검색 자동 완성

이 페이지에서는 자동 완성 기능과 사용 방법을 소개합니다. 검색은 소매업체의 검색창 사전 입력 추천을 강화하기 위한 자동 완성을 제공합니다.

자동 완성은 사용자가 입력하는 쿼리의 나머지 부분을 예측하는 기능으로, 체크아웃 전에 사용자 검색 환경을 개선하고 쇼핑 프로세스를 가속화할 수 있습니다. 또한 검색 응답 품질을 향상시킬 수 있으므로 올바른 형식의 쿼리를 제공하여 더 높은 수익을 창출할 수 있습니다.

개요

최종 사용자가 사이트에서 검색어를 입력하기 시작하면 검색에서 사용자가 원할 수 있는 추천 목록을 제공할 수 있습니다. 예를 들어 사용자가 'sh'를 입력하면 'shoes'과 'shirts'가 추천될 수 있습니다.

데이터 소스

추천 예측에 다음 데이터 소스 중 하나를 선택할 수 있습니다.

• 업로드하는 BigQuery 데이터 세트
• 머신러닝을 사용하여 사용자 이벤트 및 기타 메타데이터에서 생성되는 데이터 세트

업로드된 데이터 세트

데이터 세트로 업로드하는 BigQuery 추천 테이블로, 쿼리를 추천하는 데 사용됩니다. 데이터 세트를 업로드하는 방법은 자동 완성 데이터 가져오기를 참조하세요.

자동 학습 데이터 세트

사용자의 검색 이벤트를 기반으로 검색에서 생성하는 머신러닝 기반 추천 데이터 세트입니다.

자동 학습을 사용 설정하려면 다음 안내를 따르세요.

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}"

자동 학습 데이터 세트 기본 요건

자동 학습은 검색 유형 사용자 이벤트(eventType = "search")에서 추천을 생성합니다. 이 생성에서는 지난 180일 동안의 사용자 이벤트를 사용합니다. 이렇게 하려면 가져온 사용자 이벤트의 우수한 품질과 수량이 필요합니다.

자동 학습은 드물게 추천 항목을 필터링하므로 검색 유형 사용자 이벤트 수량이 너무 적으면(20,000개 미만) 많은 추천 후보가 필터링될 수 있습니다. 이 시나리오에서는 먼저 자주 사용하는 검색어로 자동 완성 함수를 테스트해야 할 수 있습니다.

자동 학습 데이터 세트 출시 일정

자동 학습 데이터 세트는 매일 생성된 후 색인 생성 및 출시로 푸시됩니다. 전체 주기에 2일 정도 걸립니다.

자동 학습 기능

검색은 자동 학습 데이터 세트 전용 쿼리 및 추천 데이터를 정리하고 형식을 지정하기 위해 머신러닝 기법을 적용합니다.

완료 제안 받기

completeQuery API를 사용하여 제안을 가져옵니다. 예를 들면 다음과 같습니다.

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"

자동 완성 옵션 및 컨트롤

이 섹션에서는 자동 완성에 사용할 수 있는 옵션과 컨트롤을 설명합니다. 다음 표의 개요와 아래의 세부정보를 참조하세요.

허용 목록(목록을 삭제하지 않음)

검색은 자동 완성 추천 데이터에서 맞춤법 교정과 같은 후처리를 수행합니다. 후처리 시 검색이 건너뛰는 검색어의 허용 목록을 만들 수 있습니다.

허용 목록에 추가된 검색어는 추천에서 필터링되지 않습니다. 허용 목록은 업로드된 데이터 세트와 자동 학습 데이터 세트에 모두 적용됩니다.

예를 들어 'fruit' 또는 'foot' 대신 'froot loops'와 같이 의도적으로 철자가 틀린 브랜드 이름이 있습니다. 완성 데이터 가져오기의 자세한 업로드 안내를 참조하세요.

데이터 가져오기의 경우 Cloud 콘솔 > 컨트롤 > Autocomplete 컨트롤 > 목록 삭제 안 함을 사용하거나 API에서 CompletionData:import를 사용할 수 있습니다.

변경사항은 약 2일 후에 적용됩니다.

차단 목록

차단 목록은 자동 학습 데이터 세트에서만 작동합니다. 업로드된 데이터 세트에서는 차단 목록이 작동하지 않습니다.

차단 목록의 검색어는 추천에 표시되지 않습니다.

차단 목록을 가져오려면 Cloud 콘솔 > 컨트롤 > 자동 완성 컨트롤 > 차단 목록을 사용하거나 API CompletionData:import를 사용하면 됩니다. 차단 목록을 가져오는 방법에 대한 자세한 안내는 완료 데이터 가져오기를 참조하세요.

