Pelengkapan otomatis untuk penelusuran

Halaman ini memperkenalkan fitur pelengkapan otomatis dan cara menggunakannya. Penelusuran menyediakan pelengkapan otomatis untuk saran prediksi penelusuran saat mengetik di kotak penelusuran.

Pelengkapan otomatis adalah fitur untuk memprediksi sisa kueri yang dimasukkan pengguna, yang dapat meningkatkan pengalaman penelusuran pengguna dan mempercepat proses belanja sebelum checkout. Hal ini juga dapat meningkatkan kualitas respons penelusuran dan dengan demikian menghasilkan pendapatan yang lebih tinggi dengan menyediakan kueri yang diformat dengan baik.

Ringkasan

Saat pengguna akhir mulai mengetik istilah penelusuran di situs Anda, penelusuran dapat memberikan daftar saran yang mungkin diinginkan pengguna. Misalnya, sepatu dan kaus dapat disarankan saat pengguna memasukkan se.

Sumber data

Anda dapat memilih salah satu sumber data berikut untuk prediksi saran:

• Set data BigQuery yang Anda upload.
• Set data yang dihasilkan dari peristiwa pengguna dan metadata lainnya menggunakan machine learning.

Set data yang diupload

Tabel saran BigQuery yang Anda upload sebagai set data, yang digunakan untuk menyarankan kueri. Untuk mengetahui cara mengupload set data, lihat Mengimpor data pelengkapan otomatis.

Set data pembelajaran otomatis

Set data saran yang didukung machine learning yang dihasilkan oleh penelusuran berdasarkan peristiwa penelusuran pengguna.

Untuk mengaktifkan pembelajaran otomatis:

curl -X PATCH -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
  -H "Content-Type: application/json" \
  "https://retail.googleapis.com/v2beta/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/completionConfig?update_mask.paths=auto_learning"  --data "{auto_learning: true}"

Prasyarat set data pembelajaran otomatis

Pembelajaran otomatis menghasilkan saran dari peristiwa pengguna jenis penelusuran (eventType = "search"). Pembuatan ini menggunakan peristiwa pengguna selama 180 hari terakhir. Fitur ini memerlukan kualitas dan kuantitas peristiwa pengguna yang diimpor yang baik.

Pembelajaran otomatis memfilter saran yang jarang muncul, jadi jika jumlah peristiwa pengguna jenis penelusuran terlalu kecil (kurang dari 20.000), banyak kandidat saran dapat difilter. Dalam skenario ini, Anda mungkin ingin menguji fungsi pelengkapan otomatis terlebih dahulu dengan kueri penelusuran yang lebih sering.

Jadwal rilis set data pembelajaran otomatis

Set data pembelajaran otomatis dibuat setiap hari, lalu didorong ke pengindeksan dan rilis. Siklus penuh memerlukan waktu sekitar dua hari.

Fitur pembelajaran otomatis

Penelusuran menerapkan teknik machine learning untuk membersihkan dan memformat kueri serta data saran hanya untuk set data pembelajaran otomatis.

Mendapatkan saran penyelesaian

Gunakan API completeQuery untuk mengambil saran. Contoh:

curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
"https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog:completeQuery?query=sho&dataset=user-data&deviceType=DESKTOP&maxSuggestions=5"

Opsi dan kontrol pelengkapan otomatis

Bagian ini menjelaskan opsi dan kontrol yang tersedia untuk pelengkapan otomatis. Lihat ringkasan dalam tabel berikut dan detail selengkapnya.

Daftar yang diizinkan (daftar jangan dihapus)

Penelusuran melakukan pemrosesan pasca, seperti koreksi ejaan, pada data saran pelengkapan otomatis. Anda dapat membuat daftar istilah yang diizinkan yang dilewati penelusuran saat pemrosesan pasca.

Istilah yang diizinkan tidak pernah difilter dari saran. Daftar yang diizinkan berfungsi untuk set data yang diupload dan set data pembelajaran otomatis.

Contoh: ada beberapa nama merek yang sengaja salah eja, seperti "froot loops" dan bukan "fruit" atau "foot". Lihat petunjuk upload mendetail di mengimpor data penyelesaian.

Untuk impor data, Anda dapat menggunakan Konsol Cloud > Kontrol > Kontrol Pelengkapan Otomatis > Daftar Jangan Hapus atau menggunakan CompletionData:import di API.

Perubahan akan diterapkan dalam waktu sekitar 2 hari.

Daftar tolak

Daftar penolakan hanya berfungsi untuk set data pembelajaran otomatis. Daftar yang ditolak tidak berfungsi untuk set data yang diupload.

Istilah dalam daftar penolakan tidak pernah muncul dalam saran.

Untuk mengimpor daftar yang ditolak, Anda dapat menggunakan Konsol Cloud > Kontrol > Kontrol Pelengkapan Otomatis > Daftar yang ditolak atau menggunakan API CompletionData:import. Untuk petunjuk mendetail tentang cara mengimpor daftar yang ditolak, lihat mengimpor data penyelesaian.

