Domande frequenti

Hai altre sfide o non vedi il tuo problema descritto qui? Segnala un bug o richiedi una funzionalità e unisciti al gruppo Google cloud-recommendations-users o alle discussioni di Stack Overflow.

Generale

Queste sono domande frequenti generali.

1. Esistono librerie client per Vertex AI Search for Commerce o altro codice campione?

Sì. Per informazioni sulla configurazione e di riferimento per ogni libreria, consulta la guida alle librerie client.

In alternativa alle chiamate REST non elaborate, puoi utilizzare anche il servizio di rilevamento delle API di Google.

2. Tutti i modelli di consigli sono personalizzati?

I modelli Consigliati per te, Altri che ti potrebbero piacere e Acquista di nuovo forniscono consigli personalizzati quando vengono forniti con la cronologia utente. I modelli Acquistati frequentemente insieme e Articoli simili non sono personalizzati.

Consulta Informazioni sui modelli di suggerimento.

3. Riceverò consigli personalizzati immediatamente o dovrò attendere che migliorino nel tempo?

I consigli migliorano man mano che raccogli più cronologia degli utenti. Il modello Consigliati per te mostra i prodotti più apprezzati, mentre il modello Altri prodotti che potrebbero piacerti mostra prodotti simili basati principalmente sulle visualizzazioni di altri utenti. Entrambi i modelli iniziano a tenere conto del comportamento degli utenti immediatamente, quindi è importante inviare eventi in tempo reale. Consulta Informazioni sui modelli di suggerimento.

Gli eventi utente devono essere inviati in tempo reale o quasi in tempo reale per una personalizzazione efficace. Se gli eventi utente vengono inviati solo giornalmente o in batch durante il giorno, i modelli personalizzati potrebbero non funzionare bene come se fossero stati inviati eventi in tempo reale.

4. Utilizzi i dati demografici degli utenti Google nei tuoi modelli?

I modelli utilizzano solo i dati del catalogo e degli eventi utente che fornisci. Se vuoi includere dati demografici, puoi includere altre informazioni testuali o numeriche che potrebbero essere utili come attributi personalizzati. Questi dati inizieranno a essere utilizzati dal modello dopo il suo nuovo addestramento.

Non includere informazioni che consentono l'identificazione personale (PII), come indirizzi email o nomi utente. Ti consigliamo di anonimizzare i dati demografici, ad esempio eseguendo l'hashing dei valori o utilizzando gli ID gruppo.

5. Posso creare consigli basati sulla cronologia degli eventi di un gruppo di utenti anziché su quella di un singolo utente?

I suggerimenti si basano su un singolo ID visitatore o ID utente. Dovresti effettuare richieste individuali e poi combinare i risultati per basare i consigli sulla cronologia di un gruppo. Se gli utenti hanno attributi di metadati comuni, puoi utilizzare gli ID gruppo come ID utente per fornire consigli a livello di gruppo.

6. Ho notato che puoi inviare URL di immagini per i prodotti. I modelli prendono in considerazione le immagini prodotto?

Sì, le immagini prodotto possono essere inviate nell'ambito dei dati del catalogo dei prodotti. Vertex AI Search for Commerce utilizza gli URL dei prodotti e gli identificatori che li compongono (URI) per arricchire le descrizioni dei prodotti.

L'oggetto Product contiene un campo immagini, che è un elenco di oggetti immagine. Ogni oggetto immagine può includere un URI, un'altezza e una larghezza. Sono consentite fino a 300 immagini per prodotto. Sebbene facoltativo, ti consigliamo vivamente di fornire immagini dei prodotti. (Anteprima della previsione) utilizza anche gli URL delle immagini per visualizzare le immagini quando visualizzi l'anteprima dei risultati della previsione di un modello nella console Search for Commerce.

7. La mia azienda non è un sito web di e-commerce al dettaglio. Posso ancora utilizzare i consigli per prevedere x,y,z?

I clienti hanno utilizzato i suggerimenti per i suggerimenti sui contenuti, lo streaming video e i giochi, nonché per altri casi d'uso. Tuttavia, i nostri contenuti e la nostra esperienza sono progettati pensando al caso d'uso dell'e-commerce al dettaglio e potrebbero non essere ancora adatti ad altri casi d'uso.

8. Posso inserire i consigli in qualsiasi pagina del mio sito?

Sì, ma i modelli sono progettati per casi d'uso specifici e potrebbero funzionare meglio su determinate pagine. Consulta Informazioni sui modelli di suggerimento.