변경사항은 약 2일 후에 적용됩니다.

트리거할 최소 길이

자동 완성 쿼리가 결과를 반환하기 전에 필요한 문자 수를 설정할 수 있습니다. Cloud 콘솔 > 컨트롤 > Autocomplete 컨트롤 > 트리거할 최소 길이에서 이 설정을 확인할 수 있습니다.

변경사항이 즉시 적용됩니다.

일치 순서

이렇게 하면 추천이 사용자 입력 용어와 일치하는 방법이 결정됩니다.

용어로 추천 시작으로 설정된 경우 자동 완성은 사용자 입력 용어를 추천의 정확한 접두사로 일치시킵니다. 예를 들어 사용자 입력 'sh'는 'shoes' 및 'shirts' 추천과 일치하지만 'red shoes' 제안과는 일치하지 않습니다.

용어 어디서나 추천 시작 가능으로 설정하면 자동 완성 기능에서 단어 순서에 관계없이 사용자 입력 용어를 단어로 토큰화하고 추천 단어에 일치시킵니다. 예를 들어 사용자 입력 용어 'red sh'는 'shirts red', 'red shoes', 'kid red shoes' 제안과 일치합니다. 그러나 입력 용어 'hoes'는 이러한 제안과 일치하지 않습니다. 제안에 'hoes'로 시작하는 단어가 없기 때문입니다.

Cloud 콘솔 > 컨트롤 > Autocomplete 컨트롤 > 일치 순서에서 이 설정을 확인할 수 있습니다.

변경사항이 즉시 적용됩니다.

추천 수

자동 완성 쿼리에서 반환되는 추천 검색어 수이며, 20개를 초과할 수 없습니다. 이 설정을 Cloud 콘솔 > 컨트롤 > Autocomplete 컨트롤 > 제안 수에서 확인하거나 completeQuery에서 설정할 수 있습니다.

변경사항이 즉시 적용됩니다.

기기 유형

검색 자동 완성은 mobile 및 desktop과 같은 다양한 기기 유형을 지원합니다. 기기 유형에 따라 다양한 제안을 업로드하거나 가져올 수 있습니다. deviceType이 completeQuery에 지정되지 않으면 제안이 모든 기기 유형에 적용됩니다.

검색 사용자 이벤트를 기반으로 하는 자동 학습 데이터 세트의 경우 다른 기기 유형을 지원하도록 UserEvent.user_info에서 user_agent를 설정합니다. 위키에서 사용자 에이전트를 참조하세요.

고급 기능

이 섹션에서는 검색에 사용할 수 있는 고급 자동 완성 기능을 설명합니다. 예를 들어 쿼리 자동 완성 추천은 브랜드 및 카테고리와 같은 다른 추천으로 보완할 수 있습니다.

이러한 고급 기능은 자동 학습 데이터 세트에만 사용할 수 있습니다.

추천 특성 세트

고객이 웹사이트에 고급 기능을 표시할 수 있도록 각 쿼리 추천 용어의 추가 특성 세트를 제공하고 있습니다.

FeatureSet는 키-값 맵으로 응답에 표시됩니다. 현재 소매업용 Vertex AI Search는 completeQuery.completionResults.attributes API 응답의 각 쿼리 제안과 관련하여 인기 있는 카테고리와 브랜드를 최대 5개까지 반환합니다. FeatureSet 제안은 최종 사용자가 입력한 쿼리 문자열과 일치하지 않아도 됩니다.

응답의 특성 세트를 사용하여 추천 검색어를 보강할 수 있습니다. 예를 들면 다음과 같습니다.

• 추천 검색어 목록 아래에 표시되는 인기 브랜드 및 인기 카테고리 섹션을 집계하고 만듭니다.
• 추천 검색어 옆에 가장 인기 있는 브랜드나 카테고리를 표시합니다.

제품의 카테고리 변경과 같이, 카탈로그를 변경할 때는 FeatureSet 제안에 제품 카탈로그 변경사항이 반영될 때까지 2주~30일까지 기다려야 합니다. 이러한 대기 시간은 자동 학습이 이전 30일 동안의 검색 이벤트 데이터를 기반으로 수행되기 때문입니다.

속성 추천

검색은 사용자 입력 문자열과 일치하는 속성 추천을 제공합니다. 지원되는 속성 추천 유형은 브랜드 및 카테고리입니다.

