Empfehlungen erhalten

Auf dieser Seite wird beschrieben, wie Sie Produktempfehlungen für einen bestimmten Nutzer und ein bestimmtes Nutzerereignis anfordern.

Nachdem Sie Ihre Produkte hochgeladen und Nutzerereignisse aufgezeichnet haben, können Sie Produktempfehlungen für bestimmte Nutzer anfragen, die auf den aufgezeichneten Nutzerereignissen für diesen Nutzer und seiner aktuellen Aktivität basieren. Es kann bis zu 48 Stunden dauern, bis neue Produkte und Nutzerereignisse im Empfehlungsmodell berücksichtigt werden.

Vertex AI Search for Commerce gibt eine Liste mit Produkt-IDs zurück, die nach Relevanz sortiert sind. Es obliegt Ihnen, die Ergebnisse auf Ihrer Website mit Bildern und Text zu rendern.

Personalisierte Ergebnisse eines Endnutzers dürfen niemals im Cache gespeichert und niemals an einen anderen Endnutzer zurückgegeben werden.

Vorbereitung

Sie müssen ein Google Cloud-Projekt erstellen und die Authentifizierung einrichten. Gehen Sie dazu wie unter Vorbereitung beschrieben vor.

Bevor Sie Vorhersagen von Empfehlungen anfordern können, benötigen Sie außerdem eine trainierte und fein abgestimmte Empfehlung (Modell) sowie mindestens eine aktive Bereitstellungskonfiguration.

Empfehlungen bewerten

Bevor Sie Ihren Websitecode zum Anfordern von Empfehlungen aktualisieren, können Sie mithilfe der Vorschau der Vorhersageergebnisse prüfen, ob Ihr Modell und Ihre Bereitstellungskonfiguration wie erwartet funktionieren.

Weitere Informationen zu Bereitstellungskonfigurationen finden Sie unter Bereitstellungskonfigurationen.

Sie können eine Vorschau der Ergebnisse der Bereitstellungskonfiguration entweder auf der Seite Bewerten oder in der Console auf der Seite Details einer Bereitstellungskonfiguration aufrufen und auf den Tab Bewerten klicken. In den folgenden Schritten wird beschrieben, wie Sie eine Vorschau auf der Seite Bewerten aufrufen.

So rufen Sie eine Vorschau der Empfehlungen auf, die von Ihrer Bereitstellungskonfiguration zurückgegeben werden:

1. Rufen Sie in der Search for Commerce Console die Seite Bewerten auf.
   
   Zur Seite „Bewerten“

2. Klicken Sie auf den Tab Empfehlungen, falls er nicht bereits ausgewählt ist.

3. Wählen Sie die Bereitstellungskonfiguration aus, die Sie als Vorschau ansehen möchten.

4. Optional: Geben Sie eine Besucher-ID ein, um eine Vorschau der Empfehlungen für diesen Nutzer aufzurufen.

5. Wenn der Bereich Zugehörige Artikel angezeigt wird, klicken Sie auf Artikel hinzufügen und geben Sie eine Produkt-ID ein, um zugehörige Empfehlungen für diesen Artikel zu erhalten. Sie können mehrere zugehörige Elemente hinzufügen.

   Das Hinzufügen von Artikeln ist nur möglich, wenn für den Modelltyp der ausgewählten Bereitstellungskonfiguration Produkte als Eingabe für Empfehlungen erforderlich sind. Für „Empfehlungen für Sie“-Modelle müssen keine zugehörigen Artikel eingegeben werden.

6. Klicken Sie auf Vorhersagevorschau, um die Vorhersageergebnisse aufzurufen.

Wenn Sie die Seite Details für die Bereitstellungskonfiguration aufrufen möchten, die Sie in der Vorschau ansehen, klicken Sie unter dem Feld Bereitstellungskonfiguration auswählen auf Bereitstellungskonfiguration ansehen.

Empfehlung erhalten

Die Recommendations API hat Beschränkungen für die Anzahl der zurückgegebenen Elemente. Es gibt jedoch Möglichkeiten, die Anzahl der zurückgegebenen Elemente zu erhöhen.

Limits erhöhen

• Das Limit für Ergebnisse von Vertex AI Search for Commerce liegt bei 120.

• Die Recommendations API unterstützt das Neusortieren von bis zu 2.000 Artikeln.

• Obwohl die Latenz zunimmt, kann die Seitengröße auf bis zu 500 oder 1.000 erhöht werden.

Problemumgehungen

Kategorieseiten lassen sich mithilfe persönlicher Empfehlungen personalisieren und neu sortieren. Um das Ergebnislimit von 120 zu umgehen, können Sie mehrere gleichzeitige Aufrufe für die erste angegebene Anzahl von Seiten ausführen und die Ergebnisse dann so zusammenfügen, dass sie wie eine große Seite aussehen.

Wenn Sie die Anzahl der Empfehlungen, die Endnutzern angezeigt werden, manuell einschränken möchten, können Sie Filterkriterien in PredictRequest.params-Abfragen hinzufügen.

Markieren Sie die ausgewählten Attribute über die API als filterbar und verweisen Sie dann direkt in den Vorhersageanfragen darauf.

Weitere Informationen zu den Kosten für Vorhersagen finden Sie unter Preise.

