Acerca de los modelos de recomendación

En esta página, se describen los modelos de recomendación con la configuración de entrega predeterminada y los objetivos de optimización las personalizaciones disponibles y los tipos de eventos compatibles.

Introducción

Cuando te registras para usar Vertex AI Search para venta minorista, trabajas con la asistencia de Vertex AI Search para venta minorista para determinar los mejores modelos y personalizaciones de recomendación para usar en tu sitio. Los modelos y las personalizaciones que uses dependen de las necesidades de tu negocio y del lugar en el que planeas mostrar las recomendaciones resultantes.

Cuando solicitas recomendaciones, le brindas el valor de configuración de entrega al recurso placement (Consulta Acerca de la publicación parámetros de configuración para obtener detalles sobre el uso del recurso placement para parámetros de configuración de publicación y la compatibilidad con posiciones, que antes se para colocar los modelos). La configuración de entrega determina qué modelo se usa para mostrar tus recomendaciones. También puedes filtrar tus resultados.

Tipos de modelos de recomendaciones

Estos son los tipos de modelos de recomendaciones:

Otros elementos que podrían gustarte

La recomendación Otros productos que podrían gustarte predice el próximo producto que más le interesará al usuario que generen conversiones o con el que generen una conversión. La predicción se basa en el historial de compras y de visualizaciones del usuario y la relevancia del producto candidato para un producto actual especificado.

Objetivo de optimización predeterminado: tasa de clics

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

Se suelen comprar juntos (expansión del carrito de compras)

La recomendación Comprados frecuentemente predice los artículos que frecuentemente se compran juntos para una un producto específico en la misma sesión de compra. Si se mira una lista de productos, predice los artículos que se compran con frecuencia con esa lista.

Esta recomendación es útil cuando el usuario indica que tiene la intención de comprar un producto en particular (o una lista de productos) y deseas recomendar complementos (en lugar de los sustitutos). Por lo general, esta recomendación se muestra en la página “Agregar al carrito” o en las páginas “carrito de compras” o “registro” (para la expansión del carrito de compras).

Objetivo de optimización predeterminado: Ingresos por pedido

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

Recomendadas para ti

La recomendación para ti predice el próximo producto que un usuario que más probabilidades tiene de interactuar con el contenido o realizar una compra, según el proceso de compra el historial de ese usuario y la información contextual de las solicitudes, como marcas de tiempo. Por lo general, esta recomendación se usa en la página principal.

Recomendado para You también puede ser útil en páginas de categorías. Una página de categorías es similar a una página principal, excepto que se muestran solo los elementos de esa categoría. Puedes lograr esto mediante un modelo estándar recomendado para ti con etiquetas de filtro. Por ejemplo, puedes agregar etiquetas de filtro personalizadas (correspondientes a cada página de categoría) a los elementos de tu catálogo. Cuando envíes la solicitud de predicción, configura el objeto del evento de usuario como category-page-view y especifica una etiqueta de página de categoría específica en el campo filter. Solo se muestran los resultados de la recomendación que coinciden con la etiqueta de filtro solicitada. En este caso de uso, se debe inhabilitar la diversidad, ya que la diversidad puede entrar en conflicto con las etiquetas de filtro basadas en categorías.

Objetivo de optimización predeterminado: tasa de clics

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

  • Todos

Artículos similares

La recomendación Artículos similares predice otros productos que tienen en su mayoría similares. atributos del producto que se está considerando. Por lo general, esta recomendación se usa en la página de detalles de un producto o cuando un producto recomendado está agotado.

El modelo Artículos similares solo requiere información del catálogo de productos. ningún usuario los eventos son obligatorios.

Los modelos de elementos similares no se pueden ajustar.

Recomendamos crear solo un modelo de Elementos similares por proyecto. Debido a que los modelos de elementos similares no se pueden personalizar, crear varios modelos de elementos similares en función de los mismos eventos del usuario no produce recomendaciones diferentes y puede generar costos innecesarios.