속성 제안은 FeatureSet 제안과 다릅니다. 속성 제안은 쿼리 제안이 추천 쿼리 목록인 방식과 유사한 추천 제품 속성(예: 브랜드 및 카테고리) 목록입니다. 속성 제안을 쿼리 제안과 독립적으로 사용할 수 있습니다. 제안 FeatureSet는 쿼리 제안의 메타데이터이므로 쿼리 제안에 따라 달라집니다.

속성 추천은 추천 검색어 목록 아래의 별도 섹션에서 최종 사용자가 입력하는 브랜드 또는 카테고리를 자동 완성하는 데 사용할 수 있습니다.

제품 수가 포함된 추천 상품 속성(실험용)

제한된 고객을 위한 실험용 기능입니다. 사용하려면 지원팀에 문의하세요.

제품 수 특성이 있는 용어 상품 속성이 사용 설정된 경우 반환된 completeQuery.completionResults는 자동 완성 추천 용어 목록을 정상적으로 제공할 뿐만 아니라 각 추천 용어에 대한 제품 수도 상품 속성 (예: color, category)별 총 수 및 제품 수와 함께 제공합니다.

예를 들어 검색어가 '신발'인 경우 반환된 자동 완성 추천 용어는 다음과 같습니다.

• 여성화
• 남성화

또한 관심 있는 상품 속성 키가 color인 경우 제품 수와 색상별 제품 수가 각 자동 완성 추천 용어와 함께 반환됩니다.

• 여성화(32)
  • 검은색(10)
  • 회갈색(16)
  • 흰색(10)
• 남성화(43)
  • 검은색(10)
  • 갈색(5)
  • 녹색(17)

소매업체는 쇼핑객에게 제품 수를 제시할 필요는 없지만 completeQuery.completionResults로 반환되는 순서가 아니라 제품 수에 따라 추천 용어 목록을 정렬할 수 있습니다. 예를 들어 남성용 녹색 신발이 가장 인기 있는 품목이 아니더라도 녹색 신발을 추천 상자 상단에 표시하여 쇼핑객에게 녹색 신발을 추천할 수 있습니다.

예를 들면 다음과 같습니다.

{
  "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
  },
  (...)
  ],
}

상품 속성 수 정보는 각 추천 검색어에 대해 completeQuery.completionResults.facets의 Facets 목록으로 나타납니다. 각 상품 속성에는 상품 속성 값당 제품 수가 나와 있는 FacetValues 목록이 있습니다. 각 추천 검색어에 대한 총 제품 수는 completeQuery.completionResults.totalProductCount로 반환됩니다.

제품 수와 함께 추천 상품 속성을 사용하려면 다음 단계를 따르세요.

1. 지원팀에 문의하여 제품 수가 포함된 추천 상품 속성 기능을 사용하도록 요청합니다. 제품 수에 대한 FacetKeys를 지정합니다. textual_fields 상품 속성만 허용됩니다.

2. 최소 7일 동안 search API를 사용할 때 FacetSpecs에 상품 속성 키를 포함하고 search.searchRequest.facetSpecs에 상품 속성 키를 포함해야 합니다.

   이러한 대기 시간은 상품 속성 정보가 지난 주의 검색 기록 데이터를 사용하여 계산되기 때문입니다.

3. 기능이 사용 설정된 경우 completeQuery API에서 반환된 추천 용어에는 상품 속성 및 추천별 제품 수가 포함됩니다.

항목별로 필터링된 추천

항목을 사용하면 자동 완성 검색 추천 용어를 필터링할 수 있습니다. 항목은 다른 브랜드 또는 지역의 웹사이트일 수 있습니다. 자동 완성이 특정 브랜드 또는 지역 웹사이트에서 쇼핑하는 사용자의 행동을 가장 잘 반영하도록 하고 싶을 수 있습니다. 항목에 대한 자세한 내용은 항목을 참고하세요.

자동 완성 추천 용어에 항목을 포함하려면 다음 안내를 따르세요.

1. 검색 사용자 이벤트(eventType = "search")에 entity 필드를 포함합니다. 자세한 내용은 검색 사용자 이벤트의 전체 객체 예시를 참고하세요.

2. 해당 항목에 대한 제안만 가져오도록 하려면 CompleteQuery API 요청에서 entity 필드를 설정합니다.

   사용자 이벤트와 API 요청의 항목 문자열은 정확히 일치해야 합니다. 그렇지 않으면 자동 완성에서 빈 추천을 반환합니다.

일반적으로 항목 특성이 최적의 자동 완성 추천 용어를 반환하기까지 30~90일의 사용자 이벤트 데이터가 필요합니다.