Cette page explique comment créer un modèle de recommandation.
Si vous disposez déjà d'un modèle de recommandation du type approprié et que vous souhaitez obtenir des prédictions à partir d'un autre emplacement de votre site, vous pouvez créer une configuration de diffusion correspondante plutôt que créer un modèle. En savoir plus
Présentation
Lorsque vous souhaitez utiliser un nouveau type de recommandation pour obtenir des prédictions, vous devez créer un modèle de recommandation et fournir suffisamment de données d'événements utilisateur pour qu'il puisse être entraîné. Vous créez des configurations de diffusion pour votre nouveau modèle et, une fois l'entraînement terminé, vous pouvez demander des prédictions à partir de ces configurations de diffusion.
Pour obtenir une présentation du processus d'utilisation de Vertex AI Search pour le commerce, consultez la page Implémenter Vertex AI Search pour le commerce.
Créer un modèle de recommandation
Ajoutez un modèle de recommandation à l'aide de la console de recherche pour le commerce ou de la méthode API models.Create.
Vous pouvez avoir jusqu'à 20 modèles par projet, et jusqu'à 10 d'entre eux peuvent être actifs (non suspendus) à tout moment. Découvrez comment mettre en pause un modèle.
Vous pouvez lancer jusqu'à cinq opérations de modélisation par minute. Les opérations de modélisation limitées sont la création, la suppression, la pause et la reprise.
Avant de créer un modèle:
- Consultez les types de modèles de recommandation et les objectifs commerciaux du modèle disponibles, puis choisissez parmi ceux-ci. Ils déterminent le type de recommandations que ce modèle doit être entraîné à fournir.
- Déterminez la fréquence à laquelle vous devez ajuster le modèle. Pour en savoir plus sur les coûts de réglage et d'entraînement, consultez la section Tarifs.
- Assurez-vous d'avoir importé suffisamment de données pour répondre aux exigences de création d'un modèle. Certaines exigences dépendent du type de modèle que vous choisissez.
Si vous prévoyez de créer un modèle d'optimisation au niveau de la page:
Vérifiez que vous disposez déjà de configurations de diffusion de recommandations auxquelles des modèles entraînés sont associés. Vous devez fournir une sélection de configurations de diffusion de recommandations parmi lesquelles l'optimisation au niveau de la page peut choisir lors de l'optimisation des recommandations d'une page.
Configurez l'enregistrement des événements pour les événements
detail-page-viewet ceux correspondant au type de page sur lequel vous allez déployer le modèle d'optimisation au niveau de la page (par exemple, si vous déployez le modèle sur une page d'accueil, assurez-vous de configurer l'enregistrement pour les événementshome-page-view). Pour améliorer les recommandations personnalisées, l'enregistrement d'événements pour les événementspurchaseetadd-to-cartest également recommandé.Si vous choisissez l'objectif d'entreprise "Taux de conversion", l'enregistrement des événements pour les événements
add-to-cartest obligatoire.Assurez-vous qu'après avoir créé le modèle d'optimisation au niveau de la page, vous continuez à interroger le modèle pour créer des impressions de recommandations. Ces impressions sont utilisées pour entraîner le modèle d'optimisation au niveau de la page et améliorer les recommandations qu'il fournit.
Pour créer un modèle, procédez comme suit :
Console Google Cloud
Accédez à la page Modèles dans la console de la recherche pour le commerce.
Accéder à la page "Modèles"Cliquez sur Créer un modèle.
Attribuez un nom à votre modèle.
Ce nom doit comporter 1 024 caractères au maximum, et ne peut contenir que des caractères alphanumériques, des traits de soulignement, des traits d'union et des espaces.
Choisissez le type de recommandation.
Si vous avez sélectionné le type de modèle d'optimisation au niveau de la page:
Choisissez le type de page que le modèle d'optimisation au niveau de la page optimisera pour vous.
Choisissez le niveau de restriction de la diffusion de configurations de diffusion similaires entre les panneaux:
Type de modèle unique:n'autorisez pas l'affichage de plusieurs configurations de diffusion ayant le même type de modèle dans différents panneaux.
Modèle unique:n'autorisez pas l'affichage de plusieurs configurations de diffusion avec le même modèle dans différents panneaux.
Configuration de diffusion unique:n'autorisez pas l'affichage de la même configuration de diffusion dans plusieurs panneaux.
Aucune restriction:autorisez l'affichage de toutes les configurations de diffusion sur un nombre illimité de panneaux.
Pour chaque panneau de recommandations que vous prévoyez d'afficher avec ce modèle:
Saisissez un ID de panneau.
