Receber recomendações

Nesta página, descrevemos como solicitar recomendações de produtos para um usuário e um evento de usuário específicos.

Depois de fazer upload dos produtos e registrar eventos do usuário, é possível solicitar recomendações de produtos para usuários específicos com base nos eventos registrados e na atividade atual deles. Pode levar até 48 horas para que novos produtos e eventos do usuário sejam refletidos no modelo de recomendação.

A Vertex AI para Pesquisa em E-commerce retorna uma lista de identificadores de produtos classificados. Você é responsável por renderizar os resultados no seu site com imagens e texto.

Nunca armazene em cache resultados personalizados de um usuário final nem retorne resultados personalizados para outro usuário final.

Antes de começar

Você precisa criar um projeto do Google Cloud e configurar a autenticação seguindo as etapas em Antes de começar.

Para conseguir solicitar previsões de recomendações, você precisa de um modelo de recomendação treinado e ajustado, além de uma ou mais configurações de exibição ativas.

Avaliar recomendações

Antes de atualizar o código do site para solicitar recomendações, use a previsão de resultados para confirmar se o modelo e a configuração de exibição estão funcionando conforme o esperado.

Para mais informações sobre configurações de veiculação, consulte Sobre configurações de veiculação.

É possível visualizar os resultados da configuração de exibição na página Avaliar ou acessando a página Detalhes de uma configuração de exibição no console e clicando na guia Avaliar. As etapas a seguir mostram como fazer uma prévia na página Avaliar.

Para visualizar as recomendações retornadas pela configuração de exibição:

  1. Acesse a página Avaliar no console da Pesquisa para e-commerce.

    Acessar a página "Avaliar"

  2. Clique na guia Recomendações, se ela ainda não estiver selecionada.

  3. Selecione a configuração de veiculação que você quer visualizar.

  4. Opcional: insira um ID de visitante para visualizar as recomendações do usuário.

  5. Se a seção Itens associados aparecer, clique em Adicionar item e insira um ID de produto para receber recomendações associadas a ele. É possível adicionar vários itens associados.

    A adição de itens só está disponível se o tipo de modelo da configuração de veiculação selecionada exigir produtos como entrada para recomendações. Os modelos "Recomendado para você" não exigem que os itens associados sejam inseridos.

  6. Clique em Visualização da previsão para conferir os resultados.

Para ver a página Detalhes da configuração de exibição que você está visualizando, clique em Ver configuração de exibição no campo Selecionar configuração de exibição.

Receber uma recomendação

A API Recommendations tem limites para o número de itens retornados. No entanto, há soluções alternativas para aumentar o número de itens retornados.

Aumentar limites

  • O limite para resultados da Vertex AI para Pesquisa para Commerce é 120.

  • A API Recommendations oferece suporte à reclassificação de até 2.000 itens.

  • Embora a latência aumente, é possível aumentar o tamanho da página até 500 ou 1.000.

Alternativas

Nas páginas de categorias, é possível personalizar e reclassificar usando recomendações pessoais. Para contornar o limite de 120 resultados, faça várias chamadas simultâneas para o primeiro número de páginas fornecido e junte os resultados para parecer uma página grande.

Para restringir manualmente o conjunto de recomendações retornadas aos usuários finais, adicione critérios de filtro às consultas PredictRequest.params.

Marque os atributos selecionados como filtráveis usando a API e consulte-os diretamente nas solicitações de previsão.

Para detalhes sobre custos de previsão, consulte Preços.

curl

Para receber uma recomendação, faça uma solicitação POST para o método REST predict e forneça o corpo da solicitação apropriado:

  • A conta de serviço usada precisa ter a função "Visualizador de varejo" ou superior.

  • Substitua SERVING_CONFIG_ID pela configuração de exibição em que você usará as previsões. Saiba mais.

  • Se você importou os eventos do usuário do Google Analytics 360 usando o BigQuery, defina visitorId como o ID do cliente do Google Analytics. Consulte a documentação do Google Analytics para saber como conseguir o ID do cliente.

  • Se você estiver executando um experimento A/B, defina experimentIds como o ID desse grupo. Saiba mais

  • Forneça um objeto de evento do usuário para as ações do usuário iniciadas com a solicitação de recomendação.

    Saiba que esse evento de usuário não é registrado, ele é usado apenas para fornecer contexto sobre a solicitação de recomendação. Você também precisa gravar o evento de usuário da mesma forma que grava outros eventos do usuário.

  • Como opção, forneça um filtro para restringir os produtos em potencial retornados. Saiba mais.

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

Os resultados serão semelhantes aos exibidos abaixo:

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

Java

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;
}

Reclassificação de preços

A reclassificação de preços organiza, por ordem decrescente de preço, os itens recomendados do catálogo que têm probabilidade similar de serem pedidos. A relevância ainda é usada para solicitar itens. Portanto, ativar a reclassificação de preços não é o mesmo que classificar por preço.

A reclassificação de preços pode ser definida no nível da configuração de exibição ou por solicitação de previsão.

Quando você escolhe uma configuração de reclassificação de preços ao criar uma configuração de exibição no console Pesquisa para e-commerce, essa configuração se aplica a todas as recomendações veiculadas por essa configuração, sem que você precise realizar mais ações.

Se você precisar controlar a reclassificação de preços de uma recomendação específica, use o campo PredictRequest.params. Isso substitui qualquer configuração de reclassificação no nível da configuração que se aplicaria a essa recomendação.

Diversidade de recomendações

A diversificação de recomendações afeta se os resultados retornados de uma única solicitação de previsão são de categorias diferentes do seu catálogo de produtos.

A diversificação de recomendações pode ser definida no nível da configuração de exibição ou por solicitação de previsão.

Quando você escolhe uma configuração de diversificação de recomendações ao criar uma configuração de exibição no console da Pesquisa para e-commerce, essa configuração se aplica por padrão a todas as previsões veiculadas por essa configuração, sem que você precise realizar mais ações.

Se você precisa controlar a diversidade de uma recomendação específica, use o campo PredictRequest.params. Isso substitui qualquer configuração de diversificação no nível da configuração que se aplicaria a essa recomendação. Veja os valores aceitos.

Usar filtros de recomendação

É possível filtrar as recomendações retornadas usando o campo filter no método predict. Para mais informações, consulte Filtrar recomendações.

Chamadas Prediction com modelos de otimização na página

Para fornecer recomendações usando a otimização na página, é necessário uma etapa extra de chamada de previsão.

Faça uma chamada de previsão inicial usando uma configuração de disponibilização que contenha o modelo de otimização no nível da página. A resposta de previsão retorna uma lista classificada de IDs de configuração de exibição que representam o modelo a ser usado em cada painel.

Em seguida, faça uma chamada de previsão para cada painel usando o ID da configuração de veiculação que o modelo de otimização no nível da página recomendou. A resposta de previsão contém o nome do modelo (como "Recomendado para você") e a lista de itens recomendados para mostrar nesse painel.

A reclassificação de preços, a diversidade de recomendações e os filtros de recomendação não estão disponíveis para configurações de veiculação que usam o modelo de otimização na página.

Monitorar e resolver problemas de recomendações

Depois de configurar seu site para receber recomendações, recomendamos que você configure alertas. Consulte Configurar um alerta para erros de previsão.

Para resolver erros, consulte Monitorar e resolver problemas.