Gli annunci "Acquistati spesso insieme" e "Altri prodotti che potrebbero piacerti" richiedono gli ID articolo, pertanto devono essere utilizzati per i suggerimenti che utilizzano, ad esempio, un ID prodotto o gli articoli in un carrello. Gli articoli acquistati spesso insieme in genere funzionano meglio nelle pagine di aggiunta al carrello o di pagamento, mentre Altri articoli che potrebbero piacerti e Articoli simili funzionano meglio nelle pagine dei dettagli del prodotto. La sezione Consigliati per te può essere inserita in qualsiasi pagina, poiché richiede solo un ID visitatore come input, ma è progettata come configurazione di pubblicazione della home page. Acquista di nuovo è progettato per essere inserito in qualsiasi pagina.

9. Posso utilizzare i consigli per i consigli nelle newsletter via email?

Sì. Per farlo, effettua una chiamata all'API con un ID visitatore o ID utente, quindi incorpora i risultati in un modello email. Se vuoi che gli elementi vengano caricati dinamicamente al momento della lettura dell'email, devi utilizzare un endpoint intermedio, ad esempio una funzione Google Cloud, per inviare la richiesta di previsione. L'API fornisce solo un elenco di ID prodotto e metadati ordinati, quindi dovrai anche scrivere il tuo codice per eseguire il rendering dei risultati delle immagini.

10. Posso utilizzare Vertex AI Search for Commerce per altri casi d'uso non web (app mobile, chioschi)?

Sì. Puoi configurare un endpoint (ad esempio, funzione Cloud) per ottenere i risultati per l'app. Hai anche bisogno di un meccanismo simile per inviare eventi in tempo reale.

11. Non ho dati sugli eventi di almeno 3 mesi. Posso ancora utilizzare Vertex AI Search for Commerce? Posso aggiungere altri dati in un secondo momento?

Il modello Articoli simili non utilizza i dati sugli eventi degli utenti né l'ottimizzazione del modello. Se non hai dati sugli eventi, puoi comunque creare e addestrare un modello di elementi simili, a condizione che tu disponga di dati di catalogo.

Se riesci a registrare traffico sufficiente per gli eventi in tempo reale, i dati recenti possono essere utilizzati per l'addestramento di altri modelli. Se hai altri dati disponibili in un secondo momento, puoi caricarli dopo l'addestramento iniziale del modello. I nuovi dati vengono incorporati nei modelli durante il riaddestramento giornaliero. Tuttavia, se i dati sono significativamente diversi dagli eventi utilizzati per l'addestramento iniziale, potrebbe essere necessario ottimizzare nuovamente i modelli.

La maggior parte dei modelli funziona meglio con almeno tre mesi di visualizzazioni delle pagine di prodotto, delle home page e di eventi Aggiungi al carrello per tutti i modelli e, idealmente, con uno o due anni di cronologia degli acquisti per il modello Acquisti frequenti insieme.

Una o due settimane di visualizzazioni delle pagine di dettaglio possono essere sufficienti per iniziare l'addestramento dei modelli Altri prodotti che potrebbero piacerti e Consigliati per te, mentre i modelli Acquistati insieme e Acquista di nuovo in genere richiedono più tempo perché in genere ci sono meno acquisti al giorno rispetto alle visualizzazioni di pagina. La qualità del modello può essere migliorata in modo significativo con più dati; la quantità minima potrebbe non produrre risultati ottimali. Ad esempio, un anno di acquisti consente ai modelli di sfruttare meglio la stagionalità e le tendenze.

12. Posso consigliare categorie insieme ai prodotti?

I suggerimenti restituiscono solo consigli sui prodotti, ma puoi ottenere le categorie per ogni prodotto restituito come parte dei risultati.

13. Esistono integrazioni per caricare i dati da database SQL o altri sistemi, come BigQuery?

Sì. Per gli eventi, è disponibile un codice di esempio che legge da BigQuery. Consulta un set di dati di esempio di Google Analytics per BigQuery.

14. Vertex AI Search for Commerce utilizza i cookie?

No, non utilizza i cookie. Tuttavia, tutti gli eventi inviati a Vertex AI Search per il commercio devono avere un ID visitatore specificato, che spesso è un identificatore di sessione di un cookie.

15. Ho bisogno di un progetto Google Cloud dedicato?

Puoi creare un nuovo progetto dedicato o attivare Vertex AI Search for Commerce in un progetto esistente.

16. Perché le mie credenziali non funzionano quando utilizzo Cloud Shell?

Verifica di aver completato i passaggi di configurazione dell'autenticazione per Vertex AI Search per il commercio. Devi utilizzare un account di servizio che hai reso disponibile nel tuo ambiente. In caso contrario, potresti ricevere un errore come questo: Your application has authenticated using end user credentials from the Google Cloud SDK or Google Cloud Shell which are not supported.

Per saperne di più sui service account, consulta la sezione Autenticazione della documentazione di Google Cloud.