Perubahan akan diterapkan dalam waktu sekitar 2 hari.

Panjang minimum untuk memicu

Anda dapat menetapkan jumlah karakter yang diperlukan sebelum kueri pelengkapan otomatis akan menampilkan hasil. Setelan ini dapat ditemukan di Cloud console > Controls > Autocomplete Controls > Minimum length to trigger.

Perubahan akan langsung diterapkan.

Urutan pencocokan

Tindakan ini menentukan cara mencocokkan saran dengan istilah input pengguna.

Jika disetel ke Saran dimulai dengan istilah, pelengkapan otomatis akan mencocokkan istilah input pengguna sebagai awalan yang tepat untuk saran. Misalnya, input pengguna "sh" cocok dengan saran "sepatu" dan "kaus", tetapi tidak cocok dengan saran "sepatu merah".

Jika disetel ke Saran dapat dimulai dari mana saja dalam istilah, pelengkapan otomatis akan melakukan tokenisasi istilah input pengguna menjadi kata-kata dan mencocokkannya dengan kata-kata dalam saran, terlepas dari urutan kata. Misalnya, istilah input pengguna "merah kaos" cocok dengan saran "kaos merah", "sepatu merah", dan "sepatu merah anak". Namun, istilah input "hoes" tidak cocok dengan saran ini, karena tidak ada kata dalam saran yang dimulai dengan "hoes".

Setelan ini dapat ditemukan di Konsol Cloud > Kontrol > Kontrol Pelengkapan Otomatis > Urutan pencocokan.

Perubahan akan langsung diterapkan.

Jumlah saran

Ini adalah jumlah saran yang akan ditampilkan dari kueri pelengkapan otomatis dan tidak boleh melebihi 20. Setelan ini dapat ditemukan di Konsol Cloud > Kontrol > Kontrol Pelengkapan Otomatis > Jumlah Saran atau dapat disetel di completeQuery.

Perubahan akan langsung diterapkan.

Jenis perangkat

Pelengkapan otomatis penelusuran mendukung berbagai jenis perangkat, seperti mobile dan desktop. Anda dapat mengupload atau mendapatkan saran yang berbeda berdasarkan jenis perangkat. Jika deviceType tidak ditentukan dalam completeQuery, saran akan berlaku untuk semua jenis perangkat.

Untuk set data pembelajaran otomatis berdasarkan peristiwa pengguna penelusuran, tetapkan user_agent di UserEvent.user_info untuk mendukung berbagai jenis perangkat. Lihat agen pengguna di wiki.

Fitur lanjutan

Bagian ini menjelaskan fitur pelengkapan otomatis lanjutan yang tersedia dengan penelusuran. Misalnya, Anda dapat melengkapi saran pelengkapan otomatis kueri dengan saran lain, seperti merek dan kategori.

Fitur lanjutan ini hanya tersedia untuk set data pembelajaran otomatis.

Suggestion FeatureSet

Kami menyediakan FeatureSet tambahan untuk setiap istilah saran kueri agar pelanggan dapat menampilkan fungsi lanjutan di situs mereka.

FeatureSet muncul dalam respons sebagai peta nilai kunci. Vertex AI Search untuk commerce menampilkan hingga lima kategori dan merek populer yang terkait dengan setiap saran kueri dalam respons API completeQuery.completionResults.attributes. Saran FeatureSet tidak harus cocok dengan string kueri yang dimasukkan oleh pengguna akhir.

Anda dapat menggunakan FeatureSet dalam respons untuk memperkaya saran penelusuran. Contoh:

• Menggabungkan dan membuat bagian Merek Populer dan Kategori Populer yang muncul di bawah daftar saran penelusuran.
• Menampilkan merek atau kategori paling populer di samping istilah saran penelusuran.

Setelah melakukan perubahan pada katalog, seperti mengubah kategori produk, Anda harus menunggu dua minggu hingga 30 hari hingga saran FeatureSet mencerminkan perubahan katalog produk. Waktu tunggu ini terjadi karena pembelajaran otomatis dilatih berdasarkan data peristiwa penelusuran selama 30 hari terakhir.

Saran atribut

Penelusuran memberikan saran atribut yang cocok dengan string input pengguna. Jenis saran atribut yang didukung adalah merek dan kategori.

Saran atribut berbeda dari FeatureSet saran. Saran atribut adalah daftar atribut produk yang disarankan (seperti merek dan kategori), mirip dengan cara saran kueri adalah daftar kueri yang disarankan. Saran atribut dapat digunakan secara terpisah dari saran kueri. FeatureSet saran adalah metadata untuk saran kueri, sehingga bergantung pada saran kueri.

Saran atribut dapat digunakan untuk melengkapi otomatis merek atau kategori yang diketik pengguna akhir, di bagian terpisah di bawah daftar saran penelusuran.

