En esta página se describe cómo crear un modelo de recomendaciones.
Si ya tienes un modelo de recomendación del tipo correcto y quieres obtener predicciones de él desde otra ubicación de tu sitio, puedes crear una configuración de servicio en lugar de crear un modelo nuevo. Más información
Introducción
Si quieres usar un nuevo tipo de recomendación para obtener predicciones, debes crear un nuevo modelo de recomendación y proporcionarle suficientes datos de eventos de usuario para que se entrene. Crea configuraciones de servicio para tu nuevo modelo y, cuando el modelo haya terminado de entrenarse, solicita predicciones a esas configuraciones de servicio.
Para obtener un resumen del proceso de trabajo con Vertex AI Search para el sector del comercio, consulta el artículo Implementar Vertex AI Search para el sector del comercio.
Crear un modelo de recomendación
Añade un nuevo modelo de recomendación mediante la consola de búsqueda de comercio o el método de la API models.Create.
Puedes tener hasta 20 modelos por proyecto y hasta 10 de ellos pueden estar activos (no en pausa) en cualquier momento. Más información sobre cómo pausar un modelo
Puedes iniciar un máximo de cinco operaciones de modelos por minuto. Entre las operaciones de modelos limitadas se incluyen las de creación, eliminación, pausa y reanudación.
Antes de crear un modelo:
- Consulta los tipos de modelos de recomendación y los objetivos de negocio de los modelos disponibles y elige los que quieras. Estos determinan qué tipo de recomendaciones se deben usar para entrenar el modelo.
- Decide con qué frecuencia ajustar el modelo. Para obtener información sobre los costes de ajuste y entrenamiento, consulta la página Precios.
- Asegúrese de que ha subido suficientes datos para cumplir los requisitos para crear un nuevo modelo. Algunos requisitos dependen del tipo de modelo que elijas.
Si tiene previsto crear un modelo de optimización a nivel de página, siga estos pasos:
Comprueba que ya tengas configuraciones de publicación de recomendaciones con modelos entrenados asociados. Debe proporcionar una selección de configuraciones de servicio de recomendaciones entre las que pueda elegir la optimización a nivel de página al optimizar las recomendaciones de una página.
Configure el registro de eventos para los eventos
detail-page-viewy los eventos que coincidan con el tipo de página en el que va a implementar el modelo de optimización a nivel de página (por ejemplo, si implementa el modelo en una página principal, asegúrese de configurar el registro de eventoshome-page-view). Para mejorar las recomendaciones personalizadas, también se recomienda registrar los eventospurchaseyadd-to-cart.Si eliges el objetivo de negocio Tasa de conversión, es obligatorio registrar los eventos de
add-to-cart.Asegúrate de que, después de crear el modelo de optimización a nivel de página, sigues consultando el modelo para crear impresiones de recomendaciones. Estas impresiones se usan para entrenar el modelo de optimización a nivel de página y mejorar las recomendaciones que ofrece.
Para crear un modelo, siga estos pasos:
Google Cloud consola
Ve a la página Modelos de la consola de Search for Commerce.
Ve a la página Modelos.Haga clic en Crear modelo.
Escribe un nombre para el modelo.
El nombre debe tener 1024 caracteres como máximo y solo puede contener caracteres alfanuméricos, guiones bajos, guiones y espacios.
Elige el tipo de recomendación.
Si ha seleccionado el modelo de optimización a nivel de página:
Elige el tipo de página para el que quieres que se optimice el modelo "Optimización a nivel de página".
Elige cuánto quieres restringir la publicación de configuraciones de publicación similares en los paneles:
Tipo de modelo único: no permite que se muestren varias configuraciones de servicio con el mismo tipo de modelo en paneles diferentes.
Modelo único: no permite que se muestren varias configuraciones de servicio con el mismo modelo en diferentes paneles.
Configuración de publicación única: no permita que la misma configuración de publicación se muestre en varios paneles.
Sin restricciones: permite que se muestren todas las configuraciones de servicio en cualquier número de paneles.
Por cada panel de recomendaciones que quieras mostrar con este modelo, haz lo siguiente:
Introduce un ID de panel.
Selecciona las configuraciones de publicación que el modelo de optimización a nivel de página puede considerar como opciones para ese panel.
Por ejemplo, una página de añadir al carrito puede tener un panel de recomendaciones en el que quieras mostrar recomendaciones de Comprados con frecuencia u Otros que te pueden gustar. En este caso, selecciona una configuración de publicación que use el modelo "Comprados juntos con frecuencia" y otra que use el modelo "Otros que te pueden gustar" para que se tengan en cuenta en este panel. Cuando haces una llamada de predicción al modelo de optimización a nivel de página, este elige qué tipo de recomendaciones debes mostrar en ese panel en función del historial de eventos del usuario final.