17. Come faccio a confrontare Vertex AI Search for Commerce con soluzioni simili?

Puoi condurre test A/B per confrontare i risultati di Vertex AI Search for Commerce con quelli di altri prodotti.

18. Penso che le funzionalità x, y e z sarebbero ottime. Puoi aggiungere questo?

Ci piacerebbe conoscere la tua opinione. Le richieste di funzionalità possono essere inviate tramite il team dell'account, l'Assistenza Google o lo strumento di monitoraggio dei problemi.

19. Posso ancora utilizzare la vecchia API per i consigli?

I suggerimenti sono stati migrati dall'API Recommendations Engine a Vertex AI Search for Commerce. Se utilizzavi l'API Recommendations Engine durante la fase beta, ti consigliamo di eseguire la migrazione dei suggerimenti a Vertex AI Search for Commerce (endpoint del servizio https://retail.googleapis.com), che è disponibile a livello generale.

L'API precedente (endpoint del servizio https://recommendationengine.googleapis.com) e la relativa documentazione rimangono disponibili, ma non vengono più aggiornate.

Cataloghi e prodotti

Queste sono domande frequenti su cataloghi e prodotti.

1. In che modo i consigli gestiscono gli avvii a freddo per i nuovi prodotti?

Per i prodotti senza cronologia degli acquisti, forniamo consigli in base a prodotti simili. In questi casi, è particolarmente importante definire titoli, categorie e descrizioni dei prodotti di qualità nel catalogo.

Per gli utenti con avvio a freddo (visitatori senza cronologia), i modelli iniziano con i prodotti generali più popolari e diventano più personalizzati in tempo reale man mano che vengono ricevuti più eventi utente.

Consulta la sezione Informazioni su cataloghi e prodotti e la pagina di riferimento dei prodotti.

2. Posso utilizzare il mio catalogo Merchant Center per i consigli?

Sì, puoi esportare un catalogo Merchant Center in BigQuery utilizzando BigQuery Data Transfer Service. Poi possiamo leggere il catalogo direttamente da BigQuery. Consulta Importare i dati del catalogo da Merchant Center.

3. In quali altri modi posso importare il mio catalogo?

  • Merchant Center: importa con Merchant Center. Se utilizzi la ricerca, puoi utilizzare la console per collegare Merchant Center in modo che il catalogo venga sincronizzato automaticamente.
  • BigQuery: importa direttamente da una tabella o una vista.
  • Cloud Storage: importa utilizzando file di testo con un elemento del catalogo JSON per riga.
  • Importazione in linea: importa con una chiamata API, utilizzando file di testo con un elemento del catalogo JSON per riga.
  • Crea elementi prodotto: utilizza il metodo di creazione Products.

4. Come faccio a mantenere aggiornato il mio catalogo? Con quale frequenza deve essere aggiornato il catalogo?

Consulta Mantieni il catalogo aggiornato.

Ti consigliamo di aggiornare il catalogo quotidianamente. Puoi eseguire un aggiornamento completo da Cloud Storage o BigQuery oppure un aggiornamento incrementale (ovvero solo gli elementi nuovi e modificati).

Se possibile, aggiorna il prezzo e la disponibilità in tempo reale. Ciò influisce sulla velocità con cui i nuovi elementi possono essere resi ricercabili.

Se hai un modo per ricevere notifiche delle modifiche al catalogo (ad esempio utilizzando Pub/Sub, la coda di messaggi, gli eventi e così via), puoi aggiornare il catalogo in tempo reale utilizzando i metodi API import o create.

Ad esempio, Cloud Scheduler può essere utilizzato per effettuare una chiamata di importazione giornaliera di BigQuery.

5. Esistono dimensioni minime e massime del catalogo?

Non esiste un minimo, ma i cataloghi molto piccoli (< 100 articoli) potrebbero non trarre molti vantaggi dai consigli, in quanto ci sono pochissimi prodotti diversi da consigliare.

Il limite massimo del catalogo è di 40 milioni di articoli.

Consulta la documentazione relativa a quote e limiti predefiniti e su come richiedere una modifica alla quota.

6. La mia azienda gestisce siti web in più paesi. Devo utilizzare un catalogo per tutti i miei dati?

In genere è meglio avere un solo catalogo con tutti gli articoli. Gli eventi devono essere inviati tutti utilizzando una singola valuta. Non è possibile avere più cataloghi all'interno dello stesso progetto, ma, se utilizzi le entità, puoi specificare il comportamento di ricerca, consigli e completamento automatico per un determinato paese.

Se i cataloghi sono molto diversi tra i siti web, ti consigliamo di avere un progetto separato per ogni sito web. Inoltre, se i paesi hanno lingue diverse, ti consigliamo di creare progetti separati, uno per ogni lingua.

