Receber resultados de navegação personalizados

A navegação é uma pesquisa de navegação sem consulta. A navegação usa métodos de navegação para mostrar resultados de pesquisa que correspondem às categorias ou filtros selecionados pelo usuário final. Quando usado em colaboração com o engajamento do usuário, você pode oferecer aos seus usuários uma navegação personalizada. A navegação personalizada oferece feeds em tempo real e específicos para o usuário com base no histórico de interação e nos recursos de conteúdo. Ela visa otimizar os resultados da pesquisa para KPIs definidos, obedecendo aos seus controles estratégicos. Por exemplo, um site imobiliário pode ter páginas iniciais diferentes para usuários em Londres, Reino Unido, e em Sydney, Austrália. Um site de compras pode oferecer resultados personalizados dependendo do perfil do usuário.

Esta página descreve como receber resultados de navegação para repositórios de dados de pesquisa personalizada e algumas práticas recomendadas para configurar seu app de pesquisa.

Sobre a navegação personalizada

A navegação personalizada da Vertex AI para Pesquisa usa redes neurais para classificar documentos com base no engajamento e na conversão previstos do usuário. Por exemplo, com a navegação personalizada, você pode veicular entradas classificadas em um catálogo de hotéis ou artigos em um site e retorná-los aos usuários com base na probabilidade prevista de cliques ou consultas.

A navegação personalizada é um modelo sofisticado que aprende as relações complexas entre padrões de navegação do usuário, o conteúdo e os recursos dos seus documentos e os eventos de conversão do usuário. Alguns recursos importantes são:

  • Classificação: o modelo classifica os itens com base na performance prevista em relação ao objetivo definido, que está sujeito aos parâmetros de pesquisa configurados, como filtros, classificação personalizada e controles de veiculação (como aumentar, promover ou sinônimos).

  • Treinamento e refinamento: após o treinamento inicial, o modelo é continuamente refinado usando fluxos de eventos do usuário em tempo real. O modelo se adapta e melhora com o tempo.

  • Diversidade: o modelo aprende implicitamente sobre diversidade porque registra sinais negativos de não interação, como links ignorados, tempo gasto em uma página e taxas de pulo.

A tabela a seguir apresenta as diferenças entre pesquisa e navegação.

Recurso Pesquisar Procurar
Finalidade Encontrar informações específicas Explorar e descobrir conteúdo
Exemplo Pesquisar "melhores restaurantes coreanos em Vancouver" na Pesquisa Google Procurar um restaurante com base nas categorias a que ele pode pertencer, como "Restaurantes > Coreano > Vancouver > 4 estrelas e acima"
User Intent Normalmente orientada a metas Exploratória
Ponto de partida Uma consulta ou palavra-chave geralmente em uma barra de pesquisa Um site ou plataforma específica que geralmente usa um menu, rastros de navegação, links ou outros métodos de navegação, como filtros
Método Inserir palavras-chave ou frases e aplicar a configuração de pesquisa e veiculação Pesquisar com uma consulta vazia, aplicando a configuração de pesquisa e veiculação
Resultados Uma lista de resultados relevantes Todos os documentos no repositório de dados que correspondem aos filtros

Fluxo de trabalho e práticas recomendadas

A navegação personalizada é um serviço gerenciado pelo Google, que processa os modelos de aprendizado profundo e os pipelines de dados subjacentes. Para aproveitar ao máximo esse serviço, ao desenvolver seu app de pesquisa, suas principais responsabilidades técnicas incluem o seguinte:

  • Provisionamento de dados: colete e forneça um repositório de dados abrangente de documentos e eventos do usuário.
  • Definição de objetivo: especifique KPIs para otimização, como taxa de cliques (CTR), ações de alto valor e receita por sessão com os eventos do usuário fornecidos. Verifique se os tipos de eventos do usuário coletados são compatíveis com os objetivos.
  • Parâmetros de pesquisa: defina e configure parâmetros de pesquisa e controles de veiculação na solicitação de pesquisa. Por exemplo, intervalos de datas para filtrar as listagens ou artigos permitidos ou controles de aumento para reordenar os blogs de acordo com as classificações.

Em um app de pesquisa de aplicativos de IA, navegar é pesquisar sem uma consulta ou com uma consulta vazia. Para receber resultados de navegação em um repositório de dados de pesquisa personalizada, chame o método search deixando a consulta vazia.

Em geral, estas são as etapas para conseguir os melhores resultados na navegação personalizada:

  1. Tenha dados corretos e consistentes:

    • Carimbo de data/hora preciso para cada evento do usuário.
    • IDs de usuário consistentes em todos os eventos do usuário.
    • IDs de documentos que correspondem entre eventos do usuário e o repositório de dados. Se você estiver usando um sitemap, os URLs dele precisam corresponder aos URLs nos eventos do usuário.
    • Filtra para veicular o conteúdo exato nas páginas navegadas. Para mais informações, consulte Filtrar a pesquisa de sites e Filtrar a pesquisa personalizada para dados estruturados e não estruturados.

