinierte Empfehlungen für eine App mit strukturierten Daten abzurufen, verwenden Sie die Methode servingConfigs.recommend
:
Suchen Sie Ihre Engine-ID. Wenn Sie Ihre Engine-ID bereits haben, fahren Sie mit Schritt 2 fort.
Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.
Klicken Sie auf den Namen der App.
Rufen Sie die Engine-ID aus der URL der Google Cloud Console ab. Es ist der Text zwischen
engines/
und/data
. Wenn die URL beispielsweisegen-app-builder/engines/demo_1234567890123/data/records
Dann lautet die Engine-ID
demo_1234567890123
.
Suchen Sie nach Ihrer Datenspeicher-ID. Wenn Sie die ID Ihres Datenspeichers bereits haben, fahren Sie mit dem nächsten Schritt fort.
Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf und klicken Sie im Navigationsmenü auf Datenspeicher.
Klicken Sie auf den Namen des Datenspeichers.
Rufen Sie auf der Datenseite Ihres Datenspeichers die Datenspeicher-ID ab.
Prüfen Sie, ob die Engine für die Vorschau bereit ist. Fragen Sie dazu die Methode
GetEngine
ab, bis"servingState":"ACTIVE"
zurückgegeben wird. Jetzt kann die Engine in der Vorschau angesehen werden.curl -X GET \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/engines/ENGINE_ID
Ersetzen Sie Folgendes:
PROJECT_ID
: die Projekt-ID.ENGINE_ID
: die ID Ihrer Engine.
Empfehlungen erhalten
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -d '{ "userEvent": { "eventType":"view-item", "userPseudoId":"USER_PSEUDO_ID", "documents":[{"id":"DOCUMENT_ID"}]}}' \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/servingConfigs/SERVING_CONFIG_ID:recommend"
Ersetzen Sie Folgendes:
PROJECT_ID
: die Projekt-ID.DATA_STORE_ID
: die ID Ihres Datenspeichers.DOCUMENT_ID
: die ID des Dokuments, für das Sie eine Vorschau der Empfehlungen aufrufen möchten. Verwenden Sie die ID, die Sie für dieses Dokument beim Erfassen Ihrer Daten verwendet haben.USER_PSEUDO_ID
: Ein UTF-8-codierter String, der als eindeutige pseudonymisierte Kennung zur Nachverfolgung der Nutzer dient. Er darf maximal 128 Zeichen lang sein. Google empfiehlt dringend, dieses Feld zu verwenden, da es die Modellleistung und die Qualität der Personalisierung verbessert. Sie können für dieses Feld ein HTTP-Cookie verwenden, mit dem ein Besucher auf einem einzelnen Gerät eindeutig identifiziert wird. Einige wichtige Überlegungen:- Diese Kennung ändert sich nicht, wenn sich der Besucher auf einer Website an- oder abmeldet.
- Dieses Feld darf nicht für mehrere Nutzer auf dieselbe Kennung festgelegt werden. Andernfalls können mit derselben User-ID Ereignisverläufe verschiedener Nutzer kombiniert werden, was die Modellqualität beeinträchtigen kann.
- Dieses Feld darf keine personenidentifizierbaren Informationen enthalten.
Weitere Informationen finden Sie unter
userPseudoId
.SERVING_CONFIG_ID
: die ID Ihrer Serving-Konfiguration. Die ID der Bereitstellungskonfiguration ist dieselbe wie die Engine-ID. Verwenden Sie also Ihre Engine-ID.
C#
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications C# API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.
Go
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications Go API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.
Java
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications Java API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.
Node.js
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications Node.js API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.
PHP
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications PHP API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.
Python
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications Python API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.
Ruby
Weitere Informationen finden Sie in der Referenzdokumentation zur AI Applications Ruby API.
Richten Sie zur Authentifizierung bei AI Applications Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.