Objetivo de optimización predeterminado: Tasa de clics

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas compatibles para la implementación de modelos:

Comprar de nuevo

El modelo Comprar de nuevo alienta a los usuarios a volver a comprar en función de los métodos recurrentes anteriores. compras. Este modelo personalizado predice los productos que se usaron anteriormente que se compran al menos una vez y que, por lo general, se compran con regularidad. El El intervalo en el que se sugiere un producto depende del producto y del sitio visitante. Las recomendaciones de este modelo se pueden usar en cualquier tipo de página.

El modelo Comprar de nuevo usa eventos de usuario de compra completa.

El modelo Comprar de nuevo no se puede ajustar.

Te recomendamos que crees un solo modelo de Comprar de nuevo por proyecto. Porque los modelos de Comprar de nuevo No son personalizables, se crean varios modelos de Comprar de nuevo basados en el mismo usuario. no genera recomendaciones diferentes y pueden incurrir de los costos.

Objetivo de optimización predeterminado: N/A

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación de modelos:

  • Todos

En oferta

El modelo En oferta es un modelo basado en promociones personalizadas que puede recomendar productos en oferta. Puedes usar este tipo de modelo para alentar a los usuarios a comprar artículos con descuento.

Por lo general, se usan en la página principal, la página para agregar al carrito, la página del carrito de compras y la categoría. y la página de detalles.

Objetivo de optimización predeterminado: Tasa de clics

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles:

Páginas compatibles para la implementación de modelos:

Vistos recientemente

La recomendación Vistos recientemente no es una recomendación. Proporciona los ID de los productos con los que recientemente interactúa el usuario o visitante, con los productos más recientes primero.

Objetivo de optimización predeterminado: N/A

Configuración de publicación predeterminada: recently_viewed_default

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación de modelos:

  • Todos

Optimización a nivel de la página

La optimización a nivel de la página extiende las recomendaciones, ya que va desde la optimización panel de recomendaciones a la vez para optimizar una página completa con varios paneles. El modelo de optimización a nivel de la página selecciona automáticamente el contenido de cada panel y determina el orden de los paneles en tu página.

Por ejemplo, las páginas de inicio suelen estructurarse con productos organizados en filas de grupos relacionados, como categorías, artículos en tendencia o vistos recientemente productos. Usar el modelo de optimización a nivel de la página en una página principal puede proporcionarle a un usuario final una experiencia de recomendación personalizada mientras se automatiza el proceso de toma de decisiones para coordinar combinaciones de modelos y diseños para esa página.

Para crear un modelo de optimización a nivel de la página, primero debes tener recomendaciones existentes configuraciones con modelos entrenados. Cuando creas un modelo de optimización a nivel de la página, debes especificar en qué tipo de página usarás el modelo, qué restricciones aplicarás para limitar la publicación de configuraciones de publicación similares, para qué objetivo comercial realizar la optimización (CTR o CVR), cuántos paneles de recomendación mostrar y qué configuraciones de publicación considerar para cada panel.

Al igual que con otros modelos, para usar el modelo de optimización a nivel de la página, debes realizar una llamada de predicción con una configuración de publicación que contenga el modelo "Optimización a nivel de la página". En lugar de recomendaciones, la respuesta de la predicción contiene una lista ordenada de IDs de configuración de publicación que representan la configuración de publicación que se usará para cada panel. Luego, realiza una llameda de predicción nueva para cada panel con el ID de configuración de publicación correspondiente que se muestra desde el modelo de optimización a nivel de la página. La respuesta de predicción para cada panel Contiene la lista de elementos recomendados para mostrar en ese panel.

Objetivo de optimización predeterminado: N/A

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación de modelos:

  • Todos

Cuando habilites esta función, ocurrirá lo siguiente:

  • La información de la descripción debe explicar cada producto y contener información única o palabras separadas del título
  • Esta función funciona mejor cuando hay, al menos, 10 palabras descriptivas en promedio
  • El porcentaje de eventos que contienen item_ids desconocidos debe ser inferior al 10 por ciento. (La "proporción no unida" se puede verificar. Obtén más información sobre la definición de "proporción no unida".

Optimización para objetivos comerciales

Los modelos de aprendizaje automático se crean para realizar optimizaciones en función de un negocio en particular. objetivo, que determina cómo se crea el modelo. Cada modelo tiene un objetivo de optimización predeterminado, pero puedes solicitar un objetivo de optimización diferente para respaldar tus objetivos comerciales. Para ello, comunícate con tu representante de asistencia.