Se ci sono siti web simili con traffico basso rispetto al sito web principale, potrebbe essere meglio utilizzare un unico catalogo se non ci sono eventi sufficienti per produrre modelli di alta qualità per tutti i singoli siti web.

Per utilizzare un unico catalogo, gli ID articolo del catalogo devono essere coerenti, ovvero lo stesso prodotto deve avere un unico ID articolo su tutti i siti web in modo che non ci sia duplicazione dei prodotti all'interno del catalogo.

Solo per i suggerimenti, un'alternativa all'utilizzo delle entità è filtrare un sito web specifico utilizzando i filtri. Tuttavia, l'aggiornamento dei filtri potrebbe richiedere fino a 8 ore, pertanto, se esistono requisiti di disponibilità specifici per paese (esaurimento scorte), in genere devono essere gestiti da una regola aziendale che filtri i risultati dopo la risposta di previsione. Questo vale per il filtraggio v1 filter_tag e il filtraggio basato sugli attributi v2.

7. Vertex AI Search per il commercio supporta più valute per catalogo?

No, è supportato un solo tipo di valuta per catalogo. Gli eventi devono essere caricati utilizzando una sola valuta.

Se prevedi di utilizzare la console Cerca per il commercio per ottenere le metriche sulle entrate, assicurati che tutti gli eventi utilizzino una sola valuta o convertili tutti nella stessa valuta prima di caricarli.

8. Ho più siti web con un catalogo condiviso o articoli simili. I consigli possono fornire consigli cross-site?

In genere, consigliamo di utilizzare un singolo catalogo come questo solo se esiste una sovrapposizione significativa tra i siti, che devono condividere molti o tutti gli stessi prodotti. Poi, come per i siti multiregionali, puoi utilizzare le entità o i tag di filtro per restituire solo gli elementi specifici del sito per una determinata chiamata di previsione.

Se i siti non condividono molti o nessun elemento del catalogo, è necessario utilizzare più cataloghi. L'utilizzo di più cataloghi richiede un progetto Google Cloud separato per ogni catalogo.

9. L'inclusione di più metadati migliora il modello? Il modello considera i campi x,y,z?

Per i campi obbligatori, consulta Informazioni obbligatorie sugli articoli del catalogo.

Gli altri campi dei metadati sono facoltativi (ad esempio, immagini e itemAttributes). Possono essere utilizzati per l'anteprima delle previsioni, l'analisi dei risultati, l'addestramento e l'ottimizzazione. Ti consigliamo di includere attributi utili come colore, taglia, materiale e così via. Questi campi possono essere restituiti come parte dei risultati di predict specificando returnProduct:true, in modo che possano essere utili per il rendering dei risultati. Le immagini e gli attributi degli articoli vengono utilizzati per l'anteprima della previsione nella console Search for commerce.

10. Quali attributi di un elemento del catalogo vengono utilizzati come input dell'addestramento del modello?

Viene utilizzata una combinazione di comportamento degli utenti e attributi del prodotto. I campi principali utilizzati sono ID, titolo, gerarchia delle categorie, prezzo e URL. Puoi includere altri attributi personalizzati chiave-valore che potrebbero essere utili in Product.attributes[].

Gli URL delle immagini sono più una funzionalità di convenienza; puoi restituire questi metadati come parte dei risultati della previsione specificando returnProduct:true, il che può evitare una chiamata aggiuntiva per recuperare queste informazioni. Gli URL delle immagini consentono inoltre all'anteprima della previsione di mostrare le immagini quando visualizzi l'anteprima dei risultati della previsione di un modello nella console Search for commerce.

11. Quali lingue sono supportate per i miei prodotti?

  • La funzionalità dei consigli: supporta la maggior parte delle lingue. Il modello rileva automaticamente la lingua del testo. Per un elenco di tutte le lingue che possono essere rilevate automaticamente, consulta il file README di GitHub di Compact Language Detector.

  • La funzionalità di ricerca: supporta queste lingue mondiali.

    La lingua viene impostata al momento del caricamento del catalogo. Il catalogo deve essere in una sola lingua e le query devono essere inviate nella stessa lingua. La presenza di più lingue nel catalogo peggiora le prestazioni del modello. Ad esempio, se il catalogo è in spagnolo, ma la query di ricerca è in inglese, la query non viene tradotta in spagnolo.

12. Il mio catalogo contiene codici SKU principali/varianti o padre/figlio. Sono supportati?

Sì. Questo è simile al item_group_id in Merchant Center. Devi determinare come vuoi ricevere i consigli (a livello principale o secondario) e se gli eventi si trovano a livello principale o secondario.

Consulta Livelli di prodotto per saperne di più sui livelli di prodotto.

