Anda dapat menerapkan Vertex AI Search untuk commerce untuk aplikasi e-commerce Anda.
Saat Anda menggunakan rekomendasi atau penelusuran, Anda akan menyerap data peristiwa pengguna dan katalog serta menayangkan prediksi atau hasil penelusuran di situs Anda.
Data yang sama digunakan untuk rekomendasi dan penelusuran, jadi jika Anda menggunakan keduanya, Anda tidak perlu menyerap data yang sama dua kali.
Jika Anda menggunakan model rekomendasi, Persyaratan data peristiwa pengguna mencantumkan persyaratan tambahan bergantung pada jenis model dan tujuan pengoptimalan Anda. Persyaratan ini membantu Vertex AI Search untuk commerce menghasilkan hasil yang berkualitas.
Waktu integrasi rata-rata adalah dalam urutan minggu. Perhatikan bahwa untuk penelusuran, durasi sebenarnya sangat bergantung pada kualitas dan kuantitas data yang akan di-ingest.
Mulai menggunakan integrasi e-commerce
Lakukan langkah-langkah penerapan
Anda bisa mendapatkan hasil penelusuran yang dipersonalisasi di situs Anda, baik Anda menggunakan alat Google tambahan atau tidak.
Mulai orientasi sesuai dengan penggunaan alat
Jika Anda menggunakan Google Tag Manager atau Google Merchant Center, klik tab Dengan alat Google untuk mengetahui langkah-langkah yang harus diikuti guna mengintegrasikan Vertex AI Search untuk e-commerce ke situs Anda.
Jika Anda tidak menggunakan Tag Manager dan Merchant Center, klik tab Tanpa alat Google dan ikuti petunjuk di sana.
Dengan alat Google
| Langkah | Deskripsi |
|---|---|
| 1. Menyiapkan Google Cloud project | Anda dapat menggunakan project yang sudah ada jika sudah memilikinya. Google Cloud Jika tidak, ikuti panduan ini untuk menyiapkan project baru. |
| 2a. Mengimpor katalog produk menggunakan Merchant Center |
Anda juga dapat mengimpor katalog produk secara langsung, tetapi penautan ke Merchant Center mengurangi langkah-langkah yang diperlukan untuk mengimpor katalog Anda. Solusi ini tidak ideal jika Anda ingin menggunakan aspek. Solusi siap pakai ini berfungsi baik dengan Google Ads dan direplikasi dengan cepat ke Vertex AI Search untuk commerce. Fitur ini dapat diaktifkan dan dijalankan hanya dengan beberapa klik. Perhatikan bahwa Merchant Center tidak mendukung jenis produk koleksi. Sebelum mengimpor, pastikan untuk meninjau batasan Merchant Center untuk memeriksa apakah batasan tersebut memenuhi kebutuhan katalog Anda. |
| 2b. Mengonfigurasi Tag Manager untuk mencatat peristiwa pengguna |
Peristiwa pengguna melacak tindakan pengguna seperti mengklik produk, menambahkan item ke keranjang belanja, atau membeli item. Anda dapat mulai merekam peristiwa pengguna secara paralel dengan impor katalog. Setelah impor katalog selesai, bergabung kembali ke acara yang diupload sebelum impor selesai. Jika Anda sudah menggunakan Google Tag Manager, metode ini direkomendasikan karena integrasinya dengan Vertex AI Search untuk e-commerce. |
| 3. Mengimpor peristiwa pengguna historis |
Dengan memberikan data peristiwa pengguna historis, Anda dapat memulai pelatihan model tanpa harus menunggu berbulan-bulan hingga data peristiwa pengguna yang cukup dikumpulkan dari situs Anda. Untuk mempelajari cara mengimpor data pengguna, lihat dokumentasi Mengimpor peristiwa pengguna tentang cara mengimpor peristiwa Google Analytics 360 dan GA4 dari BigQuery. Model Anda memerlukan data pelatihan yang memadai sebelum dapat memberikan prediksi yang akurat. Untuk mempelajari jumlah data yang akan digunakan, pahami persyaratan untuk setiap model. |
Tanpa alat Google
| Langkah | Deskripsi |
|---|---|
| 1. Menyiapkan Google Cloud project |
Buat Google Cloud project dan buat kredensial autentikasi termasuk kunci API dan token OAuth (menggunakan akun pengguna atau akun layanan) untuk mengakses project. |
| 2a. Mengimpor katalog produk |
Anda dapat menambahkan item ke katalog produk satu per satu menggunakan
metode
|
| 2b. Merekam peristiwa pengguna |
Peristiwa pengguna melacak tindakan pengguna seperti mengklik produk, menambahkan item ke keranjang belanja, atau membeli item. Data peristiwa pengguna diperlukan untuk menghasilkan hasil yang dipersonalisasi. Peristiwa pengguna harus diproses secara real time untuk mencerminkan perilaku pengguna Anda secara akurat. Anda dapat mulai merekam peristiwa pengguna secara paralel dengan impor katalog. Setelah impor katalog selesai, bergabung kembali ke acara yang diupload sebelum impor selesai. Anda harus menulis piksel pelacakan. |
| 3. Mengimpor peristiwa pengguna historis |
Dengan memberikan data peristiwa pengguna historis, Anda dapat memulai pelatihan model tanpa harus menunggu berbulan-bulan hingga data peristiwa pengguna yang cukup dikumpulkan dari situs Anda. Untuk mempelajari cara mengimpor data pengguna, lihat dokumentasi Mengimpor peristiwa pengguna tentang cara mengimpor peristiwa dari Cloud Storage, BigQuery, atau mengimpor peristiwa secara inline menggunakan metode Model Anda memerlukan data pelatihan yang memadai sebelum dapat memberikan prediksi yang akurat. Kemudian, pelajari lebih lanjut persyaratan impor untuk setiap jenis model. |
Selesaikan aktivasi dengan langkah-langkah yang tersisa ini
Semua pengguna, terlepas dari penggunaan alat, harus melanjutkan langkah-langkah lainnya untuk menyelesaikan aktivasi Vertex AI Search untuk commerce.
