En esta página, se describe cómo crear un modelo de recomendaciones nuevo.
Si ya tienes un modelo de recomendación del tipo correcto y deseas obtener predicciones de él desde una ubicación diferente en tu sitio, puedes crear una configuración de entrega nueva para él en lugar de crear un modelo nuevo. Obtén más información.
Introducción
Cuando quieras usar un tipo de recomendación nuevo para obtener predicciones, debes crear un modelo de recomendación nuevo y proporcionar suficientes datos de eventos de usuario a fin de que se entrene. Creas configuraciones de entrega para tu modelo nuevo y, cuando el modelo termina de entrenarse, solicitas predicciones de esas opciones de configuración de entrega.
Para obtener una descripción general del proceso de trabajo con Vertex AI Search para la venta minorista, consulta Implementa Vertex AI Search para la venta minorista.
Crea un modelo de recomendaciones
Agrega un modelo de recomendación nuevo con la consola de Search for Retail o el método de la API de models.Create.
Puedes tener hasta 20 modelos por proyecto y hasta 10 de ellos pueden estar activos (no detenidos) en cualquier momento. Obtén más información para detener un modelo.
Puedes iniciar hasta cinco operaciones de modelo por minuto. Este límite se aplica a la creación, eliminación, detención y reanudación de modelos.
Antes de crear un modelo nuevo, haz lo siguiente:
- Revisa y elige entre los tipos de modelos de recomendaciones y los objetivos comerciales del modelo disponibles. Estos determinan qué tipo de recomendaciones debe proporcionar este modelo.
- Decide con qué frecuencia ajustar el modelo. Para obtener detalles sobre los costos de entrenamiento y ajuste, consulta Precios.
- Asegúrate de tener suficientes datos subidos para cumplir con los requisitos para crear un modelo nuevo. Algunos requisitos dependen del tipo de modelo que elijas.
Si planeas crear un modelo de optimización a nivel de la página, sigue estos pasos:
Verifica que ya tengas parámetros de configuración de entrega de recomendaciones que tengan modelos entrenados adjuntos. Debes proporcionar una selección de parámetros de configuración de publicación de recomendaciones entre los que la optimización a nivel de la página puede elegir cuando optimiza las recomendaciones de una página.
Configura la grabación de eventos para los eventos
detail-page-viewy los que coincidan con el tipo de página en la que implementarás el modelo de optimización a nivel de la página (por ejemplo, si implementas el modelo en una página principal, asegúrate de configurar la grabación para los eventosdetail-page-view).home-page-viewPara mejorar las recomendaciones personalizadas, también se recomienda la grabación de eventos para los eventospurchaseyadd-to-cart.Si eliges el objetivo comercial Porcentaje de conversiones (CVR), se requiere la grabación de eventos para los eventos
add-to-cart.Asegúrate de que, después de crear el modelo de optimización a nivel de la página, sigas consultando el modelo para crear impresiones de recomendaciones. Estas impresiones se utilizan para entrenar el modelo de optimización a nivel de la página y mejorar las recomendaciones que publica.
Para crear un modelo nuevo, sigue estos pasos:
Consola de Google Cloud
Ve a la página Modelos en la consola de Search for Retail.
Ir a la página ModelosHaz clic en Crear modelo.
Ingresa un nombre para tu modelo.
El nombre debe tener 1,024 caracteres como máximo, y solo puede contener caracteres alfanuméricos, guiones bajos, guiones y espacios.
Elige el tipo de recomendación.
Si seleccionaste el tipo de modelo de optimización a nivel de la página, haz lo siguiente:
Elige el tipo de página que optimizará el modelo de "Optimización a nivel de la página".
Elige en qué medida restringir la publicación de configuraciones de entrega similares en todos los paneles:
Tipo de modelo único: No permitas que se muestren múltiples parámetros de configuración de entrega con el mismo tipo de modelo en diferentes paneles.
Modelo único: No permitas que se muestren múltiples parámetros de configuración de entrega con el mismo modelo en diferentes paneles.
Configuración de entrega única: No permitas que se muestre la misma configuración de entrega en varios paneles.
Sin restricciones: Permite que se muestre cualquier parámetro de configuración de entrega en cualquier cantidad de paneles.
Para cada panel de recomendaciones que planeas mostrar con este modelo, haz lo siguiente:
Ingresa un ID de panel.
Selecciona qué configuraciones de publicación puede considerar el modelo de optimización a nivel de la página como opciones para ese panel.