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data '{
              "filter": "FILTER_STRING",
              "validateOnly": false,
              "userEvent": {
                  "eventType": "detail-page-view",
                  "visitorId": "VISITOR_ID",
                  "userInfo": {
                      "userId": "USER_ID",
                      "ipAddress": "IP_ADDRESS",
                      "userAgent": "USER_AGENT"
                  },
                  "experimentIds": "EXPERIMENT_GROUP",
                  "productDetails": [{
                      "product": {
                        "id": "PRODUCT_ID"
                     }
                  }]
              }
            }' \
https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/servingConfigs/SERVING_CONFIG_ID:predict

{
  "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}],
  "attribution_token": "sample-atr-token"
}

public static PredictResponse predictWithNextPageToken(UserEvent userEvent, int pageSize,
    String nextPageToken)
    throws IOException, InterruptedException {
  PredictionServiceClient predictionClient = getPredictionServiceClient();

  PredictRequest request = PredictRequest.newBuilder()
      .setPlacement(HOME_PAGE_PLACEMENT_NAME)
      .setUserEvent(userEvent)
      .setPageSize(pageSize)
      .setPageToken(nextPageToken)
      .setValidateOnly(true)
      .build();

  PredictResponse response = predictionClient.predict(request);

  predictionClient.shutdownNow();
  predictionClient.awaitTermination(2, TimeUnit.SECONDS);

  return response;
}

Preis-Reranking

Beim Preis-Reranking werden die empfohlenen Produkte mit einer ähnlichen Empfehlungswahrscheinlichkeit nach Preis sortiert, wobei die Artikel mit dem höchsten Preis zuerst aufgelistet werden. Die Relevanz wird auch noch für die Bestellung von Artikeln verwendet. Das Aktivieren des Preis-Rerankings entspricht also nicht der Sortierung nach Preis.

Das Preis-Reranking kann auf der Ebene der Bereitstellungskonfiguration oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie beim Erstellen einer Bereitstellungskonfiguration in der Search for Commerce-Konsole eine Einstellung für das Preis-Reranking auswählen, gilt diese Einstellung für alle Empfehlungen, die von dieser Konfiguration bereitgestellt werden, ohne dass Sie etwas tun müssen.

Wenn Sie das Preis-Reranking einer bestimmten Empfehlung festlegen möchten, verwenden Sie dazu das Feld PredictRequest.params. Dadurch wird jede Einstellung für das Reranking auf Konfigurationsebene überschrieben, die andernfalls für diese Empfehlung gelten würde.

Vielfalt der Empfehlungen

Die Diversifizierung von Empfehlungen beeinflusst, ob die von einer einzelnen Vorhersageanfrage zurückgegebenen Ergebnisse aus verschiedenen Kategorien Ihres Produktkatalogs stammen.

Die Diversifizierung von Empfehlungen kann auf der Ebene der Bereitstellungskonfiguration oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie beim Erstellen einer Bereitstellungskonfiguration in der Search for Commerce-Konsole eine Einstellung für die Diversifizierung von Empfehlungen auswählen, gilt diese Einstellung standardmäßig für alle Vorhersagen, die von dieser Konfiguration bereitgestellt werden, ohne dass Sie etwas unternehmen müssen.

Wenn Sie die Diversifizierung einer bestimmten Empfehlung festlegen müssen, können Sie dazu das Feld PredictRequest.params verwenden. Dadurch wird jede Einstellung für die Diversifizierung auf Konfigurationsebene überschrieben, die andernfalls für diese Empfehlung gelten würde. Weitere Informationen finden Sie unter den akzeptierten Werten.

Empfehlungsfilter verwenden

Sie können die von Recommendations zurückgegebenen Empfehlungen filtern. Verwenden Sie dazu das Feld filter in der Methode predict. Weitere Informationen finden Sie unter Empfehlungen filtern.

Vorhersageaufrufe mit Modellen für die Optimierung auf Seitenebene

Um Empfehlungen mit Optimierung auf Seitenebene zu generieren, ist ein zusätzlicher Vorhersageaufruf erforderlich.

Führen Sie einen ersten Vorhersageaufruf mit einer Serving-Konfiguration aus, die das Modell für die Optimierung auf Seitenebene enthält. Die Vorhersageantwort gibt eine sortierte Liste von Bereitstellungskonfigurations-IDs zurück, die das Modell für jedes Feld darstellen.

Rufen Sie dann für jedes Panel eine Vorhersage mit der Serving-Konfigurations-ID auf, die vom Modell zur Optimierung auf Seitenebene empfohlen wurde. Die Vorhersageantwort enthält den Modellnamen (z. B. „Für dich empfohlen“) und eine Liste der empfohlenen Elemente, die in diesem Bereich angezeigt werden sollen.

Preis-Reranking, Empfehlungsdiversität und Empfehlungsfilter sind für Bereitstellungskonfigurationen mit dem Modell „Optimierung auf Seitenebene“ nicht verfügbar.

Empfehlungen im Blick behalten und Fehler beheben

Nachdem Sie Ihre Website für Empfehlungen eingerichtet haben, sollten Sie Benachrichtigungen einrichten. Weitere Informationen

Informationen zur Fehlerbehebung finden Sie unter Überwachen und Fehlerbehebung.