Determina e imposta il livello di prodotto corretto prima di inviare articoli o eventi. Il livello di prodotto può essere modificato, ma richiede di rientrare negli elementi e di riaddestrare i modelli.

13. Posso eliminare i prodotti dal catalogo quando non sono più disponibili?

Se un elemento non è più attuale, ti consigliamo di impostarne lo stato su OUT_OF_STOCK anziché eliminarlo, in modo che gli eventi utente precedenti che fanno riferimento all'elemento non vengano invalidati.

Eventi utente

Di seguito sono riportate le domande frequenti sugli eventi utente.

1. Quali eventi utente devo raccogliere?

Consulta la sezione Informazioni sugli eventi utente per un elenco dei tipi di eventi utente, nonché i requisiti e le best practice per gli eventi utente.

2. Come faccio a risolvere i problemi relativi alla qualità dei dati durante la creazione del modello?

Nella console Search for commerce, vai alla pagina Qualità dei dati per visualizzare le metriche di qualità dei dati relative al catalogo e agli eventi utente importati.

3. Posso eseguire l'integrazione con Google Analytics 360?

Puoi utilizzare i dati storici di Google Analytics 360 (GA360). Analogamente ai dati di Merchant Center, i dati di GA360 possono essere esportati in BigQuery, dopodiché Vertex AI Search for commerce può leggere gli eventi direttamente da BigQuery.

Per gli eventi in tempo reale, ti consigliamo di integrare i pixel di monitoraggio con Google Tag Manager, perché gli eventi vengono ritardati da GA360.

4. Voglio importare gli eventi utente da Google Analytics 360. Fornisce tutti gli eventi utente necessari?

Google Analytics 360 supporta in modo nativo tutti gli eventi utente utilizzati da Vertex AI Search per il commercio, ad eccezione degli eventi di ricerca. Puoi comunque importare gli eventi utente di ricerca da Analytics 360, ma tieni presente che Vertex AI Search per il commercio crea l'evento utente di ricerca dalle query di ricerca e, se presenti, dalle impressioni dei prodotti.

5. Come faccio a inserire gli eventi in Recommendations AI?

In genere, gli utenti importano gli eventi storici utilizzando Cloud Storage o l'importazione API, poi trasmettono in streaming gli eventi in tempo reale utilizzando il pixel JavaScript o il tag Tag Manager sul sito live oppure utilizzando il metodo di scrittura sul backend.

6. Cosa succede se non riesco a inviare tutti i tipi di eventi utente elencati come obbligatori per un modello? Quali sono i tipi di eventi minimi necessari per ogni modello?

Ogni modello e obiettivo di ottimizzazione ha requisiti leggermente diversi. Consulta i requisiti dei dati sugli eventi utente.

Il rendimento del modello è in genere migliore quando ci sono più eventi per voce di catalogo. Per i siti con grandi volumi di traffico e cataloghi più piccoli, potresti essere in grado di iniziare con un volume inferiore di eventi storici, ma in genere hai comunque bisogno di almeno alcune settimane di dati storici, nonché di eventi in tempo reale in futuro.

7. Ho eventi Aggiungi al carrello e Acquisto completato che non hanno un valore per le entrate o la quantità. Che cosa devo inviare?

Se non hai un valore per la quantità, puoi passare un valore predefinito di 1 senza influire sui risultati del modello. Gli articoli devono sempre avere impostato displayPrice (può essere qualsiasi prezzo mostrato all'utente, ad esempio un prezzo scontato). originalPrice e cost sono facoltativi.

8. I miei dati coprivano solo tipi di eventi limitati. Posso ancora utilizzare Vertex AI Search for Commerce?

Consulta i requisiti dei dati sugli eventi utente per i requisiti minimi dei dati di ogni tipo di modello.

Risultati di ricerca

Queste sono domande frequenti sui risultati di ricerca.

1. I risultati di ricerca sono personalizzati?

Sì. La Ricerca può fornire risultati personalizzati. I risultati di ricerca sono personalizzati in base agli ID visitatore. Per ulteriori informazioni, vedi Personalizzazione.

2. Come faccio a includere il contesto, ad esempio il negozio da cui acquista un utente, nella richiesta di ricerca?

Le opzioni di disponibilità e evasione basate sull'ID negozio sono attributi del catalogo dei prodotti. Le opzioni di evasione sono attributi come "consegna online", "acquista online" e "ritira in negozio".

Gli attributi possono essere inviati come parametro nella richiesta di ricerca. Quindi, per questo esempio, la richiesta di ricerca può specificare l'ID store dell'utente. I risultati possono essere filtrati o classificati in base all'ID negozio nella richiesta.

3. Posso nascondere i prodotti dai risultati di ricerca?

Sì. Il parametro filter può filtrare i risultati in base ai tag.

