導入商家適用的 Vertex AI Search

您可以為電子商務應用程式導入商家適用的 Vertex AI Search。

使用推薦或搜尋功能時，您會擷取使用者事件和目錄資料，並在網站上提供預測或搜尋結果。

推薦內容和搜尋內容會使用相同的資料，因此如果同時使用這兩種功能，就不需要兩次擷取相同的資料。

如果您使用推薦模型，請參閱「使用者事件資料規定」一節，瞭解模型類型和最佳化目標的其他規定。這些規定有助於商家適用的 Vertex AI Search 產生優質結果。

平均整合時間約為數週。請注意，在搜尋方面，實際的時間長度取決於要擷取的資料品質和數量。

採取導入步驟

無論是否使用其他 Google 工具，你都可以在網站上取得個人化搜尋結果。

根據工具使用情形開始新手上路

如果您使用 Google 代碼管理工具或 Google Merchant Center，請按一下「透過 Google 工具」分頁，瞭解如何將 Vertex AI Search for commerce 整合至網站。
如果沒有使用代碼管理工具和 Merchant Center，請按一下「不使用 Google 工具」分頁，並按照操作說明進行設定。

使用 Google 工具

步驟	說明
1. 設定 Google Cloud 專案	如果您已有 Google Cloud 專案，可以使用該專案。否則，請按照這份指南設定新專案。
2a. 使用 Merchant Center 匯入產品目錄	你也可以直接匯入產品目錄，但連結至 Merchant Center 可減少匯入目錄所需的步驟。如果您想使用切面，這個解決方案並不理想。這項一鍵式解決方案與 Google Ads 相容，且可快速複製到商家適用的 Vertex AI Search。只要點按幾下，即可啟用這項功能。請注意，Merchant Center 不支援產品素材資源集合類型。匯入前，請務必詳閱 Merchant Center 限制，確認是否符合目錄需求。
2b. 設定代碼管理工具以記錄使用者事件	使用者事件可追蹤使用者動作，例如點選產品、將商品加入購物車或購買商品。您可以同時開始錄製使用者事件和匯入目錄。目錄匯入完成後，請重新加入匯入完成前上傳的所有事件。如果您已使用 Google 代碼管理工具，建議採用這個方法，因為它已與 Vertex AI Search for Commerce 整合。
3. 匯入歷來使用者事件	提供歷來使用者事件資料後，您就能開始訓練模型，不必等待數月後才從網站收集到足夠的使用者事件資料。如要瞭解如何匯入使用者資料，請參閱匯入使用者事件說明文件，瞭解如何從 BigQuery 匯入 Google Analytics 360 和 GA4 事件。模型需要足夠的訓練資料，才能提供準確的預測結果。如要瞭解要使用多少資料，請瞭解各模型的要求。

不使用 Google 工具

步驟	說明
1. 設定 Google Cloud 專案	建立 Google Cloud 專案，並建立驗證憑證，包括 API 金鑰和 OAuth 權杖 (使用使用者帳戶或服務帳戶)，以便存取專案。
2a. 匯入產品目錄	您可以使用 `Products.create` 方法，將商品個別新增至產品目錄。如果是大型產品目錄，建議使用 `Products.import` 方法大量新增項目。這可提供更多設定選項，是想進行前測的企業的理想選擇。
2b. 記錄使用者事件	使用者事件會追蹤使用者動作，例如點選產品、將商品加入購物車或購買商品。系統需要使用者事件資料才能產生個人化結果。您必須即時擷取使用者事件，才能準確反映使用者的行為。您可以開始錄製使用者事件，並與目錄匯入作業並行進行。目錄匯入完成後，請重新加入匯入完成前上傳的所有事件。您必須編寫追蹤像素。
3. 匯入歷來使用者事件	提供歷來使用者事件資料後，您就能開始訓練模型，不必等待數月後才從網站收集到足夠的使用者事件資料。如要瞭解如何匯入使用者資料，請參閱「匯入使用者事件」說明文件，瞭解如何從 Cloud Storage 或 BigQuery 匯入事件，或是使用 `userEvents.import` 方法在內文中匯入事件。模型需要足夠的訓練資料，才能提供準確的預測結果。接著，進一步瞭解各模型類型的匯入規定。

完成剩餘的新手上路步驟

無論使用哪種工具，所有使用者都必須完成下列步驟，才能完成 Vertex AI Search for Commerce 的導入程序。

步驟	說明
4. 設定監控和快訊	設定監控和快訊。
5. 建立供應設定、模型和控制項	決定是否要使用推薦內容、搜尋功能，或同時使用這兩項功能。接著，請熟悉使用者事件的格式。供應設定是一個實體，可與模型 (以及選用的控制項) 建立關聯。產生搜尋或推薦結果時，供應設定會用於容器。如果您在建立供應設定時使用推薦內容，可以同時建立模型和控制項。您也可以分別建立這些項目。請根據供應設定的位置和目標，選擇模型類型。請查看可用的推薦類型、最佳化目標和其他模型調整選項，找出最符合業務目標的最佳選項。(對於搜尋供應設定，系統會自動建立預設模型。)
6. 留出時間訓練及調整模型	供應設定是設定的測試版本。這些實驗組和控制組就像工作空間一樣，用於測試最佳化目標或控制項之間的差異。舉例來說，您可以將一個供應設定設為待發布狀態，以便與正式版供應設定進行測試，並將應用程式指向其中一個供應設定，以便進行疑難排解。如果您使用搜尋功能，系統會自動進行訓練及調整，前提是您已達到閾值。請參閱各模型和產品的使用者事件相關規定，判斷訓練和調整模型時應使用多少及哪些類型的使用者事件。如果您使用推薦功能，建立模型就會啟動訓練和微調程序。初始模型訓練和調整作業需要 2 至 5 天才能完成，但大型資料集可能需要更長的時間。
7. 預覽及測試供應設定	模型啟用後，請預覽並測試供應設定的建議或搜尋結果，確保設定能正常運作。您可以建立控制項或使用現有控制項來新增新的放送設定，並將應用程式指向測試版本，比較成效。您可以排除或納入規則，並將正式版與其他測試放送設定進行分割測試。接著，您可以在控制台的「評估」頁面中模擬使用這些變化版本進行搜尋。
8. (選用) 設定 A/B 實驗	您可以透過 A/B 實驗，比較網站在使用和未使用 Vertex AI Search for Commerce 的情況下，成效有何差異。
9. 評估設定	評估商家適用的 Search 提供的指標，協助您判斷採用 Vertex AI Search for Commerce 對業務的影響。在「Search for Commerce」控制台的「分析」頁面中，查看專案的指標。

服務條款

產品使用必須遵循 Google Cloud 的條款及細則或相關離線版本。《Google Cloud 隱私權聲明》說明我們如何收集及處理您在使用 Google Cloud 和其他 Google Cloud 服務時的個人資訊。

為確保品質，我們會將日誌中搜尋查詢和搜尋結果的少量樣本 (包含客戶資料) 傳送給第三方供應商，由第三方次級處理者人工評分。我們會使用公開收集的資料集，從 Google 搜尋記錄中取得搜尋查詢和搜尋結果，並進行其他測試，再將這些資料傳送給不同的第三方供應商進行人工評分，以確保品質。Google 搜尋記錄不會歸類為客戶資料。