À propos des modèles de recommandation

Cette page décrit les modèles de recommandation ainsi que leurs configurations de diffusion et objectifs d'optimisation par défaut, leurs personnalisations disponibles et leurs types d'événements acceptés.

Présentation

Lorsque vous vous inscrivez pour utiliser Vertex AI Search for retail, vous collaborez avec l'assistance Vertex AI Search for retail pour déterminer les modèles de recommandation et les personnalisations à utiliser pour votre site. Les modèles et les personnalisations que vous utilisez dépendent des besoins de votre entreprise et de l'emplacement où vous prévoyez d'afficher les recommandations fournies.

Lorsque vous demandez des recommandations, vous fournissez la valeur de configuration de diffusion à la ressource placement. (Consultez la section À propos des configurations de diffusion pour en savoir plus sur l'utilisation de la ressource placement pour les configurations de diffusion et sur la compatibilité des emplacements qui étaient auparavant utilisés pour placer les modèles.) La configuration de diffusion détermine le modèle utilisé pour renvoyer vos recommandations. Vous pouvez également filtrer vos résultats.

Types de modèles de recommandation

Voici les types de modèles de recommandation:

Autres articles susceptibles de vous intéresser

La recommandation "Autres articles susceptibles de vous intéresser" prédit le prochain produit qui, pour un utilisateur donné, offre le plus fort potentiel d'interaction ou de conversion. La prédiction se base sur l'historique des achats et des vues de page de l'utilisateur ainsi que sur la pertinence du produit par rapport au produit actuel.

Objectif d'optimisation par défaut : taux de clics

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles :

Pages compatibles pour le déploiement de modèles:

Fréquemment achetés ensemble (expansion du panier d'achat)

La recommandation "Fréquemment achetés ensemble" prédit les articles qui sont fréquemment achetés ensemble pour un produit spécifique et au cours d'une même session d'achat. Si une liste de produits est affichée, la recommandation prédit les articles fréquemment achetés avec cette liste.

Cette recommandation est utile lorsque l'utilisateur a indiqué qu'il avait l'intention d'acheter un produit spécifique (ou une liste de produits) et que vous souhaitez recommander des produits complémentaires (par opposition à des produits de substitution). Cette recommandation est généralement affichée sur la page "Ajouter au panier", ou sur les pages "Panier" ou "Paiement" (dans une optique d'expansion du panier).

Objectif d'optimisation par défaut : revenus par commande

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles :

Pages compatibles pour le déploiement de modèles:

Recommandées pour vous

La recommandation "Recommandées pour vous" prédit le prochain produit qui offre le plus fort potentiel d'interaction ou de conversion pour un utilisateur donné, en se basant sur l'historique d'achats et de vues de page de l'utilisateur ainsi que sur des informations contextuelles de requête comme les horodatages. Cette recommandation est généralement utilisée sur la page d'accueil.

Elle peut également être utile pour les pages de catégorie. Une page de catégorie est semblable à une page d'accueil, à la différence que vous n'affichez que les articles de cette catégorie. Vous pouvez obtenir un résultat similaire en utilisant un modèle standard "Recommandations personnalisées" avec des tags de filtre. Par exemple, vous pouvez ajouter des tags de filtre personnalisés (correspondant à chaque page de catégorie) aux articles de votre catalogue. Lorsque vous envoyez la requête de prédiction, définissez l'objet d'événement utilisateur sur category-page-view et spécifiez le tag d'une page de catégorie spécifique dans le champ filter. Seuls les résultats de recommandations correspondant au tag de filtre demandé seront renvoyés. La diversité doit être désactivée dans ce cas d'utilisation car elle peut entrer en conflit avec les tags de filtre basés sur des catégories.

Objectif d'optimisation par défaut : taux de clics

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles :

Pages compatibles pour le déploiement de modèles:

  • Tout

Articles similaires

La recommandation "Articles similaires" prédit les autres produits ayant des attributs principalement similaires au produit actuel. Cette recommandation est généralement utilisée sur une page d'informations détaillées sur le produit, ou lorsqu'un produit recommandé n'est pas disponible.

Le modèle "Articles similaires" n'utilise que les informations du catalogue de produits et ne nécessite donc aucun événement utilisateur.

Le modèle "Articles similaires" ne peut pas être optimisé.

Nous vous recommandons de ne créer qu'un seul modèle d'articles similaires par projet. Étant donné que les modèles "Articles similaires" ne sont pas personnalisables, créer plusieurs modèles "Articles similaires" basés sur les mêmes événements utilisateur ne produit pas de recommandations différentes et peut entraîner des coûts inutiles.