Sélectionnez les configurations de diffusion que le modèle d'optimisation au niveau de la page peut considérer comme des options pour ce panneau.
Par exemple, une page d'ajout au panier peut comporter un panneau de recommandations dans lequel vous souhaitez afficher des recommandations "Fréquemment achetés ensemble" ou "Autres articles susceptibles de vous intéresser". Dans ce cas, sélectionnez une configuration de diffusion qui utilise le modèle "Produits fréquemment achetés ensemble" et une autre qui utilise le modèle "Autres produits susceptibles de vous intéresser" pour examen dans ce panneau. Lorsque vous effectuez un appel de prédiction au modèle d'optimisation au niveau de la page, il choisit le type de recommandations à afficher dans ce panneau en fonction de l'historique des événements de l'utilisateur final.
Sélectionnez une configuration de diffusion par défaut.
En cas d'indisponibilité d'un serveur Google, le modèle d'optimisation au niveau de la page peut toujours diffuser les résultats de la configuration de diffusion par défaut.
Si vous devez créer des panneaux supplémentaires, cliquez sur Ajouter un panneau pour chaque panneau et saisissez les informations correspondantes.
Choisissez l'objectif commercial, s'il est disponible pour le type de modèle que vous avez sélectionné.
Si vous avez choisi le type de modèle "Produits fréquemment achetés ensemble", sélectionnez Type de produits en contexte:
- Plusieurs produits à contexte: utilisez un ou plusieurs articles comme contexte pour les recommandations provenant de ce modèle.
- Produit à contexte unique: utilisez un seul article comme contexte pour les recommandations provenant de ce modèle.
Consultez la liste Exigences de données respectées ? pour vous assurer que vous avez importé suffisamment de données pour le type de modèle que vous avez sélectionné.
Si une exigence concernant les données non satisfaite vous empêche de créer le modèle, une icône cancel X s'affiche à côté de l'exigence, et le bouton Créer en bas du volet Créer un modèle de recommandation est désactivé.
Si vous devez importer davantage de données, examinez attentivement les exigences de données indiquées pour vous assurer que certaines d'entre elles doivent être remplies pour ce modèle, puis importez les événements utilisateur ou les produits requis pour créer le modèle.
Pour savoir comment importer, consultez Importer un historique d'événements utilisateur et Importer des informations du catalogue.
Choisissez la fréquence d'ajustement du modèle. Pour en savoir plus sur les coûts de réglage, consultez la section Tarifs.
- Tous les trois mois: le modèle s'ajuste automatiquement tous les trois mois.
- Réglage manuel uniquement: le modèle n'est réglé que lorsque vous le faites manuellement.
(Fonctionnalité de la version Preview publique) Indiquez si vous souhaitez générer automatiquement des balises pour le filtrage.
- Générer des tags automatiquement: cette option vous permet de filtrer les résultats des recommandations de ce modèle. L'activation de cette option peut augmenter la durée d'entraînement. Pour en savoir plus sur les coûts d'entraînement, consultez la section Tarifs.
- Ne pas générer de tags: si cette option est désactivée, vous ne pouvez pas obtenir de recommandations filtrées à partir de ce modèle.
Cliquez sur Créer pour créer le modèle de recommandation.
Si vous avez importé suffisamment de données d'événement utilisateur du type requis, l'entraînement initial et le réglage du modèle commencent. L'entraînement initial et le réglage du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour de grands ensembles de données.
Vous pouvez créer des configurations de diffusion pour votre nouveau modèle avant la fin de l'entraînement, mais ils ne diffuseront que des prédictions "à blanc" jusqu'à ce que l'entraînement initial et le réglage se terminent et que le modèle soit activé.
curl
Envoyez une requête Models.create à l'API v2 avec une instance de Model dans le corps de la requête. Consultez la documentation de référence de l'API Models.create.
Pour en savoir plus sur tous les champs Models, consultez la documentation de référence de l'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 vous avez importé suffisamment de données d'événement utilisateur du type requis, l'entraînement initial et le réglage du modèle commencent. L'entraînement initial et le réglage du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour de grands ensembles de données.
Vous pouvez créer des configurations de diffusion pour votre nouveau modèle avant la fin de l'entraînement, mais ils ne diffuseront que des prédictions "à blanc" jusqu'à ce que l'entraînement initial et le réglage se terminent et que le modèle soit activé.