Selecciona una configuración de publicación predeterminada.
Si se produce una interrupción en un servidor de Google, el modelo de optimización a nivel de página puede seguir ofreciendo resultados a partir de la configuración de servicio predeterminada.
Si necesitas crear más paneles, haz clic en Añadir un panel por cada panel nuevo e introduce sus detalles.
Elige el objetivo de negocio, si está disponible para el tipo de modelo que has seleccionado.
Si has elegido el tipo de modelo Comprados con frecuencia, selecciona el tipo de producto Contexto:
- Varios productos de contexto: usa uno o varios elementos como contexto para las recomendaciones de este modelo.
- Producto de contexto único: usa un artículo como contexto para las recomendaciones de este modelo.
Consulte la lista ¿Se cumplen los requisitos de datos? para confirmar que ha subido suficientes datos para el tipo de modelo que ha seleccionado.
Si no puede crear el modelo porque no cumple un requisito de datos, aparecerá un icono de X cancel junto al requisito y el botón Crear situado en la parte inferior del panel Crear modelo de recomendación estará inhabilitado.
Si necesita subir más datos, consulte detenidamente los requisitos de datos que se indican para comprobar si debe cumplir todos o solo algunos de ellos para ese modelo. A continuación, importe los eventos de usuario o los productos necesarios para crear el modelo.
Para saber cómo importar datos, consulta los artículos Importar historial de eventos de usuario y Importar información de catálogos.
Elige la frecuencia con la que quieres ajustar el modelo. Para obtener información detallada sobre los costes de ajuste, consulta la página Precios.
- Cada tres meses: el modelo se ajusta automáticamente cada tres meses.
- Solo ajuste manual: el modelo se ajusta solo cuando lo haces manualmente.
(Función de Vista Previa Pública) Elige si quieres generar automáticamente etiquetas para filtrar.
- Generar etiquetas automáticamente: si activas esta opción, podrás filtrar los resultados de las recomendaciones de este modelo. Si esta opción está activada, el tiempo de entrenamiento puede aumentar. Para obtener información sobre el coste de la preparación, consulta la página Precios.
- No generar etiquetas: si esta opción está desactivada, no podrás obtener recomendaciones filtradas de este modelo.
Haga clic en Crear para crear el modelo de recomendación.
Si ha subido suficientes datos de eventos de usuario del tipo requerido, se iniciará el entrenamiento y la optimización iniciales del modelo. El entrenamiento y la optimización iniciales del modelo tardan entre 2 y 5 días en completarse, pero pueden tardar más si los conjuntos de datos son grandes.
Puedes crear configuraciones de servicio para tu nuevo modelo antes de que finalice la preparación, pero solo ofrecerán predicciones de prueba hasta que se completen la preparación y la optimización iniciales y el modelo se active.
curl
Haz una solicitud Models.create a la API v2 con una instancia de Model en el cuerpo de la solicitud. Consulta la referencia de la API Models.create.
Para obtener información sobre todos los campos Models, consulta la referencia de la API Models.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" \ --data '{ "name": "FULL_MODEL_NAME", "displayName": "DISPLAY_NAME", "trainingState": "TRAINING_STATE", "type": "MODEL_TYPE", "optimizationObjective": "OPTIMIZATION_OBJECTIVE", "periodicTuningState": "TUNING_STATE", "filteringOption": "FILTERING_STATE", "modelTypeConfig" { "contextProductsType": "CONTEXT_PRODUCTS_TYPE" } }' \ "https://retail.googleapis.com/v2beta/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/models"
Si ha subido suficientes datos de eventos de usuario del tipo requerido, se iniciará el entrenamiento y la optimización iniciales del modelo. El entrenamiento y la optimización iniciales del modelo tardan entre 2 y 5 días en completarse, pero pueden tardar más si los conjuntos de datos son grandes.
Puedes crear configuraciones de servicio para tu nuevo modelo antes de que finalice la preparación, pero solo ofrecerán predicciones de prueba hasta que se completen la preparación y la optimización iniciales, y el modelo se active.
Requisitos para crear un modelo de recomendación
La primera vez que uses un tipo de recomendación específico para tu sitio, entrenarás un nuevo modelo de aprendizaje automático, que requiere suficientes datos de entrenamiento, así como tiempo para entrenar y optimizar el modelo. Para empezar a usar un nuevo tipo de recomendación, debes seguir estos pasos:
- Importa tu catálogo a Vertex AI Search para el comercio, si aún no lo has hecho, e implementa procesos para mantenerlo actualizado.
- Empieza a registrar eventos de usuario en Vertex AI Search para el comercio, si aún no lo has hecho, y asegúrate de seguir las prácticas recomendadas para registrar datos de eventos de usuario.