4. È possibile classificare in base a più criteri, ad esempio disponibilità e prezzo?

Sì, boostSpec consente regole di ranking complesse.

5. È possibile raggruppare alcuni attributi per fornire risultati con più sfaccettature? Ad esempio, raggruppare le città dello stesso paese per l'origine della produzione.

Gli attributi del prodotto non sono gerarchici. Tuttavia, puoi utilizzare più attributi personalizzati per farlo. In questo esempio, potresti utilizzare attributi personalizzati sia per il paese di produzione sia per la città di produzione.

6. Come funzionano i suggerimenti?

I suggerimenti sono una combinazione di query utente, query riscritte, nomi di prodotti e così via. Per generare suggerimenti di completamento automatico di alta qualità, è necessario inserire un numero sufficiente di eventi di ricerca insieme al catalogo.

Risultati previsione

Di seguito sono riportate le domande frequenti sui risultati della previsione.

1. Esiste un limite al numero di previsioni che posso restituire?

Per impostazione predefinita, una richiesta di previsione restituisce 20 elementi nella risposta. Questo valore può essere aumentato o diminuito inviando un valore per pageSize.

Se devi restituire più di 100 articoli, contatta l'Assistenza Google per aumentare il limite. Tieni presente, tuttavia, che la restituzione di più di 100 elementi può aumentare la latenza di risposta.

2. Posso visualizzare i motivi per cui un modello ha formulato un consiglio specifico per un prodotto?

No.

3. Posso scaricare e memorizzare nella cache i risultati della previsione?

Poiché i risultati della previsione migliorano in tempo reale in risposta all'attività utente sul tuo sito, non consigliamo di utilizzare le previsioni memorizzate nella cache. I modelli vengono riaddestrati ogni giorno per incorporare le modifiche al catalogo e reagire alle nuove tendenze negli eventi degli utenti, il che modifica anche i risultati.

4. Devo riordinare i suggerimenti restituiti in base a una regola aziendale. È supportato?

Sì. Tuttavia, anche se puoi riordinare i consigli restituiti in base alle tue regole aziendali, tieni presente che il riordino o il filtraggio dei risultati consigliati può ridurre l'efficacia complessiva del modello nel raggiungimento dell'obiettivo di ottimizzazione che hai scelto.

Il re-ranking del prezzo ordina prima gli articoli pertinenti di prezzo elevato nell'insieme di suggerimenti restituiti ed è disponibile come personalizzazione integrata per i modelli Altri video che ti potrebbero piacere e Consigliati per te.

Vedi Re-ranking del prezzo.

5. Esistono limitazioni al numero di tag di filtro che posso creare e utilizzare?

Non esistono limiti rigidi al numero di tag unici che puoi creare o utilizzare. Tuttavia, il sistema non è progettato per gestire molti tag di filtro per elemento. Se possibile, ti consigliamo di limitare i tag di filtro a un massimo di 10 per articolo di catalogo. È possibile utilizzare più di 10 valori nell'intero catalogo; questo è un limite per articolo. Il limite per i tag totali (la somma totale di tutti i conteggi dei tag per elemento) è di 100.000.000.

Consulta la documentazione relativa a quote e limiti di Vertex AI Search per il commercio.

6. Posso diversificare i consigli?

Sì. La diversificazione dei suggerimenti può essere specificata nell'ambito della configurazione di pubblicazione o nei parametri della richiesta di previsione.Con una diversificazione bassa, le previsioni possono contenere elementi simili nella stessa categoria. Con una maggiore diversificazione, i risultati conterranno elementi di altre categorie.

7. Posso dare la priorità ai consigli in base al prezzo?

Sì. Il re-ranking del prezzo fa sì che i prodotti consigliati con una probabilità di consiglio simile vengano ordinati per prezzo, partendo dagli articoli di prezzo più alto. La pertinenza viene comunque utilizzata per ordinare gli articoli, quindi l'attivazione del riposizionamento in base al prezzo non equivale all'ordinamento per prezzo. Il ranking in base al prezzo può essere specificato nell'ambito della configurazione di pubblicazione o nei parametri della richiesta di previsione.

Funzionalità conversazionali

Queste sono domande frequenti sulle funzionalità conversazionali, sul filtro dei prodotti e sul commercio di Vertex AI Search per il commercio.

1. Come viene mantenuta una sessione conversazionale e come faccio ad aggiornare il contesto?

Una sessione conversazionale viene mantenuta utilizzando l'ID conversazione restituito nella risposta dell'agente Conversational Commerce. Devi passare questo ID conversazione in tutte le richieste successive all'interno della stessa conversazione. Il sistema conserva tutto il contesto associato a questo ID. Per aggiornare o avviare una nuova conversazione da zero, avvia una nuova richiesta API senza un ID conversazione e nella risposta viene emesso un nuovo ID conversazione.