Objectif d'optimisation par défaut : taux de clics

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles : N/A

Pages compatibles pour le déploiement de modèles:

Racheter

Le modèle "Acheter à nouveau" encourage à acheter à nouveau des articles en fonction des achats récurrents précédents. Ce modèle personnalisé prédit les produits qui ont déjà été achetés au moins une fois et qui sont généralement achetés à intervalles réguliers. L'intervalle de suggestion d'un produit dépend du produit et du visiteur du site. Les recommandations de ce modèle peuvent être utilisées pour n'importe quel type de page.

Le modèle "Racheter" utilise les événements utilisateur "Achat terminé".

Le modèle "Racheter" ne peut pas être optimisé.

Nous vous recommandons de ne créer qu'un seul modèle "Racheter" par projet. Étant donné que les modèles "Racheter" ne sont pas personnalisables, créer plusieurs modèles "Racheter" basés sur les mêmes événements utilisateur ne génère pas de recommandations différentes et peut entraîner des coûts inutiles.

Objectif d'optimisation par défaut : N/A

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles : N/A

Pages compatibles pour le déploiement de modèles:

  • Tout

En vente

Le type de modèle "En promotion" est un modèle personnalisé basé sur les promotions qui peut recommander des produits en promotion. Vous pouvez utiliser ce type de modèle pour inciter les utilisateurs à acheter des articles à prix réduit.

Généralement utilisé sur la page d'accueil, la page d'ajout au panier, la page du panier, la page de catégorie et la page d'informations.

Objectif d'optimisation par défaut: taux de clics

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles :

Pages compatibles pour le déploiement de modèles:

Consultés récemment

La recommandation "Consultés récemment" n'est pas réellement une recommandation. Elle fournit les ID des produits avec lesquels l'utilisateur ou le visiteur a récemment interagit, en commençant par les plus récents.

Objectif d'optimisation par défaut : N/A

Configuration de diffusion par défaut: recently_viewed_default

Options de personnalisation disponibles : N/A

Pages compatibles pour le déploiement de modèles:

  • Tout

Optimisation au niveau de la page

L'optimisation au niveau de la page étend les recommandations de l'optimisation pour un seul panneau de recommandations à l'optimisation pour une page entière avec plusieurs panneaux. Le modèle d'optimisation au niveau de la page sélectionne automatiquement le contenu de chaque panneau et détermine l'ordre des panneaux sur votre page.

Par exemple, les pages d'accueil sont généralement structurées de sorte que les produits soient organisés en lignes de groupes associés, tels que des catégories, des articles tendance ou des produits récemment consultés. L'utilisation du modèle d'optimisation au niveau de la page sur une page d'accueil peut offrir à un utilisateur final une expérience de recommandation personnalisée tout en automatisant le processus de décision pour coordonner les combinaisons de modèles et les mises en page de cette page.

Pour créer un modèle d'optimisation au niveau de la page, vous devez d'abord disposer de configurations de diffusion de recommandations existantes pour lesquelles des modèles ont été entraînés. Lorsque vous créez un modèle d'optimisation au niveau de la page, vous spécifiez le type de page sur lequel vous utiliserez le modèle, les restrictions que vous appliquerez pour limiter la diffusion de configurations de diffusion similaires, l'objectif commercial à optimiser (CTR ou CVR), le nombre de panneaux de recommandations à afficher et les configurations de diffusion à prendre en compte pour chaque panneau.

Comme pour les autres modèles, pour utiliser le modèle d'optimisation au niveau de la page, vous effectuez un appel de prédiction à l'aide d'une configuration de diffusion contenant le modèle "Optimisation au niveau de la page". Au lieu de recommandations, la réponse de prédiction contient une liste triée des ID de configuration de diffusion représentant la configuration de diffusion à utiliser pour chaque panneau. Ensuite, effectuez un nouvel appel de prédiction pour chaque panneau avec l'ID de configuration de diffusion correspondant renvoyé par le modèle d'optimisation au niveau de la page. La réponse de prédiction pour chaque panneau contient la liste des éléments recommandés à afficher dans ce panneau.

Objectif d'optimisation par défaut : N/A

Configuration de diffusion par défaut: N/A

Options de personnalisation disponibles : N/A

Pages compatibles pour le déploiement de modèles:

  • Tout

Lorsque vous activez cette fonctionnalité

  • La description doit être explicative pour chaque produit et contenir des informations ou des mots uniques par rapport au titre.
  • Cette fonctionnalité fonctionne de manière optimale lorsque la description contient au moins 10 mots en moyenne.
  • Le pourcentage d'événements contenant des item_ids inconnus doit être inférieur à 10 %. (Vous pouvez cocher la case "Ratio non associé". Pour en savoir plus sur la définition du "ratio non associé", consultez cette page.