Por ejemplo, una página para agregar al carrito puede tener un panel de recomendaciones en el que deseas mostrar recomendaciones de Con frecuencia se compran juntos o Otras opciones que te pueden gustar. En este caso, selecciona una configuración de entrega que use el modelo de productos comprados con frecuencia y otra que use el modelo de productos que podrían gustarte para que se tenga en cuenta en este panel. Cuando realizas una llamada de predicción al modelo de optimización a nivel de la 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 entrega predeterminada.
Si se produce una interrupción del servidor de Google, el modelo de optimización a nivel de la página aún puede publicar resultados de la configuración de publicación predeterminada.
Si necesitas crear paneles adicionales, haz clic en Agregar un panel para cada uno y, luego, ingresa los detalles.
Elige el objetivo comercial, si está disponible para el tipo de modelo que elegiste.
Si elegiste el tipo de modelo Comprados juntos con frecuencia, selecciona el Tipo de productos contextuales:
- Varios productos contextuales: Usa uno o varios elementos como contexto para las recomendaciones de este modelo.
- Producto de contexto único: Usa un elemento como contexto para las recomendaciones de este modelo.
Revisa la lista ¿Se cumplieron los requisitos de datos? para confirmar que subiste suficientes datos para el tipo de modelo que seleccionaste.
Si un requisito de datos no cumplido te impide crear el modelo, aparecerá un ícono cancel X junto al requisito, y se inhabilitará el botón Crear en la parte inferior del panel Crear modelo de recomendación.
Si necesitas subir más datos, revisa cuidadosamente los requisitos de datos que se enumeran para asegurarte de si algunos o todos deben cumplirse para ese modelo y, luego, importa los eventos del usuario o los productos necesarios para crear el modelo.
Si necesitas instrucciones para realizar la importación, consulta Importa eventos históricos de usuarios y Importa información del catálogo.
Elige la frecuencia con la que deseas ajustar el modelo. Para obtener detalles sobre los costos de ajuste, consulta Precios.
- Cada tres meses: El modelo se ajusta automáticamente cada tres meses.
- Solo ajuste manual: El modelo se ajusta solo cuando lo ajustas manualmente.
(función de versión preliminar pública) Elige si quieres generar etiquetas automáticamente para filtrar.
- Generar etiquetas automáticamente: Si activas esta opción, podrás filtrar los resultados de las recomendaciones de este modelo. Si tienes activada esta opción, puede aumentar el tiempo de entrenamiento. Para obtener información sobre los costos de entrenamiento, consulta Precios.
- No generar etiquetas: Si esta opción está desactivada, no podrás obtener recomendaciones filtradas de este modelo.
Haz clic en Crear para crear el modelo de recomendación nuevo.
Si subiste suficientes datos de eventos del usuario del tipo requerido, comienza el entrenamiento y el ajuste del modelo iniciales. El entrenamiento y el ajuste del modelo inicial tardan entre 2 y 5 días en completarse, pero pueden tardar más en conjuntos de datos grandes.
Puede crear opciones de configuración de entrega para tu modelo nuevo antes de que se complete el entrenamiento, pero solo entregarán Predicciones de “ejecución de prueba” hasta que se complete el entrenamiento y el ajuste iniciales y el modelo se active.
curl
Realiza una solicitud Models.create a la API de v2 con una instancia de Model en el cuerpo de la solicitud. Consulta la referencia de la API de Models.create.
Para obtener detalles sobre todos los campos de Models, consulta la referencia de la API de 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 subiste suficientes datos de eventos del usuario del tipo requerido, comienza el entrenamiento y el ajuste del modelo iniciales. El entrenamiento y el ajuste del modelo inicial tardan entre 2 y 5 días en completarse, pero pueden tardar más en conjuntos de datos grandes.
Puedes crear configuraciones de entrega para tu modelo nuevo antes de que se complete el entrenamiento, pero solo entregarán predicciones de “ejecución de prueba” hasta que se complete el entrenamiento y el ajuste iniciales y el modelo se active.
Requisitos para crear un modelo de recomendaciones nuevo
La primera vez que usas un tipo de recomendación específico para tu sitio, entrenas un modelo nuevo de aprendizaje automático, que requiere suficientes datos de entrenamiento, además de tiempo para entrenar y ajustar el modelo. Se requieren los siguientes pasos para comenzar a usar un tipo de recomendación nuevo:
- Importa tu catálogo a Vertex AI Search para la venta minorista, si aún no lo hiciste, y, luego, implementa procesos para mantener el catálogo subido actualizado.