2. In che modo l'API di streaming influisce sulla mia implementazione e sull'esperienza utente?

La natura dello streaming ti consente di ricevere immediatamente i tipi di query. In questo modo puoi distinguere le query che hanno una risposta di testo conversazionale, che potrebbe avere una latenza maggiore, da quelle che non la hanno, come SIMPLE_PRODUCT_SEARCH. Per SIMPLE_PRODUCT_SEARCH, puoi attivare immediatamente una chiamata all'API Search principale per una rapida visualizzazione dei prodotti. Per le risposte basate su LLM, puoi mostrare indicatori di caricamento o recuperare i risultati di ricerca in parallelo mentre il testo conversazionale viene trasmesso in streaming, ottimizzando la reattività percepita per l'utente.

3. Perché è importante che searchParams in ConversationalSearchRequest rispecchi le mie chiamate API di ricerca principali?

Vuoi mantenere la coerenza nel tuo searchParams, ad esempio filtri, ordine di ordinamento, regole di incremento tra le chiamate ConversationalSearchRequest e SearchService.Search. Mantenere la coerenza contribuisce a garantire che le risposte conversazionali o le query perfezionate fornite dall'API siano in linea con i risultati effettivi del prodotto visualizzati dall'utente. In questo modo, si evitano discrepanze e si offre un'esperienza di acquisto coerente.

4. Se viene rilevata una ricerca di base di un prodotto, la conversazione termina? L'utente può tornare ad altre modalità conversazionali?

La conversazione non termina. L'ID conversazione rimane valido. Tuttavia, dal punto di vista dell'esperienza utente, i rivenditori spesso indirizzano l'utente a una pagina standard dei risultati di ricerca. Se l'utente invia una nuova query senza l'ID conversazione originale, ad esempio digitando direttamente nella barra di ricerca standard, viene avviata una nuova sessione di conversazione. I rivenditori possono, tuttavia, progettare la propria UX in modo da mantenere la finestra di chat persistente e consentire agli utenti di continuare la conversazione (soprattutto se conversationalFilteringSpec.mode è ENABLED per consentire le domande di follow-up). La possibilità di "tornare indietro" a una modalità conversazionale avanzata dipende da questa specifica scelta di implementazione dell'esperienza utente.

5. Quali dati vengono memorizzati dall'API Conversational per il contesto della conversazione e per quanto tempo?

Per mantenere il flusso di una conversazione, l'API Conversational memorizza la query dell'utente, la risposta di testo conversazionale e la domanda di follow-up collegate all'ID conversazione. Queste informazioni contestuali vengono conservate per sette giorni per garantire che, quando trasmetti l'ID conversazione nelle richieste successive, il sistema possa recuperare e utilizzare questa cronologia.

6. Perché l'API Conversational non fornisce risposte suggerite per le domande successive, in modo simile al filtraggio conversazionale dei prodotti?

Sebbene non sia supportata la fornitura di risposte suggerite alle domande di follow-up, questa funzionalità è prevista nella nostra roadmap. Torna presto a trovarci.

7. In che modo l'API Conversazionale utilizza la memorizzazione nella cache per migliorare le prestazioni e il contesto?

L'API Conversazionale memorizza nella cache i tipi di query e le query di ricerca perfezionate per un determinato cliente e progetto per un massimo di 10 giorni. Ciò significa che se la stessa query viene ripetuta, il sistema può recuperare rapidamente l'intent e i perfezionamenti suggeriti.

Modelli

Queste sono le domande frequenti sui modelli.

1. Ho caricato il mio catalogo e i miei eventi, ma ricevo ancora questa risposta quando chiamo l'API predict: Recommendation model is not ready.

Puoi impostare "dryRun" su true nella richiesta di previsione a scopo di integrazione, che restituisce elementi di catalogo arbitrari dal tuo catalogo (NON utilizzare questa opzione per il traffico di produzione)."**

In genere, questo significa che l'addestramento del modello non è stato completato. Se sono trascorsi più di 10 giorni dalla creazione del modello e continui a ricevere questa risposta, contatta l'assistenza.

2. Quanto tempo ci vuole per addestrare un modello?

L'addestramento e l'ottimizzazione iniziali del modello richiedono 2-5 giorni, ma possono richiedere più tempo per i set di dati di grandi dimensioni. Successivamente, i modelli vengono riaddestrati automaticamente ogni giorno, a meno che non vengano disattivati. Consulta Mettere in pausa e riprendere l'addestramento di un modello.

3. Posso scaricare o esportare il modello?

No.