- Identifique el tipo de recomendación y el objetivo de optimización que quiera usar.
- Determine los requisitos de datos de eventos de usuario del tipo de recomendación y del objetivo que haya seleccionado.
- Importa el historial de datos de eventos de usuario para cumplir los requisitos mínimos de datos de eventos o espera hasta que la recogida de datos de eventos de usuario cumpla los requisitos mínimos.
Crea tu modelo y tus configuraciones de servicio.
En este punto, Vertex AI Search para el comercio inicia el entrenamiento y el ajuste del modelo. El entrenamiento y la optimización iniciales del modelo tardan entre 2 y 5 días en completarse, pero pueden tardar más si los conjuntos de datos son grandes.
Comprueba que tu modelo funciona correctamente con la vista previa de la predicción.
Crea tu experimento A/B.
Requisitos de datos mínimos por tipo de modelo
El tipo de eventos de usuario que importe y la cantidad de datos que necesite dependerán del tipo de recomendación (modelo) y del objetivo de optimización. Cuando alcance el requisito de datos mínimo, podrá empezar a entrenar el modelo.
La ventana de recogida de datos representa el periodo de los eventos de usuario. Importar más datos históricos no afecta a la calidad del modelo.
Asegúrese de usar eventos de usuarios reales y datos de catálogo reales. Los modelos de buena calidad no se pueden crear con datos sintéticos.
| Tipo de modelo | Objetivo de optimización | Tipos de eventos de usuario admitidos | Requisitos de datos mínimos | Ventana de recogida de datos |
|---|---|---|---|---|
| Recomendado para ti | Porcentaje de clics |
detail-page-viewhome-page-view
|
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
10.000 eventos |
3 meses |
| Recomendado para ti | Tasa de conversión |
add-to-cartdetail-page-viewhome-page-view
|
7 días de eventos de
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
10.000 eventos |
3 meses |
| Recomendado para ti | Ingresos por sesión |
add-to-cartdetail-page-viewhome-page-view
|
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
10.000 eventos |
3 meses |
| Otros que te podrían interesar | Porcentaje de clics |
detail-page-view
|
7 días de eventos de
100 elementos de catálogo únicos para el evento
10.000 eventos |
3 meses |
| Otros que te podrían interesar | Tasa de conversión |
add-to-cartdetail-page-view
|
7 días de eventos de
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos |
3 meses |
| Otros que te podrían interesar | Ingresos por sesión |
add-to-cartdetail-page-view
|
7 días de eventos de
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos |
3 meses |
| Artículos que se suelen comprar juntos | Ingresos por sesión |
purchase-complete
|
10 repeticiones de media por elemento del catálogo (con un periodo de 1 año de
100 elementos de catálogo únicos para el evento
1000 eventos |
3 meses Recomendamos subir eventos al menos una vez al día para mantener una buena calidad de los datos. Durante las importaciones de eventos históricos, asegúrate de que la distribución de los datos se incline hacia la marca de tiempo más reciente. El número de eventos del último día con marca de tiempo debe ser igual o superior al recuento medio de eventos diarios. |
| A la venta | Porcentaje de clics |
detail-page-viewhome-page-view
|
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
10.000 eventos |
3 meses |
| A la venta | Tasa de conversión |
add-to-cartdetail-page-viewhome-page-view
|
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
100 elementos de catálogo únicos para el evento
10.000 eventos Y
7 días de eventos
10.000 eventos |
3 meses |
| Artículos similares | N/A | No es necesario. |
Debe haber 100 SKUs de producto en alguna rama |
N/A |
| Optimización a nivel de página | Cualquiera |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
La optimización a nivel de página optimiza los paneles de recomendaciones eligiendo entre varios modelos posibles. Consulta los requisitos de datos de los modelos que selecciones como opciones de optimización a nivel de página. |
N/A |
| Volver a comprar | N/A |
purchase-complete
|
10 repeticiones de media por elemento del catálogo (con un periodo de 90 días de eventos
100 elementos de catálogo únicos para el evento
1000 eventos Debe haber 100 SKUs de producto en alguna rama |
N/A Recomendamos subir eventos al menos una vez al día para mantener una buena calidad de los datos. Durante las importaciones de eventos históricos, asegúrate de que la distribución de los datos se incline hacia la marca de tiempo más reciente. El número de eventos del último día con marca de tiempo debe ser igual o superior al recuento medio de eventos diarios. |
Siguientes pasos
- Crea una configuración de servicio para tu modelo.
- Consulta cómo pausar y reanudar el entrenamiento de tu modelo.
- Cuando el modelo termine de entrenarse, empieza a solicitar recomendaciones.