Después de entrenar un modelo, no puedes cambiar el objetivo de optimización. Debes entrenar un modelo nuevo para usar un objetivo de optimización diferente.

Vertex AI Search for Retail admite los siguientes objetivos de optimización.

Tasa de clics (CTR)

La optimización para aumentar la CTR enfatiza la participación; debes optimizar el CTR cuando quieras maximizar la probabilidad de que el usuario interactúe con la recomendación.

La CTR es el objetivo de optimización predeterminado para los tipos de modelo de recomendación Otras opciones que podrían gustarte y Recomendado para ti.

Ingresos por sesión

El objetivo de optimización de ingresos por sesión está disponible para Recomendación de "Otros productos que podrían gustarte", "Recomendados para ti" y "Frecuentemente comprados juntos" los tipos de modelo. Aunque el objetivo funciona de manera diferente para cada modelo, el objetivo es el mismo: aumentar los ingresos.

  • Para otras personas que podrían gustarte y recomendarte. El objetivo combina información de clics conversiones y precios de artículos para ayudar al modelo a recomendar artículos que tienen un precios y una mayor probabilidad de compra.

  • Para la función Se suelen comprar juntos. Este objetivo se optimiza para recomendar elementos con una mayor probabilidad de que se agregue al carrito, lo que beneficia a los ingresos con la expansión del carrito tamaños.

Porcentaje de conversiones (CVR)

La optimización del porcentaje de conversiones maximiza la probabilidad de que el usuario agregue el artículo recomendado a su carrito. Si deseas aumentar la cantidad de artículos agregados a un carrito por sesión, optimiza el porcentaje de conversiones.

Opciones avanzadas de configuración del modelo

Según el tipo de modelo, existen otras opciones de configuración del modelo que puedes usar para cambiar su comportamiento.

Preferencias de ajuste

El ajuste mantiene el entrenamiento de modelos óptimo a medida que los datos de entrada cambian con el tiempo. Configura el modelo para que se ajuste de forma automática cada tres meses o elige que se ajuste solo de forma manual. El modelo se ajusta de forma automática una vez después de la creación. Más información

Para ajustar los detalles de los costos, consulta Precios.

Modelos y parámetros de configuración de entrega disponibles

Antes de poder solicitar predicciones de tu modelo, debes crear al menos una configuración de publicación para él. Para obtener más información, consulta Crea parámetros de configuración de entrega.

Puedes ver tus modelos en la página Modelos. Haz clic en el nombre de un modelo para ir a la página de detalles, en la que puedes ver la configuración de entrega asociada con ese modelo.

Productos contextuales

Cuando se genera una recomendación, los modelos tienen en cuenta los productos con los que un usuario interactedo anteriormente en el contexto del panel de recomendaciones.

Estos productos contextuales se pasan al cuerpo de una solicitud predict como parte de un evento del usuario. Por ejemplo, si hay un panel de recomendaciones en una página del carrito de compras, cualquier shopping-cart-page-view un evento de usuario que active una solicitud predict debe incluir los productos que que están en el carrito de compras en ese momento. Estos productos se usan como productos contextuales para esa recomendación.

Cuando creas un modelo que se compran juntos con frecuencia, debes especificar si ese modelo generará recomendaciones en el contexto de uno o varios elementos. La opción que elijas depende del tipo de página en la que planees usar el modelo.

  • Productos de varios contextos (predeterminado): el modelo que se compran juntos con frecuencia puede usar uno o varios productos como contexto para sus recomendaciones. Este caso de uso es normalmente para páginas del carrito de compras que tienen una variedad de productos contextuales. que pueden informar que la recomendación se publicará en esa página.

  • Producto de un solo contexto: El modelo que se compran juntos con frecuencia puede usar solo un contexto. producto. Por lo general, este caso de uso es para páginas que tienen un solo producto que se usaría como contexto para las recomendaciones, como páginas para agregar al carrito y las páginas de detalles de los productos.

    Cómo pasar más de un producto en una solicitud predict desde un solo contexto producto comprado con frecuencia no falla, aunque no se recomienda porque esto podría no generar recomendaciones óptimas.