4. Posso utilizzare i modelli che ho creato in un progetto esistente in un nuovo progetto?

No. Devi creare e riaddestrare i modelli nel nuovo progetto.

5. Voglio utilizzare un modello per le mie pagine di categoria. Posso farlo?

Sì. Consigliati per te è utile nelle pagine delle categorie. Una pagina di categoria è simile a una home page, tranne per il fatto che vengono visualizzati solo gli articoli di quella categoria. Puoi ottenere questo risultato utilizzando un modello standard Consigliati per te con tag di filtro. Ad esempio, puoi aggiungere tag di filtro personalizzati (corrispondenti a ogni pagina di categoria) agli articoli del catalogo. Quando invii la richiesta di previsione, imposta l'oggetto evento utente come category-page-view e specifica il tag di una pagina di categoria specifica nel campo filter. Vengono restituiti solo i risultati dei suggerimenti che corrispondono al tag di filtro richiesto. La diversità deve essere disabilitata in questo caso d'uso, perché può entrare in conflitto con i tag di filtro basati sulle categorie.

6. Posso disattivare la personalizzazione per i miei modelli?

Per impostazione predefinita, i risultati della previsione sono personalizzati in base all'utente per i tipi di modelli di suggerimenti Altri che ti potrebbero piacere, Consigliati per te e Acquista di nuovo.

La disattivazione della personalizzazione non è consigliata perché può influire negativamente sul rendimento del modello.

Se devi mostrare elementi del catalogo pertinenti al prodotto visualizzato anziché in base ai precedenti coinvolgimenti dell'utente con il tuo sito, è possibile ricevere consigli non personalizzati utilizzando un ID visitatore unico casuale in una richiesta di previsione. Assicurati di farlo solo per le richieste nelle configurazioni di pubblicazione che non vuoi vengano personalizzate.

Cerca la console Commerce

Queste sono domande frequenti sull'utilizzo della console Cerca per il commercio.

1. Ho eliminato una serie di eventi, ma la dashboard mostra ancora i conteggi per questi tipi di evento.

È previsto. La dashboard Cerca per il commercio mostra il numero di eventi inseriti in un determinato periodo di tempo; non mostra il conteggio corrente o il numero di eventi.

In genere, devi lasciare gli eventi utente in posizione dopo che sono stati registrati. L'eliminazione degli eventi non è consigliata. Se prevedi di reimpostare completamente gli eventi utente, valuta la possibilità di creare un nuovo progetto.

Se devi eliminare definitivamente gli eventi che non sono stati registrati correttamente, consulta la documentazione relativa a Rimuovere gli eventi utente. L'eliminazione definitiva di un evento può richiedere fino a diversi giorni.

2. Come faccio a sapere se ci sono errori nel mio catalogo o negli eventi utente?

La maggior parte delle chiamate API per gli aggiornamenti delle voci di catalogo o degli eventi utente restituisce un errore se si verifica un problema con la sintassi o se la richiesta non può essere elaborata per qualche motivo.

La dashboard Cerca per attività commerciale mostra la percentuale di eventi non uniti, che è anche una metrica utile per individuare problemi relativi al catalogo o agli eventi. Eventi non associati (o chiamate di previsione non associate) si verificano quando viene specificato un ID articolo che non è presente nel catalogo. In genere significa che il catalogo non è aggiornato e che è necessario caricare gli elementi del catalogo nuovi o modificati, ma può anche essere dovuto al passaggio di ID articolo errati. Controlla le richieste per assicurarti che gli ID articolo siano mappati correttamente al catalogo, quindi controlla il catalogo che hai caricato per assicurarti che gli articoli esistano.

Cloud Monitoring e Cloud Logging possono essere utilizzati per monitorare lo stato degli eventi. Ad esempio, puoi ricevere avvisi se non si verificano eventi in un determinato periodo di tempo o se le chiamate predittive scendono al di sotto di una determinata soglia.

3. Perché le mie configurazioni di pubblicazione dei consigli vengono visualizzate come inattive? Come faccio ad attivarli?

Per utilizzare le configurazioni di pubblicazione dei suggerimenti, devi prima inviare i dati del catalogo e degli eventi utente per addestrare il modello corrispondente. Una volta addestrato un modello, la dashboard indica che il modello è pronto per ricevere query.

4. In quale valuta Search for commerce registra le metriche relative alle entrate?

Cerca le metriche dei report sul commercio nella valuta utilizzata nei dati caricati. Vertex AI Search for Commerce non supporta l'utilizzo di più valute per catalogo e non converte le valute.

Se prevedi di utilizzare la console Search for Commerce per ottenere le metriche sulle entrate, assicurati che tutti gli eventi utilizzino una sola valuta o convertili tutti nella stessa valuta prima di caricarli in Vertex AI Search for Commerce.