| Langkah | Deskripsi |
|---|---|
| 4. Menyiapkan pemantauan dan pemberitahuan |
Siapkan pemantauan dan pemberitahuan. |
| 5. Buat konfigurasi penayangan, model, dan kontrol Anda |
Tentukan apakah Anda ingin menggunakan rekomendasi, penelusuran, atau keduanya. Kemudian, pahami format untuk peristiwa pengguna. Konfigurasi penyajian adalah entity yang mengaitkan model dan, secara opsional, kontrol. Konfigurasi penayangan digunakan seperti penampung saat membuat hasil penelusuran atau rekomendasi Anda. Jika Anda menggunakan rekomendasi saat membuat konfigurasi penayangan, Anda dapat membuat model secara bersamaan dengan kontrol Anda. Anda juga dapat membuatnya secara terpisah. Pilih jenis model berdasarkan lokasi konfigurasi penayangan dan tujuannya. Tinjau jenis rekomendasi, tujuan pengoptimalan, dan opsi penyesuaian model lainnya yang tersedia untuk menentukan opsi terbaik bagi tujuan bisnis Anda. (Untuk konfigurasi penayangan penelusuran, model default akan dibuat secara otomatis.) |
| 6. Berikan waktu untuk pelatihan dan penyesuaian model |
Konfigurasi penayangan adalah versi pengujian konfigurasi. Ruang kerja ini digunakan untuk menguji perbedaan antara tujuan atau kontrol pengoptimalan. Anda dapat mengatur satu konfigurasi penayangan untuk mengujinya terhadap konfigurasi produksi, misalnya, dan mengarahkan aplikasi ke salah satu konfigurasi untuk memecahkan masalah. Jika Anda menggunakan penelusuran, pelatihan dan penyesuaian akan otomatis, dengan asumsi Anda telah mencapai batas minimum. Lihat persyaratan untuk peristiwa pengguna untuk setiap model dan setiap produk guna menentukan jumlah dan jenis peristiwa pengguna yang akan digunakan untuk melatih dan menyesuaikan model. Jika Anda menggunakan rekomendasi, pembuatan model akan memulai pelatihan dan penyesuaian. Pelatihan dan penyesuaian model awal memerlukan waktu 2-5 hari untuk diselesaikan, tetapi dapat memerlukan waktu lebih lama untuk set data besar. |
| 7. Melihat pratinjau dan menguji konfigurasi penayangan |
Setelah model diaktifkan, pratinjau dan uji rekomendasi atau hasil penelusuran konfigurasi penayangan untuk memastikan penyiapan Anda berfungsi seperti yang diharapkan. Anda dapat membuat kontrol atau menggunakan kontrol yang ada untuk menambahkan konfigurasi penayangan baru dan mengarahkan aplikasi ke versi pengujian untuk membandingkan performa. Anda dapat mengecualikan atau menyertakan aturan dan melakukan pengujian terpisah pada produksi versus konfigurasi penayangan pengujian lainnya. Kemudian, Anda dapat menyimulasikan penelusuran menggunakan variasi ini di halaman Evaluasi di konsol. |
| 8. (Opsional) Menyiapkan eksperimen A/B |
Anda dapat menggunakan eksperimen A/B untuk membandingkan performa situs Anda dengan dan tanpa Vertex AI Search untuk e-commerce. |
| 9. Mengevaluasi konfigurasi Anda |
Menilai metrik yang disediakan oleh Search for commerce untuk membantu Anda menentukan pengaruh penerapan Vertex AI Search for commerce terhadap bisnis Anda. Lihat metrik untuk project Anda di halaman Analytics di konsol Penelusuran untuk e-commerce. |
Persyaratan Layanan
Penggunaan produk tunduk pada Persyaratan dan Ketentuan Google Cloud atau varian offline yang relevan. Pemberitahuan Privasi Google Cloud menjelaskan cara kami mengumpulkan dan memproses informasi pribadi Anda terkait dengan penggunaan Google Cloud dan layanan Google Cloud lainnya.
Untuk penjaminan kualitas, sekumpulan kecil sampel kueri penelusuran dan hasil penelusuran dari log, yang mencakup data pelanggan, dikirim untuk diberi rating oleh manusia kepada vendor pihak ketiga yang diungkapkan sebagai Subprosesor Pihak Ketiga untuk penelusuran. Pengujian tambahan menggunakan kueri penelusuran dan hasil penelusuran dari log Penelusuran Google yang merupakan set data yang dikumpulkan secara publik dikirim untuk penilaian oleh manusia kepada berbagai vendor pihak ketiga untuk jaminan kualitas. Log Google Penelusuran tidak dikategorikan sebagai data pelanggan.