  2. Prepare e ingira seus documentos:

  3. Prepare e ingira eventos de usuário:

    • Prepare pelo menos 30 dias de eventos de usuário para o treinamento inicial do modelo. É possível usar eventos históricos do usuário e eventos do usuário em tempo real. Eventos em tempo real geram melhores resultados de personalização.
    • Grave e compartilhe o evento search (usado para capturar dados de navegação), o evento view-item e o evento conversion.
    • Todos os eventos do usuário precisam incluir o seguinte:
      • eventType, como search para pesquisa e navegação, view-item e conversion.
      • userPseudoId, que é um identificador de usuário pseudônimo consistente.
      • eventTime, que é um carimbo de data/hora ISO 8601 (UTC) de quando o evento foi registrado.
      • documents.id mostrados na ordem em que aparecem para o usuário que corresponde aos IDs dos documentos.
      • searchInfo.searchQuery para registrar a consulta de pesquisa do usuário.
      • pageInfo.pageCategory que adiciona um contexto, como "HomepageCarousel", "Properties > VIC > Richmond".
      • filter que descreve a lógica de filtro usada para gerar a lista de impressões. Isso geralmente é capturado pelo campo pageCategory ou pela compreensão do sistema.

    Para ver mais informações, consulte userEvents.

  4. Ativar treinamento de modelo e o pipeline de modelos:

    Depois de preparar os dados e coletar os eventos do usuário, entre em contato com seu Engenheiro de clientes (CE) do Google. O CE pode analisar seus dados e ativar o modelo de personalização para seu app.

  5. Receber resultados de navegação personalizados

    Adicione mais campos à solicitação de pesquisa, como filtros e ajustes de classificação, como aumento ou classificação personalizada.

  6. Mantenha seus dados atualizados:

    Com o tempo, mantenha os documentos no seu repositório de dados atualizados e continue enviando eventos de usuários novos. Isso garante que o modelo possa acessar os documentos e as interações mais recentes do usuário para oferecer resultados personalizados.

Receber resultados de navegação para um app com dados do site

Para usar a API e receber resultados de navegação de um app com dados do site, faça o seguinte:

  1. Encontre o ID do app. Se você já tiver o ID do app, pule para a próxima etapa.

    1. No console Google Cloud , acesse a página Aplicativos de IA.

      Acessar "Apps".

    2. Na página Apps, encontre o nome do app e confira o ID dele na coluna ID.

  2. Chame o método engines.servingConfigs.search com uma consulta vazia ou sem consulta da seguinte maneira:

    REST

    curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/engines/APP_ID/servingConfigs/default_search:search" \
-d '{
"servingConfig": "projects/PROJECT_ID/locations/global/collections/default_collection/engines/APP_ID/servingConfigs/default_search",
"orderBy": "ORDER_BY",
"params": {
     "searchType": "0"
 },
"filter": "FILTER",
"boostSpec": "BOOST_SPEC",
}'

    Substitua:

    • PROJECT_ID: o ID do seu projeto do Google Cloud .
    • APP_ID: o ID do app da Vertex AI para Pesquisa que você quer consultar.
    • ORDER_BY: opcional. A ordem em que os resultados são organizados. O atributo usado para classificação precisa ter uma interpretação numérica, por exemplo, date. Para mais informações, consulte Ordenar resultados da pesquisa na Web.
    • FILTER: opcional, mas recomendado. Um campo de texto para filtrar sua pesquisa usando uma expressão de filtro. O valor padrão é uma string vazia. Para mais informações sobre como usar o campo filter, consulte Filtrar a pesquisa genérica por dados estruturados ou não estruturados e Filtrar a pesquisa de sites.
    • BOOST_SPEC: opcional. Uma especificação para aumentar ou diminuir a relevância de documentos. Valores:
      • BOOST: um número de ponto flutuante no intervalo [-1,1]. Quando o valor é negativo, os resultados são rebaixados (aparecem mais abaixo nos resultados). Quando o valor é positivo, os resultados são promovidos (aparecem mais acima nos resultados).
      • CONDITION: uma expressão de filtro de texto para selecionar os documentos a que o aumento é aplicado. O filtro precisa ser avaliado como um valor booleano. Para saber mais sobre o aumento da pesquisa estruturada, consulte Aumentar os resultados da pesquisa.

    Você vai receber uma resposta JSON semelhante a esta, que está truncada. A resposta contém resultados de pesquisa detalhados listados na ordem determinada pelos campos definidos na solicitação de pesquisa.