Exigences relatives à la création d'un modèle de recommandation
La première fois que vous utilisez un type de recommandation spécifique pour votre site, vous entraînez un nouveau modèle de machine learning. Le processus nécessite une quantité suffisante de données d'entraînement ainsi que du temps pour entraîner et régler le modèle. Pour commencer à utiliser un nouveau type de recommandation, vous devez suivre les étapes suivantes :
- Importez votre catalogue dans Vertex AI Search pour le commerce, si ce n'est pas déjà fait, et mettez en œuvre des processus pour maintenir le catalogue importé à jour.
- Commencez à enregistrer des événements utilisateur dans Vertex AI Search pour le retail, si ce n'est pas déjà fait, en veillant à suivre les bonnes pratiques pour enregistrer les données d'événements utilisateur.
- Identifiez le type de recommandation et l'objectif d'optimisation que vous souhaitez utiliser.
- Déterminez les exigences applicables aux données d'événement utilisateur pour le type de recommandation et l'objectif souhaités.
- Importez les données d'historique des événements utilisateur afin de répondre aux exigences minimales applicables aux données d'événements, ou attendez que la collecte des données d'événements utilisateur génère suffisamment de données pour satisfaire les exigences minimales.
Créez votre modèle et vos configurations de diffusion.
À ce stade, Vertex AI Search for retail lance l'entraînement et le réglage du modèle. L'entraînement initial et le réglage du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour de grands ensembles de données.
Vérifiez que votre modèle fonctionne correctement à l'aide de la version bêta de la prédiction.
Créez votre test A/B.
Exigences minimales en termes de données pour le type de modèle
Le type d'événements utilisateur que vous importez et la quantité de données dont vous avez besoin dépendent de votre type de recommandation (modèle) et de votre objectif d'optimisation. Une fois que vous avez atteint la quantité minimale de données requise, vous pouvez commencer l'entraînement du modèle.
La période de collecte des données représente la période des événements utilisateur. L'importation d'autres données historiques n'a aucun effet sur la qualité du modèle.
Veillez à utiliser des événements utilisateur et des données de catalogue réels. Il est impossible de créer des modèles de bonne qualité à partir de données synthétiques.
| Type de modèle | Objectif d'optimisation | Types d'événements utilisateur compatibles | Exigence minimale en matière de données | Période de collecte de données |
|---|---|---|---|---|
| Recommandées pour vous | Taux de clics |
detail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Recommandées pour vous | Taux de conversion |
add-to-cartdetail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Recommandées pour vous | Revenus par session |
add-to-cartdetail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Autres articles susceptibles de vous intéresser | Taux de clics |
detail-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements |
3 mois |
| Autres articles susceptibles de vous intéresser | Taux de conversion |
add-to-cartdetail-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements |
3 mois |
| Autres articles susceptibles de vous intéresser | Revenus par session |
add-to-cartdetail-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements |
3 mois |
| Articles fréquemment achetés ensemble | Revenus par session |
purchase-complete
|
10 occurrences par élément de catalogue en moyenne (sur une période d'un an d'événements
100 articles de catalogue uniques pour l'événement
1 000 événements |
3 mois Nous vous recommandons d'importer des événements au moins une fois par jour pour maintenir une bonne qualité des données. Lors des importations d'événements historiques, assurez-vous que la distribution des données est biaisée vers l'horodatage le plus récent. Le nombre d'événements du dernier jour avec code temporel doit être égal ou supérieur au nombre moyen d'événements quotidiens. |
| En vente | Taux de clics |
detail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| En vente | Taux de conversion |
add-to-cartdetail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Articles similaires | N/A | Aucune action requise. |
100 codes SKU de produits doivent figurer dans une branche |
N/A |
| Optimisation au niveau de la page | Tout |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
L'optimisation au niveau de la page optimise les panneaux de recommandations en choisissant parmi plusieurs modèles possibles. Reportez-vous aux exigences de données pour les modèles que vous sélectionnez comme options pour l'optimisation au niveau de la page. |
N/A |
| Racheter | N/A |
purchase-complete
|
10 occurrences par élément de catalogue en moyenne (sur une période de 90 jours d'événements
100 articles de catalogue uniques pour l'événement
1 000 événements 100 codes SKU de produits doivent figurer dans une branche |
N/A Nous vous recommandons d'importer des événements au moins une fois par jour pour maintenir une bonne qualité des données. Lors des importations d'événements historiques, assurez-vous que la distribution des données est biaisée vers l'horodatage le plus récent. Le nombre d'événements du dernier jour avec code temporel doit être égal ou supérieur au nombre moyen d'événements quotidiens. |
Étape suivante
- Créez une configuration de diffusion pour votre modèle.
- Découvrez comment suspendre et reprendre l'entraînement de votre modèle.
- Une fois l'entraînement terminé, commencez à demander des recommandations.