Attributionstokens

Attributions-Token sind eindeutige IDs, die von Vertex AI Search for Commerce generiert und bei jeder Suchanfrage zurückgegeben werden. So kann Vertex AI Search for Commerce eine Suchanfrage mit dem entsprechenden Suchereignis verknüpfen. Dadurch können Modelle neu bewertet werden, um die Qualität der Suchergebnisse zu verbessern. Attributionstokens sind auch in Vertex AI Search for Commerce-Suchereignissen erforderlich, um genaue Berichte zu erhalten.

Funktionsweise von Attributionstokens

Sie erfassen das attributionToken aus der API-Antwort der Suche eines Nutzers. Senden Sie das vom Besucher für diese bestimmte Interaktion generierte Token in den Nutzerereignissen zurück.

Verhalten von Attributionstokens

Attributionstokens haben folgende Eigenschaften:

  • Besucherspezifisch: Die attributionToken ist mit einer bestimmten Suchantwort verknüpft, die für eine bestimmte visitorId ausgeliefert wurde. Das Token, das Sie in der Antwort auf eine Suche von visitorId 'A' erhalten haben, sollte daher mit den nachfolgenden Ereignissen zurückgesendet werden, die von derselben visitorId 'A' stammen und eine direkte Folge dieser Suche sind.

  • Mit Ereignissen verknüpft, die direkt auf die Suche folgen: Die attributionToken ist besonders wichtig für Nutzerereignisse, die eine direkte Interaktion mit den Suchergebnissen dieser bestimmten Suche darstellen.

    Dazu zählen:

    • Folgesuch-Ereignisse: Wenn derselbe Nutzer direkt nach der ersten Suche eine weitere Suche durchführt (z. B. seine Suchanfrage verfeinert), sollte die attributionToken aus der ersten Suchantwort idealerweise im Nutzerereignis für die zweite Suche enthalten sein, wenn die zweite Suche eine Fortsetzung der ersten ist.
    • Detail-page-view-Ereignisse: Wenn der Nutzer in den Suchergebnissen auf ein Produkt klickt und sich die Details ansieht, sollte die attributionToken aus der Suchantwort, die dieses Produkt enthielt, in das Detail-page-view-Nutzerereignis aufgenommen werden. Dazu wird die attributionToken häufig als URL-Parameter an die Produktseite übergeben.
    • Ereignisse vom Typ „In den Einkaufswagen“: Wenn der Nutzer ein Produkt direkt über die Suchergebnisse oder nachdem er sich die Details eines über diese Suche gefundenen Produkts angesehen hat, in den Einkaufswagen legt, sollte die attributionToken aus der ursprünglichen Suchantwort in das Ereignis vom Typ add-to-cart aufgenommen werden.
    • Ereignisse vom Typ „Einkauf-abgeschlossen“: Wenn zwischendurch bereits zugeordnete Interaktionen wie detail-page-views- oder add-to-cart-Aktionen stattgefunden haben, wird attributionToken nicht mit dem Ereignis purchase-complete gesendet. Der Kauf ist weiterhin über die Produkt-IDs und visitorId verknüpft.

  • Erleichterung der Zuordnung von Suchereignissen und Anfragen: Die attributionToken in nachfolgende Nutzerereignisse aufzunehmen, ist entscheidend, um das Nutzerverhalten genau auf die spezifische Suchanfrage und die Ergebnisse zurückzuführen, die von Vertex AI Search für den E-Commerce bereitgestellt werden.

    Durch diese Verknüpfung kann Vertex AI Search Folgendes erkennen:

    • Welche Suchanfragen und Ergebnisse zu Nutzerinteraktionen geführt haben (Klicks, Aufrufe, zum Einkaufswagen hinzugefügte Produkte, Käufe).
    • Relevanz und Effektivität des Suchrankings
    • Ob positive und negative Beispiele für das Training des Ranking-Modells generiert werden sollen.
    • So berechnen Sie Messwerte pro Suchanfrage wie Klickrate (CTR), Conversion-Rate (CVR) und Umsatz pro Suchanfrage.
    • Conversions der spezifischen Suchanfrage zuordnen, die zu ihnen geführt hat, insbesondere in A/B-Test-Szenarien

Attributionstokens in der Search API

Jede Antwort, die von der Vertex AI Search for Commerce-Methode zurückgegeben wird, enthält am Ende des Antworttexts eine eindeutige attributionToken. Beispiel:

{
  "results": [
    {
      "id": "727121",
      "product": {
…
     }
  ],
  "totalSize": 19600,
  "attributionToken": "dfB0CgwIgKrltAYQ8afX4AIQARokNjZjMGEwYjEtMDAwMC0yNjAyLTk0Y2UtNTgyNDI5Y2JkMzUwKgUxMjM0NTIkxcvzF6OAlyLo5KotmNa3LY6-nRW3t4wtwvCeFdSynRWb1rctOg5kZWZhdWx0X3NlYXJjaGgB",
  "nextPageToken": "AM1MDZiNWOyQjM4UTLlNGN50iMwYjMtADMwATLwIGMhBzY2YDJaIw-bCbxQYAt1PJgIwgExEgC"
…