Faset saran dengan jumlah produk (Eksperimental)

Ini adalah fitur eksperimental untuk pelanggan tertentu. Untuk menggunakannya, hubungi tim dukungan.

Jika fitur faset saran dengan jumlah produk diaktifkan, completeQuery.completionResults yang ditampilkan akan memberikan daftar saran pelengkapan otomatis seperti biasa, tetapi juga jumlah produk untuk setiap saran dengan jumlah total dan jumlah produk menurut faset (seperti color, category).

Misalnya, jika kueri penelusuran adalah "sepatu", saran Pelengkapan Otomatis yang ditampilkan mungkin adalah:

• sepatu wanita
• sepatu pria

Selain itu, jika kunci aspek yang diminati adalah color, jumlah produk dan jumlah produk menurut warna juga ditampilkan dengan setiap saran Pelengkapan Otomatis:

• sepatu wanita (32)
  • hitam (10)
  • kelabu tua (16)
  • putih (10)
• sepatu pria (43)
  • hitam (10)
  • cokelat (5)
  • hijau (17)

Sebagai retailer, Anda tidak perlu menampilkan jumlah produk kepada pembeli, tetapi Anda dapat memutuskan untuk mengurutkan daftar saran berdasarkan jumlah produk, bukan urutan yang ditampilkan di completeQuery.completionResults. Misalnya, Anda mungkin ingin mendorong pembeli untuk melihat sepatu hijau untuk pria dengan menampilkan sepatu hijau di bagian atas kotak saran meskipun sepatu tersebut bukan item yang paling populer.

Contoh:

{
  "completion_results": [{ 
    "suggestion": "womens shoes"
    "facets": [ 
      {
        "key": "color"
        "values": [ 
          {
            "value": "black"
            "count": 10
          }
          {
            "value": "taupe"
            "count": 16
          }
          {
            "value": "white"
            "count": 10
          }
        ]
      }
    ]
    "total_product_count": 32
  },
  (...)
  ],
}

Informasi jumlah faset muncul sebagai daftar Facets dalam completeQuery.completionResults.facets untuk setiap kueri penelusuran yang disarankan. Setiap faset memiliki daftar FacetValues yang berisi jumlah produk per nilai faset. Jumlah total produk untuk setiap kueri penelusuran yang disarankan ditampilkan di completeQuery.completionResults.totalProductCount.

Untuk mengaktifkan dan menggunakan aspek saran dengan jumlah produk, ikuti langkah-langkah berikut:

1. Hubungi tim dukungan dan minta mereka untuk mengaktifkan fitur tersebut, Faset saran dengan jumlah produk. Tentukan FacetKeys yang ingin Anda hitung jumlah produknya. Hanya aspek textual_fields yang diizinkan.

2. Selama minimal 7 hari, pastikan saat menggunakan search API, sertakan kunci aspek dalam FacetSpecs sertakan kunci aspek dalam search.searchRequest.facetSpecs.

   Waktu tunggu ini terjadi karena informasi faset dihitung menggunakan data histori penelusuran selama seminggu terakhir.

3. Setelah fitur diaktifkan untuk Anda, saran yang ditampilkan dari API completeQuery berisi jumlah produk menurut aspek dan menurut saran.

Saran yang difilter menurut entitas

Entitas memungkinkan Anda memfilter saran penelusuran pelengkapan otomatis. Entitas dapat berupa situs untuk merek atau wilayah yang berbeda. Anda ingin pelengkapan otomatis mencerminkan perilaku pengguna yang berbelanja merek atau situs regional tertentu dengan sebaik-baiknya. Untuk mengetahui informasi selengkapnya tentang entity, lihat Entity.

Perhatikan bahwa pemfilteran entitas hanya akan berlaku untuk completion_results (relevan dengan UserEvent). Filter ini tidak akan berlaku untuk attribute_results (relevan dengan Product). Jadi, terlepas dari nilai entity, attribute_results tetap sama.

Untuk menyertakan entity dalam saran pelengkapan otomatis:

1. Sertakan kolom entity dalam peristiwa pengguna penelusuran Anda (eventType = "search"). Untuk mengetahui informasi, lihat contoh objek lengkap untuk peristiwa pengguna Penelusuran.

2. Tetapkan kolom entity dalam permintaan API CompleteQuery untuk mendapatkan saran hanya untuk entitas tersebut.

   String entitas dalam peristiwa pengguna dan permintaan API harus sama persis. Jika tidak, pelengkapan otomatis akan menampilkan saran kosong.

3. Pastikan entitas (baik dalam peristiwa pengguna penelusuran atau permintaan pelengkapan otomatis) memiliki maksimal 256 karakter. Yang lebih panjang akan dipotong menjadi 256 karakter saat peristiwa atau permintaan diproses, sehingga berisiko menyebabkan ketidakcocokan.

Biasanya, diperlukan data peristiwa pengguna selama 30-90 hari sebelum fitur entitas dapat menampilkan saran pelengkapan otomatis yang optimal.