取得內容推薦

本頁面說明如何針對特定使用者和使用者事件，要求產品推薦內容。

上傳產品並記錄使用者事件後，您可以根據該使用者記錄的使用者事件和目前活動，為特定使用者索取產品推薦項目。新產品和使用者事件最多可能需要 48 小時，才會反映在推薦模型中。

商家適用的 Vertex AI Search 會傳回已排序的產品 ID 清單。您有責任在網站上使用圖片和文字呈現結果。

絕對不要快取使用者提供的個人化結果，也不要將個人化結果傳回給其他使用者。

事前準備

您必須先按照「事前準備」一節中的步驟建立 Google Cloud專案，並設定驗證方法。

此外，您還需要經過訓練及調整的推薦內容 (模型)，以及一或多個有效的服務設定，才能要求推薦內容預測。

評估最佳化建議

更新網站程式碼以要求推薦內容前，您可以使用預覽預測結果，確認模型和服務設定是否正常運作。

如要進一步瞭解供應設定，請參閱「關於供應設定」。

您可以前往「評估」頁面，或在控制台中前往「詳細資料」頁面，然後點選「評估」分頁，預覽提交設定結果。下列步驟說明如何在「評估」頁面中預覽。

如要預覽供應設定傳回的建議，請按照下列步驟操作：

  1. 前往「Search for commerce」控制台的「評估」頁面。

    前往「評估」頁面

  2. 如果尚未選取「推薦」分頁，請按一下該分頁。

  3. 選取要預覽的供應設定。

  4. 選用步驟：輸入訪客 ID，即可預覽該使用者的推薦內容。

  5. 如果畫面上顯示「相關商品」部分，請按一下「新增商品」並輸入產品 ID，即可取得該商品的相關推薦內容。您可以新增多個相關項目。

    只有在所選供應設定的模型類型需要產品做為推薦內容輸入時，才能新增項目。建議模型不需要輸入相關項目。

  6. 按一下「預測結果預覽」，查看預測結果。

如要查看正在預覽的供應設定的「Details」頁面，請點選「Select serving config」欄位下方的「View serving config」。

取得最佳化建議

Recommendations API 會限制傳回的項目數量。不過，您可以透過其他方法增加傳回的項目數量。

提高限制

  • Vertex AI Search 電子商務套件結果的限制為 120 個。

  • Recommendations API 最多可重新排序 2,000 項項目。

  • 雖然延遲時間會增加，但網頁大小仍可增加至 500 或 1,000。

解決方法

針對分類頁面，你可以使用個人化推薦內容進行個人化設定，並重新排序。如要解決結果上限為 120 的問題，請同時對第一個指定頁數進行多次呼叫，然後將結果拼接在一起，看起來就像一個大頁面。

如要手動限制向使用者顯示的推薦內容，您可以在 PredictRequest.params 查詢中新增篩選條件。

使用 API 將所選屬性標示為可篩選，然後直接在預測要求中參照這些屬性。

如需預測費用詳細資訊，請參閱「定價」。

curl

如要取得推薦內容，請向 predict REST 方法發出 POST 要求，並提供適當的要求主體：

  • 您使用的服務帳戶必須具備「零售業檢視者」角色或更高層級角色。

  • 將 SERVING_CONFIG_ID 替換成您將使用預測功能的供應設定。瞭解詳情。

  • 如果您使用 BigQuery匯入 Google Analytics 360 使用者事件，請將 visitorId 設為 Google Analytics 客戶 ID。如要瞭解如何取得用戶端 ID，請參閱 Google Analytics 說明文件。

  • 如果您正在執行 A/B 實驗，請將 experimentIds 設為這個實驗群組的 ID。瞭解詳情。

  • 針對發出推薦要求的使用者動作提供使用者事件物件。

    請注意，系統不會記錄這個使用者事件；該事件僅用於為這個推薦要求提供背景資訊。建議您比照記錄其他使用者事件的方式來記錄該使用者事件。

  • 您也可以視需要提供篩選器，縮小可能傳回的產品範圍。瞭解詳情。

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

您應該會看到類似以下的結果：

{
  "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;
}

價格重新排序

如果啟用價格重新排序，系統就會將推薦機率相近的推薦產品按照價格由高至低排序。系統仍會使用相關性來排序項目，因此啟用價格重新排序功能與依價格排序不同。

價格重新排名可在供應設定層級或每個預測要求中設定。

在商務搜尋控制台建立放送設定時，如果選擇價格重新排序設定，系統就會將該設定套用至該設定放送的所有推薦內容，您不必採取進一步行動。

如果您需要控制特定推薦內容的價格重新排序，可以使用 PredictRequest.params 欄位。這會覆寫任何設定層級的重新排名設定，否則會套用至這項建議。

推薦內容多元性

推薦內容多樣化功能會影響同一項預測要求傳回的結果是否來自產品目錄中的不同類別。

您可以在供應設定層級或每個預測要求中設定推薦內容多樣化。

在商務搜尋控制台中建立供應設定時，如果選擇推薦多元化設定，系統會預設套用該設定，並對該設定供應的所有預測進行運算，您不必採取進一步行動。

如果您需要控管特定推薦內容的多樣性，可以使用 PredictRequest.params 欄位。這會覆寫任何設定層級的多元化設定，否則會套用至這項最佳化建議。請參閱相關說明，瞭解可接受的值。

使用推薦篩選器

您可以使用 predict 方法中的 filter 欄位，篩選建議功能傳回的推薦內容。詳情請參閱「篩選最佳化建議」。

使用頁面層級最佳化模型的預測呼叫

使用頁面層級最佳化提供最佳化建議時，需要額外的預測呼叫步驟。

使用包含頁面層級最佳化模型的供應設定，發出初始預測呼叫。預測回應會傳回排序的放送設定 ID 清單，代表每個面板要使用的模型。

接著，使用網頁層級最佳化模型建議的放送設定 ID，為每個面板發出預測呼叫。預測回應包含模型名稱 (例如「推薦給您」)，以及要在該面板中顯示的推薦項目清單。

使用頁面層級最佳化模型的放送設定無法使用價格重新排序、推薦內容多樣化和推薦內容篩選器。

監控與疑難排解建議

設定網站以取得最佳化建議後，建議您設定快訊。請參閱「設定預測錯誤快訊」。

如要排解錯誤，請參閱「監控及排解問題」。