Présentation de la recherche personnalisée

Cette page présente et liste les fonctionnalités de Vertex AI Search pour les applications personnalisées. La page fournit également des liens vers les fonctionnalités, les tutoriels et les checklists disponibles pour vous aider à vous lancer avec Vertex AI Search pour les applications personnalisées.

Qu'est-ce que Vertex AI Search pour les applications personnalisées ?

Vertex AI Search pour les applications personnalisées est un moteur de recherche et de découverte de contenu puissant et de qualité Google que vous pouvez intégrer à vos applications contenant des données de site Web et d'autres données structurées ou non structurées. La fonctionnalité de recherche va au-delà de la simple identification de mots clés en commun et utilise l'IA pour fournir des résultats très pertinents, proposer des expériences de navigation et de recherche personnalisées, et générer des réponses d'IA basées sur vos données.

Vous pouvez utiliser une application de recherche personnalisée pour les données agnostiques aux secteurs verticaux qui se trouvent sur des sites Web publics ou qui sont au format structuré ou non structuré. Vertex AI Search propose également d'autres applications de recherche et de recommandations spécifiques à certains secteurs.

Capacités clés

Voici les principales fonctionnalités de Vertex AI Search :

  • Recherche de haute qualité : s'appuie sur l'expertise de Google en matière de recherche pour comprendre l'intention de l'utilisateur, même avec des requêtes complexes et en langage naturel. Elle combine la recherche par mots clés et la recherche sémantique pour fournir les meilleurs résultats.
  • Parcourir de manière personnalisée : fournit des résultats personnalisés sans requête de recherche spécifique et un flux personnalisé basé sur le contexte et les habitudes de navigation d'un utilisateur. Il est idéal pour les expériences de découverte permettant d'afficher des pages de catégories et des flux d'accueil personnalisés.
  • Sources de données : fonctionne avec les sources de données suivantes :
    • Site Web : indexez vos sites Web publics et utilisez des fonctionnalités avancées, comme l'enrichissement de l'index avec les données structurées de vos sites Web.
    • Données structurées : effectuez des recherches dans des données organisées dans un format défini, comme des bases de données, des fichiers JSON dans Cloud Storage ou des tables BigQuery (par exemple, des catalogues d'hôtels, des annonces immobilières et des annuaires de restaurants).
    • Données non structurées : effectuez des recherches dans des documents tels que des fichiers PDF, HTML et TXT, ou dans des fichiers image tels que des fichiers JPEG et PNG stockés dans Cloud Storage ou BigQuery.
    • Recherche combinée : recherche dans plusieurs data stores qui combinent les données des sources de données mentionnées ci-dessus. Par exemple, vous pouvez créer une application de recherche et l'associer à un data store de site Web et à un data store de documents. Cela permet à vos utilisateurs de rechercher l'ensemble de vos contenus en même temps.
  • Génération de réponses d'IA ancrées : génère des réponses d'IA ancrées dans vos données, avec des citations des documents sources. Vous pouvez également poser des questions complémentaires et des requêtes associées.
  • Personnalisation : améliore les résultats et le classement au fil du temps en tirant des enseignements des interactions utilisateur capturées dans les événements utilisateur, comme les clics et les conversions.
  • Personnalisation : plusieurs options vous permettent d'ajuster et de configurer l'expérience de recherche et de navigation en fonction des besoins de votre entreprise.

Présentation

Le schéma suivant montre les principaux composants de la recherche personnalisée et leur fonctionnement :

Composants clés de la recherche personnalisée générique
Figure 1. Différents composants de la recherche personnalisée

Les composants de Vertex AI Search pour la recherche personnalisée peuvent être expliqués comme suit :