Dieses Token muss im nachfolgenden Suchereignis enthalten sein:

{
"eventType": "search",
"searchQuery":"red t-shirt", 
"productDetails":[
  {"product":{"id":"727121"}}, {"product":{"id":  …
  }
] ,
"visitorId":"GA1.1.1383176924.1721324981",
"attributionToken":"dfB0CgwIgKrltAYQ8afX4AIQARokNjZjMGEwYjEtMDAwMC0yNjAyLTk0Y2UtNTgyNDI5Y2JkMzUwKgUxMjM0NTIkxcvzF6OAlyLo5KotmNa3LY6-nRW3t4wtwvCeFdSynRWb1rctOg5kZWZhdWx0X3NlYXJjaGgB"
}

Vertex AI Search for Commerce verwendet die Ereignisdaten, um seine Modelle zu trainieren. Mit dem Attributionstoken können Sie das Ereignis mit der Anfrage verknüpfen. Dazu werden die vollständige Suchanfrage und die Antwort mit den angeforderten Filtern, Facets und Antwortprodukt-IDs codiert. Wenn in den Suchereignissen kein Token vorhanden ist, werden diese Ereignisse so behandelt, als stammten sie nicht von Google Vertex AI Search. Die Suchereignisse werden möglicherweise fälschlicherweise so verwendet, als stammten sie von einem anderen Suchanbieter.

Es ist in Ordnung (und zu erwarten), dass Suchen ohne Tokens erfolgen, wenn sie von einem anderen Suchanbieter stammen, z. B. während eines A/B-Tests. Normalerweise gibt es jedoch eine 1:1-Zuordnung für Anfragen der Search API, um Ereignisse mit Tokens zu suchen.

Negative Auswirkungen fehlender Tokens

Wenn die attributionToken nicht in den relevanten nachfolgenden Nutzerereignissen desselben Besuchers enthalten ist, behandelt Vertex AI Search for Commerce diese Ereignisse so, als würden sie nicht aus dem Suchdienst stammen.

Das kann zu folgenden Problemen führen:

  • Ungenaues Modelltraining.
  • Falsche Messwerte und Leistungsanalyse
  • Potenzielle Probleme beim Erreichen höherer Leistungsstufen (z. B. Stufe 3), für die ausreichende zurechenbare Ereignisse erforderlich sind.
  • Im Dashboard zur Datenqualität unter „Suche für E-Commerce“ werden Fehler gemeldet, wenn der Prozentsatz der Ereignisse mit Attributions-Tokens unter 95 % liegt.

Um aus dem Nutzerverhalten zu lernen und die Suchergebnisse zu optimieren, ist für Vertex AI Search for Commerce eine genaue Attribution erforderlich. Achten Sie darauf, dass der attributionToken aus einer Suchantwort dem Besucher zugeordnet ist, der die Suchanfrage gestellt hat. Sie muss in den Nutzerereignissen aus der von ihnen generierten Suchinteraktion enthalten sein, insbesondere in search-, detail-page-view- und add-to-cart-Ereignissen.

Datenqualität von Attributionstokens

Im Dashboard zur Datenqualität in der Search for Commerce-Konsole wird der Status „Kritisch“ oder „Blockierend“ angezeigt, wenn der Prozentsatz der Ereignisse mit Attributions-Tokens unter 95 % liegt. Andernfalls wird der Status als „Entspricht den Anforderungen“ angezeigt:

Alt-Text

Bei der Datenqualität der Stufe 3, also dem umsatzoptimierten Modell, kann das Modell in der Regel nicht ohne ausreichende zurechenbare Ereignisse trainiert werden. Wir empfehlen dringend, Vertex AI Search for Commerce nur dann in der Produktion zu verwenden, wenn damit Ergebnisse in Stufe 3 oder Stufe 4 geliefert werden. Weitere Informationen zum Entsperren von Leistungsstufen finden Sie im Abschnitt „Datenqualität“ auf der Seite Datenqualität dieser Dokumentation.

Attributionstokens für Empfehlungen

Da es kein bestimmtes Nutzerereignis für Empfehlungen gibt, sollten Sie keine Attributionstokens aus predict-Antworten in Ereignisse aufnehmen. Wir empfehlen jedoch dringend, die PredictResponse.attribution_token in nachfolgende Nutzerereignisse aufzunehmen, die auf eine Empfehlung zurückzuführen sind (z. B. detail-page-view oder add-to-cart).

Für die Implementierung muss das Attributionstoken des empfohlenen Produkts in einem URL-Parameter an die URL der Produktseite übergeben werden. Verwenden Sie diesen Parameter dann, um das Feld attributionToken des entsprechenden Nutzerereignisses zu füllen.

Empfehlungen durch Vertex AI Search erstellen automatisch synthetische Tokens für Ereignisse, die predict-Anfragen zugeordnet werden können. Wenn Sie die Tokens explizit hinzufügen, lässt sich die Genauigkeit der Analyseberichte leicht verbessern. Dies ist jedoch nicht unbedingt erforderlich und hat nur geringe Auswirkungen auf die Empfehlungsmodelle.