소매업용 Vertex AI Search 구현

모니터링 및 알림을 설정합니다.

추천, 검색 또는 둘 다를 사용할지 결정합니다. 그런 다음 사용자 이벤트 형식을 숙지합니다. 서빙 구성은 모델 및 선택적 제어를 연결하는 항목입니다. 서빙 구성은 검색 또는 추천 결과를 생성할 때 컨테이너처럼 사용됩니다.

서빙 구성을 만들 때 맞춤 콘텐츠를 사용하는 경우 컨트롤과 함께 모델을 동시에 만들 수 있습니다. 또한 이들을 별도로 만들 수도 있습니다. 서빙 구성의 위치와 목표에 따라 모델 유형을 선택합니다. 사용 가능한 추천 유형, 최적화 목표, 기타 모델 미세 조정 옵션을 검토하여 비즈니스 목표에 가장 적합한 옵션을 결정하세요. (검색 서빙 구성의 경우 기본 모델이 자동으로 생성됩니다.)

제공 구성은 구성의 테스트 버전입니다. 이는 최적화 목표 또는 대조군 간의 차이를 테스트하기 위한 작업 공간처럼 사용됩니다. 예를 들어 한 서빙 구성을 프로덕션 구성과 비교하여 테스트하도록 스테이징하고 문제 해결을 위해 애플리케이션을 둘 중 하나로 가리킬 수 있습니다.

검색을 사용하는 경우 기준점을 충족한 것으로 가정하여 학습 및 미세 조정이 자동으로 실행됩니다. 각 모델 및 제품의 사용자 이벤트 요구사항을 참고하여 모델을 학습시키고 미세 조정할 사용자 이벤트의 수와 유형을 결정합니다.

추천을 사용하는 경우 모델을 만들면 학습 및 미세 조정이 시작됩니다. 초기 모델 학습 및 미세 조정을 완료하는 데 2~5일이 걸리지만 데이터 세트가 대규모일 경우에는 더 오래 걸릴 수 있습니다. 초기 모델 학습 및 미세 조정을 완료하는 데 2~5일이 걸리지만 데이터 세트가 대규모일 경우에는 더 오래 걸릴 수 있습니다.

모델이 활성화된 후에는 서빙 구성의 추천이나 검색 결과를 미리보기 및 테스트하여 설정이 예상대로 작동하는지 확인합니다. 새 컨트롤을 만들거나 기존 컨트롤을 사용하여 새 서빙 구성을 추가하고 애플리케이션으로 테스트 버전을 가리켜 성능을 비교할 수 있습니다. 규칙을 제외하거나 포함하고 프로덕션과 다른 테스트 서빙 구성 간에 테스트를 분할할 수 있습니다. 그런 다음 콘솔의 평가 페이지에서 이러한 변형을 사용하여 검색을 시뮬레이션할 수 있습니다.

A/B 실험을 통해 소매업용 Vertex AI Search를 사용하거나 사용하지 않는 웹사이트의 실적을 비교할 수 있습니다.

Search for Retail에서 제공하는 측정항목을 평가하면 소매업용 Vertex AI Search를 통합하여 비즈니스에 어떤 영향을 미치는지 확인할 수 있습니다.

Search for Retail 콘솔의 애널리틱스 페이지에서 프로젝트의 측정항목을 확인합니다.