- Si aún no lo hiciste, comienza a registrar eventos de usuario en Vertex AI Search para venta minorista y asegúrate de seguir las prácticas recomendadas para registrar datos de eventos de usuario.
- Identifica el tipo de recomendación y el objetivo de optimización que deseas usar.
- Determina el requisito de datos del evento del usuario para el tipo de recomendación y el objetivo que desees.
- Importa los datos históricos de eventos del usuario para cumplir con los requisitos mínimos de datos de eventos o espera hasta que la recopilación de datos de eventos de los usuarios cumpla con los requisitos mínimos.
Crea tu modelo y tus opciones de configuración de entrega.
En este punto, Vertex AI Search para venta minorista inicia el entrenamiento y el ajuste de modelos. El entrenamiento y el ajuste del modelo inicial tardan entre 2 y 5 días en completarse, pero pueden tardar más en conjuntos de datos grandes.
Confirma que tu modelo funcione de forma correcta con la vista previa de predicción.
Crea tu experimento A/B.
Requisitos mínimos de datos por tipo de modelo
El tipo de eventos de usuario que importas y la cantidad de datos que necesitas dependen de tu tipo de recomendación (modelo) y de tu objetivo de optimización. Cuando alcanzas el requisito mínimo de datos, puedes comenzar el entrenamiento de modelos.
La ventana de recopilación de datos representa el período de los eventos del usuario. La importación de más datos históricos no afecta la calidad del modelo.
Asegúrate de usar eventos de usuario y datos de catálogo reales. Los modelos de buena calidad no se pueden compilar en datos sintéticos.
| Tipo de modelo | Objetivo de optimización | Tipos de eventos de usuario admitidos | Requisito mínimo de datos | Período de recopilación de datos |
|---|---|---|---|---|
| Recomendadas para ti | Tasa de clics |
detail-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 de
10,000 eventos |
3 meses |
| Recomendadas para ti | Porcentaje de conversiones |
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 de
100 elementos de catálogo únicos para el evento
10,000 eventos Y
7 días de eventos de
10,000 eventos |
3 meses |
| Recomendadas para ti | Ingresos por sesión |
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 de
10,000 eventos |
3 meses |
| Otros elementos que podrían gustarte | Tasa de clics |
detail-page-view
|
7 días de eventos de
100 elementos de catálogo únicos para el evento
10,000 eventos |
3 meses |
| Otros elementos que podrían gustarte | Porcentaje de conversiones |
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 de
100 elementos de catálogo únicos para el evento
10,000 eventos |
3 meses |
| Otros elementos que podrían gustarte | 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 de
100 elementos de catálogo únicos para el evento
10,000 eventos |
3 meses |
| Se suelen comprar juntos | Ingresos por sesión |
purchase-complete
|
10 casos por elemento de catálogo en promedio (con un período de 1 año de eventos de
100 elementos de catálogo únicos para el evento
1,000 eventos de |
3 meses Recomendamos subir eventos al menos a diario 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. La cantidad de eventos del último día de la marca de tiempo debe ser igual o superior al recuento promedio de eventos diarios. |
| En oferta | Tasa de clics |
detail-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 de
10,000 eventos |
3 meses |
| En oferta | Porcentaje de conversiones |
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 de
100 elementos de catálogo únicos para el evento
10,000 eventos Y
7 días de eventos de
10,000 eventos |
3 meses |
| Artículos similares | N/A | No se requiere ninguna acción. |
Debe haber 100 SKU de productos en alguna rama |
N/A |
| Optimización a nivel de la página | Cualquiera |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
La optimización a nivel de la página optimiza los paneles de recomendaciones eligiendo entre varios modelos posibles. Consulta los requisitos de datos de los modelos que selecciones como opciones para la optimización a nivel de la página. |
N/A |
| Comprar de nuevo | N/A |
purchase-complete
|
10 casos por elemento de catálogo en promedio (con un período de 90 días de eventos de
100 elementos de catálogo únicos para el evento
1,000 eventos de Debe haber 100 SKU de productos en alguna rama |
N/A Recomendamos subir eventos al menos a diario 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. La cantidad de eventos del último día de la marca de tiempo debe ser igual o superior al recuento promedio de eventos diarios. |
¿Qué sigue?
- Crea una configuración de entrega para tu modelo.
- Aprende a detener y reanudar el entrenamiento para tu modelo.
- Cuando el modelo termine el entrenamiento, comienza a solicitar recomendaciones.