  • Datastore : votre contenu provenant de différentes sources de données est stocké dans un data store Vertex AI Search. Les données sources peuvent être des données de sites Web publics, ou des données structurées et non structurées.
  • Traitement et indexation des données : Vertex AI Search comprend et indexe vos données, créant ainsi une représentation consultable et récupérable. Il effectue également les actions suivantes :
    • Extraction de mots clés : identifie et génère les termes importants nécessaires pour récupérer les informations correctes.
    • Compréhension sémantique à l'aide d'embeddings : crée des embeddings vectoriels pour capturer la signification du contenu.
    • Traitement des métadonnées : traite vos documents à l'aide des données structurées ou des métadonnées du document. Par exemple, l'emplacement dans un catalogue d'hôtels, ou les dates de modification ou de création dans les métadonnées d'une page Web.
    • Analyse avancée des documents : comprend la structure des documents et annote les informations avancées, telles que les tableaux, les images et les graphiques, à l'aide de l'OCR ou de l'analyse de la mise en page.
  • Application de recherche : au cœur de la recherche personnalisée se trouve une application de recherche, qui se connecte à un ou plusieurs datastores qui rassemblent des données provenant de différentes sources. Pour la recherche combinée, les données sont ingérées à l'aide de connecteurs. Vous configurez le comportement de recherche et de navigation au niveau de l'application.
  • Requête utilisateur : saisie d'un utilisateur visant à récupérer des informations depuis votre application. Il existe deux types de requêtes :
    • Requête de recherche : l'utilisateur saisit une requête de recherche ciblée à l'aide de texte ou d'images. La recherche textuelle est optimisée par la saisie semi-automatique.
    • Requête de navigation ou navigation : recherche exploratoire visant à fournir des contenus pertinents et personnalisés sans requête spécifique. Elle est basée sur l'activité passée de l'utilisateur et d'autres signaux, tels que la page de catégorie actuelle et la position.
  • Récupération et classement : la récupération et le classement des résultats comportent plusieurs sous-composants :
    • Compréhension des requêtes pour la recherche : Vertex AI Search analyse une requête de recherche à l'aide des éléments suivants :
      • Traitement du langage naturel : pour comprendre l'intention.
      • Filtres avec compréhension du langage naturel : traduit les lieux des requêtes en langage naturel en coordonnées géographiques et les conditions des requêtes en langage naturel en filtres.
      • Graphe de connaissances : pour lever toute ambiguïté sur les termes et élargir la recherche.
      • Fonctionnalités facultatives : incluent la correction orthographique, les synonymes et la reformulation des requêtes.
    • Récupération : Vertex AI Search trouve les documents ou les blocs les plus pertinents en fonction des méthodes suivantes :
      • Correspondance des mots clés pour la recherche : recherche conventionnelle basée sur les termes.
      • Recherche sémantique : utilisation d'embeddings pour trouver du contenu conceptuellement similaire.
      • Filtrage : application des filtres que vous avez configurés (par exemple, date, catégorie ou score de pertinence).
    • Classement : Vertex AI Search classe les résultats en fonction des facteurs suivants :
      • Pertinence : combinaison de la correspondance des mots clés et de la correspondance sémantique lors de la recherche.
      • Signaux Web pour la recherche sur le site Web : facteurs tels que la qualité et la popularité des pages.
      • Remonter et redescendre : vos règles personnalisées pour promouvoir ou rétrograder certains résultats.
      • Personnalisation : apprentissage à partir des interactions des utilisateurs. Cette étape est facultative, mais vivement recommandée.
      • Tri : application d'instructions de tri, par exemple par date.
  • Résultats et génération de réponses :
    • Résultats de recherche : une liste classée de documents ou de blocs pertinents est renvoyée avec des fonctionnalités facultatives, telles que des extraits, des réponses extractives et des segments extractifs. Les résultats diffusés peuvent être configurés à l'aide de contrôles de diffusion. Vous pouvez également ajuster les résultats de recherche.
    • Génération de réponses : une réponse concise et synthétisée est générée sur la base des résultats les plus pertinents et les mieux classés, avec des citations. Il utilise des fonctionnalités LLM avancées.
    • Navigation personnalisée : un ensemble personnalisé de documents présentant la probabilité d'engagement ou de conversion la plus élevée est renvoyé. Cette prédiction utilise un modèle avancé qui apprend des interactions des utilisateurs.
  • Événements utilisateur : outil de suivi des interactions utilisateur, comme les clics et les vues, qui aide Vertex AI Search à apprendre et à améliorer la recherche et la personnalisation. Les événements utilisateur vous aident à optimiser vos KPI d'entreprise, y compris l'engagement, les conversions et les revenus.

Principales fonctionnalités et configurations

Les fonctionnalités et configurations suivantes sont disponibles pour vos applications de recherche personnalisée. À chaque étape, vous pouvez personnaliser ces paramètres pour fournir les meilleurs résultats à vos utilisateurs.

Composants clés de la recherche personnalisée générique
Figure 2. Principales fonctionnalités et configurations de la recherche personnalisée

Voici les configurations disponibles :

Étapes suivantes