Optimisation en fonction des objectifs commerciaux

Les modèles de machine learning sont créés pour optimiser un objectif commercial particulier, qui détermine la manière dont le modèle est créé. Chaque modèle a un objectif d'optimisation par défaut, mais vous pouvez demander à utiliser un objectif plus adapté à vos objectifs commerciaux en contactant votre conseiller de l'équipe d'assistance.

Une fois que vous avez entraîné un modèle, vous ne pouvez plus modifier son objectif d'optimisation. Vous devrez entraîner un nouveau modèle pour utiliser un objectif d'optimisation différent.

Vertex AI Search pour le commerce est compatible avec les objectifs d'optimisation suivants.

Taux de clics (CTR)

L'optimisation du CTR met l'accent sur l'engagement. Vous devez optimiser le CTR lorsque vous souhaitez maximiser la probabilité que l'utilisateur interagisse avec la recommandation.

Le CTR est l'objectif d'optimisation par défaut pour les types de modèles de recommandation Autres articles susceptibles de vous intéresser et Recommandées pour vous.

Revenus par session

L'objectif d'optimisation des revenus par session est disponible pour les types de modèles de recommandation Autres articles susceptibles de vous intéresser, Recommandations personnalisées et Fréquemment achetés ensemble. Bien que l'objectif fonctionne différemment pour chaque modèle, l'objectif est le même : augmenter les revenus.

  • Pour les sections "Autres modèles susceptibles de vous intéresser" et "Recommandations personnalisées". L'objectif combine les informations sur les clics, les conversions et les prix des articles pour aider le modèle à recommander des articles dont le prix est plus élevé et qui ont plus de chances d'être achetés.

  • Pour les articles fréquemment achetés ensemble Cet objectif vise à recommander des articles plus susceptibles d'être ajoutés aux paniers, ce qui augmente les revenus en élargissant la taille des paniers.

Taux de conversion

L'optimisation du taux de conversion augmente la probabilité que l'utilisateur ajoute l'article recommandé à son panier. Si vous souhaitez améliorer la métrique de nombre d'articles ajoutés au panier par session, optimisez le taux de conversion.

Options avancées de configuration du modèle

Selon le type de modèle, d'autres options de configuration vous permettent de modifier le comportement de votre modèle.

Préférence de réglage

Le réglage de modèle garantit un entraînement optimal du modèle lorsque les données d'entrée changent au fil du temps. Configurez le modèle de manière à effectuer un réglage automatique tous les trois mois, ou choisissez de le faire manuellement. Le modèle fait l'objet d'un réglage automatique ponctuel après sa création. En savoir plus

Pour en savoir plus sur les coûts de réglage, consultez la page Tarifs.

Configurations et modèles de diffusion disponibles

Avant de pouvoir demander des prédictions à votre modèle, vous devez créer au moins une configuration de diffusion pour celui-ci. Pour en savoir plus, consultez la section Créer des configurations de diffusion.

Vous pouvez consulter vos modèles sur la page Modèles. Cliquez sur le nom d'un modèle pour accéder à sa page d'informations, où vous retrouverez les configurations de diffusion associées à ce modèle.

Produits de contexte

Lors de la génération d'une recommandation, les modèles prennent en compte les produits avec lesquels un utilisateur a déjà interagi dans le contexte du panneau de recommandations.

Ces produits contextuels sont transmis dans le corps d'une requête predict dans le cadre d'un événement utilisateur. Par exemple, si un panneau de recommandations s'affiche sur une page de panier, tout événement utilisateur shopping-cart-page-view qui déclenche une requête predict doit inclure les produits qui se trouvent dans le panier à ce moment-là. Ces produits sont utilisés comme produits de contexte pour cette recommandation.

Lorsque vous créez un modèle "Articles fréquemment achetés ensemble", vous spécifiez s'il génère des recommandations dans le contexte d'un ou de plusieurs articles. L'option que vous choisissez dépend du type de page pour lequel vous prévoyez d'utiliser le modèle.

  • Plusieurs produits de contexte (par défaut): le modèle "Fréquemment achetés ensemble" peut utiliser un ou plusieurs produits comme contexte pour ses recommandations. Ce cas d'utilisation est généralement destiné aux pages de panier qui comportent divers produits contextuels pouvant servir de base à la recommandation à diffuser sur cette page.

  • Produit à contexte unique: le modèle "Articles fréquemment achetés ensemble" ne peut utiliser qu'un seul produit à contexte. Ce cas d'utilisation concerne généralement les pages qui comportent un seul produit qui servira de contexte pour les recommandations, comme les pages d'ajout au panier et les pages d'informations détaillées sur un produit.

    Transmettre plusieurs produits dans une requête predict à partir d'un seul modèle de produit de contexte "Souvent achetés ensemble" ne provoque pas d'échec, mais nous vous déconseillons de le faire, car vous risqueriez de ne pas obtenir de recommandations optimales.